Big Data, een hot topic,

maar wat kunt u er in de

(zorg)praktijk mee?

2

Tegenwoordig kunt u niet meer om Big Data heen. Maar wat houdt het in? En hoe is Big Data te gebruiken in de (zorg)praktijk?

Wat is Big Data?

De hoeveelheid verzamelde gegevens groeit enorm snel. En inmiddels hebben we het niet meer over data, maar over Big Data: grote

gegevensbestanden. Maar wat houdt Big Data precies in? Het Amerikaanse zakentijdschrift Forbes gebruikt voor Big Data de volgende definitie:

Big data is a collection of data from traditional and digital sources inside and outside your company that represents a source for ongoing discovery

and analysis.

Om meer grip op Big Data te krijgen, bedacht IBM het systeem van de 4 dimensies. Samen geven ze inzicht in wat kenmerkend is voor Big Data,

namelijk Volume, Velocity, Variety en Veracity.

Een theoretische definitie van Big Data is één, maar wat kunt u in de dagelijkse praktijk met Big Data?

Hoe kan een zorg-instelling Big Data gebruiken?

Zorginstellingen slaan veel gegevens op, handmatig en digitaal. Van de informatie die patiënten en artsen en artsen onderling uitwisselen, heeft

een groot deel een ongestructureerd karakter. Denk bijvoorbeeld aan tekstverslagen, beeldmateriaal of laboratorium-uitslagen. Grote

hoeveelheden laboratorium-gegevens zijn nog makkelijk te verwerken en te gebruiken. Voor patiëntendossiers vol met aantekeningen en losse

onderzoeksresultaten en conclusies is dit een ander verhaal: scannen en opslaan zijn dan de eerste stappen. Maar wat kan uw zorginstelling

daarna met al die gegevens, oftewel; wat is de relevantie van Big Data in de zorgpraktijk?

Snel belangrijke informatie uit meerdere patiëntendossiers boven water halen

Grote gegevensbestanden vormen een enorme informatiebron. En als u die op de juiste manier weet te gebruiken, kan het een enorm

kostenvoordeel opleveren. Bijvoorbeeld wanneer om snel inzicht te krijgen in de aanwezige patiënten en hun aandoeningen. Daarvoor zijn snelle

analyses van met name de ongestructureerde gegevens als intakegesprekken en diagnoses heel interessant.

Ongestructureerde Big Data analyseren kan op verschillende manieren. Een innovatieve en goed doorontwikkelde tekstanalyse-technologie is

iKnow. Deze technologie breekt teksten op in zinnen en deze zinnen vervolgens in concepten en relaties. De grafen, contextmetadata en

frequenties die iKnow op deze manier verzamelt, kunnen gebruikt worden voor uitgebreide analyses binnen een tekst en tussen verschillende

tekstblokken. Grote hoeveelheden teksten zijn hierdoor zonder thesaurus of ontologie automatisch te analyseren op de belangrijkste concepten.

3

Door gebruik te maken van deze speciale vorm van tekstanalyse is het bijvoorbeeld mogelijk snel

de belangrijkste elementen uit een stapel patiëntendossiers te halen (over pijnklachten,

medicijngebruik of eerdere aandoeningen) of samenvattingen te maken van grote hoeveelheden

tekst. Dit scheelt tijd, en dus geld.

Minder fouten door automatische codering van grote hoeveelheden verslagen

Worden in uw instelling de behandelcodes nog handmatig aan de intakegesprekken en diagnoses

van artsen gekoppeld? U bent niet de enige. Maar door een automatisch indexeringsproces van

relevante concepten in de patiëntendossiers zijn nu de juiste behandelcodes automatisch aan grote

hoeveelheden verslagen te koppelen. Handmatig per artsverslag de juiste codes eraan koppelen is

dan verleden tijd. En daarmee wordt de kans op onjuistheden verkleind. Een typefout is immers

snel gemaakt.

Nieuwe verbanden ontdekken

Verbanden leggenBent u verbonden aan een grote (academische) zorginstelling? Of werkt u daarmee samen? Dan kunnen analyses van grote

hoeveelheden gedigitaliseerde verslagen uit uw instelling inzicht geven in de risico's die bijvoorbeeld bepaalde medicijnencombinaties leveren. Om

die verbanden te kunnen leggen en bepaalde patronen te kunnen herkennen en te ontdekken wat u nog niet weet, zijn grote hoeveelheden

patiëntenverslagen nodig. Het handmatig doorzoeken van grote stapels patiëntendossiers kost echter veel tijd. En het is nog maar de vraag of u

dan tot dezelfde inzichten zou komen. De automatische tekstindexering van grote gegevensbestanden haalt die informatie wel naar boven. En

met de ontwikkeling van een speciaal predicitive model is het zelfs mogelijk om na analyses van grote hoeveelheden patiëntendossiers patiënten

in risicogroepen in te delen.

Direct aan de slag met Big Data? Of bezint eer ge begint?

Dat laatste. Zorgverleners worden namelijk overspoeld met informatie. Om in uw zorginstelling echt succesvol gebruik te maken van Big Data, is

het verstandig eerst deze vijf tips te bekijken. Heeft u deze tips doorlopen, dan is het een verstandige stap om goed naar de beschikbare tools te

kijken. Big Data effectief gebruiken in de zorgpraktijk gaat namelijk het beste met daarvoor ontwikkelde software.

InterSystems heeft daarvoor bijvoorbeeld de iKnow tekstanalyse-technologie ingebed in de database-server Caché. De toevoeging van de

tekstexploratie-functionaliteit maakt Caché geschikt voor het opslaan, beheren en aan zoekopdrachten onderwerpen van alle soorten gegevens,

inclusief tekstgegevens.

4

Voor analysedoeleinden heeft InterSystems het product DeepSee. Daarmee kunt u alle tekstanalysefuncties van iKnow gebruiken. DeepSee

kenmerkt zich door een analysetechniek met zelfbediening. Gebruikers kunnen hun eigen rapporten en analyses ontwikkelen, zonder daarvoor IT-

experts in te schakelen.

Wilt u meer informatie over deze producten en op welke manier u binnen uw zorg-instelling gebruik kunt maken van Big Data? Neem dan contact

met ons op, we kijken graag samen met u verder naar de mogelijkheden. Ook kunt u het onderstaande rapport downloaden:

Dit artikel is geschreven door de redactie van InterSystems.

Fotocredits:

Harde schijf: Free Digital Photo's

Gegevensstromen: Free Digital Photo's

Puzzelstukjes: Free Digital Photo's

Wil je meer informatie? Klik hier om naar ons blog te gaan.