Themalunch Big data in de zorg

De volgende hype Of

Het gouden ei?30 oktober 2014 - Rutger Leer en Mark Tiemessen

Inhoud• Big data – Wat is het? Hoe gaat het proces? Hoe ziet het eruit?

• Big Data in de grote buitenwereld – Hype of gouden ei?

• Big Data in het Radboudumc

Big data – wat is het?• Wanneer het teveel tijd kost om een gewenste analyse op 1 normale

computer in een redelijke tijd uit te voeren.

• 100.000 records met 2 variabelen (3 MB): 30 seconden• 500.000 records met 3 variabelen (20 MB): 110 seconden• 20.000.000 records met 10 variabelen (2GB): 1 dag

• De beschikbare data om analyses op te doen zal wereldwijd een factor 50 toenemen van 2012 tot 2020. In 2020 gaat het dan om 25.000 petabytes (25.000.000.000.000 MB).

• Er moeten letterlijk meer Big data analyses worden gedaan, omdat de processorsnelheid in dezelfde tijd “maar” tussen de 16~32 keer zal toenemen (wet van moore)

Big data – Hoe gaat het proces?• Verkennen• Wat is er voor data beschikbaar?• Wat wil de klant uiteindelijk ermee?• Wat voor soort resultaat moet eruit komen?

• Sampelen• Hoe geschikt is de data voor datamining?

• Prepareren• Haal echte fouten uit de data.• Combineer de data met andere datasets• Anonimiseer data

Big data – Hoe gaat het proces?• Executeren• Maak het model voor het minen van de data.• Verificieer dat het model werkt.• Voer het model uit.• Perfectioneer het model

• Exploiteren• Visualiseer het resultaat• Analyseer het resultaat• Rapporteer het resultaat.

Big data – Visualiseren

Big data: De volgende hype of het gouden ei?

Waarom nu?

Big data vs. Personalised medicine

Personalised medicine BIG DATA!!

Eerste schattingen• Bezuiniging 360 miljard in USA

Een blik in de toekomst

Een blik in de toekomst

• https://www.tictrac.com/

• Combineer dit met EPD

• Wat hebben we dan?

Wat kunnen we met datamining?• Valideren van huidige kennis

• Gebruiken van huidige kennen

• Nieuwe kennis verwerven

Valideren van huidige kennis• Het zichtbaar maken van een proces

Bron: ZuiverICT voor het Pavlov Delias Hospital of Chania

Gebruiken van bestaande kennis•Type medicatie voor 1400 patiënten die een hartinfarct hebben gehad bepalen.

Type medicatie Accuracy (%) N =327

REMIND Manual

Aspirin 319 (97%) 312(96%)

Beta Blockers 319 (97%) 316(97%)

ACE Inhibitors 300 (92%) 310(95%)

Glycoprotein IIb/IIIa Receptor Antagonists

300(92%) 290(89%)

Time required by system

Time required Manually

5 hours 176 hours

Bron: Rao,Krishnan and Niculescu “Data Mining for Improved Cardiac Care”

Nieuwe kennis verwerven• De belangrijkste variabelen ontdekken om erachter te komen of (iemand diabetes heeft)• Bepalen wanneer iemand getest zou moeten worden op (diabetes).• Dit kan onder andere gedaan worden door beslissingsbomen.

Bron: Breault,Goodall and Fos “Data mining a diabetic data warehouse”

Beslissingsboom

Big data in het Radboudumc Informatiemanagement

DermatologiePV

I

Doel pilot dermatologie•Het in kaart brengen van de relaties tussen symptomen, ziekten, medicatie

en bijwerkingen.

•Ervaring opdoen met wat er bij dit soort onderzoeken komt kijken.

Bron•Gescande dossiers vanuit het project “digitalisering medisch dossier” (uitrol

van Klinische Notities en scannen van dossiers waar nodig).

Aanpak pilot dermatologie

Mogelijk resultaat pilot

Bron: www.AllergyCases.org

Eng hoor, dat data mining!

De resultaten zijn generiek, en gaan niet over personen

Vragen?