ジェフ・ハーメルバードはマウントサイナイ医科大学アイカーン校の研究員。見渡す限り、オフィスの南側はニューヨークの流行の発信地アッパーイーストサイドのタウンハウス、北側はイーストハーレムの後進的なスラム街に囲まれています。
昨年、アイカーン医科大学では、ローマ神話に登場する医学を司る知恵の女神にちなんで、ミネルバと呼ばれるハミング・スーパーコンピューターを導入しました。
スーパーコンピューターは、アイカーン医科大学のような大規模な研究センターや医学部でさえ、病院では極めて珍しいものでした。しかし、スーパーコンピューターに匹敵する頭脳を持つハメルバードのような天才は、同様に稀です。ハーメルバードは、フェイスブックのデータサイエンスチームを設立したことで知られ、その後シリコンバレーのトップ・ビッグデータ・ソフトウェア会社であるクラウデラを共同設立し、現在はチーフ・サイエンティストを兼任しています。
今年、彼はニューヨークに移り、アイカーン医科大学での研究にフルタイムで専念し、ClouderaソフトウェアのDemeterを使った強力なコンピューター・クラスターの構築や、データの保存、処理、採掘、モデル化を改善するツールの構築に取り組んでいます。医学部の既存の電子カルテシステムとそのデータウェアハウスについて、Hammelbard氏は "それが生成するデータ量は非常に素晴らしい "と評価しています。昨年だけで、データウェアハウスは3億件の "新しいイベント "を保存しました。しかし、ハーメルバードは欠点も指摘しています。"保存されているデータは氷山の一角に過ぎないと言わざるを得ません"。
[]
ゲノムから顎骨追跡装置など、健康関連データが爆発的に増加するヘルスケアの未来を垣間見ることができます。
「アイカーン医科大学の生物医学情報学部長であるジョエル・ダドリーは、「学習する医療システムを構築しようとしています。
マウントサイナイを拠点とする病院が将来どうなるかは、ネットフリックスやアマゾン、さらにはフェイスブックがどのように運営されているかを頭の中で想像してみればわかります。これらの企業は、ユーザーからデータを収集し、彼らが開発した予測モデルやレコメンデーションシステムで処理し、ユーザーの閲覧や購入の履歴、そしておそらく他のサイトのユーザーの履歴や「似た」ユーザーの履歴を考慮した上で、ユーザーがいつ購入を希望するかなど、将来についての最善の推測を行います。--ユーザーが何を買いたいのか、何を見たいのか、どんな広告がユーザーを誘惑するのか。
Minervaのようなスーパーコンピューターで大量のリアルタイムデータをマイニングすることで、個々の病院も最終的には同様の方法で運営されるでしょう。「素粒子物理学や高エネルギー物理学の個々の理論をハドロン衝突型加速器でテストするようなものです。最終的には、そのデータから生物学が何であるかがわかるでしょう」。
ダドリーはコンピュータのスクリーンに目を向け、"ビッグデータ "がヘルスケアと医学研究の世界にどのような破壊をもたらすかを、初期の漠然とした言葉ではありますが、示しました。
この画面は、研究者に個人情報を提供した3万人のシナイ病院患者の健康データを視覚化したものです。彼は、同じ色で示された3つの別々のクラスターを指し示し、すべてが2型糖尿病の患者を表しています。しかし、思い浮かぶのは、非常によく知られている病気のまったく新しい概念を表す可能性があるものです。「なぜ興味深いのですか？というのも、2型糖尿病だと思っていたものが、実は3型糖尿病や4型糖尿病である可能性があるからです。「これまでは、データが注意深く扱えない粗雑な病気の定義しかありませんでした。
この図や類似の図から、ダドリーは異なるクラスターに属する糖尿病患者に特有の遺伝子を突き止めることができるかもしれません。別の図では、ダドリーは、人種や民族間の遺伝的差異が、おそらく異なる病気の形態を作り出し、異なる形態が異なる治療を必要とする方法を示しています。
これらは、大量の患者データを処理能力と組み合わせることで、どれだけの貢献ができるかを示すほんの一例です。フェイスブックがソーシャルネットワークであるように、これらのデータセットは臨床ネットワークを構成しています。「予測モデリングエンジンを医療システムに組み込むという前例を作った、唯一の先駆者です。「このアプローチは長い間存在しており、このテクノロジーはさらに長い間存在しています。信じられないのは、なぜ医療に使うことが考えられなかったのかということです
サイナイ病院の目標は、こうした方法を用いて、がんや糖尿病患者などさまざまな病気の患者の診断や治療を個別化し、病院での患者ケアを改善することです。しかし、このビジョンを実現するためには、まずいくつかの基本的な課題を克服しなければなりません。
ほとんどのオンライン企業は、ユーザーから簡単にアクセスしたり採掘したりできるデータの海から生まれますが、ヘルスケアにおけるデータとの闘いはもっと単純です。患者の健康記録を電子化して非公開にしつつ、データを医師、保険会社、当局、患者に公開することです。Hammelbard氏によれば、これはデータ検索エンジンの病院版とまではいかず、今日の医療が遅々として進まない状況では、病気の予防法に関する予測はケーキの上のアイシングに過ぎないとのこと。「データを一元化して研究者や臨床医に公開するだけでも、病気をよりよく理解し治療するための新しいモデルを開発するのに十分でしょう」とハマーシュバッド氏。
サイナイ病院では、ある考え方を臨床に取り入れています。例えば、食品医薬品局は、特定の遺伝的変異を経験した患者に対して、異なる摂取量を示す特定の薬のラベルを発行しています。これは、将来、よりパーソナライズされた投薬が行われる可能性を示唆しています。同病院が使用を開始しているClipmergeソフトウェアは、医師による迅速な検索を容易にし、電子カルテ用紙に記載された薬剤が相互に作用する可能性がある場合には、その旨も通知します。
予測面では、PACTと呼ばれる予測モデルを電子カルテシステムに組み込み、退院した患者が90日以内に再来院する可能性を予測しています。この予測に基づき、医療センターのハイリスク患者は、治療後のコーディネーターの割り当てなど、実際に異なるケアを受けることがあります。
ダドリーによれば、最終的には、患者満足度調査、医師の臨床記録、MRIのイメージデータなど、電子カルテに接続し、そこから採掘できるあらゆる種類の新しいデータが登場するとのこと。
一例として、フィットネス・トラッカーやヘルス・トラッカーによって生成される膨大なデータは、一見面白そうに見えるかもしれませんが、個人がそこから意味のあるものを導き出すのは困難です。しかし、ダドリーが言うように、何千人もの個人のデータを使って、健康上の結果に関連するシグナルやリンクを掘り起こせば、病気を予防したり早期発見したりする新しい方法として使われるなど、有用なデータになる可能性が高いのです。
このビジョンを達成するための大きな制約は、病院がこの新しいデータにアクセスできるかどうかということです。現在、患者のプライバシーは連邦法によって厳格に保護されていますが、その場合、データを収集することは非常に難しくなり、医師は焦りや退屈を感じるようになります。その上、様々なフィットネストラッカーからのデータを活用することは言うまでもなく、患者データを病院から病院へ、あるいは医師から医師へと転送することに関しても、多くの規則や規制があります。ダドリーが考えるように、患者が自分の健康データをもっとコントロールしたいと要求し始め、それを自発的に医師に提供するようになれば、プライバシーは、インターネット上のプライバシーと同じように、人々が完全にコントロールできない問題になるでしょう。
確実なのは、医療制度がコスト削減と予防医療強化のプレッシャーにさらされる中、こうしたアイデアが果たす役割がさらに大きくなるということです」。多くの人がコンピュータの研究をしていますが、本当に必要なのは、複雑なモデルを含むヘルスケアシステムを構築することです。患者が電子カルテシステムから自分自身に関する情報を得るとき、エンジンは常に舞台裏で動いているのです。"
