En hybrid big data-model er nøglen til bedre overvågning af pandemier

Efter flere fejlslagne forsøg med at anvende big data til at forudsige og overvåge udviklingen af smitsomme sygdomme mener et hold forskere nu at have fundet nøglen. Det er tid til, at den offentlige sundhed omfavner big data, siger forsker.

Laboratorietests og andet data indsamlet fra offentlige sundhedsinstitutioner har historisk set været den gyldne standard for overvågning af smitsomme sygdomme som influenza. Skal man tro et forskerhold, er metoderne for indsamling af oplysninger dog ved at være utilstrækkelige. Det skriver Health Data Management.

I stedet peger mere og mere i retning mod, at big data fra elektroniske patientjournaler, sociale medier, internettet og andre digitale data er mere aktuelle og mere detaljerede som informationskilder til at bekæmpe udbrud af smitsomme sygdomme, det fortæller et forskerhold fra hele verden herunder Danmark, Frankrig, Schweiz og USA, der er ledet af National Institutes of Health.

I en særudgave af The Journal of Infectious Diseases hævder forskerne, at tiden nu er kommet for at offentlig sundhed omfavner big data.

»Mens big data har vist sig at være meget praktisk på områder som markedsføring og geovidenskab, er folkesundheden stadig afhængig af flere traditionelle overvågningssystemer,« skriver forskerne i særudgaven.

Videre står der, at en ny generation af big data-overvågningssystemer er nødvendig, hvis man vil opnå en hurtig, fleksibel og lokal sporing af infektionssygdomme - især for nye patogener.

Tidligere har Google forsøgt sig med et big data forecast-program, Google Flu Trends, der skulle forudsige influenza, men det viste sig at overdrive influenzavarslerne i stor stil.

Læs også: Google overdriver influenzavarsler for tredje år i træk

En hybrid af metoderne

I stedet for at erstatte det traditionelle overvågningssystem med big data advokerer forskerne for, at man benytter sig af et hybridt system, der kombinerer de to metoder.

»Det ultimative mål er, at vi bliver i stand til at forudsige omfanget, højdepunktet eller forløbet på et udbrud uger eller måske måneder i forvejen for bedre at kunne reagere på truslerne fra en smitsom sygdom,« fortæller Cecile Viboud, der er medforfatter på artiklen og seniorforsker på NIH's Fogarty International Center.

Hun nævner, at integration af big data i overvågningen er første skridt mod det langsigtede mål.

Shweta Bansal, der er professor i afdelingen for biologi på Georgetown University, tilføjer, at for at være i stand til at lave præcise forudsigelser er der behov for bedre observationsdata, hvilket der ikke er, når det gælder smitsomme sygdomme.

»Der er en verden til forskel på, hvad vi har brug for, og hvad der er tilgængeligt. Vores håb er, at big data kan være med til at lukke det hul,« forklarer Shewta Bansal.

Udfordringer ved elektronisk data

På trods af potentialet i digitale datakilder, herunder medicinske journaler, logs fra mobiltelefoner, sociale medier og internetsøgninger, der kan supplere de traditionelle overvågningsmetoder, bemærker forskerne, at den her type big data står over for nogle udfordringer.

Især når det gælder patientgenererede data og elektroniske patientjournaler.

»Patientgenererede data i særdeleshed er ofte meget ustruktureret og meget kontekstafhængig, og det udgør en væsentlig udfordring i forhold til machine learning,« fortæller forskerne.

Ikke desto mindre bliver der i artiklen pointeret, at de tekniske udfordringer ved overvågning af smitsomme sygdomme og bivirkninger ved medicinering kan løses. Samtidigt konkluderes det i artiklen, at problemet med verifikation forbliver, og medmindre man kombinerer traditionelle og digitale epidemiologiske metoder, vil datakilder være begrænset af deres naturlige grænser.

Mens der både er tekniske og etiske udfordringer forbundet med logfiler fra internetsøgninger og indlæg på sociale medier, tyder det ifølge forskerne på, at de kan give oplysninger hurtigere end traditionelle lægebaserede rapporteringssystemer.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (0)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere