In vrijwel elke sector spelen data een steeds belangrijkere rol. Beleidsmakers, bestuurders, directeuren en managers vragen zich daarom steeds vaker af wat ze hier precies mee kunnen. Sommige branches zijn al een stap verder en gebruiken datawetenschap of data science al als motor voor belangrijke verbeteringen. Ook in de gezondheidszorg speelt datawetenschap een steeds belangrijkere rol. In dit artikel tonen we je het belang van datawetenschap in de zorg en vertellen we je hoe het gericht verzamelen en analyseren van data helpt om de zorg naar een hoger niveau te tillen. Doe er je voordeel mee!

De kansen 

Om meer zicht te krijgen op de kansen die datawetenschap in de gezondheidszorg biedt, moeten we eerst even kijken naar de zogenoemde patiëntreis. Die bestaat uit een drietal fasen: de diagnose, de behandeling en de uitkomst. In elk van die fasen interacteert de patiënt met diverse partijen. Denk bijvoorbeeld aan: zorgmedewerkers, zorgverzekeraars en farmaceuten. Datawetenschap heeft de potentie om in elke fase van de patiëntreis inzichten te genereren die alle partijen helpen. Tijd om te laten zien hoe.

Enorme datavolumes 

In 2020 genereerde de mondiale gezondheidszorg 2.314 exabytes (1 exabyte staat gelijk aan 1 miljard gigabytes*) aan data. Dit is 15 keer zoveel als in 2013. Het gaat dus om een enorme berg aan informatie. Het spreekt voor zich dat die rijkdom aan data veel aanknopingspunten biedt voor het opdoen van nieuwe inzichten en het verbeteren van processen en behandelmethoden.

Fun fact: 1 miljard gigabytes is genoeg voor 212.765.957 dvd’s. Als je deze allemaal op elkaar zou leggen, krijg je een stapel van 225km hoog. Als we de data van de mondiale gezondheidszorg op dvd’s zouden zetten en op zouden stapelen, zouden we ver voorbij de maan komen, die “slechts” 384.400km bij ons vandaan is. Op naar de sterren, en daar voorbij!

Significante kostenbesparingen 

Volgens een studie van Deloitte maakt door AI aangedreven datawetenschap het mogelijk om alleen al in Europa 240 miljard euro per jaar te besparen op administratieve en ondersteunende processen binnen de zorg. Dat kan door taken als het inplannen van afspraken en het verwerken van medisch beeldmateriaal (foto’s, scans). Ook kun je triages grotendeels automatiseren en effectueren op basis van data. Aan de farmaceutische kant kan datawetenschap de ontwikkeltijd van medicijnen halveren. De ontwikkeltijd van medicijnen bedraagt nu gemiddeld 9 tot 15 jaar.

Verzekeringsfraude voorkomen

Goede datawetenschap helpt ook de zorgverzekeraars. Wereldwijd verliezen die namelijk zo’n 80 miljard dollar per jaar door verzekeringsfraude. Met goede data-analyses en een slim gebruik van AI wordt het tijdig opsporen van verzekeringsfraude een stuk makkelijker.

Levens redden 

Datawetenschap heeft een directe impact op de kwaliteit van de gezondheidszorg. Het beter analyseren en presenteren van data effent het pad naar betere diagnose- en behandelmethoden, maar ook naar de komst van betere medicijnen. Volgens Deloitte redt het inzetten van datawetenschap en machine learning in de medische sector alleen in Europa al zo’n 400.000 levens per jaar. Bovendien kan je datawetenschap inzetten in alle fasen van de patiëntreis.

Publieke investeringen 

Veel regeringen en publieke instellingen lijken zich bewust te worden van de kracht van datawetenschap. Dit leidt tot meer en hogere investeringen. De Israëlische regering investeerde sinds 2018 bijvoorbeeld al 264 miljoen dollar in een systeem dat EPD’s (elektronische patiëntendossiers) samenbrengt in een uniform systeem om zo meer rendement te halen uit AI-datawetenschap. Ook in Europa zijn al miljarden gestoken in de R&Donderzoek en ontwikkeling van nieuwe oplossingen die het gebruik van AI en datawetenschap in de zorg naar een hoger niveau tillen. Daarnaast stelde datavisualisatie tijdens de coronapandemie veel regeringen in staat om de bevolking te informeren en complexe medische en statistische informatie inzichtelijker te maken.

De obstakels 

Toch zijn er nog wel wat obstakels die de grootschalige toepassing van datawetenschap in de medische wereld blokkeren. Dit zijn de obstakels en de bijpassende oplossingen:

• Een beperkt vertrouwen van medische professionals en andere stakeholders in bepaalde modellen (black-box models) voor data-analyse en een licht wantrouwen tegen technologieën als AI en machine learning. Dit kunnen datawetenschappers oplossen door hun modellen uit te leggen, frameworks voor AI-governance te gebruiken en alle stakeholders te betrekken bij data-analyses.
• Een gebrekkige data-infrastructuur en -kwaliteit. Denk bijvoorbeeld aan informatie die over veel verschillende systemen verspreid staat (silovorming) en niet gegroepeerd of gecategoriseerd is. Dit los je op door data te verzamelen, op te schonen en te presenteren in één centrale digitale omgeving, maar ook door systemen, applicaties en databases te koppelen.
• Matig ontwikkelde datavaardigheden. Veel medische professionals zijn keien in hun vakgebied. Zij hebben echter niet altijd goede datavaardigheden.  Andersom zijn datawetenschappers vaak excellente statistici, maar missen zij juist weer medische achtergrondkennis. Het zou daarom mooi zijn als beide partijen initiatieven ondernemen om de werelden van medische professionals en datawetenschappers dichter bij elkaar te brengen.

Zo pas je datawetenschap succesvol toe binnen jouw organisatie 

Er zijn goede manieren om deze barrières te slechten en ook binnen jouw zorgorganisatie het beste te halen uit datawetenschap:

1. Begrijp je doelen. Waarvoor wil je datawetenschap precies inzetten? Welke processen wil je ermee verbeteren en welke inzichten wil je ermee boven water halen? Gaat het je vooral om kostenbesparing of is procesverbetering het primaire doel? Door je doelen helder te formuleren, zet je datawetenschap gerichter in.
2. Creëer en determineer de juiste ‘leerpersona’s en leerpaden’. Zo breng je in kaart wat datawetenschap voor individuele medewerkers betekent. De medische professional zal data op een andere manier gebruiken dan de datawetenschapper of businessanalist.
3. Schep een leercultuur. Bed Metsel leren zorgvuldig in binnen de dagelijkse werkpraktijk en neem de vaardigheden en competenties van medewerkers ook geregeld kritisch onder de loep.

Meer weten? 

Datawetenschap of data science kan veel goede dingen doen in de medische wereld. Wil je graag eens sparren over dit onderwerp en weten wat datawetenschap kan betekenen voor jouw organisatie? Neem dan gerust vrijblijvend contact met ons op. Medicine for Business beschikt over de kennis en expertise die nodig is om een brug te bouwen tussen de gezondheidszorg en de boeiende wereld van de datawetenschap.