Politik

Treato, Big Data-analys av sociala nätverk mäter effektiviteten på mediciner

Bilden är klickbar

Det blir allt vanligare att människor som tar olika mediciner skriver om sina erfarenheter på sociala nätverk som Patients Like Me. Så Treato, ett Israeliskt startupföretag har utvecklat en Big Data-lösning som analyserar ett antal sjukvårds-relaterade och andra sociala nätverk och bygger upp en databas med läkemedel och deras effekter, positiva så väl som negativa.

Företag som sysslar med att plocka upp nålar i höstackar bestående av tonvis med text, använder ofta Apache UIMA plus en s.k. ontologi, en term från filosofin som i det här fallet är en formaliserad beskrivning av ett ämnesområde.

Det här är ett typiskt exempel på hur Big Data-rörelsen nu dammsuger data på ett växande antal områden för att sen analysera och hitta samband som inte ens experterna alltid kan se.

Ki Mae Heussner skriver om Treato och dess Big Data-analys på teknikbloggen Gigaom: Facebook meets WebMD: How Treato mines social data to uncover health insights

Once the company aggregates the commentary, it runs an analysis with its own medical ontology that organizes the unstructured social data into knowledge about patients’ personal experiences. To date, Hadari said, it’s analyzed 1.3 billion conversations from millions of patients about 11,000 drugs and 13,000 conditions.

Since launching in 2011, the company has focused on patient comments related to drugs — on Treato.com, anyone can look up thousands of different medications to learn about side effects, effectiveness, whether patients switched to alternatives and more. And a service launched in October enables pharma companies to monitor patient responses to their products.

Just att samköra databaser kan ge insikter som hittills har varit omöjliga att hitta med traditionella medel. Ett exempel som Leif GW Persson har påtalat är hyresgäster som utan att veta om det bor nära sexbrottslingar och våldsmän och olika slag. En enkel tjänst skulle kunna tillhandahålla den tjänsten utan att offentliggöra namn och exakt adress av de tidigare dömda.

Vi befinner oss ännu endast på tröskeln till Big Data-åldern men det står redan klart att dataanalys kommer att förändra hela samhället i grunden. Bl.a. genom att ersätta mänskliga experter med Big Data-analys. Ett bra exempel är Google Translate som använder Big Data-analys för att översätta ett växande antal språk till och från vilket annat språk som helst på Googles lista. T.ex. från Tamil eller Baskiska till Isländska.

Det händer att jag själv inte är säker på om man t.ex. säger “vara med på TV” eller “vara med i TV”, och för av avgöra vilken version som är riktig så googlar jag både och väljer den som för mest träffar.

Även om just det här exemplet inte är speciellt bra så är metodiken precis så som man Big Data för att hitta svar.

Ett exempel från sjukvården är att de två koderna ICD-10 Clinical Modification (CM) som används för att beskriva symptom hos patienter. Som t.ex. W28 som (faktiskt) betyder att patienten har skadats av en gräsklippare.

Men hand i hand med ICD-10CM går ICD-10PCS, som är en taxonomi över de olika behandlingar man kan få på sjukhuset. Som 6A7 som är Ultraljudterapi. Så i princip så kan man använda Big Data analys för att koppla ICD10Cm, dvs symptom till de mest effektiva behandlingarna för just dom symptomen. Givetvis skulle man behöva information om patienten mm, men principen är densamma.

Här skulle också sjukhusen kunna hjälpa allmänheten genom att t.ex offentliggöra för alla svenskar som skadas av gräsklippare, vilka typer av gräsklippare är det som är farligast?

Pressklipp:
Sköterskebrist oroar

[tags] Big Data, Revaspotter, IT-teknolog papperslösa, Reva IT-teknologi, FRA Reva,iktor Mayer-Schonberger, Kenneth Cukier[/tags]

9 thoughts on “Treato, Big Data-analys av sociala nätverk mäter effektiviteten på mediciner

  1. Christer W

    Jag tror att det är offentlig handling hur och var brott fördelar sig i samhället. Ibland kan man se i tidningar hur “farliga” vissa gator är på orten och vid andra tillfällen var inbrott i bostäder och källare är.
    Eftersom journalister lätt får tag i information av det slaget och det blir aldrig något väsen om det så är nog frågan bara, man ska bara veta var man hämtar information
    Generellt kan man nog säga att de flesta svenskar inte bryr speciellt mycket om vad som skrivs ur egen synpunkt, de flesta är ju inte drabbade av vare sig våld från någon okänd eller bostads- och källar-inbrott.

    1. Lennart

      Christer, ja precis, informationen borde ju vara allmän handling Ska kolla med polisen,det vore intressant att veta. Och en möjlighet för den som vill att snickra ihop en liten app.

  2. Christer W

    Lennart, i princip kan man säga att de farligaste områdena är i tid ock plats är krogarna nattetid och att du bör vara mellan 17 till 23 år för att uppfylla våldsnormen.
    Är du kvalificerad för detta? 😉

    Men den absolut farligaste platsen är hemmets lugna vrå.

    1. Lennart

      Christer: Jo det vet jag, men när jag var i New Orleans tidigare i år så kollade jag brottskartan där och kunde undvika de gator som hade den högsta brottsligheten. Jag vet t.ex. att Sandviken har en inte helt trivial brottsfrekvens. Så om jag skulle komma med Persons Bussar sent på kvällen så vore det bra att veta vilka gator man bör undvika.

      Det förvånar mig verkligen att polisen inte har en sån öppen databas.

      Vet du om informationen sekretessbelagd eller om den kanske inte ens existerar?

  3. Peter Andersson

    Nej, något sådant brottsregister känner jag inte till, jag bor i en mindre stad och utanför storstäderna är det i Sverige i princip riskfritt att vistas utomhus dygnet runt så jag har aldrig riktigt intresserat mig för det området.

  4. Peter Andersson

    @ Lennart: Vad gäller din sista fråga så finns i Sverige faktiskt redan ett annat system, ett samverkanssystem mellan polis och sjukvård, som faktiskt leder till att hål i cykelvägar repareras, häckar vid övergångsställen med dålig sikt justeras, trottoarkanter filas ned när där cyklister återkommande kör omkull, etc, etc, etc. När man först hör talas om det tänker man att det bara handlar om stora återkommande olycksplatser på större vägar, men det letar efter korrelationer och sådana kan ju finnas överallt:

    http://www.transportstyrelsen.se/sv/vag/strada-informationssystem-for-olyckor-skador/

    1. Lennart

      Peter: Aha, det kände jag inte till, mycket intressant! Då måste jag också fråga, vet du om det finns något brottsregister utlagt så att jag kan kolla en viss adress och se vilka brott som har begåtts i närheten? Något som kan vara bra att veta när jag ska till Sverige i september.

  5. Peter Andersson

    Hoppar in här och hjälper Lennart att förklara genom ett tillägg:

    Inom ICD-10 så är kapitel V, W, X och Y vad vi kallar för orsakskoder. Dessa skall aldrig stå ensamma som huvuddiagnos utan komplementera en eller flera koder från andra kapitel, huvudsakligen koder från kapitel S och T som är traumaskadekapitel. Ett troligt scenario kan då t.ex vara S91.3 sårskada fot + W28.99 skadad av motorgräsklippare, plats UNS, omständighet UNS (det går alltså att specificera ännu djupare med de två sista siffrorna, t.ex att det har hänt på offentlig plats under förvärvsarbete, i skola under idrottsutövning (kanske inte just gräsklipparolycka) eller i hemmet under vitalaktivitet (återigen, kanske ej gräsklipparolycka men t.ex att gå upp för att pissa på natten och snubbla på tröskel eller att bränna sig på hett spisvatten går att koda för).

    1. Lennart

      Peter: tack, suveränt, mycket tydligt och klart. Så vad tror du om möjligheten att bygga upp ett system som samlar in Big Data om sambandet mellan ICD-10CM och ICD-10PCS? Och som sen kan rekommendera vilka ICD+10PCS-koder som oftast hör samman med ICD-10CM-diagnoser?

Comments are closed.