Big datan analytiikka terveydenhuollossa : Katsaus massadatan ominaisuuksiin

Abstract

Terveydenhuolto tuottaa ja käyttää suuria määriä dataa eri lähteistä. Tähän liittyen on kohdattu ongelma datan säilyttämisen ja hyödyntämisen kanssa. Big data on iso osa terveydenhuoltoa. Sen analytiikalla pystytään saamaan aikaan ennusteita, joilla voidaan ennakoida tauteja sekä epidemioita, ja parantaa potilaita. Tämän työn tavoitteena on selvittää, miten big dataa on käsitelty tai hyödynnetty terveydenhuollossa. Big datalla viitataan massadataan, tiedonhallintaan sekä analytiikkaan. Big dataa esitetään usein neljän ominaisuuden eli neljän v:n avulla: volume, variety, velocity ja veracity. Suomenkieliset vastineet näille ovat volyymi, vaihtelevuus, nopeus ja totuudellisuus. Big datan analytiikka on data-aineiston tutkimisen prosessi, jossa etsitään esimerkiksi piilotettuja malleja, markkinasuuntauksia ja asiakkaiden mieltymyksiä. Terveydenhuollon data on niin demografista kuin kliinistä ja sisältää esimerkiksi kuvia, reseptejä ja potilaskertomuksia. Tutkielma toteutettiin kirjallisuuskatsauksena ja aineisto haettiin eri tietokannoista. Lähteet voidaan jakaa kahteen eri kategoriaan. Ensimmäisessä kategoriassa on lähteet, joilla pyrittiin löytämään vastauksia tutkimuskysymykseen. Toisessa kategoriassa on lähteet, jotka liittyivät aiheen taustatietoihin ja käsitteisiin. Kirjallisuuskatsauksessa suosittiin uudempia julkaisuja, jotka olivat tieteellisiä ja aiheen rajauksen sisäpuolella olevia. Kirjallisuuskatsauksella löydettiin tuloksia terveydenhuollon big datan käsittelyyn ja hyödyntämiseen. Näiden lisäksi työssä käsitellään terveydenhuollon big datan haasteita, sekä big datan yleisen esitystavan neljää ominaisuutta eli neljää v:tä. Tutkimustulosten mukaan big datan analytiikka voidaan jakaa kolmeen eri vaiheeseen, ja terveydenhuollon analyysi kahteen. Terveydenhuoltoalalla on käyttökohteita, jotka hyödyntävät muun muassa tekoälyä ja koneoppimista tiedostojen analysoinnissa. Tuloksissa nousi esiin ennustavan analytiikan tärkeys, jolla voidaan vähentää terveydenhuollon kustannuksia ja ennakoida epidemioita tai yksittäisten potilaiden sairauksia. Neljästä ominaisuudesta nousi esiin vääränlaiset päätökset big datasta sekä datan huonon laadun vaikutus potilaan terveyteen sekä reaaliaikaisen datan oikea-aikainen analyysi ja siihen reagointi. Työssä löydetään ajankohtaista tietoa ja pystytään vastaamaan esitettyyn tutkimuskysymykseen.