Journal of Clinical Healthcare (JCHC)

29-32 30 Journal of Clinical Healthcare 3/2018 Internet, który z każdym rokiem zwielokrotnia swoją objętość. Tworzące się przy analizie skupisk danych błędy nazwane żargonem odnoszącym się do wielkich baz danych tzw. „Big Errors”, wykazują pierwsze problemy w stosowaniu nowej technologii w segmencie zdrowia oraz zdrowia publicznego. [1- 3] W kontekście pomiarów populacyjnych w roku 2013 zachorowalność na grypę w Stanach Zjedno- czonych mierzona przez aplikacje badające internet, w szczególności Google Flu, drastycznie, bo ponad 2 krotnie przewyższyła szacunki, w porównaniu do zachorowalnościmierzonej standar- dowymi metodami. Błędów w pomiarze dopa- trywano się w podatności algorytmu na medialną panikę, model biznesowy Google oraz sposób wyszukiwania, a także grupy wpływów, które wykorzystują internet na własny użytek. Niestety wraz z rozwojem tej technologii analizy i pomiaru liczba potencjalnych fałszywych alarmów może systematycznie rosnąć, nie tylko w wymiarze zdrowia publicznego. Fałszywe korelacje oraz błędne przekonania w badaniach obserwacyjnych ekologicznych mogą ulec zwielokrotnieniu, a ilość korelacje typu „ kolonie pszczół miodnych w sposób odwrotnie proporcjonalny korelują z młodocianymi aresztowanymi za marihuanę ”, mogą się mnożyć. Cała siła w Big Data polega na odnajdywaniu współzależności, nie w wykazywaniu czy badane korelacje mają jakikolwiek sens. [4] Znalezienie sygnału odpowiadającego hipotezie to dopiero pierwszy krok w kierunku do finalizacji badań pod przewodnictwem nowych technologii. [5-7] UNIFIKACJA DANYCH Innym poważnym ograniczeniem w podejmo- waniu właściwych decyzji bazujących na Big Data jest problem unifikacji danych. Format przechowywania plików różni się od organizacji do organizacji, co bardzo utrudnia i wydłuża bądź całkowicie uniemożliwia analizę dostępnych danych. Ujednolicenie danych jest istotne ze względu na wiele powodów, ale najbardziej ważne wydaje się w przypadku wybuchu epidemii i skoordynowanego działania na terenie całego kraju. Na tle epidemii warto wspomnieć też o problemie współdzielenia się danymi pomiędzy różnymi organizacjami, które niejednokrotnie nie są skore do współpracy z innymi podmiotami. Obawiają się naruszenia obowiązujących praw oraz konkurencji, która może wykorzystać uzyskanie informacje. Pogarsza to bezpieczeństwo systemu zdrowotnego, a także wykrywalność oszustw. Po mimo zbliżonych algorytmów i modeli wykorzystywanych w przetwarzaniu wielkich baz danych oraz baz standardowych. Interfejsy użytkownika pomiędzy tymi narzędziami znacząco się różnią. Tradycyjne programy do analiz zdrowotnych przeobraziły się w proste i trans- parentne narzędzia. Z drugiej strony programy do przeglądu Big Data są w tym momencie bardzo złożone, wymagające programistycznie oraz wymagają wiedzy i umiejętności z kilku dyscyplin. Powodem takiego stanu rzeczy jest pochodzenie pierwotnych aplikacji oraz natura wprowadzanych informacji, która jest chaotyczna, wieloźródłowa i nieczysta, w przeciwieństwie do tradycyjnych narzędzi buisness inteligence (BI). Narzędzia powstałe do analizy wielkich baz danych zostały zapoczątkowane przez programistów z sektora otwarto źródłowego oprogramowania. Brak przyjazności użytkownikowi, realnego wsparcia oraz narzucana przez wydawców droga rozwoju oprogramowania nie sprzyja wykorzystaniu tej technologii w ochronie zdrowia. Dlatego wielu naukowców postuluje, aby wzmocnić relacje pomiędzy programistami odpowiedzialnymi za programowanie nowych aplikacji, a specjalistami z zakresu zdrowia i zdrowia publicznego. Za odpowiednie rozwiązanie uważa się uproszczenie narzędzi i nadanie im graficznego interfejsu, stworzenie modułów do samodzielnej nauki i podręczników dla osób, które nie miały styczności z językiem programowania, a także utworzenie bogatych programów dla całego zakresu specjalistów w systemie zdrowotnym. Przeciętny pracownik opieki zdrowotnej nie jest naukowcem związanym z informatyką. Za przykład dobrego modelu podaje się The Ebola Response od Centers for Disease Control and Prevention (CDC). Big Data powinno pozwolić naukowcom, jak i również innym specjalistom odsłonić nową wiedzę, która będzie wykorzystywana w praktyce. [8-10] Ostatecznym problemem, który ogranicza wykorzy- stanie Big Data na tle systemowym jest brak krajowych hurtowni danych, gdzie wszystkie organizacje z sektora mogłyby wysyłać informacje. Niestety podobny system jest bardzo czasochłonny i kosztowny w realizacji.[11]