Anwendungs- und Analysestrategien auf Basis von Populationen unter Verwendung von Patient-Reported Outcome Measures

Die Schnittstelle von Big Data und künstlicher Intelligenz (KI) hat zu Fortschritten in zahlreichen Bereichen geführt, einschließlich maschinellem Lernen, Computer Vision und natürlicher Sprachverarbeitung. Obwohl es viele potenziell transformative Anwendungen von KI im Gesundheitswesen gibt, einschließlich der Präzisionsmedizin, hat diese Branche diese Technologien nur langsam übernommen. Gleichzeitig waren die Abläufe im Gesundheitswesen historisch gesehen system- und arztrichtet, anstatt patientenzentriert zu sein. Die Anwendung von KI auf Patient-Reported Outcome Measures (PROMs), die Einblicke in patientenzentrierte Gesundheitsoutcomes bieten, könnte die Forschung und die Gesundheitsversorgung in Richtung Entscheidungen lenken, die Ergebnisse optimieren, die für Patienten wichtig sind. Historisch wurden PROMs nur innerhalb von Forschungsregistern gesammelt. Die zunehmende Verfügbarkeit von PROMs in elektronischen Gesundheitsakten hat jedoch zu ihrer Einbeziehung in Big Data-Ökosysteme geführt, wo sie andere Datenelemente informieren oder von ihnen informiert werden können. Die Verwendung von Big Data zur Analyse von PROMs kann helfen, Normen festzulegen, die Datenverteilung zu bewerten und die Anteile der Patienten zu bestimmen, die Veränderungen oder Grenzstandards erreichen. Diese Informationen können für Benchmarking, Risikoadjustierung, prädiktives Modellieren und letztendlich zur Verbesserung der Gesundheit von Individuen und Populationen verwendet werden.