"СОВРЕМЕННАЯ ЛАБОРАТОРНАЯ ДИАГНОСТИКА" №1 2019 г.

Скачать издание (pdf)

Листать издание (pdf-вьювер)

Информация для рекламодателей (pdf)

САЙТ МЕДРЕЕСТР - УДОБНЫЙ ПОИСК МЕДТЕХНИКИ И ТОРГУЮЩИХ ФИРМ


Анализ данных в медицине: как можно влиять на проблему диабета с помощью “Big Data” аналитики

На примере статистики исследований гликированного гемоглобина в сети лабораторий во Франции

Л. И. Станкевич, к.м.н., медицинский директор1, 2, врач-консультант3

Отдельная благодарность за поддержку и аналитику данных ИТ-специалистам:

Е. Акимову (ИТ-директор)1, 2, 4, Р. Кувшинову (главный BI-специалист)1, 2, 4

1 Группа компаний Gontard & Cie (Швейцария, Россия, ОАЭ), ООО “Мор Салюшенс”, г. Москва

2 Группа клинико-диагностических лабораторий Labexa (Франция)

3 ЦП ФТС России, г. Москва

4 More Data AG (Швейцария, Россия)

Тенденции развития современной медицины – трансформация в медицину “3P” (от Predictive – прогностическая, Personalized – персонализированная, Participative – с участием пациента), а также новая философия системы здравоохранения (Value-based Healthcare) диктуют нам следующее:

1) Разработка и внедрение скрининговых программ важны для прогноза и предотвращения заболеваний.

2) Развитие и внедрение современных информационных структур позволяет нам накапливать и хранить данные.

3) Переход от пассивного хранения данных к их аналитике дает возможность находить решения для улучшения качества медицинской помощи.

4) Время “Data-driven” медицины уже наступило: информационные технологии и аналитика данных позволят нам достичь “3P” медицины.

5) Достижение и прогресс “3P” медицины невозможны без анализа лабораторных данных.

Из последнего следует, что специалисты лабораторной медицины могут и должны быть лидерами трансформации медицины. Уже недостаточно просто быстро предоставить клиницисту правильный результат лабораторного анализа. Миссия лабораторий гораздо шире – поддержка клинициста в принятии клинических решений, поддержка пациентов с помощью предоставляемой информации об их здоровье, поддержка системы здравоохранения в целом для повышения эффективности медицинской помощи.

Все это немыслимо без использования новых ИТ-технологий. И речь идет не только о применении новых технических компьютерных, программных и сетевых решений, но и о новых возможностях обработки больших массивов данных и внедрении в медицинскую практику элементов искусственного интеллекта. К сожалению, в русском языке еще нет устоявшихся аналогов для англоязычных терминов, обозначающих новые понятия этих активностей, поэтому придется использовать некие аналоги английской аббревиатуры и устойчивые англоязычные понятия, поэтому стоит отдельно обозначить терминологию, которой нам придется пользоваться:

Big Data – “большие данные” (большие массивы данных).

BI – Business intelligence (аналитика данных, бизнес-аналитика).

Data-driven Medicine – медицина, основанная на аналитике “Big Data”.

Универсального определения, что такое “Big Data” не существует. Есть определения, основанные на объемах данных (гигабайты, террабайты, петабайты и т. п.); есть определения, основанные на сложности обработки данных (могут быть небольшие массивы данных, но со сложной структурой, и их обработка может требовать значительных ресурсов; с другой стороны, возможны огромные массивы данных очень простой структуры, обработка которых занимает секунды). Однако в медицине понятие “Big Data” может иметь свое собственное значение. Например, в базе данных исследований по диабету, которая обсуждается в данной статье порядка 5 000 000 записей, которые касаются более 600 000 пациентов. Это может быть сравнимо с медицинскими данными всего населения небольшой европейской столицы.

Диабет представляет собой значительную проблему мирового здравоохранения. Согласно данным ВОЗ, в 2015 году в мире насчитывалось порядка 215 млн больных диабетом и по прогнозам этой организации к 2040 году их будет порядка 642 млн, а диабет займет 7-е место среди причин смертности уже к 2030 году [1]. Возможно ли остановить эту “эпидемию”? Ведение пациентов с диабетом – это сложный длительный и финансово затратный процесс. Если пациент попадает в поле зрения врачей уже имея диабет, необходимо пожизненно проводить гликемический контроль (заболевание длится десятилетия). Раннее начало лечения критически важно, упущенное на ранних стадиях заболевание невозможно компенсировать впоследствии. Вот почему относительно диабета стоит обратить внимание на важность скрининга и направить усилия в этом направлении.

В данном исследовании был проведен ретроспективный анализ базы данных исследований на гликированный гемоглобин (HbA1c) в качестве маркера диабета. Данные были собраны на базе группы клинико-диагностических лабораторий Labexa (Франция), крупнейшей лабораторной сети в Аквитании. В составе сети 3 крупных лабораторных производства (Exalab (Бордо), LBA (Нерак), Sealab (Байонна)), госпитальные и экспресс-лаборатории, порядка 80 локаций с процедурными кабинетами. За 2016 год были обработаны данные порядка 110 000 пациентов, более 200 000 результатов анализа на HbA1c. Средний возраст пациента, сдающего анализ на HbA1c был более 65 лет, хотя рекомендуется проводить тестирование на HbA1c начиная с возраста 45 лет [2].

Средний результат HbA1c был патологическим: 6,64% (NGCP) (Рис. 1), тогда как ВОЗ и Американская диабетическая ассоциация (ADA) определяют уровень в 6,5% в качестве cut-off для постановки диагноза диабета 2 типа. Это означает, что анализ на HbA1c назначается в основном для мониторинга пациентов с диабетом. На практике получается, что существуют международные рекомендации использовать параметр HbA1c в качестве скрининга на диабет 2 типа [3], но далеко не во всех странах это применяется.

45-56% от всех результатов тестирования на HbA1c были патологическими (HbA1c >= 6,5%), не более 20-26% результатов означали низкий риск диабета (HbA1c < 5,7%) (Таблица 1). Порядка 30% результатов оказались в так называемой “серой зоне” (по определению ADA HbA1c от 5,7% до 6,4%), что рассматривается эндокринологами как предиабет [4].

Анализ применения HbA1c в качестве инструмента для мониторинга пациентов с диабетом также не дал утешительных результатов. Не более 13% пациентов тестируются на уровень HbA1c четыре раза в год, как это рекомендовано для ведения диабета (Рис. 2).

Такой анализ данных позволил специалистам лаборатории разработать стратегию взаимодействия с назначающими врачами для решения проблемы скрининга и ведения диабета. Разработанная система мер включает в себя:

1) Размещение в результатах анализов на HbA1c полной правильной информации о референсных интервалах для этого аналита. В зависимости от целей использования должны применяться различные cut-off для коррекции лечения в случае мониторинга и для скрининга здоровых людей с учетом “серой зоны”.

2) Разработка и распространение информационных материалов по правильному ведению диабета и про возможности эффективного скрининга на диабет 2 типа как для врачей, так и в доступной форме для пациентов.

3) Обучающие программы (тренинги, семинары, конференции) для специалистов внутри лабораторий и для клиницистов.

4) Специальные статистические отчеты индивидуально для каждого назначающего врача с полной информацией по его базе данных пациентов, которые могут помочь отслеживать периодичность обследования пациентов с диабетом.

Такая системная работа медицинского отдела в лаборатории дала свои результаты. В 2017 году относительно 2016 года количество исследований на HbA1c в сети Labexa выросло на 3,5% (+ 2,5% пациентов). В 2018 году относительно 2017 года такой прирост почти удвоился: количество исследований на HbA1c выросло на 5,2% (+ 4,7% пациентов), в немалой степени за счет использования этого параметра с целью скрининга. Анализ результатов скрининга показал его эффективность: от 10 до 20% пациентов, пришедших на скрининг, имели патологические результаты HbA1c (HbA1c>= 6,5%). Немаловажным достижением также стала возможность превентивной работы с пациентами из “серой зоны”, их среди пациентов скрининга оказалось от 35 до 50% в разных лабораториях.

Таким образом, приведенный опыт показывает, что методология с использованием аналитики “Big Data” позволяет улучшить ситуацию ведения пациентов с диабетом и эффективно использовать HbA1c для скрининга на диабет 2 типа.

ЛИТЕРАТУРА:

1. Global report on diabetes. World Health Organization, Geneva, 2016.

2. Guidelines and recommendations for Laboratory Analysis in the Diagnosis and Management of Diabetes Melitus Clearinghouse (NDIC).

3. Use of glycated Hemoglobin (HbA1c) in the Diagnosis of Diabetes Melitus Abbreviated of a WHO Cisultation& World Health Organization 2011.

4. Diabetes Care 2009 Jul; 32(7):1327-1334.