Big Data in der Medizin heute und morgen

Transkript

1 Big Data in der Medizin heute und morgen Thomas D. Szucs Juli 2016

2 Paul Gauguin (1897) Woher kommen wir? Wer sind wir? Wohin gehen wir?

3 Drei Fragen Woher kommen wir? Evolution des Datenkonzeptes Wer sind wir? Heutige Bedeutung von Big Data in der Medizin Wohin gehen wir? Herausforderungen für die Zukunft 3

4 Drei Fragen Woher kommen wir? Evolution des Datenkonzeptes Wer sind wir? Heutige Bedeutung von Big Data in der Medizin Wohin gehen wir? Herausforderungen für die Zukunft 4

5 Was sind Daten? Daten sind zum Zweck der Verarbeitung zusammengefasste Zeichen, die aufgrund bekannter oder unterstellter Abmachungen Informationen (d. h. Angaben über Sachverhalte und Vorgänge) darstellen (Gabler). 5

6 Prognose: jährlich generierte digitale Datenmenge weltweit Datenvolumen in Exabyte

7 Wie gross sind die heutigen Datenmengen? Stufe Binär/ dezimal Beispiel GB GB menschliches Genom TB TB bedrucktes Papier von Bäumen PB PB Arbeitsspeicher für den Film Avatar für das Spiel World of Warcraft EB EB alle je gesprochener Worte (Text) ZB 10 21? YB Noch nicht in der IT Praxis angekommen (vermutlich 2025) 7

8 Wie gross ist 1 Zettabyte? Stapel von 295 Mrd. USB Sticks mit je 5 GB Aneinandergereiht x um die Erde 8

9 Daten Kreation Alle 10 Minuten kreieren wir soviel Informationen wie die ersten Generationen der Menschheit generierten 9

10 Daten-Abfall als künftiger Daten- Schatz 650 Terabytes 10

11 Programmcode Programmsystem Space shuttle 3 Google Android 11 Windows Vista 50 Mac OS X 86 Oberklassenauto 100 Airbus Summe aller I-phone Anwendungen Zeilen Code MLOC MLOC = Papierstapel 15 m Höhe MLOC = Million lines of code (Million Kodierzeilen) 11

12 Aufteilung des digitalen Universums 12

13 Verständlichkeit grosser Daten No human mind is capable of grasping in its entirety the meaning of any considerable quantity of data. Sir Ronald A Fisher 13

14 Wie nutzt man Big Data? Multiple Datenquellen Prädiktions- und Performance Modelle Transformation in der Organisation 14

15 Einfluss quantitativer Analysen auf Entscheidungen in der realen Welt 15

16 Auch Hollywood bedient sich der gehobenen Analytik Skript to $ 16

17 Die Weisheit der Vielen James Surowiecki (Buch 2004) Francis Galton (Test 1906) 17

18 Syntheseansatz: Gamification Kaggle Big data Crowdsourcing 18

19 Das Dunnhumby Shopper Challenge auf Kaggle 19

20 Dunnhumby Shopper Challenge: Aufgabenstellung 20

21 Digitale und soziale Medien dominieren in 3 Bereichen Digitaler Gesundheitskanal Beispiele - Konsultationen - Online Zugang zu Labordaten - Zugang zur Bildgebung Digitale Kundeninnovation Digitale Initiativen für sozialen Wandel - PatientsLikeMe - Let s Move Kampagne 21

22 Drei Fragen Woher kommen wir? Evolution des Datenkonzeptes Wer sind wir? Heutige Bedeutung von Big Data in der Medizin Wohin gehen wir? Herausforderungen für die Zukunft 22

23 Menschlicher Körper als Datenquelle Human Genom 3 GB 3-D MRI 150 MB Röntgenbild 30 MB Mammographie 120 MB Durchschnittliches Krankenhaus 665 TB 3-D CT 1 GB Jährl. Zunahme Bedarf an Speicherung Für Bildgebung 20-40% 80% aller Daten sind unstrukturiert (Bilder, Videos, ) 23

24 Gesundheitsdaten Overload (pro Lebenszeit) 60% Exogene Daten (Umwelt, Sozioökonomie, Verhalten) 1100 TB 30% genomische Daten 6 TB 10% klinische Daten 0.4 TB IBM Watson 24

25 Ziele der Big Data Analyse im Gesundheitswesen Elektronische Krankenakte Verhalten Genomik Evidenz + Erkenntnisse Bessere Outcomes Bessere Wirtschaftlichkeit Public Health 25

26 Vier grosse Datenpools im Gesundheitswesen Pharmazeutische Forschungsdaten Abrechnungs- und Kostendaten Klinische Daten Patienten- Verhalten 26

27 Versicherte: 1.9 Mio. Bezahlte Leistungen: ca. CHF 5.2 Mrd. pro Jahr, ca. CHF 2.5 Mio. pro Arbeitsstunde Kundenanrufe: ca. 2 Mio. pro Jahr Datenverkehr Internet: ca. 2 TB pro Monat Verarbeitete Belege: ca Mio. pro Jahr Digitalisierte Rechnungen: ca. 6 Mio. pro Jahr, ca. 27'000 pro Tag Online-Transaktionen: 1.7 Mio. pro Tag Druck: 6.2 Tonnen Papier/Woche Arbeitsplätze: 4600 PCs / Laptops Gespeicherte Daten: 320 TB; auf CD's gespeichert wäre das ein 4.6 km hoher Turm Grösse des DWH: ca. 30 TB Grösste Tabelle im DWH: 14 Mrd. Zeilen

28 Beispiel: PatientsLikeMe zufriedene Kunden 75% verstehen ihre Probleme besser 18% der Epileptiker hatten weniger Notfallaufnahmen 22% der Patienten mit affektiven Störungen waren weniger oft hospitalisiert HIV Patienten: 41% reduzierten ihr Risikoverhalten 28

29 Beispiel Proteus Digital Health Adherence 29

30 Selbstmessung quantified self 30

31 Sensoren und Versorgungsforschung 31

32 Mustererkennung im 19. Jahrhundert: Cholera in London 32

33 Mustererkennung heute: Vorhersage zahlungsunfähiger Kunden N. Henke, McKinsey & Company (2015) 33

34 Krankenversicherer können geographische Informationssysteme (GIS) nutzen Vorher Nachher 34

35 Identifikation unerwünschter Wirkungen im Web: Tamoxifen Benton A,

36 Grippe-Häufigkeit Schweiz Blau: Google Orange: BAG 36

37 Digitale Epidemiologie mit Social Media und Nachrichten (2010 Cholera Ausbruch in Haiti) Chunara R

38 Diversifikation in das Gesundheitswesen 38

39 Auch in Grossbritannien bewerten die Kunden das Gesundheitswesen 39

40 Crowd funding 40

41 Drei Fragen Woher kommen wir? Evolution des Datenkonzeptes Wer sind wir? Heutige Bedeutung von Big Data in der Medizin Wohin gehen wir? Herausforderungen für die Zukunft 41

42 Technologiekonvergenz Medizin Biologie Informatik 42

43 Dimensionen Mond BPM (Diamantenstern) Burj Khalifa Dubai ca. 400'000 km ca. 200'000 km ca. 1.8 km ca. 50 Lichtjahre Pluto 0.75 LJ 1 m 1 m 1 m Genomgrösse des Menschen (3.27*10 9 bp) Gengrösse eines Menschen (30'000 bp) 1 cm 3 Transkriptom eines Tumors 43

44 Physische Biobanken 44

45 Digitale Biobanken National Super Computer Center Guangzhou, China (Oak Ridge Laboratory, Titan Supercomputer: 17 PFLOPS/s, PBytes) 33.8 Petaflops/s Rechenleistung 12.4 Petabytes Speicher 45

46 Grenzen der Informatik: Taktfrequenz und Kühlung Waldrop MM

47 DNA - das Wundermolekül 47

48 1 g DNA kann mindestens 5.5 Petabytes speichern (= 700 TByte)* George Church speicherte: Martin Luther King Jr.'s "I Have a Dream" Rede Ein Photo Kopie des Papers von Francis Crick und James Watson Double Helix von 1953 Alle 154 Shakespeare Sonetten Alle Daten konnten mit 99.99% Genauigkeit zurückgelesen werden! *3.7 Mio. DVDs 48

49 Wichtiges Ziel Big Data Smart Data 49

50 It requires avery unusual mind to undertake the analysis of the obvious. Alfred North Whitehead Brit. Mathematiker und Philosoph

51 Daten Wissenschaftler (Data scientist) HBR

52 Führt Big Data zu höherer Performance? Ja Firmen im oberen Drittel der Charakterisierung data driven 5% höhere Produktivität 6 % höhere Profitabilität 52

53 Die Kehrseite Digitale Demenz (Spitzer) Ermüdung social media Sucht und Abhängigkeit Validierung der Daten Aufsicht: Drang nach Generierung von Daten Datenmanipulation z.t. unerkannt (e.g. LIBOR) 53

54 Digitale Demenz 54

55 Digitale (R)-EVOLUTION 55

56 Manfred Spitzer 56

57 Sind Gamer bessere Operateure? Review 142 Studien Ja! Videospiele mit psychomotorischer Komponente = Fähigkeiten relevant für laparoskopische Chirurgie 57

58 Datenschutz 58

59 YOU RE NOT THE CUSTOMER, YOU ARE THE PRODUCT 59

60 Privacy policy Das Kleingedruckte We take the information patients like you share about your experience with the disease and sell it to our partners (i.e. companies that are developing or selling products to patients). These products may include drugs, devices, equipment, insurance and medical services... You should expect that every piece of information you submit (even if it is not commonly displayed) may be shared. 60

61 Sie denken, die Hacker seien böse: Treffen Sie die Broker Data Surveillance Industrie Axciom, Epsilon, Datalogix, Reed Elesevie, BlueKai, Sopeo, Flurry Umsatz jährlich: $156 Mrd. p.a (= 2 x NSA Budget) Data Broker beziehen Informationen von: ISPs, Kreditkartenfirmen, Mobiltelephongesellschaften, Banken, Apotheken, Motorfahrzeuge, Detailhandel, Online Aktivitäten Acxiom: Server; 50 Trillionen Transkationen Goals of Axciom: predictive targeting, behavioural targeting, premium proprietary behavioural insights 61

62 Privatsphäre im Spital? Hospital caregivers made 18 comments deemed to compromise a patient s confidentiality on 13 out of 113 lift journeys. Vigod SN 2001; Ubel PA 1995; Hasman A

63 Goodman s Law Je mehr Daten produziert und gespeichert werden, desto eher ist die organisierte Kriminalität willens zu konsumieren. 63

64 Facebook Attacken Accounts pro Tag 1 Account alle 14 msec Verwendungszweck: Identitäts-Diebstahl, kriminelle Inpersonifizierung, Steuerbetrug, Versicherungsbetrug u.v.m. 64

65 IN SCREEN WE TRUST! 65

66 Datenmarkt Einige Preise Follower Twitter: $5 100 Fans Facebook: $ Mio. Freunde Instagram: $

67 Hacking the Robot Cave: Internet of Things 67

68 Gedankenexperiment 68

69 Ein Wirkstoff muss nicht zwingend nur eine somatische Zelle treffen Personalisierte (targeted) Therapie Personalisierte Biowaffe 69

70 Datenaustausch im Gesundheitssystem: Blockchain Traditionell Blockchain 70

71 Datenaustausch im Gesundheitssystem Estland = Goldstandard 71

72 Unsere Riesenchance Elite controllers Super heroes Exceptional responders 72

73 Nature Reviews Cancer

74 Analyse von 589,306 Genomen: identifizierte Individuen sind widerstandsfähig gegenüber schweren pädiatrischen Mendel'schen Erkrankungen Chen R

75 Websuche und Pankreas Ca 75

76 Die Phantasie ist unendlich! "Es gibt mehr Ding' im Himmel und auf Erden, als Eure Weisheit sich träumt." - William Shakespeare, Hamlet 76

77 Zukunftsprognosen There is no reason anyone would want a computer in their home. (Ken Olsen, President of DEC, 1977) A rocket will never be able to leave the earth s atmosphere. (New Yorks Times, 1936) 77

78 The train has left the station 78

79 Als Download erhältlich unter: 79