Die Auswirkungen von Real-World-Daten und Cloud-Technologie auf die klinische Forschung und die Gesundheitsergebnisse
Dr. Lu de Souza | April 2024
Viel zu oft sind wertvolle Datenquellen im Gesundheitswesen und im Life Sciences-Sektor isoliert, heterogen und unbrauchbar. Wenn sie jedoch vereinheitlicht, in forschungsfähige Formate integriert und durch KI und andere cloudbasierte Technologien verbessert werden, können sie bedeutende Durchbrüche erzielen. Diese reichen von der Beschleunigung der Wirkstoffentdeckung und der Diversifizierung der Teilnehmer klinischer Studien bis hin zur Förderung der Präzisionsmedizin. Der Einsatz von Real-World Data (RWD) und Real-World Evidence (RWE) markiert eine neue Grenze in der Weiterentwicklung von Gesundheitswesen und Life Sciences.
Das Oracle Learning Health Network, in dem ich als Vizepräsident und Executive Medical Officer tätig bin, ist eine riesige Ressource mit RWD, mit einem umfangreichen Repository von 108 Millionen aktiven Längsschnittdatensätzen (Tendenz steigend), die aus einer Reihe von Gesundheitseinrichtungen stammen, darunter Krankenhäuser in ländlichen Gemeinden und medizinische Zentren in Metropolen. Das Learning Health Network besteht aus 117 Gesundheitssystemen, die 2.600 Einrichtungen in den Vereinigten Staaten repräsentieren. Im Jahr 2024 expandieren wir weltweit.
Diese Gesundheitssysteme handeln zum Wohle der Menschheit und entscheiden sich für eine Zusammenarbeit untereinander und mit Unternehmen wie Oracle, um Initiativen zu entwickeln, die einen transformativen Wandel im Gesundheitswesen bewirken können. Die anonymisierten Daten, die vom Learning Health Network verwaltet werden, sind nicht nur umfangreich, sondern auch vielfältig und helfen den Mitgliedern, klinische Studien und die Ergebnisforschung für alle Gemeinschaften voranzubringen.
Verbesserung klinischer Studien
Wir brauchen eine größere Anzahl und eine breitere Vielfalt von Patienten, die an klinischen Studien teilnehmen, um die wirkungsvollsten Ergebnisse zu erzielen. Damit eine klinische Studie erfolgreich ist, müssen genaue Informationen verfügbar sein und zwischen Auftragsforschungsinstituten (CROs), Sponsoren, Ärzten und potenziellen Patienten fließen können. Dies ist unerlässlich, um das Bewusstsein für Studien zu schärfen, die Zugänglichkeit zu gewährleisten, die Rekrutierung zu erleichtern und die Teilnehmerbindung aufrechtzuerhalten.
Heute können wir RWD und cloudbasierte klinische Anwendungen nutzen, um die Machbarkeit von Studien zu bestimmen, die Standortauswahl zu optimieren und die Patientenrekrutierung zu beschleunigen. Sponsoren und CROs können leistungsstarke Standorte auswählen und die Anzahl qualifizierter Patienten ermitteln, wodurch die Rekrutierung beschleunigt wird. Gleichzeitig erleichtert die Integration von Forschungsdaten und Informationen zu klinischen Studien in elektronische Patientenakten (EHRs) Ärzten die Identifizierung und Aufnahme geeigneter Patienten für potenzielle Therapieoptionen und Studienmöglichkeiten.
Wir fördern außerdem die Pharmakovigilanz, indem wir RWD und RWE mit KI koppeln, um die Erkennung von Nebenwirkungen zu verbessern, deren Ursachen zu identifizieren und das Risiko für Patienten zu verringern.
Ziel ist es, ein kontinuierlich lernendes Ökosystem zu schaffen, das Forschung nahtlos mit Point of Care und umgekehrt verbindet.
Offene, kontinuierlich lernende Plattform
Grundlegend für die Weiterentwicklung der RWD (und standardmäßig das Learning Health Network) ist die kürzlich angekündigte Oracle Health Data Intelligence-Plattform. Diese offene und kontinuierlich lernende Plattform kann Daten aus Tausenden von Quellen vereinheitlichen, um Längsschnitt-Patientenakten zu erstellen. Health Data Intelligence hilft dabei, große Datensätze in umsetzbare Erkenntnisse umzuwandeln, schließt die Lücke zwischen klinischer Forschung und Pflege und ermöglicht es Stakeholdern, fundierte Entscheidungen über das gesamte Gesundheitskontinuum zu treffen.
Über diese Plattform werden einheitliche Daten von Kostenträgern, Gesundheitsdienstleistern, öffentlichen Gesundheitsgruppen und Life-Sciences-Organisationen kontinuierlich erfasst, analysiert und klinischen und Unternehmensanwendungen sicher zur Verfügung gestellt, um die nächstbesten Maßnahmen zu unterstützen. Health Data Intelligence vereinfacht den Prozess der Datenvorbereitung für Forschung und Nutzung, sodass keine speziellen Data Science-Kenntnisse erforderlich sind. Integrierte Analysen, die auf KI basieren, können dabei helfen, Trends und Muster zu erkennen und neue, evidenzbasierte Materialien zu generieren, die bei klinischen Entscheidungen hilfreich sein können.
Unsere Insights-Engine identifiziert beispielsweise Lücken in der Patientenversorgung und überträgt diese wieder in die Mitarbeiter-Workflows. Das gleiche könnte auf die forschungsgeführte Generation neuartiger KI-Algorithmen und -modelle angewendet werden. Neue Erkenntnisse , Forschungsergebnisse und neue Best Practices können sofort anwendbare Inhalte in allen Gesundheitssystemen erstellen. Dieser Ansatz löst effektiv die Trennung zwischen historisch isolierten Forschungseinblicken und klinischen Anwendungen und verbessert so die Patientenversorgung.
Mit den offenen APIs von Health Data Intelligence können eine Reihe von Drittanbietern ihre klinischen Anwendungen in die Plattform integrieren. Da die Plattform auf Oracle Cloud Infrastructure ausgeführt wird, wurde sie mit einer sicherheitsorientierten Nulltoleranz-Architektur entwickelt.
Integration klinischer Forschung in die tägliche Patientenversorgung
Die Fusion von RWD-, RWE- und Cloud-Technologie ist nicht nur ein Weg zu einer effizienteren Gesundheitsversorgung, sondern auch ein Hoffnungsträger für Patienten, die auf bahnbrechende Behandlungen warten. Wir können die Forschung demokratisieren, sodass selbst kleine Gesundheitseinrichtungen sinnvolle klinische Studien durchführen können. Dies erweitert den Umfang der Forschung und die gerechte Verteilung der Vorteile klinischer Erkenntnisse.
Ich stelle mir eine Zukunft vor, in der die Silos zwischen klinischer Forschung und Versorgung abgebaut werden und jeder Patientenkontakt und jeder Datenpunkt zu einem kollektiven Lernsystem beiträgt. Eine Zukunft, in der personalisierte Medizin in großem Maßstab existiert, gestützt auf eine Fülle von Daten und fortschrittlichem Computing.
Dr. Souza, Facharzt für Kinder- und Notfallmedizin, ist Vizepräsident und Chief Medical Officer des Oracle Learning Health Network.