De toegenomen digitalisering in de zorg heeft geleid tot een explosie aan gezondheidsdata. Big data en Artificiële Intelligentie (AI) kunnen als innovatieve middelen ingezet worden om deze gezondheidsdata optimaal te benutten om zo de gezondheidszorg verder te optimaliseren.
Weinig gebruik
Tot nu toe wordt er echter weinig gebruik van gemaakt van deze technieken. Dit komt mede omdat de data is opgeslagen binnen de muren van (zorg)organisaties, lastig vindbaar en toegankelijk is en bovendien veelal slecht gestructureerd. Ten slotte, zelfs als we de data uit kunnen wisselen, mogen we dit vaak niet gegeven de wet gegevensbescherming.
Personal Health Train
In een wereld waar we beperkt zijn om data te verzamelen en te delen buiten de bronorganisatie, is het de uitdaging ‘anders’ te denken. Een voorbeeld is om, in plaats van de data naar de onderzoeker te brengen, de analyse naar de data te brengen. Dit vormt het uitgangspunt van de Personal Health Train (PHT), waarbij gezondheidsdata toegankelijk gemaakt worden voor hergebruik, bijvoorbeeld voor wetenschappelijk onderzoek en registratie- en kwaliteitsdoeleinden. Dit terwijl personen en/of instanties zelf de controle over de data houden. De data blijft bij de bron.
FAIR en FHIR
FAIR en FHIR vormen hierin een cruciale rol. FAIR als standaard om data vindbaar, toegankelijk, uitwisselbaar en voor hergebruik beschikbaar te maken. FHIR om op een correcte en privacy vriendelijke manier digitale gegevens uit te wisselen. Hieruit concluderen we dat de PHT-, FAIR- en HL7 FHIR principes de potentie hebben om baanbrekend onderzoek te verrichten in de gezondheidszorg. Lees meer over hoe PHT gebruikt maakt van FAIR en FHIR in het artikel in HL7 International News van Oktober 2020.