Tos bendrovės, kurios siekia ne tik analizuoti turimus duomenis, bet ir jų pagrindu kurti naujus sprendimus, naujas veiklos galimybes, investuoja į duomenų mokslą (angl. data science) ir dažnai turi tam dedikuotas pareigybes – duomenų mokslininkus (angl. data scientist), pranešime spaudai komentuoja Jonas Pokštas, „Intermedix Lietuva“ duomenų mokslininkas.
Svarbiausias duomenų mokslininko darbas – iš didelio duomenų kiekio atrinkti esminius duomenis, juos atitinkamai apdoroti ir, panaudojant pažangius matematinius metodus, išgauti naudingą informaciją, kuri prisidėtų prie įmonės sėkmingos veiklos, paslaugų kokybės užtikrinimo ar kitų tikslų.
Klasifikavimo, regresijos, klasterizavimo algoritmai supranta tik skaičius, todėl visa ne skaitinė (pvz., tekstinė) informacija turi būti paversta į skaitinę. Taigi paruošti algoritmui tinkamą duomenų reprezentaciją – viena iš pagrindinių duomenų mokslininko užduočių. Vėlesni etapai yra matematinių modelių pasirinkimas, jų pritaikymas specifinei užduočiai spręsti ir testavimas.
Verta paminėti ir tai, kad duomenų mokslininkai ne tik pritaiko jau sukurtus, bet ir kuria savo naujus metodus. Akivaizdu, kad šioms užduotims įgyvendinti duomenų mokslininkas turi turėti ne tik gilias matematikos, statistikos žinias, bet ir labai gerus programavimo įgūdžius. Taip pat turi išmanyti dalykinę sritį, kurioje dirba.
Medicina – yra viena iš sričių, kuriai duomenų mokslas gali pasitarnauti itin stipriai. Šioje srityje kaupiami milžiniški kiekiai duomenų, o jų įvairovė labai plati: duomenys apie turimą medicinos įrangą ir jos panaudojimą, gydytojų specializacijas, pacientų demografiją, jų sveikatos būkles, pacientams skirtas procedūras, vaistus, tyrimus ir diagnozes, pacientų draudimo istorijas ir pan. Ir tai tik nedidelė dalis duomenų, kurie sekami bei analizuojami kasdien.
„Intermedix“ korporacija yra sveikatos paslaugų informacinių technologijų lyderė pasaulyje, daug dėmesio skirianti būtent „didžiųjų duomenų“ potencialo išnaudojimui medicinos srityje. Prieš trejus metus JAV kapitalo korporacija įsteigė savo padalinį ir Lietuvoje – Kaune veikia „Intermedix Lietuva“ paslaugų centras. Šiuo metu jame dirba bemaž 700 įvairių sričių specialistai, tarp jų – ir 3 duomenų mokslininkai. Jie dirba kartu su „Intermedix“ darbuotojais iš JAV ir šiuo metu intensyviai vysto kelias pagrindines projektų kryptis duomenų mokslo srityje.
Naujausia ir daug perspektyvų turinti kryptis yra ligų išankstinio prognozavimo sistema. Šiuo metu „Intermedix“ aktyviai dirba su sepsio rizikos įvertinimo įrankiu. Pacientui užsiregistravus vizitui ir atvykus pas gydytoją, specialiai tam sukurtas klasifikavimo algoritmas pagal turimus išankstinius ir pirminius duomenis išanalizuoja paciento riziką užsikrėsti sepsiu. Įvertinus tokį pacientą, gydytojui atsiunčiama rekomendacija, ar pacientas yra rizikos grupėje, ar ne. Rizikos atveju ligoniui turėtų būti skiriami papildomi tyrimai ir būtinos prevencinės priemonės. Tai leidžia gydytojams dar geriau užtikrinti sveikatos priežiūros kokybę, taip pat mažėja itin klastingo užkrėtimo – sepsio – atvejų tikimybė. Tokie sprendimai, pagrįsti duomenų mokslu, tai taip pat padeda taupyti lėšas, nes dažnai specifiniai tyrimai yra itin brangūs, o skiriant juos kiekvienam pacientui gerokai padidėtų medicinos išlaidų sąskaitos. Šį šiuo metu vystomą ligos prognozavimo modelį „Intermedix“ planuoja adaptuoti ir kitų ligų išankstiniam rizikos įvertinimui.
Dar viena kryptis – pacientų neatvykimo nustatymas. Kartais pacientai užsiregistruoja, tačiau neatvyksta pas gydytoją. Dėl to gydytojas gaišta laiką, kurį galėtų skirti kitiems pacientams. Su tokia problema susiduria ne tik užsienio, bet ir Lietuvos gydymo įstaigos. Vienas būdas šią problemą spręsti – numatyti tam tikrą mokestį už neatvykimą. Bet ar neefektyviau tam pasitelkti duomenų mokslą? Neatvykimo nustatymo analizės modelis, tikrindamas paciento demografinius, istorinius ankstesnių registracijų ir neatvykimų duomenis, leidžia identifikuoti pacientus, kurie užsiregistravo, tačiau, labai tikėtina, neatvyks ir informuoja apie tai gydymo įstaigos personalą. Šiems iš anksto identifikuotiems pacientams gali būti išsiųsti priminimai apie jų būsimą vizitą arba atlikti kontroliniai skambučiai teiraujantis, ar planai nepasikeitė. Tai leidžia efektyviau planuoti gydytojų išteklių valdymą ligoninėms, poliklinikoms.