Data Science treibt COVID-19-Response: Insights und Strategien

Trotz fortgesetzter Bemühungen, Gesundheitssysteme weltweit zu verbessern, bleiben aufkommende Epidemien ein großes Public-Health-Anliegen. Effektive Reaktion auf solche Ausbrüche beruht auf rechtzeitiger Intervention, idealerweise informiert durch alle verfügbaren Datenquellen.

Die zunehmende Komplexität von Ausbruchsdaten hat zum Aufstieg von Outbreak Analytics geführt – einer Data Science, die entwickelt wurde, um Ausbruchreaktionen zu informieren.

Wie funktioniert das? Es gibt vier Hauptziele:

• Multi-Source-Daten sammeln. Hier ist es wichtig zu bedenken, dass Datensammlung nicht nur darin besteht, einige strukturierte Daten aus klinischen Dokumenten auszuwählen. Rohdatenquellen sind ebenfalls involviert. Daher erfordert Outbreak Data Analytics Rauschentfernung, Datenbereinigung und Normalisierung, um die Daten in die Lage zu versetzen, actionable Insights zu generieren.
• Situational Awareness bereitstellen. In der Pandemie, in Zeiten der Unsicherheit, ist es kritisch zu wissen, wann das Risiko beherrschbar ist und wann es am wahrscheinlichsten gefährlich wird. Situational Awareness, überwacht via diverser öffentlicher Quellen, hilft, dieses Risiko zu mindern und zu kontrollieren.
• Effektive Reaktion formen. An diesem Punkt tritt Datenvisualisierung ein. Sie präsentiert die analytischen Ergebnisse in klarer, benutzerfreundlicher Form (via Dashboards, Charts etc.), was Entscheidungsträgern hilft, effektive Reaktionsmaßnahmen ohne Verzögerung zu gestalten.
• Training und Kapazitätsaufbau. Sobald eine Krise gelöst ist, schauen Entscheidungsträger auf die Situation zurück, um akzeptierte Reaktionsszenarien zu analysieren und erfolgreiche Strategien auszuwählen. Dann nehmen sie relevante Anpassungen an professionellem Training und Gesundheits-Notfallplänen vor, um besser auf eine weitere Gesundheitskrise vorbereitet zu sein.

Die COVID-19-Pandemie ist nicht die einzige im 21. Jahrhundert oder sogar im vergangenen Jahrzehnt. Nicht lange her wüteten Ebola und Zika in Westafrika und Amerika. Schnelle Reaktion und ihre Anpassungsfähigkeit, Überwachungsmechanismen und Managementstrategien halfen Forschern und Klinikern damals. Aber sind sie jetzt ausreichend? Nicht wirklich.

Angesichts der globalen Reichweite der Pandemie ist eine effektive Reaktion ohne umfangreiche Kooperation der Schlüsselparteien schwer zu gestalten, und es geht nicht nur um interdisziplinäre Forschung innerhalb der Outbreak Analytics. Mit dem Virus, das über 200 Länder quält, sollte eine angemessene Reaktionsstrategie auf Best Practices aus jeder Region basieren.

Glücklicherweise haben klinische Forscher und Mediziner weltweit ihre Kräfte im Kampf gegen das Virus gebündelt. Auf der Suche nach den besten Krisenlösungsstrategien haben sie eine elaborate Data-Sharing-Kultur entwickelt. Sie veröffentlichen ihre Entwicklungen jetzt Open Source und arbeiten ständig an deren Verbesserung. Dank dieses Ansatzes sahen wir einzigartige Diagnostik-Projekte wie DarwinAI (Kanada). Mit diesem Computer-Vision-Tool ist es möglich, COVID-19仅 durch Brust-Röntgenaufnahmen zu diagnostizieren. Zuvor war Computertomographie (CT) die einzige medizinisch-bildgebende COVID-19-Diagnosemethode.

Der kooperative Ansatz umfasst auch Outbreak Analytics, was Real-Time- und Prevention-Analytics befeuert hat. Diese beiden Analytik-Typen sind der Kern der Eindämmung der Virusverbreitung.

Echtzeit-Daten

In einer kritischen Situation treibt diese Art von Analytik schnelle datenbasierte Entscheidungsfindung an und passt den Prozess an jede Situation separat an. Solche Analytik ist von besonderer Bedeutung für lokale medizinische Fachkräfte, die an der Frontlinie des Virus-Kampfes stehen.

Lokale Echtzeit-Analytik-Tools werden mit Blick auf die Bedürfnisse der Schlüsselakteure entwickelt. Zum Beispiel deployten Kinetica und Disaster Tech eine dynamische KI-gestützte Analyseplattform, um US-Krisenhelfer bei der Verfolgung von Coronavirus-bezogenen Daten on the fly zu unterstützen. Die Lösung ermöglicht Notfalldiensten, Live-Statistikdaten zu persönlicher Schutzausrüstung (PSA) Verfügbarkeit, Krankenhauskapazität, Anzahl der Testkits, Geräteverfügbarkeit und mehr zu visualisieren, um den geeignetsten Standort für einen Patienten zu wählen und Zeit zu sparen.

Echtzeit-Analytik ist nicht auf die Lösung operativer Aufgaben lokal beschränkt. Our World in Data, ein Oxford-basiertes Projekt für globale Probleme, deployte eine massive Publikation zu COVID-19-Statistiken weltweit, um kontinuierliche Echtzeit-Analytik zu ermöglichen. Die Quelle bietet Zugriff auf eine Fülle von Coronavirus-bezogenen Daten – von Neuinfektionen und Sterberate bis zu Policy Response für jedes Land, das die Coronavirus-Krise durchlebt. Alle Charts, Reports und anderen interaktiven Datenvisualisierungen werden täglich aktualisiert und sind zum Download verfügbar.

Analytik für Prävention

Echtzeit-Analytik half der südkoreanischen Regierung, Präventionsstrategie-Design und Überwachung von Covid-positiven Patienten zu stärken. Sie nutzt Daten von IoT- und KI-Lösungen, die den Live-Smart-Cities-Netzwerken und persönlichen Informationen von bestätigten Patienten zugrunde liegen. Dies ermöglicht Forschern, Patientenbewegungen zu verfolgen, ihre Kontakte zu identifizieren und das potenzielle Ausbruchsausmaß in einer gegebenen Region mit Hilfe von Big Data Analytics vorherzusagen. Die Daten werden auch für das Erstellen präventiver Maßnahmen und Anweisungen genutzt.

Taiwan gelang es ebenfalls, Echtzeit-Analytik für rechtzeitige Prävention zu nutzen. Kurz vor der Lunar New Year Feier, die die asiatische Ferienzeit markiert, integrierte das Land die nationale Krankenversicherungsdatenbank mit denen für Einwanderung und Zoll. Als infizierte Reisende eintrafen, durchkämmte eine Big-Data-Analytik-Lösung die integrierten Datenbanken und stellte die Verbindung zwischen Reisehistorien der Besucher und ihren erlebten Symptomen her. Die Lösung sendete Echtzeit-Alerts während eines Krankenhausbesuchs, um bei der Fallidentifikation zu assistieren. Sie ermöglichte auch die Klassifizierung von Reisenden nach Infektionsrisiko basierend auf Flugursprung und Reisehistorie der letzten 14 Tage.

In einer Situation von Unsicherheit und Turbulenz wie der gegenwärtigen Pandemie ist aufschlussreiche Daten der König. Und es sind relevante analytische Lösungen, die sie nutzen und angemessene Reaktions- und Präventionsmaßnahmen ohne Verzögerung einsetzen können. In dieser Hinsicht funktioniert Outbreak Analytics gut.

Gleichzeitig bringt die globale Ausbreitung des Virus einen weiteren Aspekt ins Rampenlicht – internationale Kooperation. Um effektive Managementstrategien zu entwickeln, sollten Schlüsselinteressengruppen und Entscheidungsträger aus aller Welt die entwickelten Lösungen überprüfen und verbessern und die Reaktionsmaßnahmen basierend auf Echtzeit-Daten polieren. So ist die Vereinigung von Bemühungen in allen Bereichen – von Analytik über Diagnostik bis Behandlung – der einzige Weg, die Pandemie zu stoppen und besser auf jeden anderen Gesundheitsnotfall vorbereitet zu sein.

Yaroslav Kuflinski ist Artificial Intelligence/Machine Learning Observer bei Iflexion.