Dijital sağlık Araştırmada sağlık verilerinin kullanımı

Sağlık verileri, kişinin sağlık durumuyla ilgili bilgi edinmeyi sağlayabilecek tüm verilerdir. Bunlar tetkik sonuçları, teşhisler ve reçete edilen tedaviler gibi bilgilerdir. 

Veriler daha çok tıp merkezlerindeki personel tarafından toplanıp belgelenir. Bu durumda veriler, hastaların bakımına yöneliktir. Verilerin toplanma amacına göre kullanılmasına birincil kullanım adı verilir. 

Sağlık verilerinin ne olduğu ve günlük yaşamda nasıl toplandığı konusunda daha detaylı bilgileri Günlük yaşamda sağlık verileri başlıklı makalede bulabilirsiniz.  

Sağlık verileri araştırma için de büyük bir potansiyele sahiptir. Veriler, hastaların bakımı için toplanıp kullanıldıktan sonra kamu yararına yönelik hedefler için kullanılmaya devam edebilir. Bu duruma da ikincil kullanım denir. 

Sağlık verileriyle yapılan araştırmalar sayesinde sağlık hizmetleri, önleyici tedbirler ve hastaların tedavisi iyileştirilebilir. Çeşitli hastalıklar ve risk faktörleri arasındaki ilişki, günlük hizmetlerde toplanan sağlık verilerinde ortaya çıkarılıp araştırılabilir. Bu nedenle gelecekte, elektronik hasta dosyasındaki sağlık verileri araştırma için paylaşılabilecektir.

Sağlık verileri bilimsel araştırmalar, sağlık sektörünü iyileştirme ve kamu yararına yönelik diğer hedefler için daha iyi şekilde kullanılmalıdır. Yani sağlık verileri olabildiğince çok kişi tarafından kullanılmalı ve yalnızca tek bir kişiye veya kuruluşa fayda sağlamamalıdır.

Forschungsdatenzentrum Gesundheit (FDZ, Sağlık Araştırma Veri Merkezi) Ekim 2025'ten bu yana araştırma gruplarının, kurum veya şirketlerin sağlık verilerini güvenli bir çalışma ortamında belirli amaçlar için kullanabilmesini sağlamaktadır. Bu amaçlar arasında şunlar yer alır:

• Sağlık hizmetlerini iyileştirme
• Hastane ve bakım yapısı planlama
• Tıp, tıbbi bakım ve temel araştırma alanlarında bilimsel araştırma
• Federal devlet ve eyaletler tarafından halk sağlığı konusunda hazırlanan raporlar ve bilgilendirmeler
• Halk sağlığı ile ilgili yasal görevleri yerine getirmek
• Yeni tedavi yöntemleri ve ilaçlar geliştirmek ve bunları denetlemek
• Dijital sağlık uygulamaları ve sağlık sektöründe yapay zeka sistemleri geliştirmek

Sağlık verilerini kendi toplayıp saklayan üniversite klinikleri gibi sağlık merkezleri ve diğer hastaneler bu verileri kendileri de kullanabilir. Bu verileri kullanarak kendi bilimsel araştırma projelerini yapmalarına, sundukları hasta bakımını iyileştirmelerine ve sağlık raporları hazırlamaların izin verilir. Öncesinde verilerin anonimleştirilmesi veya takma ad kullanılması gerekir.

Forschungsdatenzentrum Gesundheit (Sağlık Araştırma Veri Merkezi) hakkındaki soruların yanıtlarını Bundesgesundheitsministeriums'ın (Federal Sağlık Bakanlığı) sayfasında bulabilirsiniz.  

Sağlık verileri hassas kişisel bilgiler içerebilir. Sağlık verileri araştırma için kullanılacaksa bu nedenle belirli şartların karşılanması gerekir.

Sağlık verileri araştırma amacıyla kullanılmadan önce ad veya doğum tarihi gibi kişisel bilgiler sağlık verilerinden çıkarılır. Bu sayede, verileri toplanan kişilerin kim olduğu bulunamaz.

Sağlık verilerini kullanmak isteyen araştırmacılar, araştırma projeleri için bir başvuruda bulunmalıdır. Sağlık verilerinin yalnızca izin verilen amaçlar için işleneceği başvuruda belirtilmelidir. Başvuru onaylanırsa sağlık verilerinin yalnızca onaylı araştırma projesi için kullanılmasına izin verilir ve üçüncü bir tarafa iletilmesine izin verilmez. Başvurular, yalnızca projede veri koruması konusunda uygunsuz bir risk oluşmuyorsa onaylanır.

Sağlık verilerinin kullanımına yalnızca yasal olarak onaylanan amaçlar için izin verilir. Ayrıca sağlık verilerinin ilk başta toplanma amaçlarına uygun olarak, yani genellikle hasta bakımı için kullanılmasına izin verilir. 

Bir kişi için çeşitli bağlamlarda toplanan sağlık verileri, yalnızca belirli araştırma projelerinde birbiriyle ilişkilendirilebilir. Bu durumda, örneğin elektronik hasta dosyasındaki verilerin kanser kayıtlarıyla birleştirilebilmesi için bunun belirli bir araştırma projesi için gerekli olması zorunludur. Harici durumlarda bu veriler ayrı yerlerde saklanır.

Anonimleştirme ve takma ad kullanma nedir?

Hassas kişisel verilerin korunması için temel olarak iki seçenek vardır. Anonimleştirmede, bir kişiye ait ad veya adres gibi veriler veri kaydından kaldırılır. Anonimleştirme sonrasında bir kişiye ait verileri bulmak neredeyse imkansızdır. Bu şekilde kişinin kişisel bilgileri iyi korunmuş olur. 

Takma ad kullanıldığında kişinin hassas bilgileri veri kaydından kaldırılır. Ancak bu bilgiler bir takma adla değiştirilir. 

Takma ad örneğin bir veri kaydını tanımlamak için kullanılan bir harf ve sayı dizisinden oluşabilir. Takma adlı verilerle araştırma yapanların verileri gerçek kişilerle ilişkilendirmesi mümkün değildir. Bununla birlikte, atanan sayı ve harf dizisi kullanılarak tek bir kişiye ait farklı veri kayıtları birbirine bağlanabilir. Bu, anonimleştirmede mümkün değildir. 

Veri kayıtlarını birleştirmek özellikle yeni toplanan sağlık verilerini önceden toplanmış sağlık verilerine eklemek için gereklidir. Örneğin, bir hastalığın belirli bir tedavisiyle ilgili bilgiler birkaç yıl sonra kontrol testlerinin sonuçlarıyla ilişkilendirilebilir. Bu sayede çeşitli tedavilerin etkinliği kıyaslanabilir.

Onay nasıl verilir?

Belirli sağlık verilerinin kullanımı için itiraz kuralı söz konusudur. Bu durum örneğin gelecekte elektronik hasta dosyası (ePA) verileri için geçerli olacaktır. Hastalar ePA'larındaki kendi verilerinin araştırma amacıyla kullanılmasına itiraz edebilir. Bu yapılmazsa onay verilmiş sayılır. Bu tür itiraza dayalı yöntemlere “ayrılma” adı da verilir.

Ayrılmanın karşıtı katılma yöntemidir. Katılma yönteminde verilerin kullanılabilmesi için kişinin aktif olarak onay vermesi gerekir.

Ayrılma yöntemiyle, sağlık verilerinin araştırma için daha iyi kullanılabilir hale getirilmesi amaçlanmaktadır. İtiraza dayalı yöntem, herkesin tek tek aktif onay vermesine kıyasla genellikle daha çok kişiye ait verilerin kullanıma sunulmasını sağlar. 

Farklı kişilere ait daha çok veri kullanıma sunulduğunda belirli bir araştırma projesine uygun veri bulmak daha kolay olur. Daha çok veri kullanıldığında çoğu durumda daha değerli bilimsel araştırmalar elde edilir. Araştırma sonuçlarının genel nüfusa yönelik olması bakımından bu önemlidir.

Sağlık verileri bunların dışında nasıl korunur?

Sağlık verileri, kişisel tanımlayıcı verilerin özel bir kategorisidir. Özel olarak hassas olan bu veriler katı kurallarla korunur ve yalnızca belirli şartlar karşılanırsa işlenebilir. Sağlık verilerinin işlenmesi, diğer yasaların yanı sıra Avrupa Genel Veri Koruma Yönetmeliği ve Federal Veri Koruma Yasası ile düzenlenmektedir.

Günlük yaşamda sağlık verileri başlıklı makalede sağlık verilerinin nasıl korunduğu hakkında daha fazla bilgi edinebilirsiniz.

Sağlık verileri sağlığın ve hastalıkların araştırılması ve tıbbi bakımın iyileştirilmesi için değerli bilgiler içermektedir. Zaten toplanmış olan veriler kullanıldığında araştırmalar için diğer veri toplama yöntemlerine kıyasla maliyet tasarrufu da elde edilebilir.

Araştırmalarda Almanya ve Avrupa'dan alınan verilerin kullanılması da özellikle önemlidir. Bu veriler yerel çevresel etkileri, hastalıkların sıklığını ve yerel sağlık hizmetlerini en iyi şekilde temsil edebilir. Diğer ülkelerden alınan araştırma sonuçlarını ise her zaman Almanya için kullanmak zordur.

Özellikle de sağlık hizmetlerinin araştırılmasında (hizmet araştırmaları) 

• sağlık verileri önemlidir
• Kişiselleştirilmiş tıp
• Nadir hastalıklar
• Klinik karar destek sistemleri
• Diğer konular

Hizmet araştırması

Hizmet araştırmaları, sağlık hizmetlerinin nasıl herkes için iyileştirilebileceğiyle ilgilidir. Araştırmalar örneğin belirli tıbbi imkanlara kimin erişebildiği veya sağlık sistemindeki sınırlı kaynakların nasıl adil şekilde dağıtılabileceği hakkında olabilir. 

Elektronik hasta dosyası gibi yerlerden alınan sağlık verileri sağlık sisteminin gerçek günlük yapısını gösterir. Dolayısıyla bu tür veriler özellikle de hizmet araştırmaları için değerlidir.

Kişiselleştirilmiş tıp

Kişiselleştirilmiş tıp, tıbbi tedavileri hastaların ihtiyaçlarına ve hastalığın seyrine göre özelleştirmekle ilgilidir. Örneğin ilaçlar yaşa, cinsiyete veya diğer kişisel faktörlere göre farklı etki eder.

Büyük miktarda veri değerlendirildiğinde ilaçların belirli koşullarda nasıl etki gösterdiği veya farklı kişilerin kan değerlerinin tedavi esnasında nasıl değiştiği kıyaslanabilir. Bu sonuçlar kullanılarak hastaların bir tedaviye nasıl tepki gösterebileceği ve yöntemin nasıl uygun şekilde uyarlanabileceği önceden anlaşılabilir.

Nadir hastalıklar

Özellikle de nadir hastalıkların araştırmalarında büyük veri kayıtları gereklidir. Çok sayıda farklı kişiye ait sağlık verileri bir araştırmaya dahil edildiğinde verilerde daha çok kişinin aynı nadir hastalığa sahip olma ihtimali artar. Bu şekilde, bu tür hastalıkların seyri incelenebilir ve tedavi imkanları konusunda yeni bilgiler elde edilebilir.

Klinik karar destek sistemleri

Karar destek sistemleri, doktorların günlük klinik uygulamalarında hasta bakımına yardımcı olan bilgisayar sistemleridir. 

Bu tür sistemler örneğin, bir hastanın ilaç planında birbirini etkileyebilecek ilaçlar reçete edilmişse uyarı verir. Bu durumda tıbbi personel bilgisayar üzerinden bir uyarı alır ve ilaçları gerekirse değiştirme imkanına sahip olur. Karar destek sistemleri karar verirken hataları önleme gibi faydalar sunar.

Bu tür sistemleri geliştirmek için sağlık verileri de kullanılır. Sağlık verileri sayesinde bilgisayar örneğin, şikayetler ve hastalıklar arasında ilişki kurabilir. Bunun sonucunda, tıbbi personel hastaya teşhis koyarken bilgisayar sisteminden destek alabilir.

Günlük yaşamın giderek dijitalleşmesiyle birlikte sağlık sektörü dışında da sürekli olarak çeşitli veriler toplanıp kaydedilmektedir. Bu tür büyük miktarda veriye Büyük Veri adı da verilir. 

Yapay zeka büyük miktarda veriyi değerlendirme konusunda yardımcı olabilir. Yapay zeka, bilişimin bir alt dalıdır. Yapay zekalar, öğrenme kabiliyeti olan ve sorunları çözebilen bilgisayar sistemleridir.

Yapay zeka temelli uygulamalar büyük miktarda veriyi işleyerek çok güçlü olmayan ilişkileri de tespit edebilir. Bu şekilde örneğin bir hastalığın daha önce bilinmeyen belirtileri bulunabilir.

Kendi kendine öğrenen yapay zeka sistemleri ilk önce verilerle eğitilir. Yapay zeka sistemi, bu veriler yardımıyla gelecekte kullanılacağı kurallar ve modeller öğrenir. Bu eğitimdeki verilerin kalitesi ne kadar yüksekse yapay zekanın tahminleri de o kadar güvenilir olur.

İlk başta başka bir amaç için toplanmış sağlık verileriyle yapılan sayısız araştırma bulunmaktadır. 

Almanya'da sağlık sigortası kurumları tarafından toplanan veriler takma ad yöntemiyle rutin olarak günlük sağlık hizmetlerini temsil etmek için kullanılır. Veriler sayesinde belirli hastalıklarda ilaç tedavisi veya iş göremezliğin nedenleri konusunda bilgi edinilir. İş göremezlik nedeni bilgileri, hedefe yönelik bir iş yerinde sağlık teşviki gibi süreçlerde temel alınır.

Sağlık verilerinin ikincil kullanımına yönelik diğer araştırma projeleri arasında örneğin kanser hastalıkları alanı veya tromboz tedavisi imkanları hakkındaki projeler yer alır.

Bağırsak kanseri taraması

Kan tahlilleri ve kanser kayıtlarından elde edilen bilgiler kullanılarak yeni bir bilgisayar modeli geliştirilmiştir. Bunun için 450.000'den fazla kişiye ait anonimleştirilmiş veri değerlendirilmiştir. Yalnızca rutin kan tahlilleri ile kişinin yaşı ve cinsiyetinin bilginin verildiği modeller yüksek bağırsak kanseri riskini tespit edebilmektedir. Ardından, hastalar yüksek bağırsak kanseri riski hakkında bilgilendirilip gerekirse ek tetkikler yapılabilir.

Kanser hastalıkları

Kanser hastalıkları ve diğer hastalıklar arasındaki zaman ilişkisini tespit etmek için Tayvan halkının doktor ziyaretlerine ait anonimleştirilmiş veriler değerlendirilmiştir. Zaman ilişkisini bilen doktorlar yüksek kanser riskini erken tespit edebilir ve kanser teşhisi konduğunda eşlik eden hastalıkları erken dönemde tedavi edebilir.

Tromboz sonrasında ilaç tedavisi

Tromboz sonrası tedavi hakkındaki bir araştırmada, Almanya ve Kanada'daki günlük sağlık hizmetlerinden alınan veriler değerlendirilmiştir. Anonimleştirilmiş teşhisler ve reçete edilen ilaçlar değerlendirilerek örneğin, çeşitli pıhtılaşma önleyici ilaçların yan etkileri kıyaslanabilir.