Karena masyarakat mencoba mendiagnosis penyakit mereka sebelum epidemik, teknisi Google menemukan peningkatan pencarian mengenai flu dan akhirnya pada tahun 2008, mereka membentuk web tool yang dikenal sebagai Google Flu Trends. Lokasi pengguna diketahui berdasarkan alamat IP, dan volume pencarian dibandingkan ke angka dasar sehingga puncaknya bisa dideteksi, yang berpotensi memprediksi epidemik dan proyek yang selanjutnya dikembangkan ke 25 negara dari Argentina hingga Uruguay.

Mereka menemukan ada korelasi antara puncak pencarian dan epidemik yang dicatat oleh Centers for Disease Control (CDC) melalui monitoring flu di laboratoium. Sinyalnya meningkat bersamaan dengan pola pencarian serupa. Sayangnya, seiring dengan berkembangnya proyek, hubungan ini terlihat tidak akurat, dan Google Flu Trends mulai melebih-lebihkan prevalensi flu.1 Seiring berjalannya waktu, proyek ini dihentikan di tahun 2015 karena hasil yang berbeda jauh dibandingkan dengan data CDC.2

Ketidak akuratan menyebabkan perubahan pola pencarian

Laporan proyek mengidentifikasi beberapa alasan dari kegagalan. Kunci identifikasi adalah perubahan pola pencarian - pencarian informasi mengenai epidemik flu berbeda dengan orang yang berusaha mendiagnosis dirinya sendiri, sehingga memunculkan banyak kasus di web tool. Selain itu, pencarian berdasarkan kata-kata yang dimasukkan dan riwayat penggunaan internet oleh Google membuat hasil pencarian terlihat acak. Dengan demikian, algoritma pencarian di Google selalu dimodifikasi untuk menghasilkan hasil yang sesuai dengan yang diinginkan pengguna.

Namun, peneliti mendapatkan model yang lebih akurat yang disebut sebagai ARGO (AutoRegression with Google Search Data). ARGO bisa mengatasi data pengganggu dengan memperbaiki sistem sendiri untuk perubahan bagaimana seseorang mencari dan mengeksklusikan istilah yang secara tidak sengaja berkolerasi dengan flu.Dilaporkan bahwa data yang dihasilkan ARGO lebih akurat daripada Google Flu Trends dan model lain berdasarkan data CDC yang lama dan sekarang, dan peneliti optimis mengenai penggunaan Data Keseluruhan dari jalur penyakit.4

Peningkatan penggunaan data analitik dalam ranah medis lain

Di luar proyek pencarian jejak ini, analitik Big Data juga banyak digunakan dalam ranah medis lain, seperti monitoring dan analisis tanda vital tubuh. Misalnya, DeepMind milik Google menciptakan aplikasi berbasis riwayat darah pasien dan memperingatkan tenaga kesehatan ketika pasien berisiko mengalami cedera ginjal akut.5 Sekarang ini, DeepMind bekerja bersama tiga rumah sakit di Inggris, yang menyediakan data untuk pengembangan aplikasi.

Proyek DeepMind yang lain adalah menempatkan sensor tubuh tanpa kabel yang dikenakan oleh pengemudi F1 McLaren pada anak-anak di Rumah Sakit Anak Birmingham. Sensor ini membuat tenaga kesehatan bisa memonitor anak-anak secara kontinyu dan otomatis. Alat ini juga memfasilitasi deteksi kondisi deteriorasi.6

Seiring dengan penggunaan data oleh perusahaan swasta, sekarang ini masalah mengenai privasi pengguna telah meningkat. Data yang digunakan belum tentu bisa ditangani oleh perusahaan atau dianonimkan, sehingga rentan diretas dan menyebarkan kerahasiaan setiap individu.

Selain anonimisasi data, kelompok dengan karakteristik yang tidak diinginkan bisa didiskriminasi. Masalah lain adalah hukum perlindungan data tidak bisa bersaing dengan perkembangan inovasi, sehingga perusahaan bisa dengan bebas menggunakan apapun yang mereka inginkan pada data kesehatan demi tujuan komersil.7 Meskipun demikian, penggunaan analisis data kesehatan bisa menjadi ranah yang menarik untuk dipelajari. MIMS

Bacaan lain:
Kalender Hari Besar Kesehatan
Facebook dan pemahaman publik
Penelitian antibodi tidak selalu bisa diandalkan
Robot pil - penghantar obat dalam tubuh