Ca şi în alte domenii de activitate umană, ştiinţa are şi ea, în diverse perioade, câte ceva „la modă“. De câţiva ani, în informatică se poartă „big data“. Şi, dacă la început părea un accesoriu purtat la ocazii, acum tinde să devină „ţinuta“ de zi cu zi. Ce reprezintă, de fapt, big data? Numele ne-ar sugera că ar fi vorba de date de mari dimensiuni şi, într-adevăr, aşa şi este. Torente de date ne inundă neîncetat din toate direcţiile: date ştiinţifice, date financiar-bancare, date geopolitice, date meteorologice, datele firmelor de internet, date de trafic rutier sau aerian etc., la care se adaugă, fără putinţă de tăgadă, şi datele medicale, îmbogăţite substanţial în ultimul timp de cele genetice şi de imagistică medicală.
De ce a apărut moda abia acum? Multe dintre aceste date le aveam pe lângă noi de mai multă vreme. Îndreptându-şi privirea asupra fenomenului, analiştii au urmărit nu numai prezenţa şi volumul datelor, ci şi forma sub care acestea erau stocate: varianta „clasică“ (analogică), cuprinzând date pe suport de hârtie, bandă magnetică sau film, respectiv varianta „modernă“ (digitală), cum este actualmente stocată informaţia în memoria calculatoarelor sau pe alte suporturi digitale (CD, DVD, solid-memory etc.). Dacă în 1993 doar 3% din informaţii erau stocate sub formă digitală, în 2000 s-a ajuns la 25%, iar anul 2002 a marcat trecerea la „era digitală“, când această formă a depăşit 50%, ajungând în 2007 la 94% şi azi la aproape 98%. De ce contează atât de mult sub ce formă sunt memorate datele? Pentru că datele digitale pot fi uşor procesate cu calculatorul, ajungând astfel să fie puse în valoare.
Să adăugăm şi ritmul cu care se produc noile date: se estimează că în 1986 capacitatea globală de stocare a informaţiei era de cca 2,6 EB (exabytes*), din care 1% sub formă digitală, ajungând la cca 300 EB în 2007, 94% sub formă digitală. Actualmente se produc cca 2,5 EB pe zi. Cam 90% din totalul datelor stocate în prezent au fost produse în ultimii doi ani!
Toate aceste cifre năucitoare arată că s-a ajuns într-adevăr într-o situaţie ce merită mai multă atenţie. O mulţime de întrebări ne năpădesc. Cine şi cum se poate descurca în hăţişul acestor date? Nu cumva a-ţi găsi datele de care ai nevoie seamănă cu a căuta acul în carul cu fân? Există speranţe să se oprească acest tsunami de date sau trebuie să învăţăm să trăim cu el? Am putea oare să extindem pur şi simplu metodele uzuale de gestionare şi prelucrare a datelor şi pentru big data? Ei, tocmai asta-i problema: avalanşa e deja pornită, nu se va opri, iar metodele dezvoltate pentru de-acum clasicele baze de date nu fac faţă violenţei acestor fluxuri de date.
Ce e frumos în ştiinţă este că noile provocări creează emulaţii deosebite, stimulând şi creativitatea, şi cooperarea, percepând necunoscutul ca un inamic comun ce nu poate fi înfrânt decât de o coaliţie solidară, care să poată crea vastul arsenal necesar, pe măsura puterii inamicului. Nu puţine au fost manifestările ştiinţifice organizate în ultimul timp în care s-a simţit înfiriparea acestei solidarităţi globale pentru a face faţă valurilor create de big data, unele chiar dedicate specific impactului asupra domeniului medical. La una dintre ele, desfăşurată recent în Italia, la Erice, a fost invitat ca speaker şi semnatarul acestor rânduri.
Caracteristicile esenţiale ale paradigmei big data sunt sugestiv exprimate prin „cei trei V“: volum, viteză şi varietate, la care s-au adăugat recent câţiva V, în diverse variante: variabilitate, verificabilitate, veracitate şi valoare. Majoritatea proprietăţilor sugerate de atributele menţionate sunt evidente: volumul imens al datelor, viteza cu care sunt adăugate noi date, marea lor varietate – nu mai avem de-a face doar cu date structurate în tabele, trebuie să „înţelegem“ date din texte scrise sau vorbite, din imagini, filme sau datele furnizate de o largă varietate de senzori; să mai adăugăm că multe date sunt dinamice, având o variabilitate în timp; în plus, ar fi important să verificăm corectitudinea datelor pentru a asigura veracitatea/veridicitatea acestora. Toate la un loc trebuie să asigure o valoare a acestor date, altfel orice demers de exploatare a lor ar fi inutil.
Însă, deşi au fost stabilite caracteristicile big data care ne-ar permite să facem distincţie între ce e şi ce nu e big data, o serie de întrebări persistă. Chiar ne folosesc toate aceste date? Dacă nu, cine şi cum le triază? Dacă da, la ce folosesc şi cum extragem ce ne trebuie? E clar că ar trebui cineva să se îngrijească de ele – s-a şi conturat o profesie de „data manager“ sau „data curator“. Putem să intuim că o bună parte din date nu vor fi niciodată văzute de ochiul omului, fiind folosite doar de diverse programe de calculator: de exemplu, datele culese pentru monitorizarea instalaţiilor industriale, ale staţiilor meteorologice, geofizice sau astronomice etc. Avem însă şi date care ne privesc direct: cele referitoare la sănătatea noastră! Într-adevăr, printre marii producători de date se numără şi medicina. Noile tehnologii aplicate în domeniul medical, cum ar fi cele de imagistică medicală, extinderea utilizării unei largi palete de senzori pentru monitorizarea stării pacienţilor (nu numai la terapia intensivă, ci într-o largă varietate de situaţii, la sportivi şi chiar la persoane sănătoase), numărul mare de date rezultate din testele genetice (s-a şi anunţat că preţul pentru un genom uman complet a ajuns sub pragul psihologic de o mie de dolari) – toate acestea adaugă zilnic un însemnat număr de biţi la stocul deja creat.
Ce impact are fenomenul big data asupra domeniului medical? Ce ar trebui făcut pentru a netezi implementarea noilor tehnologii informatice asociate fenomenului? Cum putem depăşi obstacolele ce apar inerent asociate oricărei schimbări, cum s-a întâmplat destul de des la implementarea sistemelor informatice medicale? Ce căi de optimizare a proceselor de prelucrare a datelor sunt aplicabile în domeniul medical? Nu cumva se pune în pericol confidenţialitatea datelor medicale? Acestea şi alte teme similare au fost dezbătute în workshopul organizat de organizaţia Science Europe, sub egida Comisiei Europene, la Erice, în Sicilia, la sfârşitul anului trecut, asupra căruia vom reveni într-un articol viitor.
*Fiind deja nevoie de a exprima numere foarte mari, în 1991 s-au introdus în Sistemul internaţional de măsuri prefixe suplimentare, în continuarea celor existente; astfel avem k (kilo) pentru 103, M (mega) = 106, G (giga) = 109, T (tera) = 1012, P (peta) = 1015, E (exa) = 1018, Z (zetta) = 1021 şi Y (yotta) = 1024.
