علم داده و توسعه خدمات بهداشت، درمان و سلامت
مریم ابوالقاسمی. دکترای علم اطلاعات
با رشد فناوری اطلاعات و ایجاد تحول دیجیتال در زندگی آدمیان، دادههای بسیار زیادی بهصورت لحظهای در حال تولید هستند. هربار که گوشی موبایل هوشمند خود را به دست گرفته و از آن استفاده میکنید، جستوجوهایی که انجام میدهید، اپلیکیشنهایی که استفاده میکنید، همگی دادههایی از رفتار شما را تولید میکند. این دادههای بسیار و ضرورت مدیریت و بهرهبرداری از آنها، علم جدید و روبهرشدی را به وجود آورده است به نام علم داده (Data Scientist). در علم داده، همه تلاشها بر آن است تا از میان انبوهی داده بدون معنا، اطلاعات مفید استخراج شود. شغلهای مرتبط با علم داده، ازجمله مشاغل روبهرو در سطح بینالمللی است. در سلسله یادداشتهایی به قلم سرکار خانم دکتر ابوالقاسمی، تلاش میکنیم ابعاد مختلف این علم بررسی و معرفی شوند.
با توجه به تولید سالانه میلیاردها اسناد بالینی در سرتاسر جهان، متخصصان علوم زیستی و پزشکان با انبوهی از دادهها مواجه هستند که باید تحقیقات خود را بر مبنای آنها قرار دهند. علاوه بر این، حجم عظیمی از اطلاعات مرتبط با سلامت از طریق استفاده گسترده از فناوری پوشیدنی در دسترس قرار گرفته است. این اتفاق فرصتهای جدیدی برای ارائه خدمات بهداشتی و درمانی مطلوبتر و آگاهانهتر ایجاد میکند.
توانایی دریافت، سازماندهی و پردازش حجم زیادی از دادهها و سپس استخراج معنی از آنها بهمنظور دستیابی به درک عمیقتر از بدن انسان، هدف اصلی هزاران دانشمند علم داده و متخصص یادگیری ماشین در سراسر جهان است. همچنین علم داده دارای پتانسیل قوی برای ایجاد تغییرات اساسی در خدمات بهداشتی و درمانی است.
در ادامه به بررسی برخی از پیشرفتهایی که به موجب بهکارگیری علم داده در حوزه سلامت و بهداشت و درمان ایجاد شده است، خواهیم پرداخت:
1- استفاده از دادههای تجهیزات پوشیدنی برای نظارت و پیشگیری:
پیشبینی شده که دادههای تولیدشده مرتبط با بدن انسان در طول روز میتواند به بیش از دو ترابایت برسد و با توجه به رشد فناوری این دادهها بهراحتی در دسترس هستند. این دادهها که شامال اطلاعاتی درباره ضربان قلب، الگوهای خواب، قندخون، میزان اضطراب و حتی فعالیت مغز هستند، به دانشمندان کمک میکنند تا با بهرهگیری از آنها، گامهای بزرگی در حوزه سلامت بردارند.
در همین راستا میتوان از الگوریتمهای یادگیری ماشین برای شناسایی و ردیابی بیماریهای قلبی یا تنفسی استفاده کرد یا با دریافت و تحلیل الگوهای ضربان قلب و تنفس، کوچکترین تغییرات در نشانههای سلامت بیمار را شناسایی و اختلالات احتمالی را پیشبینی کرد؛ هشدارهایی بهموقع به افراد در معرض خطر که منجر به نجات هزاران نفر از مرگ خواهد شد.
2- بهبود دقت و کارایی در تشخیص بیماریها:
با وجود دردسترسبودن حجم انبوهی از دادههای سلامت، نرخ تشخیص نادرست هنوز هم نسبتا بالاست. برای حل این مشکل میتوان از علم داده جهت افزایش دقت و کارایی تشخیصها استفاده کرد. برای نمونه درحالحاضر برخی از مراکز پزشکی بینالمللی با بهرهگیری از الگوریتمهای یادگیری عمیق که قادر به خواندن دادههای تصویربرداری (ازجمله رادیوگرافی، سیتیاسکن و...) هستند و آنالیز آنها و سپس تطبیق و مقایسه نتایج بهدستآمده با پایگاه دادههای گسترده، گزارشهای بالینی و مطالعات آزمایشگاهی دقیقی را ارائه میدهند که حاصل آن نتایجی تا 70 برابر دقیقتر و تا 50 هزار برابر سریعتر خواهد بود.
3- بهبود روند مراقبت از بیمار:
همانگونه که دانشمندان با بهرهگیری از علم داده اقدام به دریافت دادههای سلامت و آنالیز آنها بهمنظور یافتن علائم و شناسایی بیماریها میکنند، پزشکان هم قادر به ردیابی روند بالینی بیماران با تشخیصهای قطعی هستند. درمانها و مراقبت آگاهانه با کمک فناوری، باعث کاهش درخور توجه نرخ مرگومیر و همچنین منجر به خروجیهای پزشکی قابل پیشبینی خواهد شد. نمونه بارز این امر ارائه توصیههای فردی به بیماران سرطانی بر اساس سوابق پزشکی ثبتشده در مراکز درمانی، اطلاعات شخصی پروندههای سلامت الکترونیک بیماران، سوابق سلامت پیشین بیمار و شرایط فعلی بیمار است که میتواند به تسریع روند بهبودی بیمار کمک شایانی کند.
4- کاهش مخاطرات داروهای تجویزی:
با توجه به بروز خطاهای انسانی در نسخههای دارویی، علم داده به جهت کاهش مخاطرات حاصل از این موضوع، میتواند نقش بسیار مهمی را ایفا کند. با بهرهگیری از علم داده و سیستمهای مبتنی بر یادگیری ماشین، تمامی نسخهها بهصورت هوشمند با موارد مشابه موجود در پایگاههای داده مقایسه و مطابقت داده میشوند و اگر نسخه، انحرافی از برنامه درمانی معمول داشته باشد، اعلانهای لازم بهصورت بلادرنگ به پزشک ارسال خواهد شد.
5- صرفهجویی در هزینههای خدمات بهداشتی و درمانی:
بهرهگیری از علم داده، منجر به کاهش درخور توجه هزینهها در تمامی زمینهها ازجمله حوزه بهداشت و درمان خواهد شد و پزشکی پیشگیرانه مبتنی بر تحلیل داده، در کاهش کلی هزینههای خدمات بهداشتی و درمانی هرچند بهصورت غیرمستقیم مؤثر خواهد بود.
با استفاده از سیستمهای مبتنی بر هوش مصنوعی، دادههای بالینی ثبتشده بیماران، قابل دسترس و تحلیل بوده و بیمارانی را که در معرض خطر بالا قرار دارند، بهراحتی شناسایی و مراقبتهای لازم برای آنها در نظر گرفته خواهد شد و بهاینترتیب میتوان از مراجعات و بستریهای غیرضروری پیشگیری کرد. از طرفی استفاده از پردازش دادهها و ابزارهای تحلیل داده، به پزشکان برای اتخاذ تصمیمات آگاهانه که منجر به صرفهجوییهای شایان توجه میشود، کمک میکند.
امروزه با گسترش روزافزون فناوری و افزایش دانش تحلیل دادهها در مقیاس کلان، تحولی بزرگ در عرصههای پزشکی، درمانی و سلامت پدید آمده، بهطوریکه برای عرضهکنندگان خدمات این حوزه، این امکان را فراهم میآورد که روند خدمترسانی خود را تسریع کرده و ضمن کاهش هزینههای درمانی، کیفیت آن را نیز بهبود بخشند و بدون شک کلید این تحول معنادار، استفاده از علم داده در خدمات بهداشتی، درمانی و سلامت است.
با رشد فناوری اطلاعات و ایجاد تحول دیجیتال در زندگی آدمیان، دادههای بسیار زیادی بهصورت لحظهای در حال تولید هستند. هربار که گوشی موبایل هوشمند خود را به دست گرفته و از آن استفاده میکنید، جستوجوهایی که انجام میدهید، اپلیکیشنهایی که استفاده میکنید، همگی دادههایی از رفتار شما را تولید میکند. این دادههای بسیار و ضرورت مدیریت و بهرهبرداری از آنها، علم جدید و روبهرشدی را به وجود آورده است به نام علم داده (Data Scientist). در علم داده، همه تلاشها بر آن است تا از میان انبوهی داده بدون معنا، اطلاعات مفید استخراج شود. شغلهای مرتبط با علم داده، ازجمله مشاغل روبهرو در سطح بینالمللی است. در سلسله یادداشتهایی به قلم سرکار خانم دکتر ابوالقاسمی، تلاش میکنیم ابعاد مختلف این علم بررسی و معرفی شوند.
با توجه به تولید سالانه میلیاردها اسناد بالینی در سرتاسر جهان، متخصصان علوم زیستی و پزشکان با انبوهی از دادهها مواجه هستند که باید تحقیقات خود را بر مبنای آنها قرار دهند. علاوه بر این، حجم عظیمی از اطلاعات مرتبط با سلامت از طریق استفاده گسترده از فناوری پوشیدنی در دسترس قرار گرفته است. این اتفاق فرصتهای جدیدی برای ارائه خدمات بهداشتی و درمانی مطلوبتر و آگاهانهتر ایجاد میکند.
توانایی دریافت، سازماندهی و پردازش حجم زیادی از دادهها و سپس استخراج معنی از آنها بهمنظور دستیابی به درک عمیقتر از بدن انسان، هدف اصلی هزاران دانشمند علم داده و متخصص یادگیری ماشین در سراسر جهان است. همچنین علم داده دارای پتانسیل قوی برای ایجاد تغییرات اساسی در خدمات بهداشتی و درمانی است.
در ادامه به بررسی برخی از پیشرفتهایی که به موجب بهکارگیری علم داده در حوزه سلامت و بهداشت و درمان ایجاد شده است، خواهیم پرداخت:
1- استفاده از دادههای تجهیزات پوشیدنی برای نظارت و پیشگیری:
پیشبینی شده که دادههای تولیدشده مرتبط با بدن انسان در طول روز میتواند به بیش از دو ترابایت برسد و با توجه به رشد فناوری این دادهها بهراحتی در دسترس هستند. این دادهها که شامال اطلاعاتی درباره ضربان قلب، الگوهای خواب، قندخون، میزان اضطراب و حتی فعالیت مغز هستند، به دانشمندان کمک میکنند تا با بهرهگیری از آنها، گامهای بزرگی در حوزه سلامت بردارند.
در همین راستا میتوان از الگوریتمهای یادگیری ماشین برای شناسایی و ردیابی بیماریهای قلبی یا تنفسی استفاده کرد یا با دریافت و تحلیل الگوهای ضربان قلب و تنفس، کوچکترین تغییرات در نشانههای سلامت بیمار را شناسایی و اختلالات احتمالی را پیشبینی کرد؛ هشدارهایی بهموقع به افراد در معرض خطر که منجر به نجات هزاران نفر از مرگ خواهد شد.
2- بهبود دقت و کارایی در تشخیص بیماریها:
با وجود دردسترسبودن حجم انبوهی از دادههای سلامت، نرخ تشخیص نادرست هنوز هم نسبتا بالاست. برای حل این مشکل میتوان از علم داده جهت افزایش دقت و کارایی تشخیصها استفاده کرد. برای نمونه درحالحاضر برخی از مراکز پزشکی بینالمللی با بهرهگیری از الگوریتمهای یادگیری عمیق که قادر به خواندن دادههای تصویربرداری (ازجمله رادیوگرافی، سیتیاسکن و...) هستند و آنالیز آنها و سپس تطبیق و مقایسه نتایج بهدستآمده با پایگاه دادههای گسترده، گزارشهای بالینی و مطالعات آزمایشگاهی دقیقی را ارائه میدهند که حاصل آن نتایجی تا 70 برابر دقیقتر و تا 50 هزار برابر سریعتر خواهد بود.
3- بهبود روند مراقبت از بیمار:
همانگونه که دانشمندان با بهرهگیری از علم داده اقدام به دریافت دادههای سلامت و آنالیز آنها بهمنظور یافتن علائم و شناسایی بیماریها میکنند، پزشکان هم قادر به ردیابی روند بالینی بیماران با تشخیصهای قطعی هستند. درمانها و مراقبت آگاهانه با کمک فناوری، باعث کاهش درخور توجه نرخ مرگومیر و همچنین منجر به خروجیهای پزشکی قابل پیشبینی خواهد شد. نمونه بارز این امر ارائه توصیههای فردی به بیماران سرطانی بر اساس سوابق پزشکی ثبتشده در مراکز درمانی، اطلاعات شخصی پروندههای سلامت الکترونیک بیماران، سوابق سلامت پیشین بیمار و شرایط فعلی بیمار است که میتواند به تسریع روند بهبودی بیمار کمک شایانی کند.
4- کاهش مخاطرات داروهای تجویزی:
با توجه به بروز خطاهای انسانی در نسخههای دارویی، علم داده به جهت کاهش مخاطرات حاصل از این موضوع، میتواند نقش بسیار مهمی را ایفا کند. با بهرهگیری از علم داده و سیستمهای مبتنی بر یادگیری ماشین، تمامی نسخهها بهصورت هوشمند با موارد مشابه موجود در پایگاههای داده مقایسه و مطابقت داده میشوند و اگر نسخه، انحرافی از برنامه درمانی معمول داشته باشد، اعلانهای لازم بهصورت بلادرنگ به پزشک ارسال خواهد شد.
5- صرفهجویی در هزینههای خدمات بهداشتی و درمانی:
بهرهگیری از علم داده، منجر به کاهش درخور توجه هزینهها در تمامی زمینهها ازجمله حوزه بهداشت و درمان خواهد شد و پزشکی پیشگیرانه مبتنی بر تحلیل داده، در کاهش کلی هزینههای خدمات بهداشتی و درمانی هرچند بهصورت غیرمستقیم مؤثر خواهد بود.
با استفاده از سیستمهای مبتنی بر هوش مصنوعی، دادههای بالینی ثبتشده بیماران، قابل دسترس و تحلیل بوده و بیمارانی را که در معرض خطر بالا قرار دارند، بهراحتی شناسایی و مراقبتهای لازم برای آنها در نظر گرفته خواهد شد و بهاینترتیب میتوان از مراجعات و بستریهای غیرضروری پیشگیری کرد. از طرفی استفاده از پردازش دادهها و ابزارهای تحلیل داده، به پزشکان برای اتخاذ تصمیمات آگاهانه که منجر به صرفهجوییهای شایان توجه میشود، کمک میکند.
امروزه با گسترش روزافزون فناوری و افزایش دانش تحلیل دادهها در مقیاس کلان، تحولی بزرگ در عرصههای پزشکی، درمانی و سلامت پدید آمده، بهطوریکه برای عرضهکنندگان خدمات این حوزه، این امکان را فراهم میآورد که روند خدمترسانی خود را تسریع کرده و ضمن کاهش هزینههای درمانی، کیفیت آن را نیز بهبود بخشند و بدون شک کلید این تحول معنادار، استفاده از علم داده در خدمات بهداشتی، درمانی و سلامت است.
برای اطلاع از آخرین اخبار و تحلیلها به کانال شرق در «تلگرام» بپیوندید.