استفاده از بیگ دیتا (BIG DATA) در پزشکی
در این مقاله میخواهیم برخی از کاربردهای استفاده از بیگ دیتا Big در پزشکی و خدمات بهداشتی و درمانی را مورد بررسی قرار دهیم و شما را با توانایی های بالقوه ی این علم جدید در حوزهی بهداشت و درمان آشنا سازیم. لازم به ذکر است که بیگ دیتا می تواند به بهبود عملکرد تجهیزات پزشکی کمک کند. این علم با پیشرفت های حاصل شده در زمینه های مختلف آن پتانسیل بسیار بالایی در بهره ور کردن هرچه بیشتر جامعه می تواند داشته باشد و در واقع علم داده های تاثیر شگفت انگیزی بر روی تصمیم گیری های بلند مدت جامعه و یا تصمیم گیری های روزانه فردی داشته باشد.
کاربرد بیگ دیتا در پزشکی
کاربرد بیگ دیتا در پزشکی بسیار گسترده است و می تواند در زمینه های مختلفی مانند تشخیص بیماری، درمان، پیشگیری، تحقیقات پزشکی و مدیریت خدمات بهداشتی و درمانی مورد استفاده قرار گیرد.
ثبت سوابق بهداشت الکترونیکی ( Electronic Health Records (EHRs:
نرمافزار EHRs گستردهترین کاربرد استفاده از بیگ دیتا در پزشکی و مراقبتهای بهداشتی را دارا می باشد. هر بیمار دارای رکورد دیجیتالی خود است که شامل آمارها، تاریخچه پزشکی، آلرژی، نتایج آزمایشگاهی و غیره میباشد.نتایج ثبت شده توسط سیستمهای اطلاعات ایمن به اشتراک گذاشته میشود و برای ارائهدهندگان خدمات بهداشتی از بخش خصوصی و عمومی در دسترس است. هر رکور یک فایل قابلتغییر است که پزشکان میتوانند تغییرات را در طول زمان بدون هیچگونه کاغذ و خطر تکرار دادهها انجام دهند.
EHR ها همچنین میتوانند هشدارها و یادآوریها را هنگامی که بیمار باید آزمایش جدیدی یا نسخهای را انجام دهد به پزشک بیمار بدهد که آیا بیمار دستورات پزشکان را دنبال کرده است یا خیر.آمریکا با توجه به تحقیقات hitech , نود و چهار درصد از بیمارستانهای خود را به EHR مجهز کرده است. اما اتحادیهی اروپا در این مقوله از آمریکا عقبتر است.
Big Data باعث نجات جان افراد در پاریس شد:
در اولین نمونه از بیگ دیتا در پزشکی و مراقبتهای بهداشتی به یک مشکل کلاسیک اشاره میشود که هر شیفت مدیریتی با آن روبهرو میشود؛ چه تعداد افراد از کارکنان را در هر دورهی زمانی قرار دهیم؟ اگر بیش از حد باشد، خطر افزایش هزینههای کار غیرضروری به وجود می آید و اگر هم بیش از اندازه کم باشد، میتواند برای بیماران در صنعتی مثل مراقبت های بهداشتی آسیب رسان باشد.
Big Data برای حل این مشکل راهکارهای فوق العاده ای دارد، حداقل در چند بیمارستان در پاریس این کار را انجام داده است. مقاله Forbes توضیح میدهد که چگونه 4 بیمارستان که بخشی از Public – Hospital در پاریس هستند، از دادههای متنوعی از منابع مختلف استفاده کردهاند تا پیشبینیهای روزانه و ساعتی را که تعداد بیماران در هر بیمارستان انتظار دارند را ارائه دهند. یکی از روشها، استفاده از دادههای کلیدی است که 10 سال ثبت پروندههای پذیرش در بیمارستان را دانشمندان با استفاده از تکنیکهای تجزیه و تحلیل الگوهای مربوطه در نرخ پذیرش را پیدا میکنند. سپس، آنها از یک ماشین برای پیدا کردن الگوریتمهای دقیقتر که پیشبینی روند پذیرش در آینده را میکند، استفاده میکنند.
نتیجه یک رابطه مبتنی بر مرورگر وب طراحی شده برای استفادهی پزشکان، پرستاران و کارمندان اداری بیمارستان (بدون نیاز به آموزش در علوم دادهها) برای پیشبینی در نرخ بازدید و نرخ پذیرش برای 15 روز آینده است. کارکنان اضافی میتوانند در زمانی که انتظار میرود تعداد مراجعهکنندگان زیاد است آماده شوند تا باعث کاهش زمان انتظار بیماران و کیفیت بهتر مراقبت و خدمات شود.
Real-Time alerting (هشداردهندهی بهنگام):
یکی از قابلیتهای مهم بیگ دیتا Real-Time alerting است که به اشتراک میگذارد. در بیمارستانها، نرمافزار تصمیمگیری بالینی (CDS,Clinical Decision Support) نرمافزار دادههای پزشکی را در محل مورد بررسی قرار میدهد و پزشکان بهداشت را با مشاوره در صورت تصمیمگیریهای قانونی آماده میکند. با این حال، پزشکان میخواهند بیماران از بیمارستان دور بمانند تا از هزینههای درمانی در خانه جلوگیری کنند.
دستگاههای تجزیه و تحلیل شخصی، که قبلاً در گذشته به عنوان business intelligence buzzwords شناخته شدهاند، توانایی تبدیلشدن به بخشی از یک استراتژی تحویل سلامت بیماران را به طور مداوم جمعآوری میکنند و این اطلاعات را به Cloud میفرستند. علاوه بر این، این اطلاعات به پایگاه داده در وضعیت سلامت عمومی قابل دسترسی است، که به پزشکان اجازه میدهد این دادهها را در زمینههای اجتماعی- اقتصادی مقایسه کنند و بر اساس آن، راهبرهای درمان را اصلاح کند، مؤسسات مراقبت بهداشتی و مدیران مراقبت از ابزارهای پیچیده برای نظارت بر این جریان، از دادههای عظیم استفاده میکنند و هر بار که نتیجه نگرانکننده خواهد بود، واکنش نشان دهند.
به عنوان مثال اگر فشارخون بیمار هشداردهنده باشد، سیستم در زمان درست به بیمار اخطار میدهد که پس از آن اقدام به رسیدن به بیمار میکند و اقدامات لازم برای کاهش فشار را انجام میدهد. مثال دیگر اینکه Asthmapolis که شروع به استفاده از رادیاتور با ردیابهای GPS فعال برای شناسایی روند آسم در سطح فردی است، از این دادهها به منظور ایجاد برنامههای بهتر درمان برای آسم استفاده میشود.
Big Data کمک میکند تا از سوء مصرف مواد مخدر در ایالات متحده جلوگیری شود:
در سال جاری، مصرف بیش از حد مواد مخدر، مرگ و میر اتفاقی در آمریکا را بیشتر از تصادفات جادهای که قبلاً شایعترین علت مرگ اتفاقی بوده کرده است. طبق مقاله فورس، یکبار دیگر استفاده از تجزیه و تحلیل بیگ دیتا در پزشکی و مراقبتهای بهداشتی ممکن است پاسخی باشد که هر کسی به دنبال آن است: دانشمندان در Blue Cross Blue Sheild با کارشناسان Big Data در Fuzzy Logix برای حل این مشکل کار خود را آغاز کردهاند.
این دانشمندان توانستهاند 742 عامل خطر را شناسایی کنند. با درجه بالایی از دقت پیشبینی میشود که آیا کسی در معرض استفادهی بیش از حد مواد مخدر است یا خیر. با این حال، این پروژه همچنان امید زیادی به کاهش مسئلهای که زندگی بسیاری از مردم را از بین میبرد و هزینهی زیادی برای سیستمهای مراقبت بهداشتی فراهم میکنند، ارائه میدهد.
تجزیه و تحلیل پیشبینی در بهداشت و درمان:
آزمایشگاه Optum، یک شرکت تحقیقاتی آمریکایی، EHR را از بیش از 30 میلیون بیمار جمعآوری کرده است تا یک پایگاه داده برای ابزارهای تجزیه و تحلیل پیشبینیکننده فراهم کند که مراقبت را بهبود میبخشد. هدف این است که به پزشکان کمک کند تصمیمات هوشمندانهای را در عرض چند ثانیه بدست بیاورند و درمان را بهبود بخشند. برای مثال، افرادی که در معرض خطر ابتلا به دیابت هستند از این طریق توصیه میشود برای additional screening یا مدیریت وزن استفاده کنند.
استفاده از دادههای بهداشتی برای برنامهریزی استراتژیک:
استفاده از بیگ دیتا در پزشکی و مراقبتهای بهداشتی به برنامههای استراتژیک اجازه میدهد تا با درکی بهتر از تصور افراد بدست آیند. Care managers (مدیران مراقبت) میتوانند نتایج بررسی در میان افراد مختلف گروههای جمعیتی را تجزیه و تحلیل کنند و عوامل تعیینکنندهای برای جلوگیری از استفاده از درمان در نظر بگیرند. دانشگاه فلوریدا از نقشههای گوگل و دادههای بهداشت عمومی رایگان برای تهیهی نقشههای گرمایی زمین (Heat maps) مورد نظر در زمینه مسائل مختلف مانند رشد جمعیت و بیماریهای مزمن استفاده کرده است. بعدها، دانشگاهیان توانستند استراتژی تحویل درمان مراقبتهای بهداشتی خود را مرور کنند و واحدهای مراقبتی بیشتری را به بخشهای مشکلساز اضافه کنند.
اثرات Big Data در درمان سرطان
یکی دیگر از نمونههای جالب استفاده از بیگ دیتا در پزشکی، کمک به درمان سرطان است. محققان پزشکی میتوانند از Big Data در برنامههای درمان و میزان بهبودی بیماران سرطانی برای پیدا کردن درمانهایی که دارای بالاترین میزان موفقیت در دنیای واقعی هستند استفاده کنند. به عنوان مثال، محققان میتوانند نمونههای تومور را که با پروندهی درمان بیمار ارتباط دارند، در بانکهای زیستی بررسی کنند. همچنین میتوانند گزارش بیوپسی بیمار از سایر موسسات را در دسترس داشته باشند.
این دادهها همچنین میتواند منجر به منافع غیر منتظره مانند پیدا کردن Desipramine که یک ضدافسردگی است، توانایی کمک به درمان برخی از انواع سرطان ریه را دارد، بشود.اما موانع زیادی در این راه وجود دارد از جمله: سیستمهای اطلاعات ناسازگار که بزرگترین چالش فنی است، زیرا این مجموعه دادهها باید قادر به همکاری با یکدیگر باشند. مسائل مربوط به محرمانه بودن اطلاعات بیمار قوانین متفاوتی دارد که توسط دولت تنظیم میشود که اطلاعات مربوط به بیمار را با رضایت و یا بدون رأی منتشر میکند و همهی این موارد باید هدایت شوند.
به سادگی میتوان گفت که مؤسساتی که زمان و پول زیادی را در ایجاد مجموعه دادههای سرطانی خود قرار دادهاند، ممکن است مشتاق همکاری با یکدیگر نباشند، هر چند که این امر می منجر به درمان بسیار سریعتر شود.
تله مدیسین Telemedicine:
بیش از 40 سال در بازار خدمات درمانی حضور داشته است، اما امروزه با ورود کنفرانسهای ویدیویی آنلاین، گوشیهای هوشمند، دستگاههای بیسیم و پوشیدنیها، این امکان وجود دارد که به شکوفایی کامل برسد. اصطلاح تله مدیسین به ارائه خدمات بالینی از راه دور با استفاده از تکنولوژی اشاره دارد. این روش برای مشاوره اولیه و تشخیص اولیه، نظارت از راه دور بیمار و آموزش پزشکی برای متخصصین بهداشت استفاده میشود. برخی از کاربردهای خاص عبارتند از telesurgery – پزشکان میتوانند عمل جراحی با استفاده از روباتها و تحویل دادههای سریع در زمان واقعی را بدون جسمی در یک مکان با یک بیمار انجام دهند.
پزشکان از تله مدیسین برای ارائه برنامههای شخصی درمانی استفاده میکنند و از بستری شدن یا پذیرش مجدد جلوگیری میکنند. چنین استفاده از بیگ دیتا در پزشکی با استفاده از تجزیه و تحلیل پیشبینی همانطور که قبلاً دیده میشود، مرتبط باشد. این روش اجازه میدهد تا پزشکان پیشبینی حوادث حاد پزشکی در پیشگیری و جلوگیری از وخامت شرایط بیمار شوند. با نگه داشتن بیمار دور از بیمارستانها، تله مدیسین به کاهش هزینههای مراقبتهای بهداشتی و بهبود کیفیت خدمات کمک میکند. پزشکان میتوانند زمان را برای مشاورههای غیرضروری و کارهای کاغذی تلف نکنند. Telemedicine نیز در دسترس بورن مراقبتهای بهداشتی را بهبود میبخشد، زیرا وضعیت بیمار را میتوان در هر زمان و هر مکان مورد نظارت قرار داد.
صرفهجویی در زمان، پول و انرژی با استفاده از تجزیه و تحلیل Big Data در مراقبتهای بهداشتی:
صرفهجویی در زمان، پول و انرژی در مراقبتهای بهداشتی ضروری است. یک زن در کالیفورنیا در طی 3 سال، بیش از 900 بار به Emergency Room رفته است. این زن از بیماری روانی و سؤ مصرف مواد رنج میبرد و تقریباً هر روز به انواع بیمارستانهای محلی میرود.
مسائل این زن توسط فقدان سوابق پزشکی مشترک میان واحدهای اضطراری محلی، افزایش هزینههای مالیاتدهندگان و بیمارستانها و ایجاد مشکل برای این زن برای دریافت مراقبتهای خوب تشدید شد. به منظور جلوگیری از وقوع چنین شرایطی در آینده، بیمارستانهای شهرستان آلامده برای ایجاد یک برنامه به نام PREManage ED،که سوابق بیمار را در اختیار بخش اورژانس قرار میدهد، گرد هم آمدند.این سیستم اجازه میدهد که کارکنان ارشد چیزهایی مثل:
اگر بیمار در حال درمان باشد، آزمایشات خاصی که در بیمارستانهای دیگر انجام شده است چه بوده و نتایج این آزمایشها چیست.اگر بیمار در حال حاضر دارای مدیریت پرونده در بیمارستان دیگری است، جلوگیری از تکالیف غیرضروری.چه توصیهای به بیمار داده شده است، به طوری که یک پیام منسجم برای بیمار میتواند توسط تأمینکنندگان مراقبتهای بهداشتی حفظ شود.
این مثال هم یک نمونهی عالی دیگر از کاربردهای دادههای بزرگ در مراقبتهای بهداشتی بود که Big Data را مفید و مورد نیاز نشان میدهد. در گذشته، بیمارستانها بدون PREManage ED بارها و بارها آزمایش بیمار را تکرار میکردند و حتی اگر میتوانستند ببینند که آزمایش دیگری در بیمارستانی انجام شده است، آنها مجبور خواهند شد که به بیمارستان قبلی بروند و درخواست فکس کنند که مدت طولانی طول میکشد تا فقط بتوانند اطلاعاتی را که نیاز دارند دریافت کنند.
این 9 نمونه از بیگ دیتا در پزشکی ثابت میکنند که توسعه دادههای پزشکی از دادهها مثل سیب در چشم علوم دادههاست، زیرا آنها توانایی صرفهجویی در پول و مهمتر از همه، زندگی مردم است. امروزه استفاده از بیگ دیتا در پزشکی اجازه میدهد تا شناسایی زودهنگام بیماران و گروههای اجتماعی و اقدامات پیشگیرانه را شناسایی کنیم، زیرا همانطور که همه میدانیم پیشگیری بهتر از درمان است.
نویسنده: فاطمه افلاطونیان كارشناس مهندسی پزشکی
سلام خوشحالم که با شما آشنا شدم من کامران نوروزی ام. کارشناس ارشد مهندسی پزشکی کنجکاو و عاشق نویسندگی داستان من دقیقا از زمانی شروع شد که با دنیای تجارت الکترونیک آشنا شدم از اون موقع تا حالا سعی کردم بهترین تجربه خرید و مشاوره آنلاین تجهیزات پزشکی رو به کاربران هاسپکسا منتقل کنم. و این داستان همچنان ادامه داره ….