کاربرد داده در صنعت بهداشت و درمان

استفاده از تجزیه و تحلیل کلان داده در مراقبت های بهداشتی دارای نتایج مثبت و همچنین نجات دهنده زندگی است. داده های بزرگ به مقادیر عظیمی از اطلاعات ایجاد شده توسط دیجیتالی شدن همه موارد اشاره دارد؛ که توسط فناوری های خاص تلفیق و تجزیه و تحلیل می شود. کلان داده در صنعت بهداشت و درمان با استفاده از داده های خاص سلامت یک جمعیت (یک فرد خاص) به طور بالقوه به جلوگیری از همه گیری بیماری ها، درمان بیماری ها، کاهش هزینه ها و غیره کمک خواهد کرد. امروزه میانگین عمر افراد بیشتر شده است چراکه شیوه های درمانی و مراقبتی تغییر کرده اند؛ این تغییرات به کمک داده ها صورت می گیرند. پزشکان درصدد آشنایی با سوابق خانوادگی و بیماری افراد هستند تا از این طریق بتوانند هرچه سریع تر علائم هشداردهنده بیماری فرد را شناسایی نموده و با تشخیص به موقع، به درمان بیماری فرد کمک کنند.

ضرورت و اهداف پژوهش

در عصر حاضر مهم ترین سرمایه سازمان ها و شرکت های مختلف، داده ها و اطلاعات می باشد. از مهم ترین ویژگی های عصر حاضر این است که یک فرد یا یک فناوری می تواند در لحظه حجم زیادی از داده ها را تولید نماید؛ در صورتی که سیستم سنتی هرگز قادر به پردازش و ذخیره این حجم از داده ها نخواهد بود. اطلاعات بیشتر (به معنای داشتن قدرت و مزایای بیشتر) در عصر کنونی موضوعی بسیار مهم و اساسی است. صنعت بهداشت و درمان یکی از صنایعی است که امروزه بهره بسیاری را از کلان داده ها می برد. این صنعت حجم بسیار عظیمی از داده را در محدوده پتابایت (یک میلیون گیگابلیت) و فراتر از آن تولید می کند. این داده ها از پرونده های سلامت الکترونیک، یادداشت های بالینی تصاویر پزشکی، حسگرهای پوشیدنی، دستگاه های تلفن همراه، توالی های ژنومیک رسانه های اجتماعی و غیره حاصل می شوند. قدرت بازیابی و مطالعه داده های ناهمگن، به ارائه دهندگان خدمات سلامت دیجیتال کمک می کند تا مداخله صحیح را در زمان مناسب و با هزینه مناسب به بیمار ارائه دهند. با توجه به اهمیت داده ها در صنعت بهداشت و درمان پژوهش حاضر به بررسی کاربرد داده در این صنعت می پردازد.

تجربه استفاده از کلان داده ها

استفاده از کلان داده و تحلیل های به دست آمده از آن در بسیاری از موارد به نجات جان افراد کمک کرده است. برای نمونه می توان به نجات جان افرادی در پاریس به کمک کلان داده اشاره نمود. یکی از سوالات مهمی که مدیریت بیمارستان ها با آن مواجه هستند این است که در هر نوبت کاری از چه تعدادی از کارکنان و در چه بازه های زمانی می توان استفاده کرد؟ اگر تعداد این کارکنان بیش از حد مورد نیاز باشد، ممکن است موجب بالا رفتن هزینه ها شود. در صورت کم بودن تعداد افراد نیز ممکن است کمک رسانی به بیماران با اختلال مواجه شود. بررسی ها نشان دهنده این امر است که استفاده از کلان داده در تعدادی از بیمارستان های پاریس کمک شایانی به حل این مشکل نموده است. در ۴ بیمارستان عمومی پاریس از داده های متنوعی از منابع مختلف استفاده کرده اند تا پیش بینی های روزانه و ساعتی را که تعداد بیماران در هر بیمارستان انتظار دارند را ارائه دهند. مطابق یکی از این روش ها، دانشمندان با استفاده از تکنیک های تجزیه و تحلیل داده های کلیدی ۱۰ ساله، الگوهای مربوط به نرخ پذیرش را کشف نموده و پس از آن الگوریتم های دقیق تر برای پذیرش کارمندان را در آینده را ایجاد کرده اند. علاوه بر نمونه بیان شده تجزیه و تحلیل داده در صنعت بهداشت و درمان مزایای بسیاری مانند «کاهش خطاهای پزشکی پیشگیری از بیماری های انبوه»، «مدل سازی شیوع بیماری ها» و «تشخیص بیماری ها در مراحل اولیه» به همراه دارد.

تقسیم بندی داده های حوزه درمان و سلامت

تقسیم بندی داده های حوزه درمان و سلامت بر اساس مواردی چون اجزاء، کاربرد خدمات تحلیلی، کاربرد نهایی و مخاطب مورد نظر به شرح زیر می باشد:

• بر اساس اجزاء: این داده ها به دو بخش سخت افزار (شامل فایروال روتر، شبکه خصوصی مجازی (vpn)، ذخیره داده و … ) و بخش نرم افزار (شامل تشخیص بیماری ها در مراحل اولیه (EHR)، نرم افزار مدیریت عملیات، نرم افزار مدیریت چرخه درآمد و …) تقسیم می شوند؛
• بر اساس کاربرد خدمات تحلیلی: این داده ها به ۴ بخش تحلیل مالی (پردازش ادعا، چرخه درآمد، مدیریت و ارزیابی خطر)، تجزیه و تحلیل عملیات اداری (تحلیل نیروی کار و تحلیل زنجیره تامین)، تحلیل سلامت جمعیت و تجزیه و تحلیل بالینی (کیفیت مراقبت، پشتیبانی تصمیم گیری بالینی، پزشکی دقیق و انطباق) تقسیم می شوند؛
• بر اساس کاربرد نهایی: این داده ها بر اساس کاربرد نهایی در ۴ گروه ارائه دهنده خدمات سلامت درمانی، صنعت داروسازی، صنعت بیوتکنولوژی و سازمان های دانشگاهی قرار می گیرند؛
• بر اساس مخاطب مورد نظر: بر اساس مخاطب مورد نظر به ۶ گروه شرکت های در حال توسعه تحلیل کلان داده های سلامت، سازمان های خدمات بهداشتی، ارائه دهندگان خدمات سلامت، سازمان های دولتی، شرکت های بیوتکنولوژی و شرکت های تحقیق و توسعه تقسیم می شوند.

مدل سازی و پیش بینی نتایج

با به کار گیری کلان داده در صنعت بهداشت و درمان و تجزیه و تحلیل های پیش بینی کننده آن می توان به متخصصان این حوزه در اتخاذ تصمیم گیری بالینی کمک شایانی کرد. مدل سازی پیش بینی به طور گسترده در بهداشت و درمان برای اهداف مختلف استفاده می شود. برخی از مدل ها با هدف پیش بینی پیامدهای آینده بیماری ها و یا درمان ها به کار برده می شوند. برخی دیگر بر شناسایی بیمارانی تمرکز می کنند که ممکن است در معرض خطر ابتلا به یک بیماری خاص باشند. همچنین مدل هایی وجود دارد که شیوع بیماری ها را در بین جمعیت پیش بینی می کند. برای مثال، مدل سازی پیش بینی کننده برای شناسایی «دیابت تشخیص داده نشده»، «پیش بینی بقا پس از احیای قلبی -ریوی» و «پیش بینی گسترش همه گیری کووید ۱۹ » به کار گرفته شده است.

توصیه های سیاستی به منظور استفاده از کلان داده

توصیه های سیاستی به منظور استفاده از کلان داده به شرح زیر می باشد:

• نظام جامع کلان داده در حوزه های مالی با استفاده از تحلیل های پیش بینی کننده یا همان predictive analysis می تواند هزینه های مرتبط با نرخ پذیرش را پیش بینی کرده و به تخصیص کارآمدتر کارکنان کمک کند؛ در نتیجه این موضوع به بیمارستان ها اجازه می دهد تا سرمایه گذاری خود را به حداکثر برسانند؛
• با استفاده از اجرای سوابق دیجیتالی بیمارستانی، پزشکان می توانند الگوهایی را بین بیماران مختلف ایجاد کنند که این امر می تواند به درمان های کارآمدتر و سریع تر بیانجامد؛
• فناوری کلان داده ردیابی وضعیت سلامت افراد و کمک به آن ها را با توجه به وضعیت گزارش شده بسیار آسان خواهد کرد. با استفاده از این فناوری می توان بیماری های احتمالی را خیلی زودتر از آشکار شدن پیش بینی و از آن ها پیشگیری نمود.

 جمع بندی

از مهم ترین ویژگی های عصر حاضر این است یک فرد یا یک فناوری می تواند در لحظه حجم زیادی از داده ها را تولید نماید. سیستم سنتی هرگز قادر به پردازش و ذخیره این حجم از داده ها نخواهد بود. امروزه صنعت بهداشت و درمان حجم بسیار عظیمی از داده را در محدوده پتابایت (یک میلیون گیگابلیت) و فراتر از آن تولید می کند. استفاده از کلان داده ها مزایای بسیاری در این صنعت دارند و در بسیاری از موارد تجزیه و تحلیل این داده ها و نتایج حاصل از آن ها جان افراد بسیاری را نجات داده است. از جمله این مزایا می توان به مواردی چون «کاهش خطاهای پزشکی پیشگیری از بیماری های انبوه»، «مدل سازی شیوع بیماری ها» و «تشخیص بیماری ها در مراحل اولیه» اشاره نمود. داده های حوزه بهداشت و درمان بر اساس مواردی چون اجزاء، کاربرد خدمات تحلیلی، کاربرد نهایی و مخاطب مورد نظر بخش بندی می شوند. از همین رو و با توجه به کاربرد بسیار زیاد کلان داده ها در این صنعت، پژوهش حاضر توصیه هایی مانند استفاده از نظام جامع کلان داده در حوزه های مالی و اجرای سوابق دیجیتالی بیمارستانی را ارائه نموده است.

این مطالعه در فرا توسعه پویش مهام توسط مرتضی علی پور در سال ۱۴۰۱ انجام شده ‌است.