علم داده، علوم پزشکی ، مراقبتهای سلامتی: موضوعی جذاب برای دنیای علم و فناوری
علم داده در کشف دارو
علم داده در پیشگیری از بیماری
علم داده در تشخیص بیماری
علم داده در درمان بیماری
علم داده در کنترل مراقبتهای پس از درمان
علم داده در عملیات بیمارستانی
آینده ی علم داده در پزشکی و مراقبتهای بهداشتی چیست؟
نتیجه گیری
علم پزشکی و بهداشت و درمان یک صنعت انقلابی و امیدوار کننده برای بکارگیری راه حلهای مبتنی بر علوم داده است. تجزیه و تحلیل دادهها علوم پزشکی را به سطح کاملاً جدیدی از پروندههای الکترونیکی پزشکی تا کشف داروهای جدید و بیماریهای ژنتیکی ودرمان آن ها، منتقل میکند. علم داده میتواند هزینههای سنگین علوم پزشکی و مراقبتهای بهداشتی را با بکارگیری حجم عظیم دادههای موجود و تحلیل و استخراج اطلاعات مفید از این داده ها، بهبود ببخشد. در حال حاضر تمامی صنایع زمینه ی به کارگیری هوش مصنوعی، یادگیری ماشین ، داده کاوی و به طور کل علم داده را دارند. اگرچه غولهای فناوری مانند گوگل، مایکروسافت و آمازون بزرگترین سرمایه گذاری را در زمینه ی هوش مصنوعی دارند، این مسأله بخش مهمی از تلاشها در زمینه ی تغییرات دیجیتالی را در بر گرفته است به طوری که، شرکتها دادههای مرتبط با عملیات و مشتریان خود را در سطح گسترده ای جمع آوری و تحلیل میکنند. بکارگیری تکنولوژیهای هوش مصنوعی و علوم داده تنها مختص صنایع مبتنی بر فناوری نیست. مراقبتهای سلامتی حوزه ای است که دانشمندان امیدوارند هوش مصنوعی بتواند مشکلات موجود در خصوص تشخیص و درمان بیماریها را سریعتر و دقیقتر از انسان حل کند.
علم داده میتواند گستره ی وسیعی از زمینهها از نگهداری سابقه ی پزشکی بیماران بصورت الکترونیکی، بهینه سازی هزینههای بیمارستانی، تشخیص بیماری ها، اکتشاف داروهای جدید و ارائه روشهای درمان مبتنی بر ویژگیهای ژنتیکی هر بیمار را پوشش دهد. بکارگیری علم داده در هرکدام از این زمینهها درکنار مزیتهای خود، چالشهای فراوانی دارد که این حوزه را نیازمند بکارگیری و استخدام متخصصان زیادی میکند. در این مقاله سعی بر آن کرده ایم تا شما را با زمینههای کاربردی علم داده در علوم پزشکی و مراقبتهای بهداشتی بیشتر آشنا کنیم.
علم داده، علوم پزشکی ، مراقبتهای سلامتی: موضوعی جذاب برای دنیای علم و فناوری
مراقبتهای سلامتی حوزه ای است که دانشمندان امیدوارند هوش مصنوعی بتواند مشکلات موجود در خصوص تشخیص و درمان بیماری ها را سریعتر و دقیقتر از انسان حل کند. در یک مطالعه ی صورت گرفته در یکی از دانشگاههای انگلستان، یک الگوریتم مبتنی بر هوش مصنوعی در آزمونهای پزشکی عملکردی بهتر از دانشجویان پزشکی داشت. بسیاری از غولهای فناوری با بیمارستانها برای اجرای راه حل های مبتنی بر هوش مصنوعی در حال مشارکت اند. به طور مثال پروژه Hanover مایکروسافت با انستیتو سرطان Knigt از دانشگاه سلامت و علوم Oregon برای درمان بیماری سرطان و همچنین واحد انکولوژی واتسون IBM با مرکز سرطان Memorial sloan kettering و کلینیک Cleveland همکاری میکند.
چندین استارتاپ بیوتکنولوژی در جستجوی راههای جدیدی برای ترکیب علم، تحقیقات پزشکی و الگوریتمهای پیشرفته، تولید ربات هایی برای بخیه زدن رگهای خونی در عمل جراحی، تجویز دارو برای الگوهای خاص در بدن انسان و تشخیص ناهنجاری ها در تصاویر پزشکی هستند.
Ian Roberts مدیر ارشد دپارتمان فناوری Healx ، شرکتی که از هوش مصنوعی به منظور شناسایی و تست بیماریهای نادر استفاده میکند، اظهار میکند:
" در مراقبتهای بهداشتی و پزشکی، هشتاد درصد اطلاعات جمع آوری شده بدون ساختار هستند. اما اکنون مؤسسات و شرکتها لزوم ساختاردهی به این دادهها را درک میکنند. زیرا فرصت بسیار بزرگی برای کمپانیها در صنایع است. ما هم اکنون بر روی سرعت بخشی به کشف دارو تمرکز کرده ایم. زیرا در حال حاضر در حدود ده الی پانزده سال با مبلغی بیش از یک میلیارد دلار برای تأیید یک داروی درمانی جدید نیاز است. همچنین با تشخیص، پیش بینی، طبقه بندی بیمار و در نهایت ارائه ی یک روش پیشگیری اختصاصی برای هر فرد براساس دادههای بیولوژیکی و پزشکی یکپارچه، میتوان به بهبود وضعیت سلامت و رضایت عمومی دست یافت."
تشخیص و پیش بینی بیماری ها، طبقه بندی بیماران، تخصیص دارو متناسب با بدن انسان و از همه مهمتر پیشگیریهای پزشکی شخصی که ناشی از اطلاعات جامع و یکپارچه پزشکی و بیولوژیکی است میتواند منجر به افزایش سطح سلامت و شادابی عمومی گردد.
بررسی موسسه ی Ponemon نشان داد که زمینههای مراقبت بهداشتی سهمی 30 درصدی از دادههای جهانی را دارد. با داشتن منابعی همچون سوابق پزشکی الکترونیکی، آزمایشات بالینی، اطلاعات ژنتیکی، صورتحسابهای مالی، بانکهای اطلاعاتی مدیریتی مراقبت مقالات علمی و رسانههای مبتنی بر وب صنعت بهداشت و درمان کمبودی در خصوص داشتن داده ی در دسترس ندارد. در این میان جستجوی اطلاعات مراقبتی و بهداشت از طریق اینترنت و شبکههای اجتماعی و همچنین بکارگیری برنامههای کاربردی برای اندازه گیری و کنترل پارامترهای عمومی سلامت مثل سنجش فشار خون، کنترل قند خون، وضعیت تنفسی و ... به طور مثال از طریق گوشیهای هوشمند نشان دهنده ی امکان جمع آوری اطلاعات به صورت متمرکز است. مطابق با گزارش مشاغل در حال ظهور در ایالات متحده زمینه ی علم داده از سال 2012 رشد 350 درصدی داشته و فقط 35 هزار نامزد، مهارت لازم را برای پر کردن فرصتهای شغلی دارند. از آنجاییکه تنها 3 درصد از دانشمندان علم داده ی مستقر در آمریکا در صنعت مراقبتهای بهداشتی و بیمارستانی کار میکنند، نیاز به متخصصان داده ی آموزش دیده به سرعت در حال رشد است.
علم داده را میتوان برای تجزیه و تحلیل (شناسایی الگو، آزمایش فرضیه و ارزیابی ریسک) یا پیش بینی (مدلهای یادگیری ماشین که بر اساس متغیرهای شناخته شده احتمال وقوع یک رویداد در آینده را پیش بینی میکنند) استفاده کرد. مشابه هر صنعتی کارکنان مراقبت سلامت نیز میبایست با مباحثی همچون آمار، یادگیری ماشین و تصویرسازی دادهها آشنا باشند. در ادامه به بررسی اجمالی مواردی میپردازیم که نشان میدهد علم داده چگونه تحولی در مراقبتهای بهداشتی ایجاد میکند.
علم داده در کشف دارو
تولید و عرضه ی یک داروی جدید به بازار نیازمند صرف هزینه ی بسیار بالا و زمان طولانی چندین ساله است. دادههای بزرگ به دانشمندان این امکان را میدهد تا واکنش یک دارو با پروتئینهای بدن و انواع مختلف سلول و شرایط را شبیه سازی کنند. به طوری که احتمال به دست آوردن تأئیدیه ی سازمان غذا و دارو و همچنین درمان بیماران خاص (مانند افرادی که دارای جهش ژنتیکی خاصی هستند) بسیار افزایش مییابد.
علم داده در پیشگیری از بیماری
بهترین راه برای مراقبتهای بهداشتی آگاهی از خطرات موجود و به کارگیری برنامههای پیشگیری قبل از تبدیل خطرات بهداشتی به یک معضل چالش برانگیز است. بکارگیری ابزار هایی همچون گوشیها و ساعتهای هوشمند و سایر دستگاههای ردیابی که تاریخچه ی الگوها و اطلاعات ژنتیکی هر فرد را درنظرمی گیرند منجر به تشخیص مشکل در سلامتی پیش از وقوع آن میشود.
Omada Health یک شرکت دیجیتال درمانی است که از دستگاههای هوشمند برای ایجاد برنامههای رفتار شخصی و راهنمایی آنلاین استفاده می کند تا از ابتلا به بیماریهای مزمن همچون دیابت، فشار خون بالا و کلسترول بالا پیشگیری نماید.
Propeller Health یک ردیاب مبتنی بر GPS را که قابلیت استنشاق گازهای محیطی و تحلیل دادههای جمع آوری شده بر اساس این گازها را دارند تولید کرده است و میتواند به کمک افراد در معرض خطر همچون بیماران قلبی و تنفسی بیاید.
یک شرکت استارتاپ کانادایی با نام Awake labs از طریق ابزارهای پوشیدنی این امکان را به خانواده هایی که کودکان شان از بیماری اوتیسم رنج میبرند میدهد که از طریق ردیابی داده ای ارسالی، والدین قبل از وقوع حملات اضطرابی کودک از آن آگاه شوند.
اگر شما به مباحت یادگیری ماشین و علم داده علاقه مندید پیشنهاد میکنیم به صفحه دوره آموزش ماشین لرنینگ و آموزش علم داده سر بزنید و از سرفصل دورهها مطلع شوید.
علم داده در تشخیص بیماری
آکادمیهای ملی علوم مهندسی و پزشکی در آمریکا برآوردی در حدود 12میلیون تشخیص نادرست بیماری برای مردم آمریکا دارند که برخی اوقات میتواند عواقب خطرناکی را به همراه داشته باشد. به طوریکه در گزارشی میزان مرگ و میر ناشی از خطای تشخیصی را سالانه بین 40 تا 80 هزار مورد ثبت کرده است.
یکی از مؤثرترین کاربردهای علم داده در مراقبتهای بهداشتی و پزشکی، تصویربرداری پزشکی است. کامپیوترها قادر به تفسیر و شناسایی الگوهای موجود در دادههای عکسهای MRI ، اسکنهای اشعه X ، ماموگرافی و سایر تصاویر هستند و میتوانند تومورها، تنگی شریان، ناهنجاریهای موجود در اندامها و موارد دیگر را تشخیص دهند.
Iquity یک پلتفرم مراقبتهای بهداشتی و درمانی تحلیلی پیش بینی کننده در مقیاس بزرگ؛ مطالعه ای را با تحلیل چهارمیلیون شاخص داده از بیست میلیون ساکن نیویورک انجام داده است. آزمایش با ترکیبی از بیماران با تشخیص نادرست و بیماران با تشخیص درست از بیماری MS به این نتیجه دست یافتند که Iquity با دقت نود درصد پیش بینی ابتلا به این بیماری را 8 ماه قبل از شناسایی با ابزارهای مرسوم همچون تصویربرداری با رزونانس مغناطیسی و ضربه زدن به ستون فقرات میتواند انجام دهد. حتی جستجوهای آنلاین میتوانند به افزایش دقت تشخیص کمک کنند. محققان مایکروسافت دادههای 4/6 میلیون کاربر موتور جستجوی Bing را که به دنبال نتایج جستجوی پیشنهادی برای سرطان لوزالمعده بودند تجزیه و تحلیل کردند. محققان به این نتیجه رسیدند که با جستجوی کلمات کلیدی همچون لخته شدن خون و کاهش وزن میتوانند از موضوعات موتورهای جستجو برای پیش بینی تشخیص آینده ی سرطان لوزالمعده استفاده کنند.
علم داده در درمان بیماری
با داشتن اطلاعات بیشتر در مورد مشخصات فردی بیمار اکنون میتوان از نسخههای دقیقتر و مراقبتهای شخصیتر استفاده کرد. با نوآوری هایی همچون پروژه ی National Institute Of Health's 1000 Genome Project که یک مطالعه ی منبع باز از مناطقی از ژنوم مرتبط با بیماریهای شایع مانند بیماری عروق کرونر قلب و دیابت است، دانشمندان در حال یادگیری بیشتر در خصوص پیچیدگی ژنهای انسانی اند و در حال دستیابی به این نتیجه اند که اغلب مقدار یکسان در خصوص دارو و درمان نمیتواند همه ی افراد بیمار با بیماری یکسان را درمان کند. علم داده در حال ظهور پدیده ی ژن تراپی است که شامل بکارگیری مواد ژنتیکی در داخل سلولها به جای داروهای مرسوم جهت جبران ژنهای غیرطبیعی است.
دانشگاه Emory و مؤسسه ی سرطان درمانی Aflac در پروژه ی NextBio بر روی نوعی تومور مغزی کودکان، که به طور مرسوم با پرتودرمانی درمان میشود، در حال انجام مطالعه اند. بررسی دادههای ژنومیک و آزمایشات بالینی حاکی از یافتن بیومارکرهای خاص و شخصی سازی درمان است. تحقیقات مشابهی نیز در موسسه ی Mount Sinai بر روی سرطان مثانه صورت یافته است.
علم داده در کنترل مراقبتهای پس از درمان
پس از هر گونه عمل جراحی یا درمانی، خطر بروز برخی عوارض و هم چنین درد به صورت مکرر وجود دارد و کنترل این علائم پس از ترخیص بیمار از بیمارستان کار دشواری است. نظارت از راه دور در خانه به پزشکان کمک میکند تا ضمن آزادسازی منابع محدود و پرهزینه بیمارستان به صورت بلادرنگ و مستمر با بیماران در تماس باشند.
نرم افزار Intel Cloudera این امکان را برای کادر درمانی فراهم میآورد تا بتواند وضعیت بیمار و تغییرات احتمالی وی در سی روز آینده را بر اساس پرونده ی پزشکی الکترونیکی ثبت شده بیمار و همچنین شرایط اقتصادی و اجتماعی محل بیمارستان، پیش بینی نمایند. پلتفرم SeamlessMD که برای مراقبتهای پس از عمل جراحی در بیمارستان Saint peter در شهر نیوجرسی طراحی شده است، این امکان را برای تیم مراقبت بیمار فراهم میکند تا از طریق بررسی داده هایی که بیمار روزانه در آن وارد میکند، وضعیت بیمار را بررسی کرده و هشدارهای هوشمند را در خصوص مشکلات احتمالی دریافت کنند. این عمل میتواند سبب کاهش میانگین یک روزه ی بستری بودن بیمار و همچنین صرفه جویی به میزان 1500 دلار در هزینههای وی شود.
علم داده در عملیات بیمارستانی
مسئله ی هزینه و محدودیت منابع در بیمارستانها موضوع حساسی است و نیاز به برنامههای پیچیده دارد. تعداد پرسنل در ساعات مشخص از شبانه روز برای به حداکثر رساندن کارایی، اطمینان از تعداد تخت کافی برای بیماران، برنامه ی اتاق عمل و عملکرد با کارایی بالا در آنجا نیاز به طرح ریزی همه جانبه دارد. تجزیه و تحلیل پیشگویانه میتواند برنامه ریزی را بهبود بخشیده و به طور مثال در تصمیم گیری برای اولویت دهی در ترخیص بیماران جهت آزادسازی منابع بیمارستان کمک نماید.
نرم افزارهای تجزیه تحلیل در قسمت اورژانس در اطمینان دهی به طی پروسه مرتبط با هر بیمار به طور منظم، کاربرد دارد. مرکز درمانی دانشگاه Emory با استفاده از علم داده برای پیش بینی انواع مختلف تستهای آزمایشگاهی توانست زمان انتظار را تا 75% کاهش دهد. علاوه بر این، هوش تجاری می تواند وضعیت صورتحساب ها را ساماندهی کند، بیمارانی را که مشکل دیرکرد پرداخت دارند شناسایی کند و با بخشهای مالی و بیمه همکاری کند.
آینده ی علم داده در پزشکی و مراقبتهای بهداشتی چیست؟
اکنون زمان مناسبی برای علوم پزشکی و صنعت مراقبتهای بهداشتی مبتنی بر علم داده و افراد فعال در این حوزه همچون شرکتهای زیست فناوری و داروسازی، تأمین کنندگان، بیمارستان ها، مراکز تحقیقاتی دانشگاهی و استارتاپهای تحت حمایت سرمایه گذار، است که در این تحول شرکت نمایند. علم داده میتواند با پیش بینی احتمال وقوع بیماری، ارائه ی مشاورههای پزشکی مبتنی بر هوش مصنوعی در مناطق روستایی و دوردست، سفارشی سازی روشهای درمانی برای بیماران با ویژگیهای خاص خود بیمار و یافتن درمان برای سرطان، ایدز، ابولا و موارد دیگر، زندگیهای زیادی را از مرگ نجات دهد.
همچون سایر صنایع، نگرانی هایی در خصوص بکارگیری علم داده در مراقبتهای سلامت وجود دارد. از لحاظ منطقی، داده اغلب بصورت نامتمرکز در شهرها، بیمارستانها و واحدهای اداری متفاوت قرار دارند و ادغام آن در یک سیستم منسجم چالش برانگیز است. بسیاری از بیماران در مورد حفاظت و محرمانگی اطلاعات پزشکی مربوط به خود نگران هستند، به ویژه که شرکت هایی همچون گوگل به علت به کارگیری اطلاعات حساس مربوط به سلامت به منظور اهداف تبلیغاتی، با طرح دعوی روبرو هستند. اگرچه علم داده میتواند کمبود پزشک در بسیاری از کشورها را برطرف کند، عده ای نگران مساله ی برون سپاری رابطه ی مهم پزشک و بیمار به الگوریتمهای کامپیوتری و ماشینها هستند.
نتیجه گیری
علم داده روز به روز در حال گسترش است و با توانایی خود در تحلیل دادهها در مقیاس بزرگ میتواند تحول بزرگی در عرصه ی پزشکی و مراقبتهای بهداشتی و درمانی، در زمینههای گوناگون پدید آورد. در عصر کنونی و در آینده، دنیای علوم پزشکی به متخصصان زیادی در حوزه ی تحلیل دادهها و هوش مصنوعی نیازمند خواهد بود. سعی ما در آکادمی سون لرن بر این خواهد بود تا شما با جنبههای بیشتری از این کاربرد آشنا شوید و بتوانید درک درستی از مفاهیم مورد نیاز و همچنین توانمندی فنی در این زمینه را داشته باشید.
باتشکر از مقاله مفیدتون فقط یه سوال!
اگه لطف کنید درمورد بازار کار هم صحبت بفرمایید ممنون میشم
بنده علاقه زیادی تو این زمینه دارم و تنها نگرانیم اینه که در آینده جایگاه اصلیش رو پیدا نکنه
ممنون میشم اگه جواب بدین
شروع رایگان یادگیری برنامه نویسی
کلیک کنید 👇
دوره الفبای برنامه نویسی با هدف انتخاب زبان برنامه نویسی مناسب برای شما و پاسخگویی به سوالات متداول در شروع یادگیری موقتا رایگان شد: