صنعت بهداشت و درمان به سرعت درگیر تغییرات فناوری است. یک تغییر تدریجی از الگوی خدمات بهداشتی مبتنی بر خدمات که در درجه اول بر روی درمان بیماریها متمرکز شده اند ، به یک رویکرد نتیجه گرایانه که نه تنها شامل بررسی روش های مختلف درمانی است بلکه در واقع با هدف درک عوامل ایجاد کننده بیماری های مختلف و از بین بردن آنها نیز میباشد .افزایش قابل توجهی در داده های بهداشتی ، چه ساختاری و چه غیر ساختاری تولید نشده وجود دارد. سطح پیچیدگی بالای این داده ها مستلزم آن است که توسط تجزیه و تحلیل داده های بزرگ پردازش شده ،استنتاج های مربوط به آن بررسی شود و قابل اجرا ارائه شود. Telemedicine همچنین در حال بهره برداری از قدرت داده های بزرگ برای بهبود امکانات مراقبت های بهداشتی موجود است.
امروزه مزایا و کاربردها و امکاناتی که بیگ دیتا در اختیار ما می‌گذارد بر کسی پوشیده نیست. اما یکی از حیاتی‌ترین و تاثیرگذارترین کاربرد بیگ دیتا در پزشکی از راه دور و تشخیص و درمان انواع بیماریها است.
برای همه ما پیش آمده است که به دکتر مراجعه کرده‌ایم. در اولین مرحله شما به عنوان بیمار شرح حال خودتان را بیان کنید و مدارکی که در مورد سلامت و بیماری خود مثل برگه آزمایش و … را به همراه دارید به پزشک ارائه می‌کنید. در علم پزشکی به آن Evidence Based Medicine می‌گویند. EBM به این معنی است که مسیر درمان و معالجه‌ای در پیش گرفته میشود که در گذشته به وسیله تحقیقات و تجربیات بالینی ثابت شده است.
ساده‌ترین مثال آن زمانی است که شما برای درمان سرماخوردگی به پزشک مراجعه کرده‌اید. دکتر شما بعد از اینکه معاینه اولیه را انجام میدهد و با توجه به صحبت‌های شما از سرماخوردگی مطمئن میشود داروهایی مثل انواع آنتی‌بیوتیک‌ها، مسکن‌ها، ویتامین‌ها و … را برای شما تجویز میکند. این تجویز دارو و درمان بر اساس تحقیقات گذشته‌ای است که روی این بیماری و علائم انجام شده‌است.
در شرایط فعلی مطالعات و تحقیقات پزشکی بر این موضوع تاکید و تمرکز دارد که کدام روشهای درمانی و معالجه برای کدام نوع از بیماریها نتیجه بهتری را به همراه دارد. روش انجام این فرآیند به این صورت است که با انجام آزمایشی بر روی تعدادی از بیماران، نتایج و علائمی ایجاد میشود.
به این صورت که یک آزمایش بر روی گروهی از بیماران انجام میشود و علائم و نتایجی حاصل میشود. اگر این نتایج رضایت‌بخش باشد حالا برای گروه بزرگتری از بیماران تجویز میشود. در حالی که پزشکان تلاش می‌کنند این آزمایشات و تحقیقات را با دقت بالا انجام دهند اما همواره خطاهای انسانی جزء جدانشدنی حوزه تشخیص و درمان پزشکی است.
این موضوع به این معنا است که همیشه ویژگی عمومی‌سازی و تعمیم دادن نتایج خوب و مثبتی را به دنبال ندارد.
امروزه برای حل این مشکل از تکنیک‌های بیگ دیتا یعنی کاوش داده‌های مبتنی بر تمرین Practice Based Clinical Data کمک می‌گیرند. مثلا با استفاده از داروها و معالجاتی که روی هر شخص انجام میشود و همچنین ویژگی‌ها و مشخصات فردی بیمار می‌توان اطلاعات و آنالیز بهتری انجام داد.
با توجه به مطالعات و تحقیقاتی که در روشهای درمانی انجام میشود می‌توان گفت که در حدود ۸۰ درصد اطلاعات و داده‌های موجود در حوزه پزشکی و درمانی غیرساختاریافته هستند. به همین دلیل متصدیات حوزه بیگ دیتا باید داده‌های غیرساختاریافته را جمع‌آوری، تحلیل و پردازش کنند. منظور از داده‌های غیرساختاریافته در این حوزه یعنی نسخه‌ها و دست‌نوشته‌های پزشک‌ها، داروهای تجویز و مصرف شده، عکس‌های رادیولوژی، نتایج آزمایشات پاتولوژی و … همگی داده‌هایی از جنس‌های مختلف هستند که باید یکپارچه‌سازی و تحلیل شوند.
در ادامه 5 روشی که Big Data در پیشرفت Telemedicine کمک می کند آورده شده است:
1. پیگیری سلامت بیمار و تجزیه و تحلیل پیش بینی شده
بزرگترین فایده کاربرد داده های بزرگ در Telemedicine شناسایی مشکلات بالقوه بهداشتی قبل از تبدیل آنها به شرایط تشدید کننده است. با ظهور اینترنت اشیاء پزشکی (IoMT) در قالب ردیاب های تناسب اندام پوشیدنی و سایر مانیتورهای بهداشتی پوشیدنی میباشد که داده های بیمار را بصورت واقعی اندازه گیری میکند و خوشبختانه این امر به واقعیت تبدیل شده است.
استفاده از تکنیک های تجزیه و تحلیل داده های بزرگ در این داده ها ، اطمینان حاصل می کند که حتی ویتامین ها و تمام اطلاعات سلامت بیماران دائماً مورد بررسی قرار می گیرد. Telemedicine تعامل منظم با متخصصان مراقبت های بهداشتی را بدون نیاز به مراجعه به مطب پزشک، تسهیل می کند. همچنین این اطمینان را می دهد که پزشکان به طور مداوم در مورد وضعیت سلامتی بیمار به روز شده که منجر به تشخیص زودهنگام هرگونه ناهنجاری می شوند همین طور داده های پزشکی جمع آوری شده برای تجزیه و تحلیل و پیش بینی نتایج احتمالی آینده استفاده می شود. بدست آمدن اعداد ریسک بر اساس داده های منابع مختلف برای شناسایی افراد در معرض خطر بالای ابتلا به بیماری های مزمن در مراحل اولیه پیشرفت بیماری بسیار مهم است.
2. نظارت از راه دور بر بیمار و پیشگیری از افزایش بیماری
مانیتورینگ بعد از ترخیص بیماران و تنظیم بندی قرار ملاقات بعدی با پزشکان از طریق پزشکی از راه دور ،سبب کاهش خطرات احتمالی و یا افزایش بیماری بیماران میشود زیرا 24 ساعت از شبانه روز، بیمار تحت نظر است. این همچنین در مورد بیماران سالخورده و ناتوان نیز تأثیرگذار است که نمی توانند برای معاینات منظم و مکرر به بیمارستان بروند. آمارهای حیاتی بیمار مانند فشار خون و ضربان قلب با استفاده از دستگاههای بهداشتی که دارای حسگرهای پیشرفته متصل به آنها هستند ، جمع آوری می شود.
داده های جمع آوری شده با استفاده از تکنیک های آنالیتیکس برای محاسبه دوز موثر دارو برای تجویز پردازش می شوند و به پزشک کمک می کند تا بهترین تصمیم رابرای دوره درمان و داروی تجویزی بگیرد.
پزشکان متخصص می توانند از چندین برنامه درمانی مبتنی بر مراقبت های بهداشتی استفاده کنند تا از راه دور وضعیت بیمار را کنترل کنند و به دنبال علائم پیشرفت بیماری باشند. این امر در به دور نگه داشتن بیماران از بیمارستان ها ، اطمینان حاصل می کند که تلاش مراکز ارائه دهنده خدمات درمانی بر مراقبت از بیماران در شرایط بحرانی متمرکز شده و همچنین با جلوگیری از بستری غیر ضروری در بیمارستان ، هزینه مراقبت های بهداشتی را نسبتاً کم نگه می دارد.
3. تشخیص دقیق و پزشکی دقیق
از نظر تاریخی ، فرایند تشخیص تنها برای بیمارانی است که علائم خود را به پزشک گفته و پزشک علائم بالینی بیماری را مشاهده کرده و دستورالعمل قطعی را ارائه میدهد همین طور آزمایشات انجام شده بیشتر به تشخیص پزشک کمک کرده و یک برنامه درمانی صحیح تجویز میشود. اکنون پزشکان می توانند به جای علائم ذهنی که توسط بیمار گزارش شده است ، بر تشخیص داده های بیمار که به طور مرتب توسط دستگاه های پوشیدنی جمع آوری می شود ، پایه گذاری کنند. علاوه بر این ، مزایای پزشکی از راه دور این است که پزشک و بیمار حتی لازم نیست در همان مکان جغرافیایی باشند تا تشخیص انجام شود!
استفاده از داده های بزرگ در پزشکی از راه دور نه تنها منجر به تشخیص دقیق تر می شود ، بلکه جهش بزرگی از پزشکی عمومی به حوزه پزشکی دقیق است که به طور خاص برای هر فرد طراحی شده است. داده های جمع آوری شده از دستگاه های پوشیدنی بیماران ، برنامه های مبتنی بر مراقبت های بهداشتی ، سوابق الکترونیکی بهداشتی بیماران و داده های ژنومیک می توانند برای تهیه دارویی که به صورت جداگانه به بیماران منتقل می شود ، مورد استفاده قرار گیرند.
داروهای دقیق تغییر در سبک زندگی ، آرایش ژنتیکی و شرایط محیطی برای هر فرد را در نظر می گیرد. داده های بزرگ امکان محاسبه داده های مربوطه را از منابع مختلف فراهم می کند و به متخصصان بهداشت و درمان کمک می کند تا یک برنامه درمانی خاص برای هر فرد داشته باشند.
4- Cloud Computing و Specialist Outreach
حجم بالای داده های بهداشتی تولید شده باعث شده است تا بیماران EHR و EMR در ابر ذخیره شوند. فایده پزشکی از راه دور این است که به داده های بیمار می توان از راه دور دسترسی پیدا کرد و بدون در نظر گرفتن موقعیت جغرافیایی بیمار و ارائه دهنده خدمات درمانی ، می توان بیمار رادرمان کرد. در این صورت مراجعه به متخصص که ممکن است در مکانی متفاوت از بیمار باشد، امکان پذیر است و از مزیت های زیادی برخوردار است.
دسترسی ایمن به ابر، اطمینان حاصل می کند که مکان جسمی، دیگر متغیر محسوب نمیشود و بیمار می تواند از بهترین روش درمانی ممکن استفاده کند. همچنین برای ارائه دهندگان مراقبت های بهداشتی مفید است زیرا برنامه ریزی بهتر، زمان پزشک را افزایش می دهد تا اثربخشی مراقبت افزایش یابد. ذخیره سازی ابر پیشرو در ظهور داده های بزرگ است و به عنوان تسهیل کننده آن، عمل می کند.
5. پیش بینی روند عفونت و مداخلات به موقع
استفاده از الگوریتم های یادگیری عمیق در داده های مربوط به مراقبت های بهداشتی می تواند ابزاری برای پیش بینی بیماری های عفونی و مطالعه الگوها و روند شیوع عفونت باشد. اهمیت مطالعات نظارت بر بیماری های عفونی مبتنی بر داده ها توسط تعدادی از محققان در سراسر جهان شناخته شده است. این مطالعات برای تکمیل سیستم های موجود و طراحی مدل های جدید پیشرفت بیماری مهم است.
داده های بزرگ در قالب نمایش داده های جستجوی اینترنت نیز برای درک روند بیماری ، پیش بینی شیوع بیماری های عفونی استفاده می شوند. تعامل پزشک با جمعیت آسیب دیده و اعزام روشهای درمانی به بیماران آلوده با استفاده از ابزاری مانند تلگرام کنفرانس منجر به مداخله به موقع و جلوگیری از شیوع بیشتر عفونت می شود.
درنتیجه ...
تجزیه و تحلیل داده های بزرگ به پزشکان امکان دسترسی به حجم گسترده ای از اطلاعات را می دهد که باعث افزایش صحت تشخیص و در نتیجه کارآیی در ارائه خدمات درمانی می شود. تلفیق توان Telehealth با Big data پتانسیل تغییر در سیستم تحویل مراقبت های بهداشتی را دارد و برای بیماران و همچنین ارائه دهندگان مراقبت های بهداشتی سود بزرگی به همراه دارد.
امنیت داده ها و نگرانی های مربوط به حریم خصوصی از بزرگترین تهدید برای این پیشرفت ها است. اجرای اقدامات امنیتی مناسب باید تضمین شده باشد تا مخزن وسیع داده های مراقبت های بهداشتی از پتانسیل کامل بهره مند باشد.
منبع: healthcareittoday
همچنین بخوانید: