کابردهای بیگ دیتاها: دنیای پزشکی در عصر دیجیتال

فائزه جمشیدی

در دو شماره قبلی به معرفی کلان داده ها پرداخته و از کاربرد روزافزون آن در زمینه های مختلف سخن گفتیم. اکنون و در ادامه مطالب گذشته، در این شماره به کاربرد این مبحث در حوزه پزشکی و سلامت پرداخته و مختصری از توانایی آن در بهبود روند درمان و افزایش سطح سلامت جامعه را بیان می کنیم.

در هنگام مراجعه به پزشک، عملیات درمان براساس شواهد و مدارک می باشد، به این معنی که تجویز دارو یا تعیین روندی برای درمان، براساس تحقیقات ثابت شده ی بالینی است. در واقع تجویز یک درمان به این دلیل است که محققان پیش از این اثبات کرده اند که برای علایم فعلی، چه دارویی به فرد بیمار کمک خواهد کرد و این اثبات نتیجه ی تحقیق روی گروهی از افراد با علایم مشابه می باشد . در عین حال و به هنگام عمومی سازی یک روش درمانی ممکن است برخلاف انتظار، نتیجه مطلوب حاصل نشود که این یکی از دلایل کندی عملیات آزمایش و ریسک بالای آن می شود. در اینجاست که تکنیک های کلان داده ای مطرح می شود.

اگر چه معمولا اطلاعات پزشکی افراد ثبت می شود اما مشکل اینجاست که نزدیک به ۸۰ درصد داده های موجود در حوزه پزشکی به صورت غیرساختار یافته می باشد. پس ضروری است که این داده ها پردازش شوند.

به طور کلى تجزیه و تحلیل مسائل بهداشتی می تواند منجر به کاهش هزینه های درمان، پیش بینى برخى بیماری ها، جلوگیری از بیماری ها و بهبود کیفیت زندگی شود.

به عنوان نمونه، با توجه به قدرت بالای محاسبه و پالایش کلان داده ها، می توان رشته های دی ان ای انسانی را تجزیه و تحلیل کرده و راه های درمانی جدید و یا حتی پیشگیرانه برای برخی بیماری ها دست یابیم.

از دیگر کاربردهای بیگ دیتا در پزشکی می توان به نرم افزار EHRs اشاره کردیم که در اطلاعات مربوط به تاریخچه، آزمایشات و… هر بیمار ثبت شده و به صورت ایمن در اختیار بخش خصوصى و عمومى ارائه دهنده خدمات بهداشتى قرار مى گیرد و بدین صورت پزشکان در طول زمان تغییرات را بدون نگرانى از تکرار ثبت مى کنند. همین طور هشدارها و یادآورى های لازم جهت انجام معاینات دوره ای، آزمایشات و عمل به دستورات پزشک از دیگر امکانات این نرم افزار است که امروزه بصورت گسترده در بیمارستان هاى آمریکا مورد استفاده قرار می گیرد.

همچنین یک شرکت تحقیقاتی آمریکایی با جمع آورى EHR بیش از ۳۰ میلیون بیمار، یک پایگاه داده برای ابزارهای تجزیه و تحلیل پیش‌بینی‌کننده فراهم کرده تا به پزشکان کمک کند تصمیمات هوشمندانه‌ای را در عرض چند ثانیه اتخاذ کرده و درمان را بهبود بخشند.

در حالى که آمار مرگ و میر براثر سومصرف مواد مخدر در آمریکا، بر میزان مرگ و میر بر اثر تصادفات پیشی گرفته است، دانشمندان توانسته‌اند ۷۴۲ عامل خطر را شناسایی کنند که با درجه بالایی از دقت توانایی پیش‌بینی این مسئله را دارد که آیا فرد در معرض استفاده‌ی بیش از حد مواد مخدر است یا خیر.

از دیگر موارد می توان به بررسی نمونه های تومور بیماران مبتلا به سرطان موجود در بانک های زیستی برای پیدا کردن درمان موفق بیماری در دنیای واقعی، تحقیقات دانشگاه فلوریدا و استفاده از نقشه های گوگل و داده های بهداشت عمومی رایگان در زمینه رشد جمعیت و بیماری های مزمن، استفاده پزشکان از Telemedicine براى ارائه برنامه هاى شخصى درمانى و ممانعت از تحمیل هزینه هاى حضور در بیمارستان به بیماران ، اشاره کرد.

اگرچه در اینجا تنها به چند مورد محدود اشاره شد، اما این گوناگونی و تنوع کاربرد کلان داده ها در حوزه پزشکی و بهداشت، نشان دهنده توانایی های بالقوه و بالفعل این فناوری است.

 

👈در مطلب فوق از اطلاعات سایت زیر استفاده شده است:

۱۲ Examples of Big Data Analytics In Healthcare That Can Save People

 

به اشتراک بگذارید:


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.