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 كلى تجزيه و تحليل مسائل بهداشتي مي تواند منجر به كاهش هزينه هاي درمان، پیش بينى برخى بيماري ها، جلوگیري از بيماري ها و بهبود كيفيت زندگي 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 كردیم كه در اطلاعات مربوط به تاريخچه، آزمايشات و… هر بيمار ثبت شده و به صورت ايمن در اختيار بخش خصوصى و عمومى ارائه دهنده خدمات بهداشتى قرار مى گيرد و بدين صورت پزشكان در طول زمان تغييرات را بدون نگرانى از تكرار ثبت مى كنند. همين طور هشدارها و يادآورى هاي لازم جهت انجام معاينات دوره اي، آزمايشات و عمل به دستورات پزشك از ديگر امكانات اين نرم افزار است كه امروزه بصورت گسترده در بيمارستان هاى آمريكا مورد استفاده قرار مي گيرد.

همچنين یک شرکت تحقیقاتی آمریکایی با جمع آورى EHR بیش از 30 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 كرده و درمان را بهبود بخشند.

در حالى كه آمار مرگ و مير براثر سومصرف مواد مخدر در آمريكا، بر ميزان مرگ و مير بر اثر تصادفات پيشي گرفته است، دانشمندان توانسته‌اند 742 عامل خطر را شناسایی کنند كه با درجه بالایی از دقت توانايي پیش‌بینی اين مسئله را دارد كه 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 تحميل هزينه هاى حضور در بيمارستان به بيماران ، اشاره كرد.

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:

24 Examples Of Big Data Analytics In Healthcare That Can Save People