انقلاب کلان‌داده‌ها در صنعت پزشکی

حسین قریب حسین سبزیان|داده‌های کلان و فناوری‌های تحلیلی شاید بیش از هر صنعت دیگری، صنعت سلامت را دستخوش تغییر ساخته‌اند.   مواردی چون کاهش هزینه‌های بالاسری، اینترنت اشیای سلامت، تشخیص و درمان بیماری، پیش‌بینی اپیدمی‌ها، بهره‌وری بیمارستان و به‌طورکلی ارتقای کیفیت زندگی انسان از جمله دستاوردهای این حوزه است، لذا می‌توان گفت که پلت‌فرم‌های داده‌های بزرگ اثری انقلابی روی حوزه سلامت خواهند داشت.
رشد 48 درصدی «بیگ‌دیتا» در بخش سلامت
بنابر‌گزارشی که از سوی Dell EMC منتشر شد، در بخش سلامت، داده‌های بزرگ هرسال با نرخ ۴۸ درصدی رشد می‌کنند. این نرخ به این معناست که تا سال ۲۰۲۰ در حدود ۲۳۱۴ اگزابایت داده در بخش سلامت تولید خواهد شد.   با توجه به حجم چشمگیری از داده که در بخش سلامت تولید می‌شود، لازم است تا فناوری‌هایی که امکان استفاده موثرتر از این کلان‌داده را فراهم می‌سازند، شناسایی و مورد استفاده قرار گیرند. پنج کاربرد عمده داده‌های بزرگ در بخش سلامت به شرح زیر هستند:
پلت‌فرم Hadoop
از آنجا که بالغ بر ۸۰ درصد از اطلاعات بخش سلامت به‌صورت محتوای ساختار نیافته است، به‌عنوان نمونه متن گزارش‌های پزشکی، اطلاعات شبکه‌های اجتماعی، متن، عکس، موقعیت جغرافیایی و کلیه داده‌های به اشتراک‌گذاری شده، لذا به‌کارگیری پلت‌فرم‌های کلان داده‌ای که بتوانند این داده‌های ساختار نیافته را تحلیل کنند بسیار اهمیت دارد.   بسیاری از شبکه‌های بیمارستانی بزرگ از پلت‌فرم Hadoop برای آموزش کارکنان و دست‌اندرکارانشان استفاده می‌کنند تا کار خود را به نحوی کارآمدتر انجام دهند. تعداد زیادی از این بیمارستان‌ها از تجهیزاتی مانند سنسور در اطراف تخت بیماران استفاده می‌کنند تا دائما فعالیت‌ها و رفتارهای بیماران نظیر فشار خون و کلسترول را دریافت و ذخیره‌سازی کنند. با توجه به اینکه حجم زیادی از داده‌ها ساختارنیافته تولید می‌شوند، روشن است که فناوری چون سامانه‌های مدیریت پایگاه داده رابطه‌ای (Relational Database Management System) برای این کار مناسب نیستند و ضروری است تا از پلت‌فرم Hadoop استفاده کنند.
هشدار بهنگام
در بیمارستان‌ها سیستم پشتیبان تصمیم بالینی (Clinical Decision Support) داده‌ای پزشکی را تحلیل می‌کند و به‌دست‌اندرکاران اطلاعات مناسبی درخصوص تجویز می‌‌دهد. معمولا پزشکان به دلیل هزینه‌های بالای زندگی مایلند بیماران در بیمارستان بستری نشوند، مگر در شرایط کاملا اورژانسی. تجهیزات پوشیدنی وجود دارد که در صورتی که بیماران از آنها استفاده کنند می‌توانند اطلاعات بیمار را به فضای ابری منتقل کنند.   در این‌صورت پزشکان به این داده دسترسی به‌موقع می‌یابند و می‌توانند تجویزات خود را بر این پایه انجام دهند. این دسترسی به نحو چشم‌گیری به هشدار بهنگام کمک کرده است، به‌عنوان نمونه وقتی فشارخون بیمار به یکباره بالا می‌رود، پزشکان می‌توانند بدون فوت‌وقت در این‌خصوص اقدام کنند.
کشف و جلوگیری از کلاهبرداری
پدیده‌ دعاوی جعلی(fake claim) چیز جدیدی در زمینه‌ بیمه‌ سلامت نیست. روند رو به رشد این پدیده تاثیر بسیارناخوشایندی بر بیمه‌گران داشته است. اگر بتوان تعداد دعاوی جعلی را که در بخش سلامت مطرح می‌شود شمارش کرد به میلیاردها مورد می‌رسند. نتایج یک پیمایش نشان داد که بالغ بر ۴۰ درصد مردم قبول دارند که هزینه‌ بالای بیمه سلامت بیشتر به خاطر تعداد دعاوی جعلی است که در این زمینه مطرح می‌شود.   پلت‌فرم‌های تحلیلی داده‌های بزرگ مانند Hadoop به سازمان‌های بیمه و به‌طور کلی تمامی دست‌اندرکاران حوزه سلامت این امکان را می‌دهد تا صحت و سقم ادعاهای متقاضیان امور بیمه‌ای را به سرعت تحلیل و مورد نتیجه‌گیری قرار دهند.
کاهش پذیرش مجدد
پذیرش مجدد (Readmission) به مساله بزرگی برای بیمارستان‌ها تبدیل شده است به‌خصوص آنهایی که هنوز ۳۰ روز از ترخیصشان نگذشته و باز برمی‌گردند. به‌هرحال، بیمارستان‌ها تمایل دارند چنین مواردی رخ ندهد. دست‌اندرکاران یکی از بیمارستان‌های تگزاس با به‌کارگیری از پلت‌فرم HADOOP در مدیریت ثبت الکترونیکی پزشکی(Electronic Medical Report) بیماران متوجه این واقعیت شدند که بیمارانی که در خلال ۳۰ روز مجددا برمی‌گردند، بیشتر به‌خاطر این است که خارج از بیمارستان مراقبت زیادی از آنها صورت نمی‌پذیرد و اگر مراقبت زیادی دریافت کنند به احتمال زیاد دیگر نیازی به بستری شدن مجدد نخواهند داشت.   با استفاده از این تحلیل، آنها توانستند پذیرش مجدد را از ۲۶ عدد به ۲۱ عدد در روز کاهش دهند. این نشان می‌دهد که با به‌کارگیری HADOOP در EMR می‌توان پذیرش مجدد را تا ۵ درصد کاهش داد.
ثبت الکترونیکی سلامت
ثبت الکترونیکی سلامت (Electronic Health Record) یکی از محرک‌های مهم کلان‌داده در بخش سلامت است. در آمریکا هر بیمار از سوابق دیجیتال مخصوص به خود برخوردار است که اطلاعاتی چون جزئیات مکانی، سوابق سلامتی و پزشکی است که تمام بیمارستان‌های خصوص و دولتی به آن دسترسی دارند.   هر سابقه حائز یک فایل قابل اصلاح است، به این معناکه پزشکان می‌توانند بدون آنکه نیازی به کاغذبازی و تکرار داده‌ها داشته باشند، در گذر زمان آن را تعدیل کنند.

نوشته شده در دسته‌بندی نشده توسط . افزودن پیوند یکتا به علاقمندی‌ها.

دیدگاهتان را بنویسید

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