مقدمه
مدت هاست که در کاربردهای نظامی، صنعتی و دولتی، تجزیه و تحلیل پیش بینی کننده و مدل های تصمیم گیری سنگ بنای پیشرفت هستند. در تکنولوژی سیستم های سلامت مدرن و تجزیه تحلیل داده های بزرگ، مدلسازی سیستم داده چند منبعی نقش مهمی ایفا می کند. در مدل های ریاضی این حوزه مسائل مختلفی ایجاد می شود که می توانند با استفاده از تکنیک های محاسباتی (computational techniques)، بهینه سازی پیشرفته (sophisticated optimization) و تحلیل تصمیم (decision analysis) مورد تجزیه و تحلیل قرار گیرند. در این مقاله به استفاده از علم داده در سیستم سلامت و مسائل ریاضی در علم داده پزداخته شده است.
هر روزه در صنعت سلامت مقدار زیادی داده تولید می شود. برای تولید این حجم زیاد از داده صورتحساب ها، سیستم های بالینی، قسمت‌های مختلفی از تحقیقات و سوابق پزشکی الکترونیکی مورد استفاده قرار می‌گیرند. با استفاده از سوابق قبلی بیمار و بینش تجربی می توان مراقبت بهتر از بیماران را تضمین نمود که برای ازارائه دهندگان سرویس های سلامت فرصت با ارزشی را به ارمغان اورده است. این مهم با بکارگیری علم داده امکان پذیر است.
در سراسر جهان دانشمندان علم داده به تدریج صنعت بهداشت و مراقبت‌های پزشکی را با کمک تجزیه و تحلیل پیشرفته و یادگیری ماشین متحول می کنند. با بکارگیری تجربه عملیاتی و بهبود مراقبت های بهداشتی دانشمندان قادرند جنبه های مختلفی از عملکرد مراقبت های بهداشتی را بهینه کنند.
1. تشخیص
اینکه کدام نوع از معالجه برای بیمار ارائه شود با تشخیص مشخص می شود، بنابراین به عنوان بخشی مهم در چرخه مراقبت از بیمار در نظر گرفته می شود.
2. بهینه سازی پرسنل
مراقبت از بیمار در هر مقطع زمانی خاص از نظر برخورداری از کادر پزشکی کافی، نیاز به مراقبت های بهداشتی را در هر زمان افزایش داده و چالش برانگیز می کند. در یک برنامه غیر انعطاف پذیر در جریان بیمار هرگونه تغییر، بر واحدهای شاغل در بخش ها مانند اورژانس و ICU تاثیرگذارند. از طرف دیگر در صورت وجود پرسنل بیش از حد مورد نیاز هزینه نیروی کار افزایش می یابد.
3. سلامت عمومی
برای ارتقای سلامت عمومی، بسیاری از انجمن‌های بهداشت و درمان به تازگی شروع به استفاده از اطلاعات عظیم با هدفی مشخص کرده اند. امروزه منابع مختلفی مانند رسانه‌های اجتماعی، وب سایت ها، نقشه‌های Google، ابزارهای پوشیدنی (wearable devices) وجود دارند که قادرند حجم زیادی از داده های مربوط به مراقبت‌های بهداشتی در اختیار ما قرار دهند. با تهیه نقشه‌های گرما مربوط به پارامترهایی از قبیل تاثیر افراد در زمین شناسی ، جمعیت ، بیماری های بهداشتی و غیره دانشمندان علم داده می توانند آن را تجزیه و تحلیل کنند.
4. کشف دارو
توسعه داروها قطعا دارای روشی قطعی نیست و تحقیقات، آزمایش، زمان و هزینه زیادی نیاز است تا یک دارو برای فروش در دسترس عموم قرار گیرد. علم داده می تواند از تمهیدات مختلفی از اطلاعات زیست پزشکی سازمان یافته و ساختار نیافته از تست های گوناگون، نتایج درمان، تحقیقات متنی، شبکه های آنلاین و مانند آن بصورت متقابل استفاده کند. سپس می تواند از محاسبات عددی پیشرفته جهت رسیدن به اینکه چگونه دارو با پروتئین های بدن همکاری می کند و همچنین پیش بینی سرعت دستیابی موفق به دارو استفاده کند.
5. کاهش هزینه‌های درمانی
با استفاده از داده های موجود در سیستم های سلامت می توان الگویی برای برطرف کردن نیاز منابع مورد استفاده و اتاق برای برطرف کردن نیاز بیماران و درعین حال کاهش هزینه های درمان بطور همزمان فراهم کرد. از این طریق شکاف های عملیاتی و مناطق بالقوه زیان های درامدی شناسایی می شود. با ابزارهای BI business intelligence) و تجزیه و تحلیل BI ، این موضوعات می تواند مورد بررسی قرار گیرد.
6. ابزارهای پوشیدنی
پوشیدنی‌ها به سرعت در حال همه گیر شدن هستند. این ابزار افراد را قادر می سازند که وضعیت خود را مدیریت کنند. آنها علائم مهمی از وضعیت بدن شامل فشار خون، نبض، زمان استراحت، ضربان و ... را ذخیره می کنند.
ادامه دارد ...
