https://virgool.io/MedLeanMag/feed مدلین رویدادی برای معرفی فرصت‌های جدید کسب‌وکار در حوزه سلامت دیجیتال است. مدلین، اجزای اکوسیستم کسب‌وکاری سلامت را به هم نزدیک می‌کند و سعی می‌کند با افزایش دانش آنان در حوزه سلامت، فرصت‌های جدید را به واقعیت تبدیل کند. fa 2026-06-17 06:03:06 https://files.virgool.io/upload/publication/t2zndlnrmwkn/rjftp9.png https://virgool.io/MedLeanMag https://virgool.io/MedLeanMag/health-startups-survival-guide-zfmf1mnb2hxr وقتی در مورد استارتاپ‌ها صحبت می‌شود بعید است از اکوسیستم آن حرفی به میان نیاید. اصطلاح اکوسیستم نوآوری بیشتر از طرف دولتی‌ها بکار گرفته می‌شود و اکوسیستم استارتاپی را خصوصی‌ها بکار می‌برند که به نظر من هر دو یکی است. تعاریف و برداشت‌های مختلفی هم در مورد اکوسیستم می‌شود ولی آنچه شکی در آن نیست این است که اکوسیستم، به استارتاپ‌ها کمک می‌کند که بتوانند بهتر، سریع‌تر و مؤثرتر رشد و توسعه پیدا کنند.راهنمای نجات استارتاپ های سلامت در اکوسیستم نوآوریاکوسیستم نوآوری یا استارتاپی هم مانند بسیاری از ساختارهای وارداتی که با زیرساخت‌های فرهنگی، اجتماعی، علمی و اقتصادی ما هماهنگ نیستند در قالبی کادوپیچ شده پیاده شده است و به نظر می‌رسد بیشتر از آنکه منافع بلندمدت جمعی بزرگ را تأمین کند برای دستیابی گروهی کوچک به منافع کوتاه‌مدت کاربرد دارد. کم‌کم زمان آن رسیده که صادقانه و موشکافانه به تحلیل موانع و مشکلات واقعی این اکوسیستم پرداخته شود تا به خصوص بنیان‌گذاران و کارآفرینانی که وارد عرصه استارتاپی می‌شوند زمان با ارزش خود را در فضایی ناکارآمد هدر ندهند. من دوستان بسیاری در جمع فعالان اکوسیستم استارتاپی و نوآوری دارم که احتمال دارد با خواندن این مطالب دلخور شوند. با روی گشاده آماده شنیدن سخنان این عزیزان هستیم ولی لازم به ذکر است که این مقاله و نقدها به هیچ عنوان در مورد فرد خاصی نیست بلکه اجزای سیستم، ساختار و رفتارهای متداول شده را مورد نقد قرار می‌دهد. از سوی دیگر مخاطب این مقاله افرادی هستند که به تازگی وارد فضای استارتاپی شده‌اند و هدف این است که راهنمایی برای جلوگیری از سردرگمی و اشتباه و ضرر ایشان باشد.این مطالب به طور اختصاصی برای استارتاپ‌های سلامت نوشته شده‌اند و نمی‌توان آن را به سایر حوزه‌ها تعمیم داد. من به دلیل فعالیت تخصصی در حوزه استارتاپ‌های سلامت تنها می‌توانم در مورد این حوزه نظر بدهم و اطلاع کافی در مورد سایر حوزه‌ها برای اظهار نظر ندارم.فریب رویدادهای نمایشی را نخوریدفریب رویدادهای نمایشی را نخورید.تعداد رویدادهایی که در اکوسیستم استارتاپی و نوآوری برگزار می‌شوند بسیار زیاد است. آنقدر که به نظر می‌رسد هدف اصلی، برگزاری رویداد است تا کمک به استارتاپ‌ها. هرچند انتقاد به تعداد زیاد رویدادها نیست بلکه نقد اصلی به کیفیت آن‌ها است. من هم مانند خیلی افراد دیگر برای آشنایی با مباحث جدید و یادگیری، چندین سال پیش یکی از کارهایی که انجام دادم شرکت در رویدادهای مختلف بود ولی بعد از شرکت در چند رویداد در طرح‌ها و رنگ‌های مختلف از جمله کارگاه‌ها، دورهمی‌ها، سمینارها و صد البته سامیت‌ها فارغ از هزینه‌های مالی صرف شده، حسرت زمان‌های تلف شده بیشتر برایم آزاردهنده بود.توصیه این است که در انتخاب رویدادها بسیار با حساسیت و دقت عمل کنید. اکثر رویدادها ارزش زمان شما را ندارند و شما می‌توانید به راحتی حتی با هزینه‌های مالی بسیار اندک به منابع معتبر خارجی دست پیدا کنید. توجه به موارد زیر می‌تواند در انتخاب رویداد مناسب کمی به شما کمک کند. ولی در کل تشخیص رویدادهای خوب و عالی کار آسانی نیست.در مورد مدرس تحقیق کنیدفردی که سوابق ایشان محدود به تدریس چند کارگاه و سخنرانی است و سوابق عملیاتی و اجرایی حداقلی ندارد به احتمال زیاد نمی‌تواند آموزشی فراتر از آنچه خودتان می‌توانید از منابع بیاموزید به شما منتقل کند. اگر اطلاعات کافی از مدرس در دسترس نیست و یا آنکه اطلاعات بسیار دهن‌پرکن و باورنکردنی از مدرس عنوان می‌شود در هر دو صورت به صلاحیت ایشان شک کنید.قیمت بالا را برابر با کیفیت خوب ندانیداصولا وقتی آموزشی در دفعات اول برگزار می‌شود یا کیفیت خیلی بالایی ندارد باید هزینه ثبت‌نام آن کمتر باشد. ولی ترفند برخی از برگزارکنندگان این است که قیمت رویداد را بالا در نظر می‌گیرند و شما را گمراه می‌کنند. در این موارد تعداد کمی از افراد هستند که حاضر به پرداخت هزینه می‌شوند و بعد از یک بار شرکت کردن هم دیگر حاضر نیستند حضور پیدا کنند ولی همان یک‌بار حضور ایشان برای برگزارکننده به اندازه کافی سودآور است. بنابراین کیفیت برنامه را با قیمت آن نسنجید.به اطلاعات خیلی کم و خیلی زیاد شک کنیداگر برگزارکننده اطلاعات کافی در مورد سرفصل‌ها، مدرس و توضیحات در مورد رویداد را ذکر نکرده و یا حاضر به پاسخگویی نیست احتمال خوب بودن این رویداد کم است. رویدادهای خوب برای مخاطب خود احترام قائل هستند و اطلاعات کافی در اختیار ایشان می‌گذارند. از سوی دیگر اگر برگزارکننده در مورد رویداد و مزایای آن اطلاعات بیش از اندازه می‌دهد حتما به آن شک کنید. این قبیل رویدادها که در میان رویدادهایی با موضوع «موفقیت» می‌توانید بسیاری از آن‌ها را بیابید با روش‌های تبلیغاتی خاصی شما را جذب می‌کنند ولی کمتر محتوای مفید و کاربردی عاید شما خواهد شد. در مورد هر دو مورد این رویدادها احتیاط کنید.اگر چیزی در مورد موضوعات رویداد نمی‌دانید جستجو کنیدپیش از آنکه برای رویدادی ثبت‌نام کنید، اگر با موضوعی که مطرح می‌شود بیگانه هستید ابتدا در مورد آن موضوع جستجو کنید و اطمینان حاصل کنید که این موضوع اکنون برای شما مفید است. دانستن بسیار خوب است ولی دانستن سطحی همه‌چیز نمی‌تواند شما را به اندازه کافی موفق کند.انواع رویدادها و کاربرد آن‌ها را بشناسیداگر تفاوت رویدادها را بدانید وقتی در یک دورهمی یا رویداد شبکه‌سازی شرکت می‌کنید انتظار آموزش ندارید. یا حداقل وقتی در رویداد شرکت می‌کنید و می‌بینید فقط تعدادی ایستاده‌اند و هر چند نفر گوشه‌ای با هم صحبت می‌کند تعجب نمی‌کنید. هر رویدادی با هدفی برگزار می‌شود و اینکه چقدر می‌تواند به آن هدف دست پیدا کند یک بحث است و اینکه شما هدف آن رویداد را بدانید بحث دیگری.مواظب طبل‌های (منتورها و مشاوران) توخالی باشید. مواظب طبل‌های (منتورها و مشاوران) توخالی باشید.چندی پیش یک اصطلاحی به عنوان «خود منتورپندار» باب شد که مضمون پشت آن این بود که بسیاری از افرادی که خود را منتور می‌نامند واقعا صلاحیت‌ منتور بودن را ندارند. در مورد اینکه منتور کیست و چگونه باید باشد حرف‌ها بسیار است ولی در کل منتور باید کسی باشد که بتواند شما را در میان سختی‌ها راهنمایی کند. از طرف دیگر مشاور نیز باید بتواند به شما راهکارها و راهنمایی‌های عملیاتی و کاربردی ارائه دهد.در مورد انتخاب منتور و مشاور متاسفانه این درد بیش از آنچه به نظر می‌رسد عمیق است. تشخیص فردی که بتواند به شما راهنمایی مناسب ارائه دهد به اندازه‌ای سخت است که نمی‌توانید تصور کنید. بسیاری از افراد هستند که آنچه ادعا می‌کنند می‌توانند برای شما انجام دهند، فراتر از توانمندی و تجربیاتشان است.دقت داشته باشید که شما باید از تعداد زیادی افراد مشاوره بگیرید ولی به هیچ‌کدام از مشورت‌ها بدون تحقیق عمیق و راستی‌آزمایی کافی عمل نکنید. فراموش نکنید که یک راهنمایی اشتباه به راحتی می‌تواند ایده، کسب‌وکار، تیم و سرمایه شما را نابود کند و بدون شک یک راهنمایی درست می‌تواند منجر به نجات شما از یک پرتگاه‌ گردد.من براساس تجربه خودم این نکات را برای انتخاب منتور و مشاور حتی برای خودم رعایت می‌کنم. هرچند شاید از دید دیگران این ملاک‌ها درست نباشد.در یک حوزه مشخص تخصص داشته باشدفردی که ادعا می‌کند می‌تواند در همه حوزه‌ها مشاوره بدهد و حوزه تخصصی ندارد بدون شک نمی‌تواند مشاوره مناسبی بدهد. مثلا من در حوزه سلامت دیجیتال مشاوره می‌دهم و نمی‌توانم ادعایی برای مشاوره در حتی حوزه‌های دیگر سلامت مانند دارو یا تجهیزات پزشکی داشته باشم. من شخصا با مشاوره‌های کسب‌وکار نیز خیلی راحت نیستم. به نظر من فردی می‌تواند در مورد کسب‌وکار به شما مشاوره بدهد که در آن حوزه تخصصی، اطلاعات داشته باشد. افرادی که در اکوسیستم استارتاپی عنوان منتور یا مشاور کسب‌وکار دارند اغلب مشاورهای حوزه تجارت الکترونیک هستند و کسب‌وکارهای آن حوزه را می‌شناسند و به نظر نمی‌رسد مشاوره گرفتن از ایشان در حوزه‌های دیگر خیلی کاربردی باشد.سوابق و تجربیات واقعی داشته باشدارزیابی سوابق افراد کار بسیار سختی است. هرکسی به راحتی می‌تواند با ثبت یک شرکت مدیرعامل شود و در سوابق خود این عناوین را بیاورد. ولی به طور کلی حتما در مورد سوابق افراد تحقیق کنید و در مورد ادعاهای ایشان حساس باشید. هر چند سوابق مشاوره‌های دیگر فرد نیز می‌تواند ملاک خوبی برای ارزیابی ایشان باشد. می‌توانید از افراد دیگری که ایشان را می‌شناسند و از تجربیات وی اطلاع دارند سوال کنید. مواظب باشید که در برخی موارد افراد نمی‌توانند مستقیم همکاران یا دوستان خود را نقد کنند.در حدود 30 سال سن داشته باشدشاید این ملاک عجیب به نظر برسد ولی تجربه من نشان می‌دهد سن می‌تواند ملاک خوبی برای اعتماد به نظرات افراد باشد. به طور کلی کسی که حداقل 10 سال (با احتساب سال‌های آموزش‌های عالی) در فضای کاری نبوده و فعالیت نکرده است بعید است تجربه کافی برای راهنمایی دیگران را داشته باشد. برای همین من صحبت‌های دوستان جوان‌تر را به عنوان نظر و پیشنهاد می‌توانم بپذیرم ولی نه به عنوان مشاوره‌ای قابل اتکا. البته این قانون نیست و باید تجربه، تخصص و مهارت‌های هرکس را جداگانه بسنجیم ولی می‌توان به این ملاک به عنوان روشی برای غربالگری اولیه نگاه کرد.از شوآف‌کنندگان نباشدافرادی که سواد، تجربه و سوابق خوبی دارند کمتر نیاز به خودنمایی پیدا می‌کنند. بنابراین شوآف کردن را به عنوان یک زنگ خطر در نظر بگیرید. افرادی که شغل واقعی دارند و رشد اجتماعی کافی کرده‌اند می‌دانند که نتایج کاری ایشان بهترین تبلیغ است و نیازی ندارند در شبکه‌های اجتماعی مدام در مورد کارهای کوچک و بزرگ خود فریاد بزنند. این مورد هم قانون نیست ولی به طور کلی طبل‌های تو خالی صدای بلندتری دارند.از شتاب‌دهنده‌های بی‌شتاب فاصله بگیرید. از شتاب‌دهنده‌های بی‌شتاب فاصله بگیرید.شتاب‌دهنده‌ها مراکزی هستند که باید به تیم‌ها کمک کنند تا بتوانند ایده‌های نوآورانه خود را با ریسک کمتر به کسب‌وکار تبدیل کنند. شاید هم من برداشت اشتباهی دارم چون اغلب شتاب‌دهنده‌هایی که تاکنون حداقل در حوزه سلامت فعالیت می‌کردند واقعا چنین کاری نمی‌کرده‌اند.شتاب‌دهنده‌ها برای آنکه بتوانند به تیم‌ها کمک کنند باید منتورشیپ، آموزش، شبکه مشاوران، سرمایه‌گذاران همکار، سرمایه مرحله بذری (Seed Money) و امکاناتی از قبیل محل استقرار داشته باشند. به نظر می‌رسد بیشتر شتاب‌دهنده‌ها مورد آخر یعنی محل استقرار را دارند ولی در موارد دیگر کمتر از حد مورد نیاز را تامین کرده‌اند. تعجبی هم ندارد که خروجی شتاب‌دهنده‌ها بیشتر به صورت سرمایه‌گذاری شرکت سرمایه‌گذاری خطرپذیری بوده که همان شتاب‌دهنده را راه‌اندازی کرده است. اینکه آمار دقیقی از خروجی شتاب‌دهنده‌ها در دست نیست خود اثبات‌کننده این موضوع است که مدل‌های شتاب‌دهی که تا امروز پیش گرفته شده نتوانسته است موفقیت لازم را به دست آورد. به نظر نمی‌رسد که شتاب‌دهنده‌های ما آنقدر خاکی باشند که خروج از استارتاپ‌های خود را تبلیغ نکنند و تبلیغ نکردن را می‌توان به معنی شکست آن‌ها دانست.من قصد ندارم آسیب‌شناسی شتاب‌دهنده‌ها را در این مقاله انجام دهم و امیدوار هستم در سال‌های آینده شتاب‌دهنده‌هایی با مدل‌هایی کارآمدتر را در کشورمان ببینیم. در اینجا ملاک‌هایی را که می‌تواند در انتخاب شتاب‌دهنده مناسب کاربردی باشد به اختصار ذکر می‌کنم.شتاب‌دهنده سلامت باید تخصصی باشدحوزه سلامت بسیار تخصصی است و توصیه می‌کنم اصلا به دنبال شتاب‌دهنده‌های عمومی برای ایده‌های حوزه سلامت نباشید. شاید برخی از ایده‌های عمومی‌تر حوزه سلامت را بتوان در شتاب‌دهنده‌های غیرتخصصی پیش‌برد ولی بدون شک شتاب‌دهنده کارآمد تخصصی می‌تواند ارزش بیشتری برای این قبیل ایده‌ها ایجاد کند. حتی زیرحوزه تخصصی مثلا دارو، بیوتکنولوژی، تجهیزات پزشکی و سلامت دیجیتال نیز تا حدود زیادی با هم تفاوت دارند و بهتر است به شتاب‌دهنده‌های تخصصی هرکدام مراجعه شود. در مجموع نبودن در شتاب‌دهنده بهتر از بودن در شتاب‌دهنده‌ای است که تخصصی در حوزه کاری شما ندارد.پورتفولیوی مرتبط و مناسب داشته باشدشتابدهنده‌ای که حدود 6 ماه تا یک سال از زمان تاسیس آن می‌گذرد باید پورتفولیو نسبتا مناسبی برای معرفی داشته باشد. استارتاپ‌هایی که با شتاب‌دهنده کار کرده‌اند مهم‌ترین ملاک برای ارزیابی شتاب‌دهنده هستند. اگر در پورتفولیوی شتاب‌دهنده استارتاپ‌هایی در مرحله شتاب‌دهی می‌بینید که نمی‌توانید نامشان را در هیچ‌جایی پیدا کنید و حتی سایت مناسبی ندارند، اصلا نشانه خوبی نیست. برای ارزیابی بهتر شتاب‌دهنده می‌توانید با بنیان‌گذاران استارتاپ‌هایی که قبلا در آنجا بوده‌اند صحبت کنید.شتاب‌دهنده باید چابک باشداستارتاپی که می‌خواهد وارد مرحله شتاب‌دهی شود ریسک بالایی دارد و این ریسک با جلسات متعدد و ارزیابی عمیق تیم و ایده رفع نمی‌شود. اگر شتاب‌دهنده در مرحله جذب کُند و بسیار محتاط عمل می‌کند، احتمال زیادی دارد که در مراحل بعدی هم مشکل برایتان ایجاد کند. فرآیند جذب شتاب‌دهنده باید شفاف و بسیار سریع باشد و اگر نیست احتمالا بهتر است در همکاری با آن شتاب‌دهنده تجدید نظر کنید.برنامه و فرآیند‌های مشخص داشته باشدبسیاری از شتاب‌دهنده‌ها چرخه یا Cycle دارند که در هر چرخه تعدادی تیم را پذیرش می‌کنند و در زمان معینی خدمات خود را به آن‌ها ارائه می‌دهند. نداشتن چرخه به تنهایی ملاک بدی نیست ولی نداشتن برنامه مشخص زنگ خطر بسیار مهمی است. درست است که نمی‌توان برای همه استارتاپ‌ها یک نسخه را تجویز کرد ولی حداقل، برنامه پایه آموزشی و منتورشیپ لازم و ضروری است. بنیان‌گذاران با تجربه کمتر نیاز به شتاب‌دهنده‌ها دارند و مخاطب شتاب‌دهنده اغلب بنیان‌گذارانی هستند که به تازگی وارد سرزمین عجیب استارتاپی شده‌اند و نداشتن برنامه، بیشتر ایشان را سردرگم می‌کند.منتورها و مشاوران متخصص داشته باشدمطمئن شوید که شتاب‌دهنده منتورها و مشاوران تخصصی که ادعا می‌کند را در اختیار دارد. یعنی اگر منتورها و مشاوران شتاب‌دهنده مشخص نیستند که کلا به آن شتاب‌دهنده فکر هم نکنید. ولی اگر لیستی از منتورها و مشاوران وجود داشت سعی کنید به نحوی مطمئن شوید که ایشان واقعا حاضر به همکاری با شتاب‌دهنده هستند و فقط نامشان در لیست نیامده است. به طور کلی شتاب‌دهنده باید حداقل یک منتور کاملا تخصصی با موضوع فعالیت خود داشته باشد که به صورت مداوم با تیم‌ها در ارتباط است و در کنار آن بتواند از شبکه مشاوران و منتورهای دیگری که در اختیار دارد در مواقع ضروری بهره ببرد. به جمع مرده‌های متحرک نپیوندید.به جمع مرده‌های متحرک نپیوندید.نمی‌دانم دلیل این موضوع چیست ولی مانند بسیاری از آمارهای دیگر، ما در این مورد نیز با سایر نقاط دنیا متفاوت هستیم. همه می‌دانیم که از هر 10 استارتاپ حداقل 9 مورد شکست می‌خورند ولی وقتی در میان استارتاپ‌های ایران نگاه می‌کنید به سختی می‌توانید استارتاپ‌هایی بیابید که گفته شده باشد شکست خورده‌اند. اما مشکل اصلی، اعلام شکست استارتاپ نیست، مشکل این است که تعداد زیادی استارتاپ وجود دارند که رشدی ندارند و حتی فعالیت خاصی هم نمی‌کنند ولی همچنان به حیات خود ادامه می‌دهند.پیام این مورد بسیار مستقیم است. لطفا اگر استارتاپ شما رشد ندارد، درآمد کافی به دست نیاورده، نتوانسته سرمایه لازم را جذب کند و یا هم‌بنیان‌گذاران از تیم جدا شده‌اند، حداقل با خودتان صادق باشید و قبول کنید که تا آن لحظه شکست خورده‌اید. این بزرگ‌ترین لطف شما به خودتان است.بعد از این بپذیرید که مشکلی وجود دارد و باید آن را کشف و رفع کنید. اگر می‌توانید، چرخش کنید ولی اگر نمی‌توانید عمر و سرمایه خودتان یا دیگران را به خاطر غرورتان تلف نکنید، شکست استارتاپ خود را اعلام کنید و به دنبال ماجراجویی بعدی خود بروید. استارتاپی که رشد ندارد بدون شک یک بیماری دارد که اگر به موقع درمان نشود استارتاپ را خواهد کشت. اگر استارتاپتان مُرد بهتر است طی مراسمی آن را به خاک بسپارید تا بتوانید با خیالی آسوده در جستجوی رویاهایتان پرواز کنید.من از مشکلات با سرمایه‌گذاران در این زمینه اطلاع دارم ولی این مشکلات اصل موضوع را تغییر نمی‌دهد.در صحنه تئاتر استارتاپی گرفتار نشوید. در صحنه تئاتر استارتاپی گرفتار نشوید. متاسفانه در اکوسیستم استارتاپی و نوآوری ایران، صحنه تئاتری وجود دارد که آنان که کمتر از 20 درصد کار را انجام می‌دهند 80 درصد توجهات را به خود جلب می‌کنند. به جرأت می‌توان گفت که کسانی که کارهای واقعی و حسابی را انجام می‌دهند وقت تبلیغات و سروصدای بی‌مورد و توخالی را ندارند. چند مورد هست که باید احتیاط کنید که گرفتار آن‌ها نشوید تا هم تمرکز خود را از دست ندهید و هم اینکه بازیچه منافع دیگران نشوید.بزرگ‌نمایی کارهای کوچک ارزش نیستچون این مورد یک روند رایج در اکوسیستم به حساب می‌آید لازم است بدانید که افراد عاقل هستند و می‌توانند تفاوت بین کار بزرگ، اصولی و کاربردی را با کار کوچک متوجه شوند. اینکه یک کار کوچک را بزرگ‌نمایی کنید برخلاف باور عموم بیشتر نشان‌دهنده کوچک بودن شما است که آن کار به نظرتان بزرگ بوده.بنیان‌گذار بودن افتخار ندارداینکه ایده‌ای داشته‌اید و چند ماه یا حتی چند سال روی آن کار کرده‌اید، می‌تواند خوب باشد ولی افتخار واقعی زمانی ایجاد می‌شود که در کسب‌وکارتان به ارزش‌های واقعی دست پیدا کنید. مثلا زمانی که رشد قابل توجهی به دست می‌آورید، جذب سرمایه می‌کنید، به اهداف درآمدی می‌رسید و یا به هر کدام از اهداف اساسی کسب‌وکارتان دست می‌یابید. پس تمرکزتان را بر دستیابی به افتخارات واقعی کسب‌وکارتان بگذارید و از سمت‌ها و عناوین پوشالی اجتناب کنید.در مورد وعده‌های دولتی احتیاط لازم استدولت برنامه‌های مختلفی را برای اکوسیستم استارتاپی و نوآوری اجرا کرده و خواهد کرد. فارغ از اینکه کیفیت و تأثیرگذاری این برنامه‌ها چگونه است، به طور کلی در مورد برنامه‌های دولتی محتاط باشید. شما باید تمرکزتان روی کسب‌وکارتان و اهداف آن باشد و برنامه‌های دولتی تمرکزشان بر اهداف دولت و حاکمیت است و در بسیاری از موارد این دو با هم در یک راستا نیستند. بنابراین اگر می‌خواهید در برنامه‌های دولتی درگیر شوید، اطمینان حاصل کنید که وعده‌ها و برنامه‌ها مستقیما به نفع کسب‌و‌کار شما خواهد بود.مراقب خروج‌های سرمایه‌گذاری به ته دره باشید.مراقب خروج‌های سرمایه‌گذاری به ته دره باشید.شاید این مهم‌ترین نقد من به اکوسیستم استارتاپی و تذکر به بنیان‌گذاران باشد. چندی پیش فکر می‌کردم که بزرگ‌ترین ضعف این اکوسیستم عدم حضور صنعت و کسب‌وکارهای سنتی در آن است، در حالی که اکنون متوجه شده‌ام که بزرگ‌ترین ظلم، طرد کردن مدیران صنایع، تجار، فعالان اقتصادی بزرگ و موثر کشور بوده است. در واقع ایشان تمایل به حضور و فعال شدن در فضای نوآوری و استارتاپی داشته‌اند ولی شواهد نشان می‌دهد که از طرف اکوسیستم تمایل واقعی برای این حضور وجود نداشته است.فارغ از اینکه دلایل این اتفاق چه بوده و راهکار آن چیست، در حال حاضر فضای اکوسیستم استارتاپی و نوآوری محدود به تعداد اندکی شرکت سرمایه‌گذاری است. این تعداد اندک شرکت‌های سرمایه‌گذاری به خصوص در حوزه سلامت فعالیت ندارند و در نتیجه به جز سرمایه‌گذاری مالی نمی‌توانند کمکی به استارتاپ‌ها برای ورود به بازار کنند.البته این بدترین سناریوی داستان نیست. متاسفانه سرمایه‌گذارانی که خود فعالیت صنعتی و کسب‌وکاری در حوزه تخصصی ندارند وقتی وارد استارتاپ می‌شوند و جایگاه هیئت مدیره را به دست می‌آورند، نه تنها به رشد استارتاپ کمک نمی‌کنند بلکه در حساس‌ترین مرحله آن را به سمت دره هدایت می‌کنند.در حقیقت اکوسیستم استارتاپی و نوآوری توانایی لازم برای جذب سرمایه هوشمند یا همان اسمارت را حداقل در حوزه سلامت ندارد و بازی سرمایه‌گذاری امروز برای استارتاپ‌ها یک بازی دو سر باخت شده است.از اکوسیستم خارج شوید از اکوسیستم خارج شویدمهم‌ترین توصیه به بنیان‌گذاران استارتاپ‌های سلامت این است که منابع مورد نیاز شما، اکنون در اکوسیستم استارتاپی و نوآوری وجود ندارد یا بسیار کمیاب است. بنابراین بهترین راهکار این است که برای دستیابی به منابع گمشده خود از اکوسیستم خارج شوید. همان راهکاری که در کتاب چه کسی پنیر من را جابه‌جا کرد معرفی شده، احتمالا در اینجا هم جواب می‌دهد.نوشته دکتر آیدین پرنیا؛ مشاور استارتاپ‌ها و سرمایه‌گذاران سلامت دیجیتال مدلین | MedLean آیدین پرنیا Sun, 08 Mar 2020 20:50:54 +0330 https://virgool.io/MedLeanMag/%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF-%D9%88%D8%A7%D9%82%D8%B9%DB%8C%D8%AA-%D9%85%D8%AC%D8%A7%D8%B2%DB%8C-%D9%88-%D9%88%D8%A7%D9%82%D8%B9%DB%8C%D8%AA-%D8%A7%D9%81%D8%B2%D9%88%D8%AF%D9%87-%D8%AF%D8%B1-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-f2lk9fhkmi5n همچون سایر تکنولوژی‌ها، واقعیت مجازی (VR) و واقعیت افزوده (AR) هم راه خود را به دنیای سلامت گشوده‌اند. این دو تکنولوژی در حیطه‌های مختلف جراحی تا سلامت روان کاربرد داشته و صنعتی رو به پیشرفت دارند. براساس مطالعه‌ای که موسسه کنت ریسرچ انجام داده، ارزش بازار سلامت واقعیت مجازی و واقعیت افزوده تا سال 2025 به بیش از 6 میلیارد دلار می‌رسد و با توجه به اینکه در سال 2017 ارزش آن حدود 750 میلیون دلار بوده است، این بازار رشد سالانه 30 درصد را بین سال‌های 2018 تا 2025 تجربه خواهد کرد. از این اعداد می‌توان نتیجه گرفت فرصت‌های روشنی در این صنعت وجود دارد. در این مقاله قصد دارم کاربردهای واقعیت مجازی و واقعیت افزوده در سلامت را شرح دهم.به طور ساده می‌توان گفت واقعیت مجازی یا Virtual Reality تصویر یا محیطی سه‌بعدی است که به وسیله کامپیوتر شبیه‌سازی شده و برای استفاده اغلب به هِدست و عینک مخصوص نیاز دارد. برای ساخت این شبیه‌سازی ممکن است از تصاویر واقعی نیز استفاده شود. واقعیت افزوده یا Augmented Reality اطلاعات واقعی مانند تصاویر دیجیتال و اطلاعات رسانه‌ها را به صورتی تعاملی فراهم می‌کند و به این ترتیب به تجربه کاربر از واقعیت می‌افزاید. با استفاده از حسگرها و دوربین‌ها می‌توان نیاز به استفاده از ابزارهایی مثل عینک را برای تجربه واقعیت افزوده رفع کرد.کاربرد واقعیت مجازی و واقعیت افزوده در سلامتاما در چه بخش‌هایی از سلامت می‌توان از این دو تکنولوژی استفاده کرد؟جراحیهرچه اندازه برش‌ها و طول مدت جراحی کمتر و دقت آن بیشتر باشد، احتمال وقوع عارضه عمل نیز کمتر می‌شود و بیمار سریع‌تر بهبود می‌یابد. تکنولوژی‌های مختلفی برای این منظور به کمک پزشکان آمده‌اند. واقعیت مجازی و واقعیت افزوده بخشی از آنها هستند که قبل و حین عمل به تیم جراحی برای انجام بهتر جراحی کمک می‌کنند. برخی از این ابزارها، تصاویر پزشکی بیمار را دریافت و به صورت سه‌بعدی شبیه‌سازی می‌کند و به جراح اجازه می‌دهد روش جراحی خود را پیش از اجرا روی بیمار تمرین کند. این موضوع در جراحی‌های پرخطر و پیچیده، زمانی که طولانی‌شدن مدت بیهوشی برای بیمار خطرناک است یا انتخاب روش جراحی برای پزشک دشوار است کاربرد بسیاری دارد.پروپریو ویژن (ProprioVision) یکی از شرکت‌های فعال در این حوزه است که به کمک واقعیت افزوده، تصویر سه‌بعدی دقیقی از عضو تحت جراحی تهیه می‌کند و حین عمل به جراح نشان می‌دهد.سلامت رواندر حیطه سلامت روان، واقعیت مجازی در قالب ابزاری برای مواجهه‌درمانی (Exposure Therapy) به کار می‌رود. این روش برای درمان اختلال استرس پس از سانحه (PTSD)، انواع فوبیا، اختلالات اضطرابی، وسواس و غیره کاربرد دارد. برای مثال، به وسیله واقعیت مجازی فردی را که در اثر سانحه تصادف دچار PTSD شده است به صورت کنترل‌شده و ایمن در محیط سانحه قرار می‌دهند تا آن اتفاق را تجربه کند و این‌بار به کمک درمانگر احساسات خود را به طور درست بروز داده و عوارض آن را کاهش دهد. استارتاپ سایس (psious) پلتفرم طراحی کرده که با داشتن بیش از 70 محیط مجازی مختلف امکان درمان انواع مشکلات سلامت روان به روش مواجهه‌درمانی را برای روانشناسان فراهم کرده است.آموزش پزشکیبرای آموزش درس‌های پایه‌ای مانند آناتومی و بیوشیمی تا مهارت‌های عملی مانند اقدامات جراحی می‌توان از واقعیت مجازی و واقعیت افزوده کمک گرفت. تاچ‌سرجری (TouchSurgery) شبیه‌ساز جراحی روی تلفن همراه است که امکان تمرین بیش از 100 عمل جراحی در 15 تخصص مختلف را فراهم کرده است.علاوه بر این از این ابزارها برای شبیه‌سازی شرایط اورژانس هم استفاده می‌شود. به این ترتیب پزشکان و پیراپزشکان مواجهه با شرایط بحرانی را تمرین کرده و مهارت‌هایشان برای کنترل احساسات، تصمیم‌گیری و اقدام درست در این شرایط افزایش می‌یابد.تصویربرداری پزشکیبا وجود اینکه تصاویر پزشکی در روش‌هایی همچون سی‌تی (CT) به صورت سه‌بعدی تهیه می‌شود اما به طور معمول این تصاویر به صورت دوبعدی بازسازی می‌شوند و پزشک باید براساس تصویر دوبعدی مشکل بیمار را تشخیص دهد. اما اکنون می‌توان تمام تصاویر پزشکی همچون تصاویر رادیوگرافی، CTیا MRرا به راحتی به صورت سه‌بعدی در مقابل پزشک قرار داد تا با دقت بیشتر، مشکل بیمار را تشخیص دهد و روش درمانی مناسب را انتخاب کند.بازتوانییکی از کاربردهای واقعیت مجازی در توانبخشی توان‌یابان و بیماران پس از جراحی است. واقعیت مجازی با دلپذیر کردن درمان، تمایل بیماران به انجام تمرین‌ها را بیشتر می‌کند و تکرار تمرین‌ها یکی از عوامل مهم در بهبود اندام آسیب‌دیده است. شرکت مایندمِیز (Mind Maze) محصولی مبتنی بر واقعیت مجازی برای بازتوانی حرکتی بیمارانی که دچار سکته مغزی شده‌اند ساخته است. البته، توانبخشی فیزیکی تنها کاربرد واقعیت مجازی نیست. برای ارزیابی، درمان و بازتوانی در آسیب‌های مغزی هم از این تکنولوژی استفاده می‌شود. واقعیت افزوده با قرار دادن بیمار در محیط‌های مختلف، عملکرد شناختی او همچون حافظه، حل مسأله و برنامه‌ریزی را ارزیابی می‌کند و بعد بیمار با انجام تمرین‌هایی می‌تواند مهارت شناختی خود را بازیابد.بدون شک یکی دیگر از گروه‌هایی که می‌توانند از تکنولوژی واقعیت مجازی استفاده کنند، مبتلایان اختلالات بینایی هستند. آیریس‌ویژن (IrisVision) محصولی طراحی کرده که با استفاده از عینک واقعیت مجازی به مبتلایان گلوکوم، رتینیت‌پیگمنتوزا، دژنراسیون ماکولا و غیره برای دیدن عزیزانشان، مطالعه و انجام فعالیت‌های روزانه به صورت مستقل کمک می‌کند.محصولی مبتنی بر واقعیت مجازی برای بازتوانی حرکتی بیمارانی که دچار سکته مغزی شده‌اند مدیریت مراقبتشناخت بیماری و آشنایی با روند درمان یکی از عواملی است که می‌تواند اضطراب بیمار را کاهش و همکاری‌اش برای درمان را افزایش دهد. از واقعیت مجازی و واقعیت افزوده در مواردی همچون شبیه‌سازی بیماری، توضیح نحوه عملکرد دارو و روند جراحی یا نشان دادن شکل اندام پس از جراحی استفاده می‌شود.علاوه بر این، از واقعیت مجازی برای کنترل درد مزمن هم می‌توان استفاده کرد. مطالعات نشان داده، بیمارانی که به صورت روزانه، از واقعیت مجازی برای تجربه محیط طراحی‌شده برای کنترل درد استفاده می‌کنند، دردشان کاهش می‌یابد و حتی تخفیف درد تا چند ساعت ادامه می‌یابد. کارونا لبز (KarunaLabs) از تکنیک‌های فیزیوتراپی، روانشناسی درد و علوم اعصاب شناختی برای کمک به کسانی که درد عضلانی، درد عصبی یا درد اندام خیالی (دردی که افرادی که دچار قطع عضو شده‌اند در ناحیه اندام قطع‌شده احساس می‌کنند.) دارند استفاده می‌کند.حیطه‌های معرفی‌شده به خوبی نشان می‌دهد که واقعیت مجازی و واقعیت افزوده بخشی از آینده سلامت هستند. اما با وجود تمام فواید، این صنعت هم برای رشد با چالش‌هایی روبه‌رو است. کمبود مراقبان سلامتِ آشنا به تکنولوژی که بتوانند از محصولات مبتنی بر واقعیت مجازی و واقعیت افزوده استفاده کنند یکی از چالش‌های پیش روی کارآفرینان است. چالشی که سدی برای پیشرفت نیست اما باید برای حل آن برنامه و راهکار داشت. مدلین | MedLean فرشته کاظمی‌پور Sun, 01 Mar 2020 20:29:09 +0330 https://virgool.io/MedLeanMag/%D8%AA%DA%A9%D9%86%D9%88%D9%84%D9%88%DA%98%DB%8C-%DA%86%D8%B7%D9%88%D8%B1-%D8%A8%D9%87-%DA%A9%D9%86%D8%AA%D8%B1%D9%84-%D9%88%DB%8C%D8%B1%D9%88%D8%B3-%DA%A9%D8%B1%D9%88%D9%86%D8%A7-%D8%AC%D8%AF%DB%8C%D8%AF-%DA%A9%D9%85%DA%A9-%D9%85%DB%8C%DA%A9%D9%86%D8%AF-j7eq08alqajk بیش از 2 ماه از وقوع اولین مورد ابتلا به ویروس کرونا جدید که به نام COVID-19 شناخته می‌شود گذشته و نرخ ابتلا و مرگ‌ومیر ناشی از بیماری همچنان رو به افزایش است. این روند افزایشی توجه جهان را به ویروس کرونا جدید معطوف کرده و از استارتاپ‌های کوچک سلامت دیجیتال تا شرکت‌های بزرگ داروسازی، تلاش خود را برای ارائه راهکارهای اثربخش برای کنترل ویروس شروع کرده‌اند. هرروز اپلیکیشن تازه‌ای منتشر یا خبری از پیشرفت تولید واکسن منتشر می‌شود. در ادامه برخی از محصولاتی را که تا کنون برای متوقف کردن ویروس کرونا جدید به کار رفته‌اند معرفی می‌کنیم.پیشگیریاحتمال تماس با فرد مبتلاهفته گذشته دولت چین اپلیکیشنی را معرفی کرد که تماس شهروندان با افراد بیمار را بررسی می‌کند. آنچه این اپلیکیشن ارزیابی می‌کند این است که آیا فرد در مکان‌هایی مانند کلاس درس، محل کار، وسایل حمل‌ونقل عمومی یا مراکز درمانی با یکی از اشخاصی که ابتلای آنها به ویروس کرونا جدید مشکوک است، قطعی شده یا خفیف و بدون علامت اعلام شده؛ فاصله ناایمن داشته یا خیر. شهروندان می‌توانند به راحتی و فقط با وارد کردن شماره موبایل یا کد ملی خود از این برنامه استفاده کنند.نوآوری و تکنولوژی کنترل همه‌گیری کرونا را آسان‌تر کرده استاطلاعات اپیدمیولوژیکمرکز علوم و مهندسی سیستم دانشگاه جان هاپکینز وب‌سایتی بنا کرده که اطلاعات موارد بروز، شیوع و مرگ‌ومیر ناشی از کرونا ویروس جدید را به صورت زنده و تعاملی در آن ارائه می‌کند. اطلاعات منتشر شده در این سایت از منابع معتبری از جمله سازمان جهانی بهداشت، مرکز کنترل بیماری (CDC) آمریکا، مرکز کنترل بیماری چین، سرویس سلامت همگانی (NHC) انگلستان و منابع محلی چین گردآوری می‌شود. هدف از این اقدام، مطلع کردن عموم از وضعیت همه‌گیری کرونا ویروس جدید براساس داده‌های منابع معتبر است.انتشار اطلاعات موارد بروز، شیوع و مرگ‌ومیر ناشی از کرونا ویروس جدید به صورت زنده و تعاملی مشاهده نقشه تعاملی ویروس کرونا جدیدبحران ویروس کرونا جدید زمینه‌های همکاری استارتاپ‌ها را هم فراهم کرده است. استارتاپ بوی‌هلث و هلث‌مَپ برای گردآوری داده‌های کلیدی درباره این ویروس آغاز به همکاری کرده‌اند. استارتاپ بوی‌هلث، پایشگر علائم بیماری است و براساس شرح حالی که از افراد می‌گیرد به آنها برای خودتشخیصی(self-diagnose) کمک می‌کند. آنچه مدیران این استارتاپ متوجه شده‌اند، ترس شدیدی است که از زمان وقوع همه‌گیری جدید در کاربرانشان ایجاد شده. آنها به این منظور دستورالعمل‌های مرکز کنترل بیماری درباره ویروس کرونا جدید را به الگوریتم هوش مصنوعی خود اضافه کرده‌اند و براساس شرح‌حال سفر و علائم، احتمال ابتلا به این ویروس را در تشخیص‌های خود در نظر می‌گیرد.از طرفی، استارتاپ هلث‌مپ نزدیک به 15 سال است همه‌گیری انواع بیماری‌ها را دنبال می‌کند. این استارتاپ از زمان آغاز همه‌گیری ویروس کرونا جدید، آن را با ارزیابی داده‌های موجود در شبکه‌های اجتماعی، تالارهای گفتگوی آنلاین و غیره دنبال کرده است و توانسته برخی از علائم آغازین بیماری را تعیین کند. اکنون و به دنبال همکاری شکل‌گرفته، هریک از این دو استارتاپ داده‌هایش را در اختیار دیگری می‌گذارد. به این ترتیب، بوی‌هلث می‌تواند براساس نتایج هلث‌مپ، موارد مشکوک را دقیق‌تر تشخیص دهد و هلث‌مپ به علائم و نشانه‌های کاربران بوی‌هلث دسترسی خواهد داشت.پهباد نگهباندر شهر ووهان چین، پهبادها در شهر پرواز و شهروندان را از نظر رعایت مراقبت‌های پیشگیری رصد می‌کنند. در صورت عدم رعایت نکات ایمنی، پهباد خطاب به فرد هشدار می‌دهد. برای مثال می‌گوید: «آقایی که پیراهن سفید به تن دارید، لطفا ماسک خود را بزنید.» علاوه بر این، این پهبادها می‌توانند برای ارزیابی شرایط بهداشتی و سلامتی در مناطقی که قرنطینه هستند به کار روند.تشخیصکیت‌های تشخیصیویروس کرونا جدید علائمی مشابه سرماخوردگی ایجاد می‌کند و همین موضوع تشخیص آن را برای پزشکان دشوار می‌سازد. مشکوک تلقی کردن تمام کسانی که علائم شبه‌سرماخوردگی دارند و انجام اقدامات سخت‌گیرانه مراقبتی برای آنها، غیرممکن است. بهترین راه، ساخت ابزارها و روش‌های تشخیصی با پاسخ‌دهی سریع است. در سال 2003 و زمان همه‌گیری SARS تعیین توالی ژنتیکی میکروب روزها طول می‌کشید و همین، تهیه روش تشخیصی را زمان‌بر و دشوار می‌کرد. با شروع همه‌گیری کنونی در ووهان، مراکز درمانی این شهر با چالش تشخیص بیماری مواجه بودند. آنها باید نمونه‌ها را برای تشخیص به پکن می‌فرستادند و روند انتقال، آزمایش و مشخص شدن نتیجه، حدود سه روز طول می‌کشید. بدیهی است در چنین شرایطی اگر تهیه ابزار تشخیص بیماری به اندازه سال 2003 دشوار می‌بود، چین با بحرانی بسیار بزرگ‌تر روبه‌رو می‌شد. اما به لطف پیشرفت تکنولوژی‌های ژنتیک، دانشمندان چینی توانستند کمتر از یک هفته پس از اعلام همه‌گیری، توالی ژنتیکی ویروس کرونا جدید را منتشر کنند و شرکت‌های داروسازی و بیوتکنولوژی بلافاصله ساخت کیت‌های تشخیصی را شروع کردند. به نحوی که مقامات کشور چین در عرض دو هفته، برای کیت تشخیص به روش اسید نوکلئیک (ماده ژنتیکی سلول) هفت شرکت مختلف مجوز صادر کرده و کیت‌ها را در اختیار مراکز درمانی و آزمایشگاه‌ها قرار دادند. به این ترتیب زمان لازم برای تشخیص نمونه‌ها به 5 ساعت کاهش یافت.البته محققان همچنان تلاش می‌کنند مدت زمان تشخیص را کوتاه‌تر و ابزارها را ساده‌تر کنند.کیت تشخیص مولکولی ویروس کرونا جدید محصول شرکت سنگاپوری Veredus Laboratoriesغربالگری تب از راه دورهفته گذشته سنگاپور، راهکار یک استارتاپ مبتنی بر هوش مصنوعی برای اندازه‌گیری تب بدون نیاز به تماس مستقیم را به صورت آزمایشی اجرا کرد. این استارتاپ، دمای بدن افراد را با استفاده از دوربین‌های حرارت‌سنج و لیزری که روی گوشی هوشمند قرار دارد اندازه می‌گیرد. سپس هوش مصنوعی، بر اساس تصاویر حرارتی و فاصله‌ای که دوربین لیزری برآورد کرده، دمای بدن آنها را اندازه می‌گیرد و در صورت لزوم توصیه می‌کند فرد به مراکز درمانی مراجعه کند.محصول استارتاپ کرونیکر با یک دوربین حرارت‌سنج و یک دوربین لیزری دمای بدن شهروندان را اندازه می‌گیرددرمانتنها چندقدم تا واکسنواکسن، بهترین راه پیشگیری از بیماری‌های واگیر است. در حالی که تا چند وقت قبل، تهیه واکسن نزدیک به یک دهه طول می‌کشید، با پیشرفت تکنولوژی ژنتیکی جدید، محققان امیدوارند بتوانند واکسن کرونا ویروس جدید را در چندماه تهیه و از آن برای کنترل همه‌گیری ویروس استفاده کنند. در گذشته، دانشمندان باید میکروب را ایزوله و خالص کرده، آن را کشت می‌دادند و برای تهیه واکسن به کار می‌بردند. اما، اکنون با وجود توالی ژنتیکی ویروس دیگر نیازی به انجام این مراحل نیست. به دنبال انتشار توالی ژنتیکی ویروس کرونا جدید محققانی از سراسر دنیا در تلاش برای ساختن واکسن این ویروس هستند. یکی از گروه‌های پیشرو، محققان کالج سلطنتی لندن هستند که آزمایش واکسن روی حیوانات را شروع کرده‌اند و امیدوارند تا انتهای سال ۲۰۲۰ بتوانند واکسن را برای استفاده عمومی عرضه کنند.ربات پزشکی از راه دور، در فاصله نزدیکآمریکا برای درمان برخی از موارد ابتلا در این کشور از ربات استفاده کرده است. این ربات، صفحه نمایشگری برای مکالمه ویدیویی پزشک و بیمار دارد و به طور معمول برای ارائه خدمات پزشکی از راه دور استفاده می‌شود. بنابراین، پزشک و پرستار می‌توانند بدون تماس مستقیم با بیمار، از شرایط سلامتی او مطلع شوند و احتمال ابتلای آنها کاهش می‌یابد.محصول شرکت Intouch Health دستگاهی برای تله‌مدیسن است که برای درمان مبتلایان کرونا ویروس جدید در آمریکا استفاده شدبه نظر می‌رسد، همه‌گیری ویروس کرونا جدید فرصتی ایجاد کرده که نوآوری و تکنولوژی تأثیر مثبت خود در سلامت را به رخ همگان بکشد.نویسنده: دکتر فرشته کاظمی‌پورمنابع:mobihealthnews.commedicalfuturist.comintellasia.netnpr.org مدلین | MedLean مدلین | MedLean Sun, 16 Feb 2020 22:31:23 +0330 https://virgool.io/MedLeanMag/%DA%AF%D8%B2%D8%A7%D8%B1%D8%B4-%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%88-%D8%AA%D9%88%D8%A7%D9%86%D9%85%D9%86%D8%AF%D8%B3%D8%A7%D8%B2%DB%8C-%DA%A9%D8%A7%D8%B1%D8%A2%D9%81%D8%B1%DB%8C%D9%86%DB%8C-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-%D8%AA%D8%A7%D9%85%D8%B2%D8%A2%D9%BE-%D8%AF%D8%B1-%D8%B3%D8%A7%D9%84-98-i6guf3zsrx8w توجه به کارآفرینی و توسعه استارتاپ‌ها و کسب‌وکارهای نوپا در چند سال اخیر در سازمان‌ها و نهادهای مختلف افزایش پیدا کرده و اقدامات مختلفی در این راستا انجام می‌شود. در حوزه سلامت نیز دانشگاه‌های علوم پزشکی اقداماتی برای ترغیب و توانمندسازی افراد انجام می‌دهند. یکی از متداول‌ترین اقدامات برگزاری کارگاه‌های آموزشی یا رویدادهای یک تا چند روزه است. مدیریت توسعه فناوری و ارتباط با صنعت دانشگاه علوم پزشکی تهران نیز چندین سال است که کارگاه‌ها و رویدادهای کارآفرینی، کسب‌وکاری، مدیریتی و فناوری برگزار می‌کند.یکی از چالش‌های این کارگاه‌ها جدا از هم بودن آن‌ها است. یعنی ارتباطی بین کارگاه‌ها وجود ندارد و مخاطب نمی‌داند هر کدام از این کارگاه‌ها کی و کجا کاربرد دارد. به نظر می‌رسید که این موضوع به طور مستقیم بر جذب مخاطب این کارگاه‌ها نیز تأثیر داشت. از سوی دیگر این آموزش‌ها با هدف ایجاد خروجی واقعی در قالب طرح‌های کارآفرینانه و کسب‌وکار‌هایی ارزش‌آفرین بود که مشخص بود به تنهایی کارایی کافی را ندارند.با هدف رفع این نیاز و مشکلات، در اسفند ماه 1397 برنامه‌ای مدون و چند ماهه به نام برنامه آموزش و توانمندسازی کارآفرینی سلامت تامزآپ (TUMSup) طراحی گردید تا اولین دوره آن در سال 98 اجرایی گردد.در ادامه گزارشی از شرح طراحی و اجرای برنامه تامزآپ در سال 98 آمده است.تامزآپ، برنامه آموزش و توانمندسازی کارآفرینی سلامتطراحی برنامهبرنامه تامزآپ در سه مرحله اصلی طراحی گردید. مرحله اول شامل تیم‌سازی و ایده‌پردازی بود که علاقمندان ضمن یادگیری اصول اولیه راه‌اندازی کسب و کار بتوانند با فرصت‌های موجود در بازار ایران آشنا شوند. همچنین باید شرایطی برای شبکه‌سازی و کمک به تشکیل تیم شرکت‌کنندگان نیز فراهم می‌گردید. پس از آن رویداد روز ورودی برای انتخاب تیم‌هایی که صلاحیت ورود به مرحله دوم را دارند برگزار و تیم‌های پذیرفته شده امکان بهره‌مندی سه ماه منتورشیپ رایگان خواهند داشت. در این مرحله کارگاه‌های آموزشی متعددی برای توانمندسازی کسب‌وکاری اعضا تیم در نظر گرفته شده بود. سپس تیم‌هایی که موفق به تکمیل برنامه شدند ضمن دریافت مشاوره و راهنمایی تخصصی خود را برای رویداد روز ارائه و حضور در مقابل سرمایه‌گذاران آماده می‌کنند.در طراحی برنامه تامزآپ مرحله سوم که به عنوان مرحله شتابدهی و رویداد روز دمو که برای ارائه محصولات تیم‌ها به سرمایه‌گذاران در نظر گرفته شده بود. ولی با توجه به شرایط اولین دوره برگزاری برنامه تصمیم گرفته شد که مرحله سوم در این سال اجرایی نگردد.بدین صورت برنامه تامزآپ در سال 98 از مرداد ماه آغاز گردید و پس از 7 ماه در بهمن ماه به پایان رسید.مرحله اول: تیم‌سازی و ایده‌پردازیهدف از این مرحله آشنا نمودن علاقه‌مندان کارآفرینی سلامت با مفاهیم پایه و کمک به آنها برای یافتن ایده‌ مناسب و تشکیل تیم بود. به این منظور، 4 کارگاه با موضوعاتی از جمله راه‌اندازی استارتاپ، خلاقیت و پرورش ایده، تشکیل تیم و اعتبارسنجی ایده و همچنین سمینار معرفی فرصت‌های کارآفرینی سلامت تامزآپ در پایان مرحله اول برگزار شد. در سمینار، به سه حوزه داروسازی و بیوتکنولوژی، سلامت دیجیتال و تجهیزات پزشکی پرداخته شد. در هر حوزه، چهارچوب و نقشه کسب‌وکارهای آن مشخص شد، روندهای مطرح بین‌المللی و ملی شرح داده‌شد و بازار حوزه تحلیل و فرصت‌های کارآفرینی معرفی شدند. در پایان سمینار، فرصتی برای شبکه‌سازی در نظر گرفته ‌شده‌بود به نحوی که براساس گفتگوهای انجام شده با شرکت‌کنندگان پیش از سمینار، هر فرد با کسانی که می‌توانستند به او برای پیش‌برد ایده‌اش کمک کنند آشنا می‌شد یا اگر خودش ایده‌ای نداشت، برحسب مهارت‌هایش به تعدادی از کسانی که ایده داشتند معرفی می‌شد.سمینار معرفی فرصت‌های کارآفرینی تامزآپروز ورودیروز ورودی حدود یک ماه پس از سمینار برگزار شد، تا کسانی که ایده‌ای داشتند بتوانند تیم تشکیل دهند و علاقه‌مندانی که مایل به تجربه فعالیت در یک استارتاپ حوزه سلامت بودند فرصت داشته باشند در یکی از تیم‌ها عضو شوند. البته، روز ورودی مختص همراهان تامزآپ در مرحله اول نبود، بلکه تبلیغات سراسری هم صورت گرفت تا سایر کسانی که ایده‌ای داشتند و توانسته بودند برای اجرای آن تیم‌ تشکیل دهند بتوانند وارد برنامه شوند. در نهایت 49 ایده برای داوری ثبت شد و 25 ایده برای ارائه در روز ورودی پذیرفته شد.ارائه ایده، درگاه ورود تیم‌ها به برنامه تامزآپ و استفاده از خدمات آموزشی و منتورشیپ بود. ایده‌ها توسط 28 منتوری که در روز ورودی حضور داشتند ارزیابی می‌شد و هر داور برای قبول مسؤولیت منتورشیپ تیم‌های مورد علاقه‌اش اعلام آمادگی می‌کرد. براین اساس، در نهایت 20 تیم توانستند وارد برنامه تامزآپ شوند و با یک منتور به توافق برسند.روز ورودی تامزآپمرحله دوم: منتورشیپدر مرحله دوم، تیم‌ها سه‌ ماه فرصت داشتند به منتور خود مراجعه و از راهنمایی آنها برای اعتبارسنجی ایده، رسیدن به تناسب مشکل بازار تا طراحی کمینه محصول پذیرفتنی(MVP) استفاده کنند. منتورها، در صورت تمایل تیم‌ها با آنها به صورت هفتگی جلسه می‌گذاشتند، پیشرفت کار‌ آنها را بررسی می‌کردند و برای بهبود به آنها توصیه‌های کسب‌وکاری می‌کردند. در طول این مرحله، تعدادی از تیم‌ها به دلیل نرسیدن به اهداف تعیین‌شده یا مشکلات تیمی از برنامه تامزآپ خارج شدند به نحوی که در پایان مرحله دوم، 8 تیم در برنامه باقی ماندند.در کنار منتورشیپ، چهار عنوان کارگاه در هریک از موضوعات «راه‌اندازی کسب‌وکار» و «توسعه کسب‌وکار» هم برگزار شد تا پاسخگوی نیازها و سوالات تیم‌ها در این مرحله باشد.روز ارائهروز ارائه، آخرین رویداد برنامه تامزآپ در سال 98 فرصتی برای استارتاپ‌های سلامت بود تا محصولشان را مقابل سرمایه‌گذاران تخصصی حوزه سلامت معرفی کنند. از میان تیم‌های برنامه تامزآپ، 6 تیم واجد شرایط شرکت در روز ارائه بودند. در این رویداد هم با توجه به فرصت حضور سرمایه‌گذاران، علاوه بر تیم‌های برنامه تامزآپ از سایر تیم‌های استارتاپی که در مرحله جذب سرمایه قرار داشتند برای شرکت در رویداد دعوت شد. از میان 28 درخواست برای حضور در این رویداد تعداد 11 استارتاپ برگزیده شدند. در نهایت 17 تیم استارتاپی، در رویداد روز ارائه تامزآپ کسب‌وکار خود را معرفی و برای جذب سرمایه تلاش کردند. برای آشنایی بیشتر با استارتاپ‌های روز ارائه روی لینک زیر کلیک کنید:استارتاپ‌های روز ارائه تامزآپدر روز ارائه تامزآپ بیش از 10 شرکت سرمایه‌گذاری خطرپذیر، شتاب‌دهنده و سازمان علاقه‌مند به سرمایه‌گذاری روی استارتاپ‌های سلامت حضور داشتند. در پایان ارائه‌ها، 15 استارتاپ حداقل از یک سرمایه‌گذار پیشنهاد مذاکره برای ارزیابی بیشتر فرصت سرمایه‌گذاری دریافت کردند. این مذاکره‌ها که توسط تیم برگزاری تامزآپ و بعد از ظهر روز ارائه ترتیب داده شد، در واقع جلسات کوتاه 20 دقیقه‌ای برای شناخت بیشتر استارتاپ‌ و سرمایه‌گذار نسبت به یکدیگر و پاسخگویی اعضای تیم به سؤالات سرمایه‌گذار بود. سرمایه‌گذاران در پایان هر مذاکره با استارتاپی که فرصت بالایی برای سرمایه‌گذاری روی آن می‌دیدند جلسه بعدی را مقرر کردند.روز ارائه تامزآپ، فرصت جذب سرمایه برای استارتاپ‌های سلامتنتایج برنامهما میزان دستیابی به اهداف و موفقیت برنامه تامزآپ را در چهار موضوع مورد ارزیابی قرار دادیم.1. آموزش و توانمندسازی: برنامه آموزشی و کارگاه‌های تامزآپ مطابق برنامه طراحی شده برگزار گردید و تنها یک کارگاه بود که برگزار نشد. در اولین کارگاه‌ها تا حدود 60 نفر شرکت می‌کردند ولی با تخصصی‌تر شدن مباحث از تعداد شرکت‌کنندگان کاسته می‌شد تا آنجا که در آخرین کارگاه حدود 20 نفر حضور داشتند. از سوی دیگر یکی از محدودیت‌های مهم برنامه آموزشی عدم انطباق آن با برنامه کاری و درسی بسیاری از شرکت‌کنندگان بود.2. شبکه‌سازی و تیم‌سازی: اقداماتی که در مرحله اول برنامه برای کمک به شبکه‌سازی و تشکیل تیم‌ها انجام گرفت با وجود اینکه باعث ایجاد تیم‌ها و ارتباط بین افراد گردید ولی تیم‌های تشکیل شده دوام و پایداری کافی را نداشتند. به نظر می‌رسد در این زمینه اقدامات انجام شده کافی نبوده و باید راهکارهای دیگری مورد استفاده قرار گیرد.3. منتورینگ و مشاوره: مطابق برنامه، تیم‌های وارد شده در برنامه تامزآپ امکان دسترسی به خدمات منتورینگ و مشاوره را داشتند ولی بسیار کمتر از مقدار مورد انتظار از این خدمات بهره بردند. به نظر می‌رسد به منظور ارتقای خدمات منتورینگ و مشاوره نیاز است یک حلقه واسط بین مشاوران و منتورها با تیم قرار گیرد تا دسترسی و استفاده از این خدمات را مدیریت و پیگیری نماید.4. ورودی و خروجی: از نظر کمی تعداد ورودی و خروجی برنامه تامزآپ یعنی ورود 20 تیم و خروج 6 تیم عدد مناسبی به نظر می‌رسد. هرچند تعداد 6 تیم را نمی‌توان خروجی دقیقی دانست ولی فارغ از تعداد، کیفیت، تنوع و آمادگی تیم‌ها برای ارائه و مذاکره با سرمایه‌گذار اهمیت بیشتری دارد. در این زمینه لازم است ملاک‌ها و مدل انتخاب تیم‌های ورودی تامزآپ و همچنین ملاک‌های آمادگی تیم‌ها باید مورد بازنگری قرار گیرد.برنامه‌های آتیبرای برنامه تامزآپ سه چشم‌انداز اصلی در نظر گرفته شده است که طراحی و پیاده‌سازی دوره‌های بعدی نیز در راستای همین چشم‌اندازها خواهد بود.1. ورود به کوریکولوم آموزشی دانشگاه: تامزآپ برای آنکه بتواند بیشترین اثربخشی خود را داشته باشد باید در برنامه آموزشی رسمی دانشگاه‌ها جایگاهی داشته باشد. لازم به ذکر است که هدف این نیست که همه کارآفرین شوند بلکه هدف گسترش فرهنگ کارآفرینی در فضای دانشگاه است تا تعداد اندک کارآفرینان بتوانند فعالیت کنند.2. مقیاس‌پذیری کشوری: با آنکه بسیاری از منابع در شهرهای بزرگ و تهران متمرکز شده‌اند ولی لازمه کارآفرینی که کارآفرینان هستند در سراسر کشور وجود دارند. تامزآپ باید بتواند در دسترس همه در سراسر کشور باشد و قسمت اعظم خدمات خود را به صورت از راه دور نیز ارائه نماید.3. تکمیل هر سه مرحله: همانطور که در بخش طراحی گفته شد در ابتدا تامزآپ به صورت سه مرحله‌ای طراحی شده بود که مرحله سوم همان شتابدهی بود. برای تکمیل زنجیره ارزش برنامه تامزآپ لازم است که مرحله سوم نیز پیاده‌سازی و اجرایی گردد.امید است که با ارتقا و بهبود فرآیند‌های برنامه تامزآپ در راستای چشم‌اندازهای ذکر شده بتوان محیطی مناسب برای رشد، توسعه و ارتقای کسب‌وکارهای حوزه سلامت ایجاد نمود. مدلین | MedLean مدلین | MedLean Sun, 09 Feb 2020 18:55:34 +0330 https://virgool.io/MedLeanMag/healthcare-ai-startups-osihlbij6lj9 یکی از روندهای مطرح امروز در دنیای تکنولوژی، هوش مصنوعی (Artificial Intelligence) است. هوش مصنوعی را به زبان ساده می‌توان توانایی سیستم‌های کامپیوتری برای انجام کارهایی دانست که به طور معمول نیاز به هوش انسان دارند. توضیحات بیشتر در مورد تعریف هوش مصنوعی را در مقاله «آیا هوش مصنوعی جایگزین پزشکان خواهد شد؟» مطالعه نمائید.هوش مصنوعی در حوزه سلامت طی یک دهه گذشته به آهستگی ولی در بخش‌های مختلف جایگاه خود را یافته است. تعداد استارتاپ‌هایی که محصول و ارزشی که ایجاد می‌کنند به‌طور مستقیم با هوش مصنوعی مرتبط است نسبت به دیگر تکنولوژی‌های نوظهور مانند اینترنت اشیا، واقعیت مجازی یا واقعیت افزوده به مقدار قابل ملاحظه‌ای بیشتر است. از سوی دیگر بسیاری از استارتاپ‌هایی که هسته اصلی محصول آنها را تکنولوژی‌های دیگر تشکیل می‌دهد نیز از تکنولوژی هوش مصنوعی بهره می‌برند.به منظور شناخت و دسته‌بندی استارتاپ‌های هوش مصنوعی در حوزه سلامت و مراقبت‌های بهداشتی درمانی، ما بیش از 115 استارتاپ را بررسی و آن‌ها را در هشت دسته‌بندی اصلی قرار دادیم. علاوه بر این‌ها، سه دسته دیگر نیز وجود داشت که تعداد استارتاپ‌های آن‌ها کمتر از دسته‌های اصلی بود. هر چند ممکن است همچنان استارتاپ‌هایی وجود داشته باشند که در این دسته‌بندی‌ها نگنجند ولی این دسته‌بندی نمایی خوب از آنچه تاکنون توسط هوش مصنوعی در سلامت ایجاد شده و یا در حال توسعه است به ما می‌دهد. مهم‌ترین کاربرد این دسته‌بندی، الگوبرداری و شناخت بهتر فرصت‌های ارزش‌آفرینی با استفاده از تکنولوژی‌های هوش مصنوعی در حوزه سلامت است.دسته‌بندی‌های استارتاپ‌های هوش مصنوعی در سلامت شامل موارد زیر است:1. دستیار مجازی2. تحقیقات بالینی3. کشف دارو4. کمک‌تشخیصی5. کمک‌تصمیم‌گیری بیمارستان6. مدیریت خدمات سلامت7. مراقبت از راه دور8. مراقبت شخصی‌سازی‌شده9. تندرستی10. حفظ امنیت11. تحلیل اطلاعات ژنتیکنقشه استارتاپ های هوش مصنوعی سلامت و پزشکی1. دستیار مجازیاستارتاپ‌های این دسته با استفاده از تکنولوژی هوش مصنوعی به بیماران کمک می‌کنند تا مشکل خود را بهتر بفهمند، تشخیص‌های احتمالی را بدانند و یا پزشک و مرکز درمانی مناسب خود را بیابند. برخی از استارتاپ‌های این دسته نیز به پزشکان در انجام امور حرفه‌ای خود کمک می‌کنند تا بتوانند بازده بیشتری داشته باشند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:بابیلون هلث (Babylon Health): با ترکیب فناوری هوش مصنوعی و تخصص پزشکی انسان‌ها یک سیستم خدمات بهداشتی دیجیتال ایجاد کرده است که افراد می‌توانند با مراجعه به آن، مراقبت‌های کامل بهداشتی از جمله ارزیابی بهداشتی شخصی، مشاوره درمانی و ملاقات چهره به چهره با پزشک را در هر زمان از شبانه روز دریافت نمایند. کِی هلث (K Health): این استارتاپ تجربه‌های سلامت افراد را که از طریق تعامل با آن‌ها به دست آمده در یک پایگاه داده واحد ذخیره می‌کند و با استفاده از الگوریتم‌های یادگیری هوش مصنوعی مبتنی بر همین داده‌های جمع آوری شده به ارائه مشاوره‌های سلامتی به سایر افراد می‌پردازد تا مردم بتوانند از طریق آن کنترل سلامتی خود را به دست گیرند. کورآی (curai): این استارتاپ با استفاده از فناوری یادگیری ماشین به بیماران کمک می‌کند اطلاعات صحیح را به پزشکان ارائه دهند تا متخصصان بتوانند بر مبنای آن بهترین تشخیص را داشته باشند. سوکی (suki): یک دستیار پزشک دیجیتال است که قادر به شخصی‌سازی برای هر پزشک بوده و در اتاق معاینه به او کمک می‌کند سریع‌تر و هوشمندانه‌تر عمل کند.2. تحقیقات بالینیهوش مصنوعی در حوزه تحقیقات بالینی دو مدل خدمت ارائه می‌دهد. یک مدل انجام کارآزمایی‌ها بالینی (Clinical Trial) مجازی است. در تولید دارو به خصوص پیش از آزمون‌های حیوانی یا انسانی، هوش مصنوعی با استفاده از داده‌های کلان یک کارآزمایی بالینی مجازی را اجرا می‌کند. نتیجه این تحقیقات سرعت ارزیابی داروها را افزایش می‌دهد و منجر به جلوگیری از هزینه‌های بیهوده برای داروهای بی‌اثر می‌شود. مدل دیگری که هوش مصنوعی به کمک تحقیقات می‌آید تطبیق افراد مناسب برای انجام کارآزمایی‌های بالینی است. یکی از چالش‌های تحقیقات یافتن افراد مناسب برای ورود به مطالعات است که استارتاپ‌های این حوزه با استفاده از هوش مصنوعی این مشکل را حل می‌کنند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:تکرو (Teckro): یک شرکت علوم فناوری است که به آزمایشگاه‌های بالینی و کادر تیم تحقیقات بالینی امکان تحقیق، پرسش و پاسخ و آنالیز آزمایش‌های بالینی را می‌دهد. امکان ثبت بازخورد سریع و مستمر بر اطلاعات نیز وجود دارد. سرعت و وسعت این تحقیقات موجب رشد سریع داروها و درمان پیچیده‌ترین بیماری‌ها در جهان می شود.ساما (saama): یک شرکت ارائه‌دهنده پلتفرم اطلاعات بالینی در فضای ابری است که با یکپارچه کردن داده‌های بالینی، امکان دسترسی راحت به این داده‌ها را فراهم می‌کند. این استارتاپ با ایجاد بسترهای نرم‌افزاری در جهت تجزیه و تحلیل داده‌ها‌، مبتنی بر هوش مصنوعی به شرکت‌های دارویی برای ایجاد برنامه‌های جدید تولید دارو کمک شایانی می‌کند.ان‌فِرِنس (nference): این استارتاپ با استفاده از الگوریتم‌های شبکه عصبی پیشرفته (یادگیری عمیق و کم‌عمق) متون مختلف حوزه‌های علمی و تجاری را به صورت لحظه‌ای پردازش کرده و دانش استخراج شده را به صورت APIهایی در اختیار مشتریان خود که بیوانفورماتیک‌ها، زیست‌شناسان، تحلیل‌گران تجارت، داروسازان و غیره هستند قرار می‌دهد.فلت آیرون (Flatiron Health): با جمع‌­آوری تجربه­‌های بیماران مبتلا به سرطان و با کمک الگوریتم‌­های یادگیری ماشین محققان را در پیشبرد سریع تحقیقات خود و مراقبت بهتر از بیماران یاری می‌دهد.3. کشف دارواستارتاپ‌هایی که در زمینه کشف دارو فعالیت می‌کنند سعی دارند ساختارهای جدید مولکولی و فرمول‌های جدید دارویی را با بهره‌گیری از تکنولوژی‌های هوش مصنوعی کشف کنند. این استارتاپ‌ها از داده‌های متنوع و مختلف، از اطلاعات ژنتیکی تا داده‌های بیولوژیک و محیطی استفاده می‌کنند تا بتوانند ترکیبات جدید را پیدا کنند. تعداد استارتاپ‌های موجود در این دسته و سرمایه‌گذاری‌های انجام شده در آن‌ها نیز به نسبت سایر دسته‌ها قابل توجه است.برخی از استارتاپ‌های این دسته از قرار زیر هستند:ری‌کیورژن (Recursion Pharmaceuticals): این استارتاپ بیوتکنولوژی با ترکیب بیولوژی تجربی، اتوماسیون و هوش مصنوعی به صورت موازی در یک سیستم می‌تواند با سرعت و بازده بهتری درمان‌های جدیدی برای بیماری‌ها کشف کند.بلک‌تورن تراپیوتیکس (BlackThorn Therapeutics): این استارتاپ در حوزه بالینی اعصاب و روان فعالیت می‌کند و به دنبال کشف درمان‌های هدفمند برای اختلالات مغزی است.نوریتاس (nuritas): با ترکیب هوش مصنوعی و ژنومیک به کشف پپتیدهای فعال زیستی طبیعی می‌پردازد. هدف این استارتاپ مدیریت سلامت انسان و بهبود بخشیدن آن است.لب‌جینیوس (LabGenius): از یادگیری ماشین برای تولید پروتئین درمانی بهتر کمک می‌گیرد. ترکیب زیست‌شناسی سنتی و فناوری پیشرفته راهکار این استارتاپ برای متحول کردن روند کشف مسکن‌ها و ساخت داروهای ایمن‌تر و موثرتر در سراسر جهان است.4. کمک‌تشخیصیراهکارهای کمک‌تشخیصی زیر مجموعه‌ای از سیستم‌های کمک‌تصمیم‌گیری (Decision Support Systems) هستند. استارتاپ‌های این دسته در انواع روش‌های تشخیصی به خصوص روش‌های پاراکلینیک وارد می‌شوند و سرعت تشخیص را افزایش، خطاها را کاهش و فرآیند را بهبود می‌دهند. برخی دیگر از استارتاپ‌های این دسته نیز هستند که با بهره‌گیری از هوش مصنوعی دسترسی به روش‌های تشخیصی را بیشتر می‌کنند. برخی دیگر از استارتاپ‌های هوش مصنوعی سلامت نیز هستند که با استفاده از این تکنولوژی‌ها راهکارهای کاملا جدید تشخیصی ابداع می‌کنند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:فرینوم (Freenome): یک شرکت فناوری بهداشت است که در زمینه کنترل سرطان و سایر بیماری‌ها در راستای کنترل مراحل بیماری، محصولات دقیق غربالگری را در دسترس قرار داده و به‌صورت غیر تهاجمی توسعه می‌دهد. (با تولید محصولات غربالگری دقیق و در دسترس به تشخیص به موقع و درمان فعالانه سرطان و سایر بیماری‌ها در مرحله قابل کنترل از بیماری کمک می‌کند.)پروشیا (Proscia): استارتاپی برای داده‌کاوی توسط هوش‌مصنوعی در جهت کشف ارزشمند فاکتور‌های پنهان سرطان به طور دقیق‌تر و سریع‌تر است. این استارتاپ یک پلتفرم آسیب‌شناسی دیجیتال است که با استفاده از هوش مصنوعی داده‌های پنهانی را که با چشم انسان قابل مشاهده نیست کشف و آن‌ها را به بینش‌های ارزشمندی برای بهبود کارایی، سرعت و کیفیت تشخیص سرطان تبدیل می‌کند.مکس‌کیو اِی‌آی (MaxQ AI): در موارد حاد پزشکی با تجزیه و تحلیل‌های پیشرفته و هوش مصنوعی ابزارهای پشتیبان تصمیم‌گیری در لحظه را برای بهبود نتایج بالینی فراهم می‌کند.آرتی‌کیو (ArtiQ): این نرم‌افزار پزشکی مبتنی بر هوش مصنوعی یک شریک قابل اعتماد برای پزشکان در تشخیص، درمان و پیگیری مشکلات تنفسی است. آرتی‌کیو در حال حاضر به تفسیر و تست عملکرد ریوی و بهبود محیط تشخیص بیمار کمک می‌کند.آیلیس (aillis): آیلیس روش‌های جدید آزمایش و تشخیص آنفولانزا با استفاده از هوش مصنوعی را ارائه می‌دهد. (این شرکت به طور عمده روی روش‌های جدید تشخیص آنفولانزا تمرکز دارد.)باترفلای نتورک (butterfly network): یک دستگاه تصویربرداری پزشکی طراحی کرده‌است که باعث کاهش هزینه تصویربرداری سه‌بعدی و آنی می‌شود.هلثی آی‌او (healthy.io): این استارتاپ دوربین‌های گوشی را تبدیل به یک وسیله پزشکی می کند. اولین محصول آن ها کیت ادرار خانگی است که امکان تفسیر آزمایش ادرار با کمک تلفن همراه را به وسیله اسکن هوشمند فراهم می‌کند. به این ترتیب، افراد مبتلا به دیابت یا فشار خون بالا می‌توانند آزمایش‌های ادرار برای تشخیص مشکلات کلیوی را در خانه انجام دهند. این محصول برای غربالگری جمعیتی در اروپا ساخته شده‌است. محصول دوم آنها برای ارزیابی و نظارت بر زخم‌های مزمن و مراقبت‌های بهتر از آن‌ها است.سیگ توپل (sigTuple): ­با جمع­‌آوری و تحلیل داده­‌های پزشکی با استفاده از هوش­‌مصنوعی و استخراج دانش نهفته در آن­ها اطلاعات مفیدی به منظور تشخیص­ سریع­تر ودقیق­‌تر در اختیار پزشکان قرار می­‌دهد.سایت (sight): یک شرکت تجهیزات پزشکی است که تشخیص مقرون به صرفه و دقیقی را برای خود‌مراقبتی به ارمغان می‌آورد. این شرکت با استفاده از تکنولوژی یادگیری ماشین و تجزیه و تحلیل­ نمونه خون با کمک هوش­‌مصنوعی بیماری­‌های عفونی را تشخیص می­‌دهد.ویز (viz): ویز به پزشکان کمک می کند تا از طریق یادگیری ماشین ناهنجاری‌های اسکن مغز را تشخیص دهند. این نرم‌افزار با استفاده از یادگیری عمیق و تحلیل روی اسکن­‌های مغزی، انسداد عروق بزرگ را که منجر به نوعی سکته مغزی غیرفعال می­‌شود تشخیص می­‌دهد و از این طریق به پیشگیری و درمان سریع‌­تر بیماران کمک می­‌کند.مدیال اِرلی‌ساین (medial earlysign): مدیال اِرلی‌ساین یک بستر هوش­‌مصنوعی مستقر بر روی داده­‌های جمع­‌آوری شده از میلیون­‌ها بیمار ایجاد کرده است که قادر به پیش­‌بینی انواع بیماری­‌های متابولیک، ایمنی و عفونی از روی نتایج آزمایش خون افراد می‌باشد.کورتی (Corti): این استارتاپ با استفاده از تکنولوژی یادگیری ماشین کمک می‌کند تصمیمات زودتر و دقیق‌تر در بخش اورژانس گرفته شود. به عنوان مثال به تشخیص زودتر سکته قلبی کمک می‌کند.5. کمک‌تصمیم‌گیری بیمارستانسیستم‌های کمک‌تصمیم‌گیری در سطح مدیریتی برای بیمارستان‌ها و مراکز درمانی نیز می‌توانند مورد استفاده قرار گیرند. یکی از راهکارهایی که توسط این دسته از استارتاپ‌ها ارائه می‌شود مدیریت و توزیع مناسب منابع به منظور کاهش هزینه‌ها و افزایش بازدهی است. استارتاپ‌های دیگری نیز هستند که برخی از کارهای پرسنل مراکز درمانی را با استفاده از هوش مصنوعی اتوماسیون می‌کنند و به این طریق از نیروی انسانی مورد نیاز و یا حجم کاری آن‌ها می‌کاهند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:اولیو (Olive): اولیو، قصد دارد ربات‌­ها را در مواردی که می­‌توانند بهتر از انسان عمل کنند جایگزین نیروی انسانی کند و تنها مواردی همچون خلاقیت و همدلی که انسان در آن از ربات پیشتاز است بر عهده بشر باشد.کیوونتوس (Qventus): با استفاده از الگوریتم­‌های یادگیری و بهینه­‌سازی، تصمیمات عملیاتی بهینه و در لحظه را برای مراقبت‌های بهداشتی به بیمارستان‌­ها و مراکز خدمات درمانی پیشنهاد می­‌دهد.لین تاس (leanTaas): این استارتاپ با استفاده از تحلیل داده‌های پرونده‌های الکترونیک و برنامه‌های کاری کلینیک‌ها و بیمارستان‌ها بازده عملیاتی آن‌ها را به شکل محسوسی افزایش می‌دهد. این راهکار منجر به کاهش زمان انتظار بیماران و هزینه‌های مراکز می‌گردد در حالی که رضایت بیماران افزایش پیدا می‌کند.6. مدیریت خدمات سلامتیکی دیگر از راهکارهایی که هوش مصنوعی ارائه می‌دهد ارزیابی ریسک است. برای شرکت‌های بیمه یا کارفرما‌هایی که کارکنان خود را بیمه می‌کنند ارزیابی ریسک و مدیریت آن خدمتی ارزشمند است. به طور کلی استارتاپ‌هایی که در این دسته قرار دارند مشتریانشان بیمه‌ها یا سازمان‌ها (برای خدمات بیمه که به کارکنانشان می‌دهند) هستند. این استارتاپ‌ها با مدیریت خدمات سلامت در وهله اول سعی در کاهش هزینه‌های کلان بهداشتی درمانی دارند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:لومیاتا (Lumiata): این استارتاپ با استفاده از هوش مصنوعی پیش‌بینی‌هایی برای مدیریت هزینه‌ها و ریسک به شرکت‌های بیمه و کارفرمایان ارائه می‌دهد.اِی‌آی کیور (AiCure): یک شرکت تجزیه و تحلیل داده پیشرفته است که از هوش‌مصنوعی برای درک چگونگی پاسخ بیماران به درمان استفاده می‌کند. این استارتاپ با استفاده از هوش­‌مصنوعی داده­‌های ویدئویی، صوتی و رفتاری را که از بیمار دریافت می­‌کند تحلیل کرده و چگونگی پاسخ بیمار به درمان را گزارش می­‌دهد و از این طریق باعث تصمیم‌گیری­‌های هوشمندانه و بهبود روند درمان بیماران می­‌شود.یوکِیر اِی‌آی (Ucare.ai): با استفاده از یوکِیر بیماران می­‌توانند به درک شخصی از شرایط سلامت خود و خطرات احتمالی آینده دست پیدا کنند و بتوانند اقدامات پیشگیرانه را زودتر انجام دهند. از همین رو ارائه‌‌دهندگان خدمات سلامت نیز می­‌توانند روی افرادی که نیاز به درمان فوری دارند تمرکز کنند.هلث اَت اِسکیل (health at scale): این استارتاپ با استفاده از هوش مصنوعی و تکنولوژی یادگیری ماشین بیمار را با مناسب‌ترین پزشک و مرکز درمانی در مناسب‌ترین زمان انطباق می‌دهد. در نتیجه راهکار این استارتاپ نتایج درمان بهبود و هزینه‌ها کاهش می‌یابد.لوسینا هلث (Lucina Health): این استارتاپ با اتکا به یک پایگاه داده غنی و تحلیل وضعیت جسمانی زنان باردار، افرادی را که در معرض خطر زایمان زودرس هستند (معمولا در سه ماه اول بارداری) شناسایی می­‌کند تا با پیشگیری و درمان زودهنگام از وقوع اتفاقات ناگوار جلوگیری شود.7. مراقبت از راه دوراستارتاپ‌های این دسته با استفاده از هوش مصنوعی بخشی از نقش پرسنل بهداشتی درمانی را به عهده می‌گیرند. راهکارهای مراقبت از راه دوری که از هوش مصنوعی بهره می‌برند مانیتورینگ اولیه بیمار را انجام می‌دهند و در صورتی که مشکلی وجود داشته باشد پرسنل بهداشتی درمانی یا فرد مسئول را مطلع می‌کند. این استارتاپ‌ها ضمن کاهش هزینه‌های سیستم، راهکاری برای مشکل کمبود نیروی متخصص نیز هستند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:مایند استرانگ (Mindstrong): مایند استرانگ برای اولین بار راهی برای اندازه­‌گیری عینی و مداوم عملکرد مغز به صورت روزانه ارائه کرده­‌است. این استارتاپ دیدگاه جدیدی از عملکرد مغز به ­انسان می­‌دهد که تاکنون از روش­‌های تصویربرداری سنتی امکان­‌پذیر نبوده است.بایوفرمیس (Biofourmis): بایوفورمیس، با استفاده از موتور تحلیلی مبتنی­ بر هوش­‌مصنوعی و تجزیه و تحلیل داده­‌های بالینی موجود در منابع خود، وقوع یا تشدید یک بیماری را از قبل پیش‌­بینی کرده و به پزشکان و شرکت­‌های تولید دارو و خدمات سلامت کمک می­‌کند تا خدمات بهتر و موثر­تری ارائه دهند.کانتینیوس بایومتریکس (ContinUse Biometrics): فناوری معاینه از راه دور را به طور کارآمدی پیاده­‌سازی می‌کند. به این صورت که از طریق سنسورهایی که به گوشی همراه فرد متصل است در هر زمان و هر مکان که فرد بخواهد اطلاعات بالینی همچون ضربان قلب، فشار خون، میوگرافی و غیره را بدون تماس جسمی و از راه دور برای پزشک ارسال می­‌کند تا از طریق آن درمان و تشخیص مناسب را انجام دهد. این استارتاپ برای مراقبت از بیماران قلبی و عروقی، عضلانی و دیابت بسیار موثر است.وینترلایت لبز (Winterlight Labs): وینترلایت، فناوری‌ای ایجاد می‌کند که می‌تواند به سرعت و به طور دقیق علائم اختلال شناختی را از نمونه گفتار تشخیص دهد. در واقع وینترلایت با به‌کارگیری هوش­‌مصنوعی و پردازش و تحلیل صدای افراد و الگوهای گفتار زبان آن­ها، بیماری‌­های شناختی و روانی از جمله زوال عقل را تشخیص می‌­دهد.دنتال مانیتورینگ (dental monitoring): راهکار این استارتاپ برای پایش سلامت دندان‌ها استفاده از یک گجت برای عکس‌برداری با گوشی موبایل از دندان‌ها و تحلیل آن‌ها با هوش مصنوعی است.ام فاین (mfine): این استارتاپ از طریق گوشی همراه و یا دستگاه­‌های پوشیدنی دیجیتال اطلاعات سلامت افراد را بررسی و تحلیل کرده و پیش­‌بینی دقیقی از وضعیت سلامت بیمار را در اختیار مراکز درمانی و پزشکان قرار می­‌دهد تا از طریق ارزیابی‌­های اولیه تشخیص و درمان بهتر و سریع­‌تری برای بیمار فراهم کنند.8. مراقبت شخصی‌سازی‌شدهاستارتاپ‌های این دسته نیز زیرمجموعه سیستم‌های کمک‌تصمیم‌گیری قرار می‌گیرند ولی در زمینه مراقبت‌های درمانی به متخصصان کمک می‌کنند بهترین درمان متناسب با نیاز و شرایط فرد را تجویز نمایند. برخی از این استارتاپ‌ها نیز هستند که خود می‌توانند در مواقع بحرانی شرایط بیمار را تشخیص دهند و درخواست کمک نمایند و یا حتی مداخله‌ای برای نجات جان بیمار انجام دهند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:هول بیوم (Whole Biome): یک شرکت میکروبیوم است که با ایجاد تعادل هدفمند در میکروبیوم‌های انسانی در زمینه ایجاد مراقبت بهتر از بیماران متمرکز شده است. این استارتاپ با جمع­‌آوری و تحلیل میکروبیوم­‌های انسانی به پزشکان و محققان کمک می­‌کند تا به سرعت بیومارکرهای جدید را برای اهداف مورد نظر خود از جمله تشخیص و درمان بیماری­‌ها کشف کنند.اسپرینگ هلث (Spring Health): هدف این استارتاپ کمک به افراد مبتلا به اختلالات روان است تا هر چه زودتر بهبود پیدا کنند. بدین منظور با استفاده از هوش مصنوعی بهترین راهکارهای درمانی و بهبودی را در زمان مناسب پیشنهاد می‌دهد.لیریو (Lirio): این استارتاپ پلتفرم ارتباطی شخصی‌سازی شده برای تغییر رفتار است که این رویکرد فردمحور را با استفاده از هوش مصنوعی فراهم می‌کند.آبلاکون (ablacon): این استارتاپ سیستم هوش مصنوعی ابداع کرده است که می‌تواند فیبریلاسیون دهلیزی را دقیق و قابل اعتماد تشخیص دهد و درمان کند.9. تندرستیهوش مصنوعی در دسته استارتاپ‌های تندرستی راهکارهایی از توصیه رفتار سلامت مناسب فرد تا ترغیب شخصی‌سازی شده را ارائه می‌کند. هر چند در بسیاری از استارتاپ‌های بازار تندرستی ممکن است از هوش مصنوعی استفاده شود ولی کمتر این تکنولوژی، هسته اصلی این کسب‌وکارها را شکل می‌دهد.برخی از استارتاپ‌های این دسته از قرار زیر هستند:ول توک (Welltok): این استارتاپ، پلتفرم مبتنی بر داده برای ترغیب افراد به مشارکت در سلامت و مراقبت از خود است که خدمات خود را به شرکت‌های بیمه و کارفرمایان ارائه می‌دهد.وی (Vi): این استارتاپ ارائه دهنده تمرین‌های ورزشی شخصی‌سازی‌شده توسط هوش‌مصنوعی در قالب فایل‌های صوتی است. با توجه به هدف هر فرد از ورزش و پایش لحظه‌ای وضعیت او با استفاده از هوش مصنوعی تمرین‌های صوتی ورزشی مناسب را به صورت روزانه ارائه می کند. این اپلیکیشن ورزش کردن را برای کاربران خود بسیار مفرح کرده است.10. حفظ امنیتحفظ امنیت و حریم شخصی افراد در حوزه سلامت از حساسیت زیادی برخوردار است. از سوی دیگر ما نیاز به دسترسی به داده‌های سلامت برای کشف ناشناخته‌ها داریم. استارتاپ‌هایی هستند که با بهره‌گیری از تکنولوژی هوش مصنوعی توانسته‌اند راهکارهایی برای دسترسی به داده‌ها و در عین حال حفظ امنیت و حریم شخصی ارائه دهند.یکی از استارتاپ‌های این دسته از قرار زیر است:دیتاوَنت (Datavant): این استارتاپ داده‌های بهداشتی جهان را سازمان‌دهی می‌کند و به صاحبان داده کمک می‌کند تا حریم شخصی و امنیت داده‌های خود را در زمان اشتراک مدیریت کنند.11. تحلیل اطلاعات ژنتیککشف رازهای پنهان در اطلاعات ژنتیکی انسان بدون بهره‌گیری از تکنولوژی هوش مصنوعی امکان‌پذیر نیست. بنابراین استارتاپ‌هایی هستند که به طور اختصاصی روی توسعه راهکارهای تحلیل اطلاعات ژنتیکی با استفاده از هوش مصنوعی کار می‌کنند.برخی از استارتاپ‌های این دسته از قرار زیر هستند:وکسی نکست‌کُد (WuXi NextCODE): این استارتاپ با استفاده از ژنوم انسان، انواع بیماری‌ها و عوامل بیماری‌زا در هر شخص را مشخص می‌کند. محصول آن یک پلتفرم استاندارد جهانی برای داده‌های ژنومی ایجاد کرده است که قابلیت‌هایی همچون طراحی، ذخیره‌سازی، تفسیر و تجزیه و تحلیل داده‌های ژنومی را فراهم می‌کند‌.آی‌کربن‌ایکس (iCarbonX): پلتفرم هوش­ مصنوعی که داد­ه‌های بیولوژیکی را از افراد مختلف در چین چمع­‌آوری و داده‌کاوی می­‌کند تا از طریق یادگیری ماشین به استخراج الگوهای مفید دست پیدا کنند. شعار این استارتاپ زندگی سالم از طریق اکوسیستم زندگی دیجیتال است.نتیجه‌گیریاستارتاپ‌هایی که از تکنولوژی هوش مصنوعی در حوزه سلامت بهره می‌گیرند تعداد قابل توجهی دارند و سهم آن‌ها از بازار سرمایه‌گذار نیز نسبت به تکنولوژی‌های دیگر بیشتر است. به همین دلیل به نظر می‌رسد که فرصت مناسبی برای علاقه‌مندان به این تکنولوژی است که وارد حوزه سلامت شوند. از سوی دیگر برای فعالان حوزه سلامت نیز هوش مصنوعی بازاری رو به رشد و جذاب به نظر می‌رسد.علاوه بر مواردی که در این مقاله به آن‌ها اشاره شد ده‌ها استارتاپ دیگر هوش مصنوعی سلامت هستند که می‌توان از آن‌ها الگو گرفت. ولی در همین دسته‌بندی‌هایی که ذکر شد فرصت‌های بسیاری وجود دارد که نه فقط در بازار ایران نوظهور و بکر هستند، بلکه بسیاری از آن‌ها هنوز در دنیا به اندازه کافی توسعه نیافته‌اند یا سهم بازار قابل توجهی به‌دست نیاورده‌اند.تحصیل، مطالعه و کسب دانش و تجربه در زمینه هوش مصنوعی سلامت به خصوص با رویکرد بین‌رشته‌ای در آینده‌ای نه چندان دور -حتی اکنون در کشورهای پیشرفته- فرصت‌های شغلی و تحصیلی بسیار منحصر به فردی دارد. نویسندگان: دکتر آیدین پرنیا و مهندس نجمه یوسفیویرایش محتوایی و نگارشی: دکتر فرشته کاظمی‌پور و امین الهامی مدلین | MedLean آیدین پرنیا Sun, 02 Feb 2020 20:49:59 +0330 https://virgool.io/MedLeanMag/ai-and-coronavirus-qavv69w7mzjb هوش مصنوعی توانست اپیدمی ویروس کرونا را پیش‌بینی کند.آغاز یک پاندمیدر آخرین روزهای سال 2019 میلادی یک اپیدمی ویروسی جدید از شهر ووهان شروع شد که اکنون آن را با نام «2019-nCoV» یا ویروس کرونا جدید سال 2019 می‌شناسیم. طبق اطلاعیه سازمان بهداشت جهانی، گزارش‌هایی از موارد ابتلا به پنومونی در تاریخ 31 دسامبر 2019 منتشر شده بود که عامل آن با هیچ کدام از ویروس‌های شناخته شده مطابقت نداشت. ویروس جدید در 7 ژانویه شناسایی شد و مشخص گردید که از همان خانواده ویروس سرماخوردگی و ویروس‌های دیگری مانند سارس (SARS) و مرس (MERS) است.با آنکه دنیا تجربه مبارزه با اپیدمی‌هایی از این دسته ویروس‌ها را در یک دهه پیش داشت ولی بار دیگر این ویروس بود که ما را غافلگیر کرد. ویروس کرونای جدید در حدود یک ماه بیش از 6 هزار نفر را مبتلا کرده و باعث مرگ 132 نفر شده است. اکنون در 29 ژانویه (9 بهمن) موارد ابتلا در 19 کشور گزارش شده است. در شهر ووهان و هانگانگ اکنون حدود 18 میلیون نفر در قرنطینه هستند.ویروس کرونای جدید در حدود یک ماه بیش از 6 هزار نفر را مبتلا کرده و باعث مرگ 132 نفر شده است.خطای انسانی یا عدم کفایتمرگ و میر ویروس کرونا حدود 3 درصد می‌باشد و نسبت به سارس با 10 درصد و مرس با 34 درصد بسیار کمتر است ولی میزان انتقال آن به میزان چشمگیری از این ویروس‌ها بیشتر است. با این حال هنوز وضعیت اضطراری جهانی برای ویروس کرونای جدید اعلام نشده است ولی گمانه‌زنی‌هایی وجود دارد که سازمان‌های بین‌المللی مسئول، بار دیگر نتوانستند به موقع برای جلوگیری از گسترش جهانی یک بیماری عفونی اقدام کنند. به نظر می‌رسد که عوامل مخدوش‌کننده مختلفی مانند مسائل سیاسی و اقتصادی وجود دارد که تصمیم‌گیری در این موارد را دشوار و دچار تأخیر می‌کند.تئودور آدهانوم، دبیر کل جدید سازمان جهانی بهداشت، امروز 29 ژانویه در حساب توئیتر خود از اینکه در گزارش این هفته خود میزان خطر جهانی ویروس کرونا را متوسط اعلام کرده عذرخواهی کرده و اعلام کرده است که این مورد خطای انسانی در ثبت گزارش بوده است. حتی اگر این مورد را نیز در نظر نگیریم همچنان سرعت عمل و کفایت عملکرد ساختارهایی مانند سازمان جهانی بهداشت برای حفاظت از جان انسان‌ها در مقابل پاتوژن‌های مدرن بسیار ناکارآمد است.عذرخواهی دبیر کل سازمان بهداشت جهانی در مورد اشتباه رخداده در گزارش مربوط به کرونا ویروستشخیص اپیدمی با کمک هوش مصنوعیدر تاریخ 25 ژانویه، رسانه وایرد (Wired) خبری مبنی بر اینکه استارتاپ بلودات (BlueDot) اولین هشدار را در مورد اپیدمی ووهان اعلام نموده است منتشر کرد. در این خبر عنوان شده که این استارتاپ کانادایی که با استفاده از الگوریتم هوش مصنوعی وقوع اپیدمی در مناطق مختلف جهان را پیش‌بینی می‌کند در 31 دسامبر وقوع یک اپیدمی ویروسی در ووهان را به مشتریان خود هشدار داده است. این در حالی است که سازمان کنترل بیماری‌های آمریکا تقریبا یک هفته پس از آن در این مورد هشدار داد.استارتاپ بلودات توسط دکتر کامران خان بنیان‌گذاری شده است که خود تجربه کار در زمان طغیان سارس در سال 2003 را داشته و پس از آن تصمیم گرفته است راهکاری برای پیش‌بینی اپیدمی‌ها ابداع کند. راهکار بلودات با استفاده از تکنولوژی‌های یادگیری ماشینی (machine learning) و تحلیل زبان طبیعی (natural-language processing) از طریق تحلیل داده‌های موجود در اخبارهای محلی به 65 زبان، اطلاعات پرواز هواپیما و بلیط‌های آن‌ها و همچنین گزارش‌های انتشار بیماری‌های حیوانات و گیاهان می‌تواند احتمال وقوع یک اپیدمی را پیش‌بینی و پیش از گسترش آن هشدار دهد.این استارتاپ پیش از این توانسته وقوع اپیدمی‌های دیگری از جمله زیکا در جنوب فلوریدا را پیش‌بینی کند که این موضوع در مقاله‌ای در مجله لنست (Lancet) نیز به چاپ رسیده است.در مورد وقوع اپیدمی ویروس کرونای ووهان علاوه بر اینکه بلودات توانست زودتر از سازمان‌های مسئول هشدار دهد، انتشار بعدی در شهرهای بانکوک، سئول، تایپه و توکیو را نیز به درستی پیش‌بینی کرد.لازم به ذکر است که استارتاپ بلودات از سال 2008 فعالیت خود را آغاز نموده و اکنون حدود 40 نفر در آن مشغول به کار هستند. این استارتاپ توانسته در سه دور حدود 9/4 میلیون دلار سرمایه جذب نماید.استارتاپ بلودات اولین هشدار در مورد وقوع یک اپیدمی در ووهان را در 31 دسامبر، پیش از سایرین اعلام کرد.زمان استفاده از تکنولوژی دیجیتال در سلامت فرارسیدهشاید اگر امروز به شکل مؤثری از تکنولوژی‌های روز کمک گرفته می‌شد می‌توانستیم به شکلی کارآمدتر از انتشار و مرگ‌ومیر بیماری‌هایی مانند ویروس کرونا جلوگیری کنیم. نمونه‌هایی مانند استارتاپ بلودات بسیار است که با ارائه راهکارهای کارآمد می‌توانند به بهبود ارائه خدمات سلامت کمک کنند ولی به نظر می‌رسد همچنان مقاومت سیستم سلامت در مقابل استفاده از تکنولوژی‌های دیجیتال بسیار زیاد است. برخی از حساسیت‌ها در این زمینه قابل درک است ولی از سوی دیگر ممکن است بهره نبردن از آن‌ها صدمات جبران‌ناپذیری داشته باشد. به نظر می‌رسد که زمان استفاده از تکنولوژی‌های دیجیتال در سطوح مختلف سیستم سلامت فرا رسیده و تعلل بیش از این و مانع‌تراشی در مسیر پیشرفت و توسعه آن‌ها جایز نیست.منابعWHO Novel Coronavirus (2019-nCoV)Wuhan Coronavirus StatisticsAn AI Epidemiologist Sent the First Warnings of the Wuhan VirusAnticipating the international spread of Zika virus from BrazilThis tech firm used AI & machine learning to predict Coronavirus outbreak; warned people about danger zones مدلین | MedLean آیدین پرنیا Thu, 30 Jan 2020 10:40:56 +0330 https://virgool.io/MedLeanMag/%D9%BE%DB%8C%D8%B4%D8%A8%DB%8C%D9%86%DB%8C%D9%87%D8%A7%DB%8C%DB%8C-%D8%AF%D8%B1%D8%A8%D8%A7%D8%B1%D9%87-%D8%A8%D8%A7%D8%B2%D8%A7%D8%B1-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-%D8%AF%D8%B1-%D8%B3%D8%A7%D9%84-2020-gi6ogfduaa6y سلامت دیجیتال و بازار سلامت در سال 2020 شاهد چه اتفاقاتی خواهند بود؟ کدام تکنولوژی پیشرو خواهد بود؟ سیاست‌گذاری‌ها چه تغییراتی خواهند کرد؟ کدام صنعت در خطر نابودی است؟موسسه سی‌بی‌اینسایتز (CBinsights) نتایج نظرسنجی خود را درباره رخدادهای بازار سلامت در سال 2020 در مقاله‌ای با عنوان «2020 healthcare predictions» منتشر کرده است. بیش از 800 نفر در این نظرسنجی شرکت کرده‌اند که نتایج آن را در ادامه بررسی می‌کنیم.غول‌های تکنولوژی اثرگذار بر سلامتبه نظر مخاطبان، از بین گوگل، اپل، آمازون و مایکروسافت، چهار غول‌ تکنولوژی که چندسالی است به بازار سلامت هم ورود کرده‌اند، آمازون بیشترین تأثیر را بر سلامت خواهد داشت. آمازون که سال قبل 43 درصد آرا را داشت، امسال با 37 درصد آرا، برای سال دوم پیاپی اثرگذارترین بازیگر از بین این چهار شرکت شناخته شد. در مقابل کاهش آرای آمازون، گوگل از 28 درصد در سال گذشته به 35 درصد در سال 2020 رسیده است که این می‌تواند به خاطر اقدامات گوگل در سال 2019 باشد.گوگل سال گذشته، استارتاپ فیت‌بیت، تولید‌کننده دستگاه‌های پوشیدنی سلامت را خرید. در حالی که گوگل، به درستی فعالیت‌های خود در حوزه سلامت را بر یادگیری ماشینی متمرکز کرده‌است، تملک فیت‌بیت، به معنای دسترسی به داده‌های 28 میلیون کاربر این استارتاپ تندرستی و پیشرفت در تحلیل و ارائه توصیه‌های سلامت شخصی‌سازی‌شده است. علاوه بر این، گوگل مشارکت با سازمان‌های بزرگ دیگری را هم شروع کرده که آنها هم داده‌های فراوانی در اختیارش خواهند گذاشت.البته، آمازون هم در سال گذشته فعالیت‌های قابل توجهی داشته است. سامانه مراقبتی آمازون (Amazon Care) که اوایل سال 2019 رونمایی شد، کلینیک مجازی مراقبت‌های اولیه برای کارکنان آمازون است. کارکنان ناحیه سیاتل –که این سامانه به صورت آزمایشی در آن اجرا می‌شود- می‌توانند برای حل مشکلات حاد و مزمن خود از خدمات گفتگوی متنی، تلفنی یا تماس ویدیویی با پزشک، ویزیت پرستاری در منزل یا تحویل دارو در منزل استفاده کنند. آمازون، اولین غول تکنولوژی نیست که به جای مشارکت با یک شرکت بیمه برای ارائه خدمات مراقبت سلامت به کارکنانش، مرکز مراقبت سلامت خودش را تأسیس می‌کند. اپل و اینتل، خیلی پیشتر چنین کاری کرده‌اند. این اقدام به این شرکت‌ها اجازه می‌دهد محصولات و تکنولوژی‌های خود را پیش از عرضه به بازار در محیط داخلی خود آزمایش کنند. همچنین، هزینه‌های درمانی سازمان را کاهش می‌دهد. راه‌اندازی سامانه مراقبتی آمازون هم نشان از برنامه‌های جدی‌تر آمازون در حوزه سلامت دارد.آمازون، تأثیرگذارترین غول تکنولوژی در بازار سلامتهوش مصنوعی، تکنولوژی پیشتاز سلامتبه نظر می‌رسد از بین تکنولوژی‌های نوظهور، هوش مصنوعی بیشترین تأثیر را روی سلامت خواهد داشت. هوش مصنوعی با 65 درصد آرا، از ایمونوتراپی، اصلاح ژنتیکی (CRISPR)، بلاک‌چِین و روبوتیک پیشی گرفته است. چنین نتیجه‌ای با توجه به کاربردهای فراوان و متنوع هوش مصنوعی در حوزه سلامت دور از انتظار نبود.استفاده‌های هوش مصنوعی در سلامت را می‌توانید در این مقاله مطالعه کنید. هوش مصنوعی، تکنولوژی پیشتاز سلامت در سال 2020داروخانه‌های سنتی در معرض نابودیبا رواج یافتن داروخانه‌های آنلاین و سفارش و تحویل غیرحضوری دارو، زنجیره تأمین دارو تغییراتی اساسی را شاهد بوده است. استارتاپ‌های ارسال دارو، سفارش‌های کاربر را دریافت می‌کنند و سپس با داروهایی که از شرکت‌های پخش می‌‌گیرند، سفارش‌ها را آماده می‌کنند. بنابراین، داروخانه‌ها در حال حذف از زنجیره تأمین داروها هستند. این مسأله با ورود آمازون، بزرگ‌ترین شرکت تجارت الکترونیک به صنعت دارو، جدی‌تر شد. آمازون سال 2018 استارتاپ پیل‌پک (pillpack) را که در زمینه فروش دارو به صورت آنلاین فعالیت می‌کند به قیمت 753 میلیون دلار، خرید و به این ترتیب رقیب مهمی برای داروخانه‌ها شد. همین موضوع باعث شده داروخانه‌هایی که به مدل کسب‌وکار سنتی خود پایبند هستند و برنامه‌ای برای همگام شدن با تغییرات ندارند، با خطر نابودی کسب‌وکارشان روبه‌رو باشند.داروخانه‌های سنتی در خطر نابودیشفافیت هزینه‌های بیمارستانی، قانونی که باید منتظرش باشیمبه دنبال فرمان اجرایی ترامپ مبنی بر افزایش شفافیت قیمت‌ها در نظام سلامت با هدف کاهش هزینه‌های سلامت، سال 2019 مرکز خدمات پزشکی (CMS) آمریکا قوانینی را برای ملزم کردن بیمارستان‌ها به انتشار شفاف هزینه‌ها و قیمت‌گذاری‌های خود مطرح کرد. به نظر می‌رسد همین موضوع باعث شده است، مخاطبان این نظرسنجی، تغییر قوانین در شفافیت هزینه‌های بیمارستانی و پس از آن قیمت‌گذاری‌های دارو در سال 2020 را محتمل‌تر بدانند.علاوه بر این، با تغییر روند بیماری‌ها از مشکلات حاد به بیماری‌های مزمن، مشتریان بازار سلامت، تغییر کرده‌اند. اکنون دیگر دریافت‌کنندگان خدمات سلامت بیشتر از آنکه «بیماران» بدحالی باشند که زمان کافی برای انتخاب ارائه‌دهنده سلامت را ندارند، «مصرف‌کنندگان» هستند که زمان کافی برای جستجو و تحقیق درباره مراکز درمانی و مراقبان سلامت را دارند و خدمات را با دقت بیشتری انتخاب می‌کنند. بنابراین، شفافیت علاوه بر یک الزام قانونی برای کاهش هزینه‌‌ها، یکی از مطالبات مهم مشتریان نظام سلامت هم هست.بیمارستان‌ها مجبور به شفافیت در هزینه‌ها و قیمت‌هایشان می‌شوند.سلامت روان در کانون توجهاز بین حیطه‌های مختلف سلامت که مورد توجه نوآوران و کارآفرینان قرار گرفته، سلامت روان، با 39 درصد آرا، جذاب‌ترین حیطه در سال 2020 پیش‌بینی شده. سرطان، دیابت و بیماری‌های قلبی به ترتیب در رتبه‌های بعدی قرار دارند.با کمتر شدن انگ و نگاه‌های منفی به ناراحتی‌ها و اختلالات روانی و با مشخص‌ شدن توانایی‌های تکنولوژی در ارتقای سلامت روان جامعه، استارتاپ‌های این حوزه مدتی است در کانون توجه کارآفرینان و سرمایه‌گذاران قرار گرفته‌اند. به طوری که به گفته یکی از سرمایه‌گذاران این حیطه، تکنولوژی سلامت روان دوران طلایی خود را طی می‌کند. از آنجایی که به‌کارگیری تکنولوژی برای درمان و مراقبت بیماری‌های جسمی مدت‌ها پیش شروع شده و بازار روبه‌بلوغ و اقیانوس سرخ‌فامی دارد، می‌توان انتظار داشت سال 2020 دوران پیشتازی استارتاپ‌های سلامت روان باشد.دوران طلایی تکنولوژی‌های سلامت رواناگرچه دلایل محکمی برای پیش‌بینی‌های این گزارش وجود دارد، دنیای استارتاپ‌ها دنیای عدم قطعیت است و پر از اتفاقات غیرمنتظره. باید دید اتفاقات سال میلادی 2020 چقدر به نفع یا به ضرر این پیش‌بینی‌ها خواهد بود.منبع:www.cbinsights.com/ مدلین | MedLean فرشته کاظمی‌پور Sun, 26 Jan 2020 21:29:56 +0330 https://virgool.io/MedLeanMag/can-ai-replace-doctors-g5abmukqntuo با آنکه شکی نیست که هوش مصنوعی بخشی مهم از آینده پزشکی خواهد بود ولی چهار دلیل اصلی وجود دارد که هوش مصنوعی نمی‌تواند جایگزین پزشکان شود. آیا هوش مصنوعی مشاغل پزشکی را تحت تاثیر قرار می‌دهد؟هوش مصنوعی چیست؟تعریف هوش مصنوعی (Artificial Intelligence) به ساده‌ترین شکل ممکن توانایی سیستم‌های کامپیوتری برای انجام کارهایی است که به طور معمول نیاز به هوش انسان دارند. کارهایی مانند درک تصویر، فهم زبان و تصمیم‌گیری از جمله مواردی هستند که تکنولوژی هوش مصنوعی می‌تواند انجام دهد.اکثر ما زمانی که نام هوش مصنوعی را می‌شنویم ربات‌های انسان‌نمایی را تصور می‌کنیم که مانند ما رفتار می‌کنند. این تصویری است که از فیلم‌های علمی‌تخیلی مانند ترمیناتور گرفته‌ایم. این تصور هرچند می‌تواند واقعیت داشته باشد ولی نگاه ما را از نقش واقعی و کارکرد اساسی هوش مصنوعی منحرف می‌کند. هوش مصنوعی در حقیقت برای شبیه‌سازی و تقلید عملکردهای مغزی انسان توسعه داده شده است.هدف هوش مصنوعی را می‌توان در سه حوزه یاد گرفتن، استدلال کردن و درک کردن دانست. برای دستیابی به این اهداف هوش مصنوعی از تکنولوژی‌های مختلفی از جمله یادگیری ماشینی (Machine learning)، شبکه عصبی (neural network) یا تحلیل زبان طبیعی (Natural language processing) بهره می‌گیرد. البته تعداد این تکنولوژی‌ها زیاد است و توضیح و تفسیر آن‌ها در حوصله این مقاله نیست ولی لازم است که بدانیم هوش مصنوعی خود مجموعه‌ای از تکنولوژی‌های مختلف است و امروزه علمی پیچیده و بسیار پیشرفته شده است.هوش مصنوعی همین امروز در زندگی ما بدون آنکه ما بدانیم، حضور دارد و در حال تاثیرگذاری است. به عنوان مثال نتایج جستجوی گوگل بر اساس علایق و رفتارهای پیشین شما توسط الگوریتم‌های هوش مصنوعی برای شما شخصی‌سازی می‌شود. یا صفحات شبکه‌های اجتماعی با همین تکنولوژی محتوایی اختصاصی به شما نمایش می‌دهند. نرم‌افزارهای مسیریابی پیشرفته نیز از این تکنولوژی‌ها بهره می‌برند تا بتوانند بهترین مسیر را به شما پیشنهاد دهند.جایگاه امروزی هوش مصنوعی در سلامتتقریبا همه صنایع و حوزه‌ها از پیشرفت تکنولوژی و دست‌آوردهای هوش مصنوعی متأثر شده‌اند یا در حال تأثیرپذیری هستند. حوزه سلامت نیز از این قاعده مستثنی نبوده و هوش مصنوعی به آرامی در حال ورود به قسمت‌های مختلف آن است. هر چند زمانی که سخن از هوش مصنوعی در پزشکی و سلامت به میان می‌آید اغلب تصور ما سیستم‌های کمک تصمیم‌گیری (Decision Support Systems) و بیشتر کمک‌تشخیصی بالینی (Clinical Diagnosis Support Systems) است و البته هوش مصنوعی در این قسمت واقعا پیشرفت‌های قابل توجهی داشته است ولی دست‌آوردهای این تکنولوژی محدود به این موارد نیست.تعدادی از قسمت‌های حوزه سلامت و پزشکی که تکنولوژی هوش مصنوعی می‌تواند آن‌ها را متأثر نماید در ادامه ذکر شده است:1. کارآزمایی‌های بالینی (Clinical Trials): کمک به جذب و یافتن بیماران مناسب و همچنین طراحی و مدیریت بهتر و بهینه مطالعات. 2. کشف دارو (Drug Discovery): کشف ساختارهای جدید دارویی و ارزیابی آن‌ها در شبیه‌سازهای مجازی.3. تندرستی (Wellness): ارائه راهکارهای شخصی‌سازی شده متناسب با شرایط هر فرد.4. ژنتیک (Genetics): تحلیل و تفسیر توالی‌های ژنتیکی و ارائه توصیه‌های شخصی‌سازی شده.5. تصمیم‌گیری بیمارستانی (Hospital Decision Support): بهبود تصمیم‌گیری برای مدیریت منابع و امکانات بیمارستانی و ارتقای کیفیت و کمیت خدمات6. سلامت روان (Mental Health): تشخیص و پایش مشکلات سلامت روان و ارائه راهکارهای جدید ارزیابی و تشخیصی.7. کمک تصمیم‌گیری پاراکلینیک (Paraclinic Decision Support): تسهیل تشخیص و کاهش زمان و خطای تست‌های پاراکلینیک از جمله تصویربرداری، پاتولوژی و آزمایشگاهی.8. تغذیه (Nutrition): ساخت مواد غذایی که ترکیبات آن‌ها براساس نیازهای هر فرد شخصی‌سازی شده است.9. پیش‌آگهی (Prognosis): تخمین دقیق‌تر پیش‌آگهی بیماری‌ها یا ریسک ابتلا براساس داده‌های مختلف.10. مانیتورینگ (Monitoring): جمع‌آوری و تحلیل داده‌ها از ابزارهای پوشیدنی، سنسورها و دستگاه‌های پایش خانگی.11. دستیار مجازی (Virtual Assistant): دستیار هوش مصنوعی متنی یا صوتی که به بیماران یا ارائه‌دهندگان خدمت کمک می‌کند.کاربردهای هوش مصنوعی در سلامت محدود به این موارد نیست و مثال‌های بسیاری از این موارد می‌توان ذکر کرد. هدف از معرفی این دسته‌ها در اینجا تنها جهت آشنایی با برخی از حوزه‌هایی که کمتر به آن‌ها توجه شده است بود.با این که هوش مصنوعی توانسته در قسمت‌های مختلف حوزه سلامت وارد شود ولی هنوز نتوانسته است جایگاهی تثبیت شده برای خود بیابد. حتی با وجود اینکه برخی از راهکارها، موفق به دریافت مجوز سازمان غذا و دارو آمریکا (FDA) شده‌اند ولی در مجموع تکنولوژی هوش مصنوعی برای حوزه پزشکی و سلامت هنوز به مرحله بهره‌برداری اساسی و پذیرش عمومی نرسیده است.مزیت های استفاده از هوش مصنوعی در سلامت و پزشکیآینده هوش مصنوعی در سلامتشاید هنوز هوش مصنوعی نتوانسته باشد جایگاه مستحکمی در حوزه سلامت بیابد ولی تقریبا همه صاحب‌نظران معتقد هستند که هوش مصنوعی در آینده حوزه سلامت را متحول خواهد کرد. این تکنولوژی‌ها مزایای بسیاری را ایجاد می‌کنند که برخی از مهم‌ترین آن‌ها از قرار زیر است:افزایش دقت: هوش مصنوعی در فرآیند‌های تشخیص، درمان و بازتوانی می‌تواند موجب افزایش دقت و کاهش خطاها گردد. در ابزارهای کمک تصمیم‌گیری که تاکنون نیز بیش از سایر موارد توسعه پیدا کرده‌اند این افزایش دقت و کاهش خطا مورد مطالعه قرار گرفته و به اثبات رسیده است.کاهش هزینه‌ها: هرچند توسعه تکنولوژی‌های هوش مصنوعی هزینه‌بر و زمان‌بر است و نیاز به سرمایه‌گذاری قابل توجهی دارد ولی برآوردهای انجام شده نشان می‌دهد که استفاده از این تکنولوژی‌ها می‌تواند صرفه‌جویی‌های بسیار زیادی برای سیستم سلامت و کشورها داشته باشد.کاهش نیاز به متخصصان: در بسیاری از نقاط جهان کمبود متخصص وجود دارد و با وجود تمام تلاش‌ها در چند دهه اخیر این مشکل رفع نشده است. به نظر می‌رسد هوش مصنوعی بتواند راهکارهای نوآورانه‌ای برای آن ارائه نماید.کاهش کارهای تکراری: هوش مصنوعی این قابلیت را دارد که وظایف تکراری پرسنل بهداشتی درمانی را انجام دهد و زمان بیشتری را برای انجام امور دیگر در اختیار ایشان قرار دهد. مزایای هوش مصنوعی در پزشکی و سلامت محدود به این موارد نیست ولی همین‌ها به تنهایی نیز دلیلی کافی بر این است که نمی‌توان از حضور این تکنولوژی‌ها در حوزه سلامت چشم‌پوشی کرد. همان‌طور که گفته شد ورود و تأثیرگذاری هوش مصنوعی بر حوزه سلامت اجتناب‌ناپذیر است و عمده اختلاف نظرها در این مقوله بر روی زمان و کم و کیف تحولاتی است که ایجاد خواهد کرد.پزشکان مصنوعی؟می‌دانیم که این تکنولوژی‌ها زمانی که وارد حوزه‌ها و صنایع دیگر شده‌اند نقش، جایگاه و کارکرد نیروی انسانی متخصص را متأثر کرده‌اند. به عنوان مثال در حوزه بانکداری نقش افرادی که تسهیلات و وام‌ها را ارزیابی، تعیین و اعطا می‌کردند کاملا تغییر پیدا کرده. پیشتر ایشان باید اطلاعات زیادی در مورد صنایع و کسب‌وکارهای مختلف می‌داشتند و طرح‌های توجیهی را بررسی می‌کردند ولی اکنون فقط اطلاعاتی را که هوش مصنوعی تحلیل کرده و نتیجه نهایی را تعیین نموده است به مشتری اعلام می‌کنند. در حقیقت نقش ایشان دیگر تحلیلگری نیست و بیشتر اطلاع‌رسانی را انجام می‌دهند.حال این سوال مطرح می‌شود که با توجه به اینکه بدون شک شاهد تحولات هوش مصنوعی در سلامت و پزشکی خواهیم بود، آیا نقش نیروی انسانی حوزه سلامت نیز متحول خواهد شد؟ در این مورد، بحث‌های زیادی به خصوص در مورد نقش پزشکان و تأثیراتی که هوش مصنوعی در جایگاه و شغل آینده آن‌ها می‌گذارد مطرح شده است که در این مقاله سعی در تحلیل آن‌ها داریم. اگر در میان مقالات، مستندات و صحبت‌های صاحب‌نظران این حوزه جستجو کنید دو گفتمان غالب را مشاهده می‌کنید. برخلاف تصور اولیه هیچ‌کس در مورد اینکه هوش مصنوعی تأثیری در جایگاه و نقش پزشکان نخواهد داشت صحبت نمی‌کند. به نظر می‌رسد که همانطور که همه در مورد اینکه هوش مصنوعی تحولی در حوزه سلامت و پزشکی ایجاد می‌کند اتفاق نظر دارند، در مورد اینکه این تحول نقش و جایگاه پزشکان را نیز متأثر خواهد کرد توافق دارند. تفاوت دیدگاه‌ها بیشتر در مورد میزان و نحوه این تأثیرات است. یک دیدگاه رادیکال که البته طرفداران زیادی نیز ندارد این است که نقش پزشک به کلی حذف خواهد شد. مطرح‌کنندگان این دیدگاه معتقد هستند که هوش مصنوعی در آینده نه چندان دور به اندازه‌ای پیشرفت می‌کند که عملکردهای یک پزشک از تصمیم‌گیری تا مداخلات درمانی را می‌تواند به انجام برساند.اما دیدگاه اکثریت در این زمینه این است که پزشکانی که می‌توانند با هوش مصنوعی کار کنند جایگزین پزشکانی می‌شوند که نمی‌توانند از آن بهره ببرند. در واقع طرفداران این دیدگاه معتقد هستند که دلایل بسیاری وجود دارد که پزشک هرگز به طور کامل از مراقبت‌های سلامت حذف نمی‌گردد ولی نوع ارائه خدمت و فعالیت‌هایی که انجام می‌دهد در آینده نه چندان دور تغییرات بسیاری خواهد کرد. هر چند میزان این تغییرات در بین رشته‌های مختلف تفاوت خواهد کرد. بسیاری از متخصصین معتقد هستند که رشته‌هایی مانند رادیولوژی یا پاتولوژی بسیار تحت تاثیر این تحولات قرار خواهد گرفت ولی رشته‌هایی مانند جراحی حداقل در آینده نزدیک تحولات چشمگیری نخواهند کرد.چرا هوش مصنوعی نمی تواند جایگزین پزشکان شود؟پزشکان آیندهاینکه چرا نقش پزشک از مراقبت‌های سلامت حذف نمی‌شود یک استنباط احساسی نیست و دلایل مستحکمی برای آن وجود دارد. هرچند این دلایل بر اساس درک امروزی ما از تکنولوژی شکل گرفته است و ممکن است شرایط اجتماعی در دهه‌های آینده سمت و سوی متفاوتی پیدا کند. با این حال چهار مورد از مهم‌ترین دلایلی که هوش مصنوعی نمی‌تواند جایگزین پزشکان شود از این قرار است:ارتباط انسانی: هوش مصنوعی شاید بتواند حتی احساسات انسانی را شبیه‌سازی کند ولی به نظر نمی‌رسد که این شبیه‌سازی بتواند جایگزین همدلی و همدردی انسانی شود. در موضوعاتی مانند دادن اخبار بد، امید و دلگرمی دادن و حمایت‌های روحی و روانی نقش پزشکان و پرسنل بهداشتی درمانی انکارناپذیر است.اعتماد بیماران: شاید تصور کنیم که اگر هوش مصنوعی عملکردی بهتر از پزشکان داشته باشند مردم آن‌ها را ترجیح می‌دهند. ولی در مطالعه‌ی بازاری که به تازگی در Harvard Business Review منتشر شده است، تحقیقات برخلاف این را نشان می‌دهند. مردم هنوز به طبابت هوش مصنوعی به صورت مستقل اعتماد ندارند.پیچیدگی زیاد: با وجود اینکه می‌دانیم هوش مصنوعی توانمندی‌های بسیاری برای درک مسائل پیچیده دارد ولی به نظر می‌رسد حوزه سلامت و تصمیمات و مداخلات پزشکی -حداقل در آینده نزدیک- پیچیدگی فراتر از حد این تکنولوژی‌ها دارند. ناتوانی در انجام برخی کارها: با آنکه هوش مصنوعی می‌تواند بسیاری از کارهای انسانی را انجام دهد ولی تصور بر این است که هر چقدر هم این تکنولوژی‌ها پیشرفت کنند برخی از کارها را انسان سریع‌تر، مطمئن‌تر و مقرون به صرفه‌تر می‌تواند انجام دهد. هنوز با اینکه هوش مصنوعی بتواند تمام کارهای انسانی را انجام دهد فاصله بسیار زیادی داریم.لذا برای پزشکان آینده، نقش انسانی آن‌ها بسیار مهم‌تر از نقش دانشی و حتی مهارتی است. پزشکان علاوه بر اینکه باید بتوانند از ابزارهای هوش مصنوعی استفاده کنند، مهارت‌های ارتباطی و توانمندی‌های اجتماعی آن‌ها اهمیت بسزایی پیدا می‌کند. از سوی دیگر نقش پزشکان و متخصصان حوزه سلامت در توسعه راهکارهای هوش مصنوعی نیز در آینده پررنگ خواهد بود و جایگاه‌های شغلی نوظهور بسیار به خصوص برای پزشکان با دانش و مهارت‌های بین‌رشته‌ای در حوزه تکنولوژی‌های روزآمد به وجود خواهد آمد.پزشکانی که نتوانند با هوش مصنوعی کار کنند از رده خارج می شوند.نتیجه‌گیریما می‌دانیم که تکنولوژی‌های روز که اکنون به نام سلامت دیجیتال در حوزه سلامت وارد شده‌اند و هوش مصنوعی نیز بخشی از آن‌ها است، تحولاتی عظیم را در پزشکی و طبابت رقم خواهند زد. پیش‌بینی آنکه دقیقا چگونه و چه زمانی این تحولات رخ خواهد داد دشوار است ولی شکی نیست که باید آمادگی لازم برای آن را به‌دست آورد. گمانه‌زنی‌ها نشان می‌دهد طی 5 تا 10 سال آینده موج این تحولات رشته‌ها و تخصص‌های پزشکی را فراخواهد گرفت. بنابراین پزشکانی که بیش از یک دهه از زندگی حرفه‌ای آن‌ها باقی مانده به احتمال بسیار زیاد تحت تاثیر این تحولات قرار خواهند گرفت. شاید در حال حاضر لازم نباشد که اقدام خاصی انجام دهید ولی برای پزشکانی که می‌خواهند در آینده، پیشرو و تاثیرگذار باشند، لازم است که پیشرفت‌های سلامت دیجیتال را دنبال کنند و با آن همراه شوند تا در زمان تحولات آمادگی همگام شدن و حتی پیشگام شدن را داشته باشند.منابعWill artificial intelligence replace doctors?AI Can Outperform Doctors. So Why Don’t Patients Trust It?5 Reasons Why Artificial Intelligence Won’t Replace PhysiciansCan A.I. ever replace human doctors? Health tech experts weigh in Overview of artificial intelligence in medicineTommie Experts: Can Doctors Be Replaced by AI?Is AI paving the way to doctorless diagnosis?AI Will Not Replace Doctors, But It May Drastically Change Their Jobs مدلین | MedLean آیدین پرنیا Sun, 19 Jan 2020 17:59:38 +0330 https://virgool.io/MedLeanMag/%DA%86%DA%AF%D9%88%D9%86%D9%87-%D8%A7%D8%B9%D8%AA%D9%85%D8%A7%D8%AF-%D9%BE%D8%B2%D8%B4%DA%A9%D8%A7%D9%86-%D8%B1%D8%A7-%D8%A8%D9%87-%DA%A9%D8%B3%D8%A8-%D9%88%DA%A9%D8%A7%D8%B1%D9%85%D8%A7%D9%86-%D8%AC%D9%84%D8%A8-%DA%A9%D9%86%DB%8C%D9%85-qntmqlvg4vtv بسیاری معتقدند تمام وظیفه درمانی یک فرد به عهده پزشک است. این دیدگاه در حال حاضر منسوخ شده و مدتی است که دیگر پزشکان به تنهایی تصمیم‌گیرنده نیستند؛ بلکه «تیم درمان» است که وظیفه سلامتی بیمار را به عهده دارد.جالب است بدانید که براساس همین تغییر تصمیم‌گیرنده، مدل تصمیم‌گیری مراکز درمانی نیز تغییر کرده است. یعنی وقتی بیمارستان می‌خواهد دستگاه یا محصول جدیدی بخرد به این فکر می‌کند که آیا کارهای تیم درمانی را کاهش می‌دهد یا نه.در این سری 5 قسمتی، سعی دارم درباره مدل تصمیم‌گیری مراکز آموزشی-درمانی کشور برای خرید محصولات و اعتماد به کسب‌وکارها برای خرید از آنان بنویسم. این مجموعه شامل 1) اعضای تیم درمان، 2) کیفیت شواهد، 3) قدرت شواهد ، 4) نحوه جلب اعتماد تیم درمان و 5) کاهش هزینه‌های درمانی است.حال سوال اصلی اینجاست، تیم درمان چه کسانی هستند؟تیم درمانی شامل تمامی افرادی است که در#سلامت بیمار به صورت مستقیم دخیل هستند. سرپرست این تیم یکی از متخصصان پزشکی است که بسته به شرایط بیمار متفاوت می‌شود. مثلا اگر فردی در اورژانس بستری باشد و مشکل بیماری‌های داخلی داشته باشد، معمولا سرپرست تیم درمان متخصص اورژانس است و متخصص داخلی عضوی از تیم خواهد بود. اما تیم درمانی فقط شامل پزشکان نیست بلکه افراد زیر همگی عضو اصلی تیم هستند:1️⃣پزشکان متخصص و فوق تخصص (بسته به شرایط بیماری)2️⃣دانشجویان: دستیاران تخصصی و کاروزان پزشکی (درصورتی که مرکز آموزشی باشد)3️⃣متخصص داروسازی بالینی (هنوز در تمام کشور رایج نشده است)4️⃣پرستاران بخش5️⃣منشی بخش6️⃣بهیار7️⃣بیماربر و سایر خدمه بخشبرای بزرگتر دیدن عکس، روی آن کلیک کنید. پوشش کارکنان در هر بیمارستان متفاوت است و این عکس به منظور معرفی کارکنان بیمارستان گذاشته شده است.هرکدام از گروه‌‌های اشاره شده وظایف و نیازهای خاص خود را دارند و مراکز درمانی حاضرند برای رفع این نیازها هزینه کنند. اما متاسفانه به دلیل اینکه پزشکان و بعد از آن‌ها پرستاران بیشتر دیده می‌شوند، کسب‌وکارها فقط در رفع نیازهای این دو گروه اقدام می‌کنند.نکته قابل توجه این است که ترکیب این تیم فقط برای بیمارستان‌ها است و بیشتر در شهرهای بزرگ شاهد آن هستیم؛ درصورتی که در ساختار نظام سلامت ایران، مراکز بهداشتی تعدد بیشتری دارند و در آن‌ها فقط پزشک عمومی و بهورز به عنوان تیم درمانی شناخته می‌شوند. همچنین کلینیک‌های دندانپزشکی و داروخانه‌ها نیز اجزای دیگری از نظام سلامت را تشکیل می‌دهند.اعضای تیم درمان بر اساس شواهد (evidence) تصمیم می‌گیرند.علوم پزشکی یکی از بزرگترین شاخه‌های علوم تجربی است. دلیل اینکه به این شاخه از علم «تجربی» گفته می‌شود، پیشرفت و توسعه آن براساس تجربه بشریت است. یعنی با گذشت زمان و انجام آزمایشات، تجربه در این شاخه از علوم افزایش می‌باید و اگر از این تجربه نتایج دقیقی به دست آید و محقق بداند که آن آزمایش را چگونه طراحی کند، تجربه به دست آمده دقیق و قابل انتصاب به سایر وقایع خواهد بود.?بزرگترین درسی که به تمام افرادی که در علوم تجربی درس خوانده‌اند داده می‌شود، تصمیم گیری مبتنی بر شواهد است. یعنی تصمیم‌گیری‌های آنان باید براساس تحقیقات اثبات شده باشد. این مدل تصمیم‌گیری در پزشکان بیشتر مورد تربیت قرار می‌گیرد به نحوی که پزشکان باید برای پشتیبانی از هر اقدام خود تحقیقات مستدلی داشته باشند. دقیقا همین رفتار در مراودات پزشکان با کسب و کار ها نیز وجود دارد. یعنی اولین مرحله برای جلب اعتماد اعضای تیم درمان، استفاده از شواهد برای تایید کارایی محصول است.?شواهد (evidence) و مطالعات (article) در دو قالب «کیفیت» و «قدرت» مطالعه دسته‌بندی می‌شوند. کیفیت مطالعات یعنی شواهد و نتایج ارائه شده در آینده چقدر قابل تغییر است و استفاده از این شواهد چه میزان به فرد استفاده کننده از آن، اطمینان خاطر می‌بخشد. یکی از بهترین سیستم‌های دسته‌بندی آن مدل Grade است که چهار دسته دارد:?سطح A: به نظر نمی‌آید مطالعات بیشتر، تغییری در نتایج این سطح ایجاد کند. در این سطح تعداد بسیار زیادی مطالعه با قدرت بالا و حجم نمونه زیاد قرار دارد.?سطح B: پژوهش‌های بیشتر، سبب می‌شود اطمینان خاطر استفاده‌کنندگان بیشتر شود و ممکن است تخمین‌ها را بهبود بخشد. در این سطح، حداقل یک مطالعه با قدرت بالا و چند مطالعه ضعیف وجود دارد.?سطح C: در استفاده از پژوهش‌های این سطح باید دقت بیشتری داشت. در این سطح چند مطالعه با قدرت ضعیف قرار دارند.?سطح D: هیچ تخمین دقیقی براساس مطالعات این سطح نمی‌توان به دست آورد. در این سطح، مطالعاتی که به طور مستقیم روی موضوع انجام شده باشد وجود ندارد و بیشتر نظر افراد حرفه‌ای و متخصص است.همانطور که بالاتر اشاره شد، نظر متخصصان یک حوزه برای استفاده و تعمیم آن، دارای بدترین کیفیت مطالعه است و به همین دلیل است که پزشکان و تیم درمان، اهمیت چندانی به نظر «شخصی» افراد نمی‌دهند. اولین قدم برای جلب اعتماد اعضای تیم درمان، استفاده از شواهد و مطالعات بالینی است.مطالعات و تحقیقات منجر به ایجاد «شواهد» برای موضوعی می‌شود. یعنی با انجام یک مطالعه می‌توانید اثبات کنید که دو عامل مختلف با هم ارتباط دارند یا نه. قدرت مطالعات، از نحوه انجام آن مطالعه نشات می‌گیرد.به صورت کلی، روش‌های انجام پژوهش در علوم پزشکی به سه دسته مطالعات توصیفی، تحلیلی و تجربی تقسیم می‌شود که هر کدام برای موضوع و مورد خاصی استفاده می‌شود. به صورت خلاصه همه این موارد را تعریف می‌کنم:1️⃣مطالعات توصیفی: معمولا اولین مرحله از تحقیقات است و به توصیف عینی وقایع و رویدادها می‌پردازد. روش‌های توصیفی شامل موارد زیر است:?مطالعه همبستگی: صرفا روابط بین متغیرها را بررسی می‌کند.?مطالعه طولی و مقطعی: شناخت تغییرات پدیده‌ها در طول زمان ?مطالعه موردی و زمینه‌ای: مطالعه موارد خاص پیش آمده2️⃣مطالعات تحلیلی: این نوع مطالعه رابطه علت و معلولی بین متغیرهای پژوهش‌ها را نشان می‌دهد.?مطالعه مورد شاهدی: مطالعه گذشته‌نگر درباره مقایسه دو گروه مورد و شاهد?مطالعه هم‌گروهی: مطالعه آینده‌نگر که از علت به سمت معلول می‌رود.3️⃣مطالعات تجربی: کشف روابط علت و معمولی در شرایط خاص، یعنی ایجاد یک شرایط برای یک سری از متغیرها و سپس مقایسه آنها با گروه شاهد که به صورت طبیعی شرایطی برای آنان به وجود نیامده.?مطالعه کارآزمایی بالینی: انجام یک مداخله در روند مطالعه و مقایسه آن با حالت معمولترتیب روش‌های مطالعه‌ای که در بالا ذکر شد به ترتیب قدرت مطالعه است. یعنی بالاترین حد قدرتمندی یک پژوهش در کارآزمایی بالینی است و معمولا این روش برای اثبات دستگاه‌ها و داروهای جدید به کار می‌رود. صاحبان استارتاپ و کسب وکارها باید بتوانند بر اساس نیاز محصول خود از یکی از انواع مطالعات برای اثبات کارایی محصول خود استفاده کنند. این مطالعه باید به گونه‌ای طراحی شده باشه که برای اثبات عملکرد صحیح محصول، هم کیفیت و هم قدرت مناسب را در ارائه شواهد داشته باشد.?مرجع و منبع اصلی دسته‌بندی مطالعات، سازمان کوکران است. در سایت این سازمان به آدرس https://www.cochrane.org می‌توانید درباره انواع مطالعات و مدل‌های استفاده از آن بیشتر بخوانید. همچنین شرکت اَوِسِن در مشاوره‌های خود می‌تواند نوع مطالعه برای محصول شما را مشخص کند.کاهش هزینه‌های درمانی، یکی از مهمترین موارد تصمیم‌گیری تیم درمانکاهش هزینه‌های درمان برای بیماران، یک شعار برای پزشکان نیست بلکه یک واقعیت است و بسیار اهمیت دارد. زیرا هم در بخش خصوصی و هم در بخش دولتی، کاهش هزینه منجر به پیگیری درمان توسط بیمار و مراجعه افراد بیشتر به پزشک می‌شود.اما این نکته نیز قابل توجه است که کاهش هزینه‌ها باید در عمل اثبات شود و محصول یک کسب و کار با فرهنگ جامعه متناسب باشد. مثلا در نظام سلامت ایران ضعف در نظام ارجاع وجود دارد و همین موضوع باعث می‌شود بیماران به راحتی به تمامی متخصصان دسترسی داشته باشند. با این سطح دسترسی برای یک بیماری به تعداد زیادی از پزشکان مراجعه می‌کنند که بی‌فایده است و به دلیل آنکه بیمه هزینه همه ویزیت‌ها را می‌پردازد، بیمار همچنان به دیدن سایر پزشکان می‌رود.حال نکته اساسی اینجاست که افزایش دسترسی بیماران در اولین مراجعه به پزشکان، نه تنها منجر به بهبود فرآیند درمان نمی‌شود بلکه به صورت کلی هزینه‌های سلامت کشور را افزایش می‌دهد. در نتیجه شاید بهتر باشد دسترسی به پزشک در مراجعات ثانویه یا مراحل پیگیری درمان بهبود یابد.پس همانطور که در این مقاله اشاره شد، برای هر ادعایی در هنگام فروش محصولات در نظام سلامت، باید شواهد و مطالعات کافی وجود داشته باشد و استفاده از منطق ناکافی است. پس اگر شرکت یا محصولی ادعا می‌کند که سبب کاهش هزینه‌های درمانی می‌شود، باید شواهد کافی که از قدرت و کیفیت متناسب نیز برخوردار باشند، در اختیار داشته باشد. مدلین | MedLean Ali Ganjizadeh, M.D. Sun, 12 Jan 2020 11:04:20 +0330 https://virgool.io/MedLeanMag/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DA%AF%D9%88%DA%AF%D9%84-%D8%AF%D9%82%DB%8C%D9%82%D8%AA%D8%B1-%D8%A7%D8%B2-%D9%85%D8%AA%D8%AE%D8%B5%D8%B5%D8%A7%D9%86-%D8%B1%D8%A7%D8%AF%DB%8C%D9%88%D9%84%D9%88%DA%98%DB%8C-uygapqudiolu نتایج مطالعه اخیر محققان گوگل، نشان می‌دهد الگوریتم هوش مصنوعی گوگل، تصاویر ماموگرافی را با دقتی بیشتر از پزشکان، برای یافتن نشانه‌ای از سرطان پستان بررسی می‌کند.سرطان پستان، شایع‌ترین و دومین سرطان عامل مرگ‌ومیر در بین خانم‌ها است. یکی از راه‌های کاهش عوارض و هزینه‌های این بیماری، غربالگری است. غربالگری که به معنای انجام آزمون‌های تشخیصی، پیش از وجود علائم و نشانه‌های بیماری است اکنون در اکثر کشورها با روش ماموگرافی به صورت سالیانه یا دو سال یک‌بار و از حدود 40 سالگی انجام می‌شود. رادیولوژیست تصویر ماموگرافی (ماموگرام) را بررسی و در صورت شک به وجود توده، اقدامات تشخیصی بیشتر را توصیه می‌کند. اما، این احتمال وجود دارد که برخی توده‌ها، در میان بافت متراکم پستان تشخیص داده نشوند (منفی کاذب) و ماموگرافی فرد به اشتباه سالم گزارش شود یا بافتی طبیعی، از نظر رادیولوژیست مشکوک به نظر برسد (مثبت کاذب) و اقدامات تشخیصی بیشتری به بیمار تحمیل شود.هفته گذشته، مقاله‌ای در نشریه نِیچِر (Nature) منتشر شد که به مقایسه عملکرد هوش مصنوعی تربیت‌شده گوگل و متخصصان رادیولوژی در خواندن و تشخیص ماموگرافی زنان می‌پردازد. در این مقاله که توسط مک‌کینی (McKinney) و همکاران نوشته شده، مشخص شد سیستم هوش مصنوعی با دقت بیشتر (یعنی تشخیص مثبت کاذب کمتر) و حساسیت بیشتر (یعنی تشخیص منفی کاذب کمتر) ماموگرام‌ها را می‌خواند.هوش مصنوعی گوگل در تشخیص ماموگرام از پزشکان حساسیت و دقت بیشتری داردروش انجامبرای این مطالعه که گوگل هزینه آن را پرداخته است، سیستم هوش مصنوعی آموزش داده شد و سپس آزمون‌های مختلفی برای بررسی عملکرد آن انجام شد.آموزش هوش مصنوعیابتدا از حجم انبوهی داده برای آموزش هوش مصنوعی به روش یادگیری عمیق استفاده شد. ماموگرام بیش از 25 هزار خانم از انگلستان و بیش از سه هزار خانم از آمریکا در اختیار این سیستم قرار گرفت. برای تمامی این افراد پیگیری هم انجام شده بود به طوری که کسانی که تشخیص سرطان پستان در آنها محرز بود، نتیجه نمونه‌برداری داشتند و کسانی که نتیجه تصویربرداری آنها برای سرطان پستان منفی بود، یک ماموگرافی دیگر در پیگیری داشتند. تمامی این مدارک و تصاویر تکمیلی هم در اختیار سیستم قرار گرفت.مقایسه بالینی گذشته‌نگراولین آزمون برای سیستم هوش مصنوعی، بررسی یادگیری آن و عملکردش در تشخیص تصاویر قبلی بود. تصاویر بانک داده‌ای که برای آموزش به کار گرفته شده بود، این‌بار برای تشخیص در اختیار سیستم قرار گرفت و نتایج آن با تشخیص رادیولوژیست‌ها مقایسه شد. هوش مصنوعی گوگل در بررسی تصاویر کشور آمریکا، 7.5 درصد دقت و 9.4 درصد حساسیت بیشتری داشت.طبق پروتکل‌های انگلستان، برای تشخیص تصاویر ماموگرافی دو رادیولوژیست مختلف باید تصاویر را ببینند و نظر خود را اعلام کنند. در اینجا هم سیستم هوش مصنوعی گوگل توانست با دقت و حساسیتی برابر با نظر دو رادیولوژیست عمل کند.قابلیت تعمیم داده‌هامحققان برای آنکه دریابند بانک داده‌هایی که در اختیار این سیستم گذاشته بودند، قابلیت تعمیم دارد یا خیر، از داده‌های کشور انگلستان برای تشخیص تصاویر کشور آمریکا استفاده کردند و در این مرحله هم هوش مصنوعی دقت و حساسیت بیشتری نسبت به رادیولوژیست‌ها داشت.مقایسه بالینی به صورت رندومدر مطالعه‌ای دیگر، 500 ماموگرام به صورت رندوم انتخاب شد و در اختیار شش رادیولوژیست دارای بورد تخصصی آمریکا قرار گرفت تا نتایج تشخیص آنها با سیستم هوش مصنوعی مقایسه شود. در این مطالعه هم، عملکرد هوش مصنوعی بهتر از میانگین عملکرد شش پزشک حاضر در مطالعه بود.تشخیص خودکار ماموگرام چه زمانی ممکن می‌شود؟اگرچه در این مقاله، توانمندی هوش مصنوعی در آزمون‌های مختلف اثبات می‌شود، نمی‌توان نتیجه گرفت با وجود آن، دیگر نیازی به رادیولوژیست‌ها برای تشخیص ماموگرام نیست. همان‌طور که در مقاله هم به خوبی به آن تأکید شده، محیط واقعی، بسیار پیچیده‌تر از محیط کنترل‌شده تحقیق است و عملکرد هوش مصنوعی باید در مطالعات بیشتر و محیط‌های واقعی بارها مورد بررسی قرار گیرد. برای مثال در این مطالعه فقط دو روش خاص تهیه ماموگرام و تصاویر تهیه شده با دستگاه‌های یک برند مشخص استفاده شده بود که از محدودیت‌های مطالعه است.پیشنهاد مک‌کینی و همکارانش این است که از هوش مصنوعی برای کاهش زمان و فشار کاری پزشکان استفاده شود. برای مثال، در انگلستان که دو متخصص باید ماموگرام‌ها را بررسی کنند، می‌توان از هوش مصنوعی کمک گرفت تا تنها زمانی ماموگرام به متخصص دوم ارجاع شود که هوش مصنوعی تشخیصی متفاوت با متخصص اول داشته باشد.این محققان همچنین در مطالعه آخر به موردی از سرطان اشاره می‌کنند که هر شش رادیولوژیست توانسته‌بودند آن را تشخیص دهند، اما هوش مصنوعی نتوانسته بود تشخیص درست بدهد. در مقابل، مورد دیگری هم بوده که هوش مصنوعی به درستی توده را در ماموگرام تشخیص داده ولی هیچ‌یک از رادیولوژیست‌ها نتوانسته‌بودند آن را ببینند. همین موضوع به خوبی نشان می‌دهد که نباید هوش مصنوعی و پزشکان را به صورت دو پادشاه در یک اقلیم دانست و به دنبال غلبه یکی بر دیگری بود، بلکه این‌دو در کنار هم است که بهترین عملکرد را در تشخیص سرطان پستان خواهند داشت.منبع:https://www.nature.com/ مدلین | MedLean مدلین | MedLean Tue, 07 Jan 2020 17:23:06 +0330 https://virgool.io/MedLeanMag/tech-for-clinical-diagnosis-devices-zz8nkx30c96y تکنولوژی‌های دیجیتال در عرصه‌های مختلف علوم پزشکی و طبابت وارد شده‌اند و کم یا زیاد هر عرصه را متأثر نموده‌اند. یکی از عرصه‌های خودنمایی تکنولوژی در تشخیص‌های بالینی بوده است. به طور کلاسیک تشخیص بیماری‌ها توسط پزشک با گرفتن شرح حال و انجام معاینه و در صورت نیاز انجام آزمایش‌های پاراکلینیکی انجام می‌شود. پزشک با اطلاعاتی که از این منابع به‌دست می‌آورد لیستی از تشخیص‌های افتراقی در ذهن خود تهیه می‌کند و آن‌ها را براساس ملاک‌های مختلف اولویت‌بندی می‌نماید تا در نهایت به محتمل‌ترین تشخیص برسد.در این بین از قرن‌ها پیش پزشکان برای بهبود دریافت اطلاعات از معاینه بالینی، ابزارهایی را تولید کرده‌اند که از اولین این ابزارها می‌شود به گوشی‌های طبی باستانی اشاره کرد که به شکل لوله‌ای بودند که برای بهبود شنیدن صدای قلب استفاده می‌شدند. ساخت و توسعه ابزارها تشخیصی تا به امروز ادامه داشته و در سال‌های اخیر با ظهور تکنولوژی‌های دیجیتال شاهد ابزارهایی جدید و گاه باور نکردنی هستیم.تکنولوژی‌های دیجیتال در ابزارهای تشخیص پزشکیبرای درک بهتر از اینکه تکنولوژی‌های دیجیتال چگونه ابزارهای تشخیص بالینی را تحت تاثیر قرار داده‌اند آن‌ها را به 4 دسته اصلی تقسیم کرده‌ایم. این 4 دسته شامل 1) بهبود روش‌های قبلی؛ 2) تسهیل استفاده از ابزار؛ 3) ابزارهای جدید برای فرضیات قبلی و 4) روش‌ها و ابزارهای کاملا جدید؛ می‌باشند. در ادامه به معرفی هر دسته می‌پردازیم و در نهایت به این سوال که آیا ابزارهای تشخیص بالینی در آینده نزدیک متحول خواهند شد پاسخ می‌دهیم.1. بهبود روش‌های قبلیبا استفاده از تکنولوژی‌های دیجیتال به خصوص تکنولوژی هوش مصنوعی می‌توان روش‌های تشخیصی که از پیش وجود داشته و مدام مورد استفاده قرار می‌گیرند را بهبود بخشید. به عنوان مثال ابزارهای کمک‌تشخیصی در رادیولوژی یا پاتولوژی با کمک پردازش تصویر کمک می‌کنند که پزشک بتواند با اطمینان بیشتر تشخیص دهد و احتمال دیده نشدن نشانه‌ای در تصویر یا لام کاهش پیدا کند. ابزارهای کمک‌تشخیصی فقط در پردازش تصاویر ثابت کاربرد ندارند و حتی در تصاویر متحرک مانند سونوگرافی، کولونوسکوپی، آندوسکوپی یا اکوکاردیوگرافی نیز مورد استفاده قرار گرفته‌اند.یکی از استارتاپ‌هایی که در این زمینه فعالیت می‌کند وکسل‌کلاد (VoxelCloud) نام دارد. این استارتاپ که سال 2016 راه‌اندازی شده است موفق شده برای غربالگری سرطان ریه، غربالگری بیماری‌های شبکیه و آنالیز پلاک‌های عروق قلبی ابزارهای آنالیز تصاویر را تهیه نماید.استارتاپ وکسل کلاد ابزار کمک تشخیصی تصاویر رادیولوژی2. تسهیل استفاده از ابزارهاتکنولوژی دیجیتال این امکان را فراهم نموده که استفاده از برخی از ابزارها و روش‌های تشخیصی به اندازه‌ای آسان شود که توسط عموم مردم مورد استفاده قرار گیرند و یا آنکه امکان استفاده از آن‌ها در هر محلی به خصوص مناطق دور افتاده فراهم گردد. از این موارد می‌توان به اتوسکوپ یا افتالموسکوپ‌هایی که بر روی گوشی موبایل سوار می‌شوند و با اپلیکیشن خود می‌توانند تصاویر گوش یا شبکیه را تهیه و تحلیل کنند، اشاره کرد. همچنین می‌توان دستگاه‌های سونوگرافی را نام برد که به اندازه یک تلفن همراه کوچک شده‌اند یا ابزارهای ارزان و ساده‌ای که گوشی موبایل را تبدیل به میکروسکوپی با توانایی تشخیص مالاریا در لام خون محیطی می‌کند.یکی از استارتاپ‌های این دسته سل‌اسکوپ (Cellscope) نام دارد که اتوسکوپی برای انجام معاینات گوش در منزل توسط والدین کودک تهیه کرده است. این ابزار که بر روی گوشی موبایل سوار می‌شود می‌تواند تصویر مناسب از پرده گوش تهیه و آن را تحلیل و برای پزشک ارسال نماید. این استارتاپ سال 2011 فعالیت خود را آغاز نموده است.استارتاپ سل‌اسکوپ ابزار کمک تشخیصی عفونت های گوش کودکان3. ابزارهای جدید برای روش‌های شناخته شدهبهتر است این دسته را با معرفی یک مثال استارتاپی آغاز کنیم.استارتاپ نیرامای (Niramai) یک استارتاپ هندی است که از سال 2016 آغاز به فعالیت کرده است. محصول این استارتاپ یک دستگاه ترموگرافی برای گرفتن تصاویر حرارتی و نرم‌افزار تحلیل این تصاویر برای غربالگری سرطان پستان است. پیش از این نیز دانشمندان می‌دانستند که تومورها را می‌توان در تصاویر حرارتی تشخیص داد ولی چشم انسان قدرت تحلیل و تفاوت گذاشتن میان رنگ‌ها در تصویر حرارتی را ندارد و به راحتی دچار اشتباه می‌شود. در حالی که کامپیوتر از طریق هوش مصنوعی و یادگیری ماشینی می‌تواند به راحتی و دقت بالا این تصاویر را تحلیل و بسیار زودتر از آنکه تومور در تصاویر ماموگرافی دیده شود آن‌ها را تشخیص دهد.در این دسته دقیقا به نمونه‌هایی مانند نیرامای اشاره داریم که ابزارهایی برای استفاده از روش‌های قدیمی ارائه‌داده‌اند که تا قبل از این به دلیل نبودن ابزارهای تشخیصی مناسب و به صرفه امکان استفاده از آن روش‌ها وجود نداشت. با استفاده از تکنولوژی می‌توان برخی از این روش‌ها را واقعا مورد استفاده قرار داد. حوزه دیگری که می‌توان تا حدود زیادی در این دسته تصور کرد تحلیل توالی ژنتیکی و شناسایی برخی ژن‌های خاص است.4. روش‌ها و ابزارهای کاملا جدیدشاید بتوان گفت که تحول اصلی دیجیتال برای ابزارهای تشخیصی در این دسته اتفاق می‌افتد. تکنولوژی‌های دیجیتال امکان فکر کردن به روش‌هایی را به ما داده است که پیشتر در فیلم‌های علمی تخیلی دیده بودیم. تصور کنید که دستگاه دستیار صوتی شما بتواند صدای نفس‌های شما در هنگام خواب را تحلیل کند و اگر اختلالی در نفس‌های شما به وجود آمد که احتمال مشکلی خطرناک مانند سکته قلبی یا آپنه تنفسی را بدهد به اورژانس یا اطرافیان شما اطلاع دهد. این تصور امروزه خیلی دور از واقعیت نیست. چند مثال دیگر از این دسته در ادامه آورده شده است.استارتاپ آکیلی (Akili) بازی تشخیصی درمانی برای اختلالات شناختی است. این استارتاپ که از سال 2011 شروع به فعالیت نموده است اکنون برای بیش‌فعالی کودکان یک بازی طراحی کرده و ساخته است که امکان تشخیص و تنظیم دوز درمان با بازی را دارد. این بازی در انتظار گرفتن تأیید FDA است و در صورت موفقیت می‌تواند به عنوان تشخیص و درمان تجویز شود.استارتاپ آکیلی بازی تشخیصی درمانی برای بیش فعالیاستارتاپ گرایل (Grail) با استفاده از آزمایش خون غربالگری سرطان انجام می‌دهد. به تازگی کشف شده است که قطعه‌هایی از DNA تومورهای سرطانی در گردش خون رها می‌شوند و معتقد هستند که با استفاده از هوش مصنوعی می‌توان فهمید که این قطعه DNA مربوط به چه توموری است. تعدادی استارتاپ در این حوزه در حال فعالیت هستند و گرایل یکی از آن‌ها است که توانسته رشد خوب و جذب سرمایه بسیار عالی داشته باشد. گرایل در حال حاضر مشغول انجام کارآزمایی‌های بالینی چند مرکزی بسیار بزرگ برای تکمیل دیتابیس خود است.استارتاپ گرایل غربالگری سرطان با آزمایش خوناستارتاپ ماینداسترانگ (Mindstrong) یک راهکار نوآورانه در زمینه تشخیص زودهنگام اختلالات روانی است. این استارتاپ توانسته با تحلیل نحوه استفاده فرد از گوشی موبایل خود و به خصوص الگوی لمس گوشی نشانه‌های اختلال را حتی پیش از آنکه خود فرد متوجه چیزی شود شناسایی نماید. این استارتاپ در سال 2014 توسط سه پزشک کارآفرین بنیان‌گذاری شده است.استارتاپ ماینداسترانگ تشخیص زودهنگام اختلالات روانآیا ابزارهای تشخیصی متحول خواهند شد؟با مروری بر مثال‌های گفته شده می‌توان دریافت که تکنولوژی‌های دیجیتال به آرامی در حال نفوذ در ابزارهای تشخیصی موجود هستند و جای خود را به عنوان ابزارهای کمک تشخیصی و یا ارتقا دهنده آن‌ها پیدا کرده‌اند، ولی به‌نظر می‌رسد که در آینده‌ای نزدیک باید شاهد روش‌ها و ابزارهای بسیار جدید، نوآورانه و حتی غیرقابل تصوری باشیم که به واسطه وجود تکنولوژی معرفی می‌گردند. هرچند همیشه ایجاد ابزارهای تشخیصی جدید همراه با افزایش هزینه‌های سیستم سلامت و بیماران بوده است ولی با توجه به ماهیت تکنولوژی‌های دیجیتال و رسالت آن‌ها به‌نظر می‌رسد که بسیاری از راهکارهای تشخیصی دیجیتالی صرفه اقتصادی مناسبی را بتوانند ایجاد کنند. در نهایت می‌توان انتظار تحولاتی شگرف در حوزه ابزارهای تشخیصی در چند سال آینده را داشت، هرچند این موضوع کاملا بستگی به آمادگی سیستم‌های سلامت و جامعه پزشکی برای پذیرش آن‌ها دارد. مدلین | MedLean آیدین پرنیا Sun, 05 Jan 2020 19:40:18 +0330 https://virgool.io/MedLeanMag/%DB%8C%DA%A9-%D9%85%DB%8C%D8%A7%D9%86%D9%88%D8%B9%D8%AF%D9%87-%DA%A9%D9%88%DA%86%DA%A9-%D8%AC%D8%A7%DB%8C%DA%AF%D8%B2%DB%8C%D9%86-%D8%BA%D8%B0%D8%A7%DB%8C-%DB%8C%DA%A9-%D8%B1%D9%88%D8%B2-xlhn8fohsly2 اولین گردهمایی مدلین با موضوع تکنولوژی در تغذیه با حضور دکتر فاطمه منجمی، متخصص محصولات تغذیه، امروز در کارخانه نوآوری های‌وی برگزار شد.نگاهی به تکنولوژی در تغذیه در دورهمی مدلینبخش اول این دورهمی به گفتگوی دکتر علی گنجی‌زاده، مدیر مجموعه مدلین با مهمان برنامه، دکتر فاطمه منجمی پیرامون حیطه تکنولوژی‌ تغذیه (Foodtech) و تغذیه‌درمانی (Foodtherapy) اختصاص داشت. دکتر فاطمه منجمی، متخصص رژیم شناسی و تغذیه بالینیاز کشور ایتالیا، اکنون در زمینه روش‌های نوین تغذیه در تولید محصولات و مکمل‌های تغذیه‌ای فعالیت می‌کند.منجمی پس از تعریف تکنولوژی‌ تغذیه، به تکنولوژی کشاورزی (agritech) به عنوان اولین جزء فرآیند تغذیه که کسب‌وکارها می‌توانند بر آنها متمرکز شوند اشاره کرد. او دستگاه‌هایی را که با شستشو و سایش حبوبات، روند پخت و هضم آنها را تسهیل می‌کنند، نمونه‌ای ساده اما کاربردی از تکنولوژی‌های این حیطه برشمرد.او فودتراپی را هم زیرمجموعه‌ای از فودتک خوانده و در خصوص استارتاپ‌های فودتراپی گفت: «برخی استارتاپ‌های این حوزه روی کوچینگ (مربی‌گری) تغذیه کار می‌کنند و به فرد با توجه به شرایط ویژه‌اش، مثل حساسیت‌های غذایی یا سندروم روده تحریک‌پذیر، برای رعایت رژیم خاص یا رسیدن به اهداف تغذیه‌ای کمک می‌کنند. یکی دیگر از استارتاپ‌ها هم mylabling است که به مردم در خواندن برچسب غذایی محصولات و تصمیم‌گیری برای مصرف آنها براساس شرح حال فرد کمک می‌کند.» منجمی نبود الزام برای رعایت قوانین استفاده از برچسب غذایی استاندارد را یکی از موانع شکل‌گیری فرهنگ توجه به برچسب غذایی و کسب‌وکارهای مربوط به آن در ایران دانست.یکی دیگر از موضوعات جالب توجهی که در رویداد مطرح شد، موضوع پرچالش «meal replacement» یا به عبارتی جایگزینی وعده‌های غذایی بود که این روزها در کشور ما هم مورد توجه برخی تولیدکنندگان محصولات غذایی قرار گرفته است. منجمی در توضیح «meal replacement» به ساخته‌شدن میان‌وعده‌هایی به صورت نوشیدنی یا مشابه یک تخته شکلات اشاره کرد که می‌توانند کالری، مواد معدنی و تمام ویتامین‌های مورد نیاز بدن فرد در طول یک روز را فراهم کنند. او ورزشکاران حرفه‌ای را یکی از گروه‌های هدف این محصولات معرفی کرد و محدود بودن زمان انسان در دنیای امروز را یکی از عواملی دانست که می‌تواند به کاربرد آنها در زندگی روزمره افراد بیانجامد. البته، منجمی درباره انتقادهایی که به این نوآوری می‌شود هم گفت: «منتقدان می‌گویند عمل جویدن که طی خوردن انجام می‌شود از نظر روانی مفید است و حذف آن اثرات منفی دارد که انتقاد به جایی است.»منجمی در پاسخ به سوال دکتر علی گنجی‌زاده، میزبان رویداد، در خصوص نقش شرکت‌های دارویی در فودتراپی گفت: «رواج یافتن رفتارهای تغذیه‌ای درست از پزشک شروع می‌شود، چون مردم حرف پزشک را گوش می‌کنند. شرکت‌های داروسازی یکی از بازیگران مهم این بازار هستند و می‌توانند با آموزش نکات تغذیه‌ای به پزشکان به این فرآیند کمک کنند.»پس از این گفتگو، زمانی در اختیار شرکت‌کنندگان قرار گرفت تا سوالات خود را در مورد فرصت‌های بازار تغذیه، تکنولوژی‌های تغذیه در کشور ایتالیا و رژیم‌های غذایی خاص با دکتر منجمی مطرح نمایند و باقی زمان رویداد به شبکه‌سازی اختصاص یافت.دورهمی مدلین که امروز اولین رویداد آن برگزار شد، رویدادی کوچک است که بر شبکه‌سازی و بررسی موضوعات لبه دانش سلامت دیجیتال متمرکز است. مدلین | MedLean مدلین | MedLean Tue, 31 Dec 2019 22:17:55 +0330 https://virgool.io/MedLeanMag/%D8%AF%D8%B3%D8%AA%D9%87%D8%A8%D9%86%D8%AF%DB%8C-%D8%A7%D8%B3%D8%AA%D8%A7%D8%B1%D8%AA%D8%A7%D9%BE%D9%87%D8%A7%DB%8C-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-%DA%A9%D9%87-%D8%A8%D9%87-%D8%AA%D8%B5%D9%85%DB%8C%D9%85%DA%AF%DB%8C%D8%B1%DB%8C-%D8%AF%D8%B1-%D9%86%D8%B8%D8%A7%D9%85-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-%DA%A9%D9%85%DA%A9-%D9%85%DB%8C%DA%A9%D9%86%D9%86%D8%AF-epk3qabvzvf8 تا مدت‌ها تصور عمومی این بود که پزشکان باید بتوانند تمامی تصمیم‌گیری‌ها، از ارزیابی بیمار تا تشخیص و درمان را به تنهایی و برمبنای آموخته‌هایشان انجام دهند. تحقیقات معتبری هست که نشان می‌دهد در گذشته‌ای نه‌چندان دور، مراجعه پزشک به کتاب یا اینترنت حین ملاقات بیمار، روی اعتماد بیمار به پزشک اثر منفی می‌گذاشت. کتاب‌های مرجع پزشکی و منابع آنلاین معتبر مثل up-to-date اولین ابزارهای پزشکان برای ارائه خدمات بهتر به بیماران بودند که با نام ابزارهای تصمیم‌گیری پزشکی (clinical decision tools) شناخته می‌شدند. با گذشت زمان، تکنولوژی جای خود را در حوزه سلامت هم باز کرد و به تدریج که توسط مراقبان سلامت به کار گرفته شد، بیماران و عموم هم، تکنولوژی را به عنوان ابزاری کمک‌درمانی پذیرفتند. به این ترتیب، نسل پیشرفته‌تر ابزارهای کمک‌تصمیم‌گیری توسعه یافتند. ابزارهایی که نه فقط در تشخیص‌ و درمان که برای پیگیری بیمار و مدیریت تخت‌های بیمارستانی هم به کمک مراقبان و مدیران سلامت آمده‌اند.سیستم‌های کمک‌تصمیم‌گیری پزشکی را می‌توان به شش دسته تقسیم کرد که در ادامه، هریک به همراه مثال توضیح داده شده‌ است.سیستم‌های کمک‌تصمیم‌گیری سلامتیک. تریاژ و ارجاعیکی از اتفاقات معمول در نظام سلامت که هم موجب خستگی و سردرگمی بیماران می‌شود و هم هزینه بالایی را به تمام سیستم تحمیل می‌کند، مراجعه به درمانگرِ اشتباه است. برای بیماران تشخیص اینکه برای ناراحتی‌ یا دردی که تجربه می‌کنند،‌ باید به چه پزشکی مراجعه کنند، راحت نیست، اما هوش مصنوعی می‌تواند به راحتی و با پرسیدن چند سوال درباره علائم بیماری، این موضوع را تشخیص دهد. استارتاپ‌های این حیطه، پایشگرهای علائم (Symptom Checker) هستند که سؤالات هدفمندی درباره علائم از بیمار می‌پرسند و در نهایت علت‌های مختلف را همراه راهکار مناسب به او پیشنهاد می‌دهند.اینفرمدیکا (Infermedica) محصولات پایشگر علائم طراحی کرده که در مراکز درمانی به ویژه بخش اورژانس و مرکز تلفن کاربرد دارد. مشابه چکاپی که توسط پزشک انجام می‌شود، هوش مصنوعی اینفرمدیکا تریاژ، سؤالاتی از بیمار می‌پرسد و بعد براساس علائم بیمار، ممکن است به به او یکی از این راه‌ها را پیشنهاد ‌دهد: اطمینان‌دهی و پیشنهاد داروهای بدون نسخه، ویزیت مجازی، معرفی تخصص مرتبط برای مراجعه سرپایی، توصیه به مراجعه اورژانسی.بوی‌هلث (BuoyHealth) هم مشابه اینفرمدیکا است با این تفاوت که طراحی آن متمرکز بر بیماران بوده است. بوی‌هلث الگوریتم دقیقی برای پایش علائم دارد و هدفش کمک به بیماران برای خودتشخیصی (self-diagnose) است.دو. تشخیصهوش مصنوعی با کمک یادگیری ماشین، داده‌های جمع‌آوری‌شده از چندین و چند بیمار را یاد می‌گیرد و پس از آن، در مواجهه با مورد‌های جدید، براساس آموخته‌هایش بهترین تصمیم را اخذ و به پزشک پیشنهاد می‌کند. ابزارهای کمک‌تشخیصی، هم دقت تشخیص‌ها را بیشتر و احتمال خطا را کمتر می‌کنند و هم زمان لازم برای بررسی و تشخیص را کاهش می‌دهند. ابزارهای کمک‌تشخیصی یکی از محبوب‌ترین حیطه‌های سیستم‌های کمک‌تصمیم‌گیری است. این ابزارها برای تحلیل تصاویر پزشکی یا تصاویر میکروسکوپی تهیه‌شده از تست‌های آزمایشگاهی توسعه یافته‌اند.تصویربردارینیرامای (Niramai) استارتاپ غربالگری سرطان پستان از طریق آنالیز عکس‌های حرارتی با کیفیت بالا است. محصول این استارتاپ دستگاهی در دسترس و ارزان است که تصاویر حرارتی بافت پستان را با روشی دقیق، امن، غیرتهاجمی و بدون نیاز به تماس مستقیم، تهیه می‌کند. این تصاویر سپس توسط نرم‌افزار نیرامای تحلیل شده و گزارش آن برای رادیولوژیست ارسال می‌شود. محصول نیرامای، نمونه‌ای از امکانی است که بدون هوش مصنوعی برای انسان فراهم نبود. چرا که طول موج‌ تصاویری که نیرامای تحلیل می‌کند برای انسان قابل رؤیت نیست و به همین دلیل هم از تصاویر حرارتی، با وجود بی‌خطر بودن آنها در تشخیص سرطان پستان استفاده نمی‌شد.تست‌های آزمایشگاهیپث‌اِی‌آی (PathAI) سیستم هوش مصنوعی برای تحلیل لام‌های پاتولوژی است که در حال حاضر تمرکز خود را روی نمونه‌های تشخیصی سرطان متمرکز کرده است.سایت‌دایاگنوستیکز‌ (Sightdx) استارتاپ دیگری است که در زمینه تشخیص نمونه‌های خون فعالیت می‌کند. این استارتاپ دستگاهی اختصاصی برای تحلیل تصاویرش ساخته که تنها به دو قطره خون برای شمارش سلول‌های خونی (CBC) و بررسی ریخت‌شناسی سلول‌ها (morphology) نیاز دارد. به این ترتیب، بدون نیاز به تکنسین آموزش دیده برای تهیه و رنگ‌آمیزی نمونه، هرکسی می‌تواند به راحتی در عرض 10 ثانیه، نمونه را آماده کند و داخل دستگاه قرار دهد. این محصول که ابتدا برای تشخیص بیماری مالاریا طراحی و ساخته شد، به دلیل سادگی استفاده از آن بسیار مورد توجه قرار گرفت.سه. درمانپزشک برای انتخاب روش درمان مناسب بیمار خود، علاوه بر شرح حال و معاینه بیمار، باید عوامل متعدد دیگری را هم در نظر داشته باشد. سابقه بیماری‌های فرد، سابقه بیماری‌ در خانواده بیمار و داروهای در حال مصرف تنها تعدادی از عوامل موثر هستند. همین پیچیدگی باعث شده، اشتباه در تصمیم‌گیری‌های پزشکی، سومین عامل مرگ در آمریکا، بعد از بیماری‌های قلبی عروقی و سرطان باشد. استارتاپ‌های این دسته، یا با پایش مداوم اطلاعات ثبت‌شده در پرونده الکترونیک سلامت بیمار، به درمانگر در انتخاب داروهای مناسب کمک می‌کنند و تداخلات دارویی، موارد منع مصرف و غیره را هشدار می‌دهند و یا با بررسی ویژگی‌های منحصر به فرد بیمار، مثل ژنتیک او، بهترین گزینه‌های درمان را به درمانگر پیشنهاد می‌دهند.درمان دارویی مبتنی بر دادهاِف.دی.بی (First Databank) فعالیت خود را چهار دهه قبل و به عنوان مجله اطلاعات دارویی شروع کرده، اما پس از آن، توانسته خود را با پیشرفت‌ها و روندهای روز دنیا همگام و مزیت رقابتی خود را حفظ کند. این شرکت هم‌اکنون یکی از بزرگ‌ترین ارائه‌دهندگان سیستم‌ کمک‌تصمیم‌گیری در زمینه تجویز دارو است. اِف‌دی‌بی برای شرایط گوناگون مانند مراقبت در بیمارستان، مراقبت در منزل یا آمبولانس، پزشکی از راه دور، مدیریت خطر داروهای مخدر و غیره نرم‌افزارهای اختصاصی دارد. بانک اطلاعات دارویی، سیستم هشدار تداخل و منع مصرف، تنظیم دارو برای افزایش پایبندی بیمار، اطلاعات ویژه سرم‌تراپی بخشی از خدماتی است که اف‌دی‌بی از طریق نرم‌افزارهای خود ارائه می‌دهد.علاوه‌ بر دارو، این شرکت مدتی است در حیطه تجهیزات پزشکی هم وارد شده و به ارائه‌دهندگان خدمات سلامت در انتخاب تجهیزات پزشکی مناسب کمک می‌کند. همچنین، اف‌دی‌بی قصد دارد در آینده، راهنمای درمان دارویی براساس اطلاعات ژنتیکی را به خدمات خود اضافه کند.درمان شخصی‌سازی‌شدهسِلمَتیکس (Celmatix) از هوش مصنوعی و ژنتیک برای کمک به سلامت باروری زنان استفاده می‌کند. فرتیلوم، یکی از محصولات این استارتاپ، تستی ژنتیکی است که 46 توالی ژنومی مرتبط با باروری را اندازه‌گیری و تحلیل می‌کند. پلتفرم تحلیلی پولاریس، تاریخچه و داده‌های پزشکی بیمار و نتیجه تست فرتیلوم (در صورت وجود) را با داده‌های جمع‌آوری‌شده از موارد قبلی، می‌سنجد و به پزشک بهترین درمان را پیشنهاد می‌کند. پولاریس به پزشک پیشنهاد می‌دهد چه زمانی‌ درمان را شروع کند، بین روش کمک‌باروری IVF و IUI کدام را انتخاب کند، چند سلول را در رحم مادر قرار دهد و غیره.چهار. مراقبت‌های اورژانسیدر این دسته استارتاپ‌هایی قرار دارند که به تشخیص موقعیت‌های حاد و اورژانسی کمک می‌کنند. شاید در نگاه اول، به نظر برسد تفاوتی با دسته تشخیص ندارد، اما با وجود برخی شباهت‌ها این دو دسته یکسان نیستند. در دسته تشخیص، اغلب هوش مصنوعی از داده‌های کلان و آنچه از تجربه‌های قبلی آموخته برای تحلیل یک تصویر پزشکی یا آزمایش استفاده می‌کند، اما در اینجا، ابزارها بیشتر به صورت یک سیستم هشدار عمل می‌کنند. داده‌ها به طور مداوم اندازه‌گیری می‌شوند و در صورتی که تغییر معناداری بکنند یا به مقدار خطرناک برسند، سیستم به درمانگران هشدار می‌دهد.پوترِرو (Potrero Medical) استارتاپی است که تمرکز خود را روی پیشگیری از شرایط بحرانی پزشکی گذاشته است. این استارتاپ حسگرهای هوشمندی طراحی و تولید کرده که خروجی ادرار بیمار، فشار داخل شکم و دمای مرکزی بدن را اندازه‌گیری و ارزیابی می‌کنند. داده‌های به‌دست‌آمده از این حسگرها به جلوگیری از موقعیت‌هایی مانند آسیب حاد کلیه (Acute Kidney Injury) و سپسیس کمک می‌کند.پنج. فالوآپ و پیگیریپوشیدنی‌ها و ابزارهای ردیابی (tracking) به صورت هماهنگ با پرونده الکترونیک سلامت بیمار، حجم بسیار زیادی از اطلاعات را درباره بیماران به دست می‌دهد. ارزیابی درست این اطلاعات می‌تواند به پیشگیری یا تشخیص زودهنگام بیماری‌ها بیانجامد و مدیریت بیماری‌های مزمن را تسهیل کند. در این دسته، ابزارهایی را داریم که با پایش و تحلیل داده‌های جامعه در معرض خطر و مبتلایان، به مراقبان سلامت در انجام اقدامات پیشگیرانه، حفظ سلامت بیمار و کاهش هزینه‌های درمانی کمک می‌کنند.هلث‌ریویل (Health Reveal) اطلاعات به دست‌آمده از پرونده الکترونیک سلامت (EHR) و بیمه درمانی و داده‌های سلامتی را که توسط بیمار تولید شده گردآوری می‌کند. سپس براساس شرایط خاص هر فرد، احتمال وقوع بیماری یا پیشرفت آن را پیش‌بینی می‌کند و راهکارهای منطبق بر دستورالعمل‌های معتبر درمانی ارائه می‌دهد.شش. مدیریت درمان و مراقبتیکی دیگر از جاهایی که هوش مصنوعی می‌تواند بسیار بهتر از انسان، داده‌های فراوان موجود را پردازش کند، مدیریت درمان و مراقبت است. اطلاعاتی همچون طول مدت بستری بیماران، پرهزینه‌ترین اقدامات، جریان ورود و خروج بیمار، خطاهای رخ‌داده در درمان و غیره، اطلاعات بسیار ارزشمندی را فراهم می‌کند که مدیران اغلب توان بررسی جامع آنها را ندارند. اما ابزارهایی به این منظور طراحی شده‌اند که این داده‌ها را در جهت شناسایی مشکلات، بهینه کردن فرآیندها، کاهش هزینه‌ها و غیره ارزیابی می‌کنند.کیوونتوس (Qventus) داده‌های انبوه و نامنظم ثبت الکترونیکی سلامت (Elactronic Health Records)، برنامه زمانی جراحی‌ها، برنامه حضور کارکنان و دیگر داده‌های مراقبت سلامت را تحلیل کرده و براساس آنها راهکاری در لحظه برای بهبود عملکرد بیمارستانی ارائه می‌دهد. کیوونتوس می‌تواند مشکلات را پیش‌بینی کند، سپس با بررسی هزینه-اثربخشی، بهترین راهکار را پیشنهاد می‌دهد و به طور مستقیم، فرد مناسب را از تیم مربوطه برای رفع مشکل مشخص کند. این پلتفرم می‌تواند با بهینه کردن برنامه جراحی‌ها، مدیریت منابع، تسهیل تصمیم‌گیری‌ها و غیره زمان انتظار در اورژانس، زمان انتظار برای جراحی، مدت‌زمان بستری و هزینه‌های بیمار و بیمارستان را کاهش دهد.زینکس‌هلث (Zynxhealth) محصولات مختلفی برای مدیریت مراقبت دارد. یکی از محصولاتش (ZynxCare) است که برنامه‌های راهنما برای ارائه مراقبت بین رشته‌ای مبتنی بر شواهد فراهم می‌کند. در شرایط سخت و پیچیده، افراد مختلفی از کادر درمان باید بتوانند بدون آنکه شناخت کافی از هم داشته باشند یا سایر اعضای تیم مراقبت را دیده باشند، به طور کارآمدی با هم همکاری کنند و اقدامات مناسب را در بهترین زمان برای بیمار انجام دهند. این محصول در تسهیل این فرآیند به کادر درمان کمک می‌کند. محصول دیگر زنکس‌هلث، ابزار تحلیل ابزارهای کمک تصمیم‌گیری است. برای اینکه مراقبت ارائه‌شده بهترین نتیجه را دربر داشته باشد، لازم است ابزار کمک تصمیم‌گیری مورد استفاده، مطابق جدیدترین منابع علمی بوده و از موارد قبلی، یادگیری درستی داشته باشد. زنکس‌هلث می‌تواند ابزار کمک تصمیم‌گیری مرکز درمانی را براساس منابع علمی، دستورالعل‌ها و عملکردش ارزیابی کند و تأثیر آن را بر مواردی مانند هزینه‌ها، طول مدت بستری، مرگ‌ومیر و بستری مجدد بسنجد.با وجود همه پیشرفت‌ها و توانایی‌های شگفت‌انگیز آن، هوش مصنوعی هنوز به انسان وابسته است. تمامی این ابزارها با عنوان ابزارهای کمک‌تصمیم‌گیری شناخته می‌شوند و به نظر نمی‌رسد در آینده نزدیک، ماشین بتواند به صورت مستقل و بدون دخالت پزشک، تصمیم‌گیری‌های پزشکی را انجام دهد. مدلین | MedLean فرشته کاظمی‌پور Sun, 29 Dec 2019 19:33:36 +0330 https://virgool.io/MedLeanMag/digital-technology-for-health-service-ry6uhsh9i5li با رشد تکنولوژی‌های دیجیتال و شناخته‌تر شدن کاربردهای آن‌ها فرصت‌های استفاده از این تکنولوژی‌ها نیز بیش از پیش مشخص گردیده است. این فرصت‌ها به اندازه‌ای بوده است که در چند سال اخیر حوزه‌ای تخصصی به نام سلامت دیجیتال (Digital Health) شکل گرفته است تا استفاده از تکنولوژی‌های دیجیتال در سلامت را مدیریت، تسهیل و جهت‌دهی کند. هرچند بیش از 20 سال پیش زمانی که سلامت الکترونیک شکل گرفت ما استفاده از این تکنولوژی‌ها در حوزه سلامت را آغاز کرده‌ایم ولی به نظر می‌رسد تحولاتی که در چند سال اخیر رخ داده است می‌تواند مسیری جدید برای آینده سلامت ترسیم کند.فرصت‌های استارتاپ‌ها در مدیریت کلان خدمات سلامتیکی از زمینه‌های سلامت که در تمام دنیا سیستم‌های سلامت را به چالش کشیده است موضوع هزینه‌های رو به افزایش مراقبت‌های سلامت است. در حالی که به نظر می‌رسد که دیگر راهکارهای مدیریت هزینه‌های سلامت و سرمایه‌گذاری در پیشگیری از بیماری‌ها، نمی‌تواند راهکاری بلندمدت برای کاهش هزینه‌ها باشد، تکنولوژی‌های دیجیتال با راهکارهای ساختارشکن و نوآورانه خود پاسخ‌های جدیدی را ارائه نموده‌اند. با استفاده از قابلیت‌هایی که این تکنولوژی‌ها در اختیار ما قرار می‌دهند می‌توان راهکارهایی را طراحی و پیاده‌سازی نمود که پیش از این بیشتر به یک رویا شبیه بود.راهکارهای سلامت دیجیتال که می‌توانند مستقیم یا غیر مستقیم در کاهش هزینه‌های مراقبت‌های سلامت تاثیرگذار باشند را می‌توان در راستای یکی از 4 چشم‌انداز زیر دانست.توانمندسازی مردم و بیماران: به منظور افزایش و تسهیل دسترسی مردم به خدمات سلامت و افزایش مسئولیت‌پذیری ایشان در مقابل سلامت خودهماهنگی اجزای سیستم سلامت: به منظور برقراری ارتباط و تسهیل تبادل اطلاعات میان اجزای مختلف حوزه سلامتتغییر نظام پرداخت: به منظور پیاده‌سازی نظام پرداخت مبتنی بر خروجی و حفظ سلامت مردمپزشکی شخصی: به منظور شخصی‌سازی نمودن هرچه بیشتر تشخیص و درمان برای افراددر راستای این چشم‌اندازها، صدها راهکار و مداخله سلامت در سطوح مختلف و برای ذی‌نفعان متفاوت تعریف شده و همچنان نیز نوآوری‌ها در آن‌ها در جریان است. این ساختار و اطلاع از چشم‌اندازها کمک می‌کند بتوان جهت‌دهی بهتری به نوآوری‌های سلامت دیجیتال داد.با این حال برای دستیابی به هدف کاهش هزینه‌ها در سطح مدیریت کلان خدمات سلامت نیاز است که ترکیبی از راهکارهای مختلف به صورتی در یک بسته خدمتی ارائه گردد که بتواند برخی از هزینه‌برترین خدمات را پوشش دهد. این بسته‌های خدمتی می‌تواند در قالب‌هایی از جمله خدمات پایه‌ای بیمه‌ها یا خدمات تندرستی و سلامت سازمانی ارائه گردد. زیربنای همه این قالب‌ها، کاهش هزینه‌های کلان و عمده سیستم می‌باشد.یک نمونه از این بسته‌های خدماتی می‌تواند ترکیبی از خدماتی مانند مشاوره و پزشکی از راه دور (Telemedicine)، خدمات در منزل (Homecare)، ارسال خدمات سلامت (Care Delivery)، مدیریت مراقبت‌های تشخیصی درمانی (Care Management) به همراه خدمات آموزشی و پیشگیری مناسب باشد. حال این بسته می‌تواند در قالب خدمات پایه‌ای بیمه تعریف شود و یا اینکه به عنوان خدمات تندرستی و سلامت سازمانی ارائه گردد. در هر دو قالب این خدمات با جای‌گذاری مناسب می‌تواند ارائه و تعریف شود. در ادامه توضیحی مختصر از اهداف هر کدام از خدمات بالا و چشم‌انداز آن‌ها آورده شده است.مشاوره و پزشکی از راه دور: این خدمات باید به صورت 24 ساعته در تمام روزهای هفته در قالب مشاوره با پزشک ارائه گردد. در صورتی که این خدمات به شکل موثر و در قالب بخشی از خدمات اجباری یا تشویقی ارائه گردد می‌تواند مراجعاتی را که نیازمند ارزیابی حضوری نیستند رفع کنند. هرچند به منظور اثربخشی کامل این راهکار باید سازوکار تجویز که البته به زیرساخت نسخه الکترونیک نیاز دارد، نیز تعریف گردد.خدمات در منزل: پیاده‌سازی خدمات در منزل با نگاه کاهش هزینه‌های کلان سیستم نیازمند کفایت بالای این خدمات است به نحوی که بتواند منجر به کاهش مدت بستری بیمارستانی یا کاهش شانس بستری مجدد بیمار گردد. از سوی دیگر لازم است که این خدمات خود به حد کافی بهینه‌سازی گردند تا بتوانند با کمترین هزینه بیشترین بازده را داشته باشند.ارسال خدمات سلامت:‌ خدمات سلامتی مانند گرفتن آزمایش و دریافت دارو را که منجر به تحمیل هزینه‌های جانبی به مردم و بیماران می‌گردد از طریق ارسال این خدمات در محل یا تسهیل دسترسی به آن‌ها می‌توان مدیریت کرد.مدیریت مراقبت‌های تشخیصی درمانی: این راهکار در قالب پزشک خانواده و نظام ارجاع پیاده‌سازی شده است ولی میزان کفایت آن مورد بحث است. به نظر می‌رسد استفاده از تکنولوژی‌های دیجیتال می‌تواند این راهکارها را به کفایت و بهره‌وری لازم برساند. با مدیریت این بخش میزان بسیار زیادی از بسیاری از هزینه‌ها برای اقدامات موازی، غیرضروری یا خارج از گایدلاین جلوگیری نمود. هرچند این راهکارها خود باید حتما تخصصی و متمرکز بر یک هدف طراحی شوند تا بتوانند اثربخشی لازم را پیدا کنند.خدمات آموزشی و پیشگیری: این خدمات که با هدف تغییر سبک زندگی انجام می‌شود با استفاده از تکنولوژی‌های دیجیتالی و البته در قالبی که مشوق‌‌ها و اجبارهای لازم با آن همراهی کند می‌تواند با هزینه‌ای کمتر نسبت به راهکارهای پیشین در این حوزه تاثیرگذاری بیشتری داشته باشد.این خدمات و راهکارها زمانی می‌توانند به حداکثر کفایت و تأثیرگذاری خود برسند که از مزایای داده‌های کلان (Big Data) نیز بهره ببرند. داده‌های کلان چه برای یافتن راهکارهای جدید و چه برای بهینه‌سازی خدمات و ساختارهای موجود باید یکی از الزامات مداخلات سلامت دیجیتال باشد. به خصوص از این لحاظ که آینده سلامت بر این داده‌های کلان و راهکارهای آن‌ها استوار خواهد بود و بدون شک آنچه حوزه سلامت را در آینده نه چندان دور متحول خواهد کرد این داده‌های کلان است، این الزام دو چندان می‌گردد.در مجموع به نظر می‌رسد اگر تکنولوژی‌های دیجیتال در حوزه سلامت، امروز در کشور ما رشد و توسعه پیدا نکنند، با توجه به سرعت رشد آن‌ها در کشورهای دیگر جهان و افزایش سرمایه‌گذاری‌ها در این حوزه، ما مصرف‌کننده خدمات سلامت نیز خواهیم شد و همه جنبه‌های زندگی اجتماعی، اقتصادی، سیاسی ما تحت شعاع قرار خواهد گرفت. مدلین | MedLean آیدین پرنیا Sun, 22 Dec 2019 09:11:46 +0330 https://virgool.io/MedLeanMag/%D8%A2%DB%8C%D9%86%D8%AF%D9%87-%D8%A8%DB%8C%D9%85%D9%87%D9%87%D8%A7%DB%8C-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-ypabpisqnggq تکنولوژی‌ها و خدمات سلامت پیوسته در حال پیشرفت است و امکانات بیشتری در اختیار ما می‌گذارند. با این حال بیماران و خدمت گیرندگان سلامت توانایی دسترسی به آن را ندارند و مهمترین دلیل آن، هزینه‌ی این تکنولوژی‌ها و خدمات جدید است. اگرچه نوآوری‌های مانند هوش مصنوعی (AI) و سنسورهای حوزه سلامت در حال تغییر نحوه کارکرد بیمه‌های سلامت هستند، اما برای دسترسی بهتر بیماران به خدمات جدیدتر و داشتن جامعه‌ای سالم‌تر، نیاز است که نظام سلامت به صورت کلی در حوزه بیمه تغییراتی داشته باشد.موضوع دیگری که وجود دارد، همواره وقتی از بیمه صحبت می‌شود تصویری که به ذهن ما خطور می‌کند محلی است که به صورت انسان‌دوستانه قصد دارد هزینه‌های سلامت ما را کاهش دهد؛ در صورتی که در اکثر کشور‌ها بیمه‌ها به صورت شرکتی اداره می‌شوند و شرکت‌های بیمه، کسب‌وکارهایی هستند که برای ایجاد سود مالی ایجاد شده‌اند.بیمه‌های سلامت فعلی پایدار نیستندبراساس پیش‌بینی‌های سازمان توسعه و همکاری‌های اقتصادی (OECD)، یکی از مشکلات اساسی کشور‌ها در حال حاضر و در آینده، هزینه‌بری بیشتری خدمات سلامت نسبت به بودجه تعیین شده در کشور می‌باشد. نگه‌داری نظام‌های سلامت کنونی همزمان با سرمایه‌گذاری بر روی تکنولوژی های پیشرفته و جدید پزشکی، بدون اصلاحات اساسی در ساختار سازمانی و بودجه‌ای نظام‌های سلامت امکان‌پذیر نیست. هزینه‌های عمومی در سلامت و مراقبت‌های طولانی‌مدت در کشور‌های عضو OECD به سمتی می‌رود که از میانگین 6% سهم از تولید ناخالص ملی (GDP) به 9% در سال 2030 و 14% در سال 2016 افزایش یابد. در ایران 8% از GDP به هزینه‌های سلامت مربوط است اما متاسفانه حدود 75% آن در بخش درمان و نه پیشگیری هزینه می‌شود. این واقعیتی دردناک برای دولت‌ها و سازمان‌های خصوصی است، چرا که به همین نسبت آنان نیز باید هزینه‌های سلامت خود را افزایش دهند وگرنه از قافله اقتصادی و بهروری جان باز می‌مانند.میزان افزایش هزینه‌های سلامت در کشورهای دنیا از میزان رشد GDP بالاتر است و به همین دلیل سالانه حجم مالی بیشتری به خود اختصاص می‌دهدهزینه‌های درمانی در بعضی موارد بسیار گران می‌شوند، به طور مثال هزینه‌های درمان سرطان به عنوان «هزینه‌های کمرشکن» شناخته می‌شود. هزینه‌های کمر شکن به هزینه‌هایی در علم اقتصاد سلامت گفته می‌شود که فرد یا خانواده پس از انجام آن درمان بخصوص زیر خط فقر می‌روند. نکته قابل توجه رابطه انواع مدل‌های بیمه‌ای با نوآوری در کاهش این هزینه‌هاست. در کشورهایی که بیمه‌های خصوصی در آن فعالیت زیادی دارند، طرح‌های متفاوتی از بیمه‌های سلامت ارائه می‌شود و در دراز مدت باعث می‌شود بیمه برای کاهش هزینه‌های کلی خود حاضر باشد که در نوآوری‌های گران اما جدید سرمایه‌گذاری کند. اما در کشورهایی که از بیمه‌های اجتماعی استفاده می‌کنند، جایی که مردم به خدمات پایه سلامت دسترسی تقریبا رایگان دارند، نوآوری بسیار سخت اتفاق می‌افتد چرا که نظام سلامت به تنهایی ما مدلی که در حال حاضر کار می‌کند توانایی تامین هزینه‌های نوآوری در حوزه سلامت را ندارد.در حالی که روزانه میلیون‌ها داده جدید در نظام سلامت تولید می‌شوند، بخش اعظمی از این داده‌ها با سبک زندگی افراد ارتباط داده نمی‌شوند. اندازه‌گیری مواردی همچون فشار خون یا تعداد ضربان قلب به عنوان یک فعالیت روتین، نمی‌تواند تضمین‌کننده مراقبت‌های فرد بعد از محل دریافت مراقبت باشد. بدون آنکه تمامی ابعاد یک سامانه اندازه‌گیری شود اصلاح آن امکان‌پذر نیست و این دقیقا مشکلی است که نظام‌های سلامت فعلی دارند که نمی‌توانند داده‌های درستی از افراد تحت مراقبت خود جمع‌آوری کنند. درصورتی که تکنولوژی امکان اندازه‌گیری آن را در حال حاضر فراهم کرده است.چرا مردم انگیزه کافی برای سالم ماندن ندارند؟یکی از عوامل کلیدی که باعث می‌شود مردم برای سالم ماندن انگیزه کافی نداشته باشند و تلاش نکنند، نگرفتن تخفیف در هزینه بیمه است. یکی از بهترین مثال‌های بیمه در کاهش خطرات بیمه شخص ثالث است، در صورتی که فرد رانندگی سالم‌تری داشته باشد و کم‌تر تصادف کند، سالانه مشمول تخفیف‌های قابل توجهی می‌شود. اما بیمه‌های سلامت اکثر تمرکز خود را بر درمان بیماری‌ها و تامین هزینه‌های آن گذاشته‌اند، درصورتی که به نظر تامین هزینه‌های آموزش افراد جامعه و مراقبت از آنان در طولانی‌مدت هزینه‌های کمتری برای بیمه‌ها خواهد داشت. اگرچه با اینکه نتایج منفی بعضی از سبک‌های زندگی اثبات شده است (مانند سیگار کشیدن و چاقی) و آموزش‌های بسیاری در این حوزه داده می‌شود، همچنان اقناع بیماران برای سالم‌تر زندگی کردن فرآیند بسیار مشکلی است.بیمه سلامت در حال حاضر یکی از پر ریسک‌ترین کسب‌وکارهای امروزه است. مهم نیست که در ابتدای بیمه کردن فرد چقدر جزئیات نحوه زندگی او گرفته می‌شود، بیمه‌های سلامت نمی‌توانند اطلاعات کافی برای سرمایه‌گذاری بر روی سلامت آینده فرد به دست آورند. شرکت‌های بیمه جزئیات پایه‌ای درباره جنسیت، وزن، قد و نحوه زندگی فرد از او می‌گیرند، اما نمی‌توانند تمامی پارامترهای سلامت فرد را اندازه بگیرند و به همین دلیل، ارزش سرمایه‌گذاری بر سلامت افراد همچنان قابل سوال است.بسیاری از محققین اعتقاد دارند که نمی‌توان به افراد جامعه به اندازه کافی انگیزه داد تا زندگی سالمی داشته باشند، در صورتی که سطح اثرگذاری شرکت‌های بیمه و دولت‌ها به قدری زیاد است که نمی‌توان از آن چشم‌پوشی کرد. دلیل آنکه تاکنون شرکت‌های بیمه در این امر ناموفق بودند این است که آن‌ها نمی‌توانند بر اساس داده‌های پایه‌ای که از بیماران خود دریافت می‌کنند سطح سلامت افراد را به درستی ارزیابی کنند و دلیل عدم موفقیت دولت‌ها نیز این است که هزینه‌های سلامت روز به روز در جامعه به دلیل عدم مراقبت افراد از خود افزایش می‌یابد. در این شرایط، شاید سرمایه‌گذاری برای استفاده از تکنولوژی‌های نوین راه حل خوبی به نظر بیاید. https://www.aparat.com/v/CG93b تکنولوژی‌های نوآور و جدید شرایط را تغییر می‌دهندتکنولوژی‌های جدیدی که در حال حاضر وجود دارند، همچون گجت‌های پوشیدنی، سنسورهای داخل بدن و الگوریتم‌هایی که از هوش مصنوعی استفاده می‌کنند، این شرایط را تغییر خواهند داد و شرکت‌های بیمه نیز به طور قطع به زودی به آنان روی می‌آورند. استارتاپ «اسکار هلث» که قبلا نیز در مدلین‌مگ معرفی شده است، به بیماران خود در آمریکا در صورتی که بتوانند برنامه استارتاپ FitBit (که به تازگی این شرکت توسط گوگل خریداری شده است) را روزانه انجام دهند، کارت هدیه آمازون می‌دهد؛ در صورتی که کارهای بسیار بیشتری در این حوزه می‌توان انجام داد. امروزه بیماران می‌توانند پارامتر‌های سلامتی خود همچون کیفیت خواب، استرس، فعالیت فیزیکی، فشار خون و دیگر پارامترهای مهم سلامت را در منزل خود اندازه بگیرند. اما مشکل اصلی این است که چگونه شرکت‌های بیمه در مقیاس وسیع از این امکانات و تکنولوژی‌ها استفاده نمایند.در سال 2015 حدود 100 میلیون دستگاه پوشیدنی برای اندازه‌گیری داده‌های سلامت فروخته شده است و تخمین زده می‌شود که در سال 2020 حدود 300 میلیون دستگاه به فروش برسد. اما این اول راه است؛ در حال حاضر خالکوبی‌های (تَتو) دیجیتالی وجود دارد که می‌تواند داده‌های سلامت افراد را مخابره کند، بدون آنکه نیاز باشد بیمار به صورت فعالانه در اندازه‌گیری و ارسال داده‌هایش مشارکت کند.الگوریتم‌های هوش مصنوعی می‌تواند با بررسی داده‌های مشتریان بیمه، فرضیاتی درباره ارتباط عادت‌های بد با سلامتی افراد بسازد و شرکت‌های بیمه می‌توانند این فرضیات را آزمایش کنند. سپس این شرکت‌ها می‌توانند برنامه‌های پوشش متفاوت بیمه‌ای برای بیماران پرخطر خود ارائه دهند و یا افراد تحت پوشش خود را از عادت‌های بدی که در زندگی دارند مطلع کنند، به این نحو می‌توانند ریسک کسب‌وکار بیمه‌ای خود را کاهش دهند.به صورت اجتناب ناپذیری، با در دسترس قرار گرفتن هرچه بیشتر داده‌های زندگی افراد، شرکت‌های بیمه تلاش خواهند کرد که این داده‌ها در اختیار خود بگیرند. این تلاش‌ها سبب می‌شود سوالات بسیاری درباره حریم خصوصی و شخصی بیماران نسبت به شرکت‌های بیمه به وجود بیاید. اما از طرفی، در اختیار قرار دادن این داده‌ها به شرکت‌های بیمه باعث می‌شود سایر افرادی که سالم‌تر زندگی می‌کنند حق انتخاب داشته باشند که دیگر هزینه‌های افرادی که از خود مراقبت نمی‌کنند را نپردازند.بیمه‌های سلامت نوین یا سو استفاده از داده؟حال سناریویی مخالف شرایط توضیح داده شده در فوق را فرض کنیم؛ شرکت‌های بیمه تنها به افرادی خدمات دهند که اجازه دسترسی به تمام داده‌هایشان را بدهند، مانند الکتروکاردیوگرام، فشار خون، داده‌های مربوط به خواب، داده‌های مربوط به Trackerها و ساعت‌های هوشمند. بر این اساس، شرکت‌های بیمه می‌توانند برنامه‌های پوششی خود را بسیار سختگیرانه‌تر کنند یا سالانه در هنگام تمدید بر اساس سبک زندگی فرد تغییر دهند. این بدین معناست که خوردن گوشت قرمز بجای غذای سالم یا نرفتن به دنبال ورزش‌های روزمره باعث می‌شود هزینه‌های بیشتری برای بیمه خود بپردازید، در حقیقت هر تصمیمی که در زندگی خود بگیرید بر بیمه سلامت شما تاثیر خواهد گذاشت.همچنین ممکن است شرکت‌های بیمه با این اطلاعات در قبال افرادی که از بیماری‌های ژنتیکی یا غیر مربوط به سبک زندگی رنج می‌برند، تبعیض قائل شوند و آنان را تحت پوشش قرار ندهند. شرکت‌ها می‌توانند در ابتدای پوشش بیمه‌ای از آنان تست‌های ژنتیکی درخواست کنند و شرایط پوشش را بر اساس آن تعیین کنند. در چنین مواردی است که دولت و قانون‌گذاران می‌توانند به مردم کمک کنند این اتفاق نیافتد، به طور مثال در اسالات متحده آمریکا قانون رفتار غیرتبعیض آمیز با اطلاعات ژنتیکی برای چنین مواردی به تصویب رسیده است.اما اگر نسبت به شرایط فرضی فوق کمی خوشبینانه‌تر و واقع‌گرایانه‌تر باشیم، دسترسی شرکت‌های بیمه به داده‌های سلامت ما می‌تواند منجر به ارائه پوشش‌های بیمه‌ای و درمان‌های شخصی‌سازی‌شده شود. این شرکت‌ها می‌توانند به افرادی که زندگی سالمی دارند پاداش بدهند و در عین حال هزینه پوشش را برای افرادی که همچنان غذای نامناسبی می‌خورند یا به سیگار کشیدن ادامه می‌دهند افازیش دهند تا عدالت در هزینه‌های سلامت تحقق بیشتری یابد. در این صورت زندگی به صورت ناسالم همچنان یک حق فردی باقی می‌ماند، و همچنین بیمه افرادی که این حق فردی را انتخاب می‌کنند تبدیل به یک کالاس لوکس با هزینه‌های بسیار می‌شود.برای مثال، استارتاپ «پروتئوس هلث»، با استفاده از یک Patch که توسط بیمار استفاده می‌شود، عادت‌های مربوط به سلامت هر فرد را اندازه می‌گیرد و این داده‌ها را به مراقب سلامت او اطلاع می‌دهد. به این صورت به بیمار و مراقب او کمک می‌کند تا بهتر بتوانند شرایط بیمار را مورد ارزیابی و بهبود قرار دهند. یعنی داده‌ها به صورتی جمع‌آوری می‌شود که به افراد سود برساند.چیزی که باعث می‌شود به بیماران و افراد جامعه کمک کرد تا زندگی سالم‌تری داشته باشند، جمع‌آوری داده‌ها به صورت هدف‌مند برای اصلاح رفتار آنان است. همچنین، سیاست‌گذاران باید راهکاری داشته باشند تا مطمئن شوند که شرکت‌های بیمه بیش از حد به داده‌های شخصی و حریم خصوصی مردم وارد نشوند. به طور مثال در سال 2015 سازمان غذا و داوری آمریکا (FDA) راهنمایی برای اپلیکیشن‌ها و محصولات مبتنی بر موبایل منتشر کرد. اما با توجه به رشد سریع تکنولوژی در این چند سال، به نظر نیازمند راهنما و قوانینی هستیم که هدف آن محصولات نباشد، بلکه اختیارات شرکت‌ها را تعیین کند.در حوزه سلامت پاداش دادن به رفتارها و تصمیمات سالم بسیار متفاوت‌تر از تنبیه تصمیمات بد است. سلامتیک کالای عمومی و یک حق انسانی است و هیچ فرد یا شرکتی نباید افراد را بخاطر تصمیمات بدشان مورد تنبیه شدید قرار دهد. چالش بزرگی که در این حوزه وجود دارد این است که قانون‌گذاران و رگولاتورهای حوزه سلامت در خط مقدم نوآوری‌های این حوزه قرار ندارند و به آنان را به خوبی نمی‌شناسند، به همین دلیل توانایی رگولاتوری چیزهایی که هنوز نمی‌شناسند و نمی‌فهمند را ندارند. از طرفی، بیماران نیز نسبت به تکنولوژی‌های نوظهور آگاه نیستند و نمی‌دانند که این تکنولوژی‌ها چه تاثیراتی می‌تواند در زندگی و حریم شخصی آنان بگذارد.حریم شخصی یا عدالت در سلامت؟در حال حاضر نظام‌های سلامت از لحاظ اقتصادی ناپایدار و بسیار هزینه‌بر هستند؛ بیماران به آخرین نوآوری این حوزه دسترسی ندارند و پزشکان نیز با امکانات و تکنولوژی‌هایی که از آن‌ها دارند و بلدند چگونه استفاده کنند افراد را درمان می‌کنند. در این میان، تغییر مدل‌های بیمه ای می‌تواند راه‌حلی باشد که تمام ذی‌نفعان درگیر تصمیم بگیرند تا جامعه سالم‌تری با استفاده از تکنولوژی‌های نوظهور ایجاد کنند. مردم هرچه بیشتر از تکنولوژی‌های پوشیدنی استفاده کنند، خدمت‌دهندگان سلامت توان بیشتری برای ارائه راهکارهای بهتر به آنان دارند.نکته قابل توجه در این میان، جلوگیری از ایجاد امکان سوء استفاده از داده‌هاست. ما نیاز داریم تا نگذاریم که شرکت‌ها به تمام جزئیات زندگی ما دسترسی پیدا کنند و نتوانند بر تصمیمات فردی ما تاثیر بگذارند. جامه باید با تمام قوا از دنیایی که غذا خوردنشان، ورزش کردنشان و خوابیدنشان تحت کنترل باشد جلوگیری کند. این سطح از کنترل خلاف طبیعت انسان است. از طرفی دیگر، نباید هزینه‌های تصمیمات بد افراد به گردن جامعه بیافتد. یعنی افرادی که بعد از تشخیص بیماری همجنان به عادات بد خود ادامه می‌دهند، نمی‌خواهند و نمی‌توانند به جامعه برای تعادل و پایداری اقتصادی نظام سلامت کمک کنند.این یعنی شرکت‌های بیمه و دولت‌ها باید بتوانند این موارد را مدیریت کنند. به طور مثال در پایان هر روز، هر فرد حق انتخاب داشته باشد که داده‌های زندگی سالم خود را که از طریق سنسورها به دست آمده، با بیمه خود به اشتراک بگذارد و پاداش مربوط به سالم زندگی کردن خود را بگیرد و همچنین به عدالت در نظام سلام سلامت کمک کند. در عین ‌حال سایر داده‌هایی که فکر می‌کند به شرکت بیمه ارتباط ندارد را در اختیار خود نگه دارد. شاید بتوان گفت که این مدل تعادل خوبی میان عدالت در هزینه‌های سلامت و حریم شخصی افراد برقرار می‌کند. در حقیقت شرکت‌ها نیازی ندارند که تمامی جزئیات تصمیمات و رفتار افراد را بدانند تا متوجه شوند که فرد سبک زندگی قابل قبولی دارد، در نتیجه افراد نیز می‌توانند داده‌های شخصی خود را محفوظ نگه دارند و همچنین به نظام سلامت برای تعادل مالی و بهبود شرایط کمک کنند.تکنولوژی به زودی توانایی این را خواهد داشت که یک مراقبت واقعی شخصی‌سازی شده پیشنهاد دهد، برنامه‌ای با استفاده از داده‌های ژنتیکی و نحوه و سبک زندگی افراد. در این میان مدل‌های جدید بیمه‌ای تضمین خواهند کرد که همه افراد به این خدمات دسترسی داشته باشند، در حالی که در زندگی و حریم فردی افراد دخالت نمی‌کنند. مدلین | MedLean Ali Ganjizadeh, M.D. Sun, 15 Dec 2019 11:51:26 +0330 https://virgool.io/MedLeanMag/%D8%A7%D8%B3%D8%AA%D8%A7%D8%B1%D8%AA%D8%A7%D9%BE%D9%87%D8%A7-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AC%D8%B0%D8%A8-%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87-%D9%85%D9%88%D9%81%D9%82-%D8%A8%D8%A7%DB%8C%D8%AF-%D8%A7%D8%B1%D8%AA%D8%A8%D8%A7%D8%B7%D8%B4%D8%A7%D9%86-%D8%B1%D8%A7-%D8%A8%D8%A7-%D8%AA%D8%B3%D9%87%DB%8C%D9%84%DA%AF%D8%B1%D8%A7%D9%86-%D8%AA%D9%82%D9%88%DB%8C%D8%AA-%DA%A9%D9%86%D9%86%D8%AF-i3qfvjqidhdq فرهنگ باقری، مدیر کارخانه نوآوری های‌وی، یکی از افرادی است که به واسطه فعالیت‌های متعددش، به خوبی اکوسیستم استارتاپی کشور را می‌شناسد و در این سال‌ها تلاش کرده برای شکل‌گیری آن گام موثری بردارد. در این گفتگو نظرات او را درباره چرایی و چگونگی جذب سرمایه جویا شدیم تا به استارتاپ‌هایی که ابتدای راه هستند کمک کنیم از هفت‌خوان جذب سرمایه راحت‌تر بگذرند.سلام آقای باقری. ممنون که وقتتون رو در اختیار مدلین‌مگ قرار دادید. لطفا در ابتدا برای دوستانی که شاید شما رو نشناسند خودتون رو معرفی کنید و از فعالیت‌هاتون بفرمایید.من هم سلام می‌کنم خدمت همه خوانندگان مدلین‌مگ. خیلی خوشحالم که در خدمتتون هستم. من فرهنگ باقری هستم. مدیر کارخانه نوآوری های‌وی و همینطور مدیر ارشد توسعه نوآوری در باشگاه کارآفرینی تیوان. دانش‌آموخته دانشگاه علوم پزشکی تهران هستم و چند سالی است که از نزدیک با دوستانمان در اکوسیستم نوآوری و فناوری در حوزه‌های مختلف کار کردم.همین‌طور در چند سال اخیر ارتباط بسیار خوبی با اتاق بازرگانی، صنایع، معادن و کشاورزی داشتم، هم اتاق بازرگانی ایران و هم تهران. همین باعث شد انگیزه‌ای برای من باشه که بتونم ارتباط بیشتر و بهتری رو بین صاحبان صنایع قدرتمند ایران و کسب‌وکارهای نوپایی که شکل گرفتن برقرار کنم.در کنار این‌ها، عضو هیئت رئیسه باشگاه نوآوری ایران هم هستم که در کنار بزرگان صنعت داریم فعالیت می‌کنیم برای اینکه بتونیم فرهنگ نوآوری رو در کشور تزریق بکنیم و در این زمینه‌ آگاهی‌بخشی بکنیم تا باعث تغییر در رویکرد اقتصاد نوین در کشور بشه.فرهنگ باقری، مدیر کارخانه نوآوری های‌ویاین روزها سرمایه‌‌گذاری به‌قدری مهم شده که افراد حتی وقتی کارشون تو مرحله ایده است، نگران جذب سرمایه هستن. از ما هم خیلی وقت‌ها در این مورد سوال می‌پرسن که چطور می‌تونن حمایت بگیرن و چیکار باید بکنن. شما، هم حوزه سلامت رو خوب می‌شناسی و هم در زمینه سرمایه‌گذاری خیلی کار کردی. می‌خوایم امروز، موضوع پرابهام جذب سرمایه رو برای استارتاپ‌ها، به خصوص استارتاپ‌های سلامت که کارشون رو تازه شروع کردن و هنوز سرمایه جذب نکردن، روشن کنیم.بذار از اینجا شروع کنیم که چرا جذب سرمایه این‌قدر مهمه؟ اصلا برای همه استارتاپ‌ها ضروریه؟طبیعتاً یکی از ابزارهای رشد سریع کسب‌وکارهای از جنس استارتاپ‌ها، تأمین سرمایه به‌جا و مناسب است و پرواضح است که تأمین سرمایه درست می‌تواند به اینکه یک استارتاپ رشد مناسب‌تری داشته باشد کمک کند، تا بتواند در بازار نفوذ کند و همچنین مشتریان بیشتری را مورد هدف قرار داده و بازار خودش را توسعه بدهد.هر کسب‌وکاری که به صورت استارتاپی فعالیت می‌کند، به خاطر شرایط خیلی خاصی که آن کسب‌وکار دارد، سرعتی که دارد، در بازه‌های زمانی مختلف احتیاج پیدا می‌کند یک سرمایه‌گذار کنارش باشد. حالا این سرمایه‌گذار لزوما نباید در بازه‌های زمانی مختلف حتما به این کسب‌وکار وجه مادی و مالی تزریق کند.ما همیشه توصیه‌مان به استارتاپ‌ها این است که جذب سرمایه‌شان، جذب سرمایه هوشمندی باشد. در اینجا موضوع «Smart Money) پیش می‌آید. چشم‌انداز آن سرمایه‌گذار، دسترسی و نتورک سرمایه‌گذار، نحوه کمک سرمایه‌گذار برای ورود به بازار استارتاپ‌، جزو نکات کلیدی هستند که دوستانی که کسب‌وکار راه می‌اندازند معمولا به این موارد توجه نمی‌کنند. پس اگر دید استارتاپ‌ها این باشد که بتوانند به این شکل سرمایه جذب بکنند، بله برای هر استارتاپی توصیه‌مان این است که از انواع مختلف سرمایه چه سرمایه نمادین، سرمایه اجتماعی، سرمایه فیزیکی یا مالی را بررسی و از آنها استفاده بکنند.استارتاپ‌ها از چه زمانی باید به فکر جذب سرمایه باشند؟باید توجه داشت، در استیج‌های مختلف، در شرایط مختلفی که یک استارتاپ با آنها مواجه است، جنس جذب سرمایه‌ها با هم متفاوت هستند.حتی اینکه یک استارتاپ در چه سگمنتی فعالیت می‌کند، نوع بازاری که می‌خواهد تحت تاثیر قرار دهد و از آن مشتری جذب کند بسیار مهم است. اینکه حتی چه استارتاپ‌های دیگری رقیب آن استارتاپ هستند هم در انتخاب اینکه استارتاپ چه زمانی باید به جذب سرمایه فکر کند مهم است و استارتاپ باید برایش برنامه‌ریزی داشته باشد. مثل هر مرحله دیگری که کسب‌وکار باید اولویت‌های مشخص داشته باشد و طبق آنها عمل کند، در کسب‌وکارهای این‌چنین هم باید به جذب سرمایه براساس اولویتش توجه شود. ولی آن چیزی که کاملا مشخص است، این است که برای جذب سرمایه، استارتاپ‌ها باید به شرایط مختلف، جنس آن کسب‌وکار به لحاظ شرایطی که در جامعه دارد، جغرافیایی که در آن حضور دارد، به همه این پارامترها توجه کند.هر استارتاپ براساس اولویت‌های خودش باید مشخص کند می‌خواهد کِی سراغ جذب سرمایه برود. می‌تواند یک دوره‌ای را به صورت خودراه‌‌انداز (bootstrap) بالا بیاید. کارهایش را انجام بدهد، درآمدی داشته باشد. ولی خب استارتاپ‌هایی هم هستند که در حوزه‌های های‌تک(Hightech) و دیپ‌تک (deeptech) کار می‌کنند. ممکن است ۳ سال، ۵ سال، روی طراحی محصول یا سرویس کار بکنند تا در سال‌های خیلی دورتر به مسائل مالی و درآمد نزدیک شوند. پس نیاز هستش که خیلی خیلی زودتر، در مراحل اولیه‌ای که پروتوتایپ آماده کرده‌اند به فکر جذب سرمایه هم باشند.به نظر شما الان وضعیت سرمایه‌گذاری در ایران چطور است؟ما هم اکوسیستممان را تازه شروع کرده‌ایم، افراد تازه دارند با ادبیات سرمایه‌گذاری از نوع سرمایه‌گذاری خطرپذیر یا جسورانه آشنا می‌شوند و همین‌طور فرشتگان سرمایه‌گذار (Angel investor) یا سرمایه‌گذاران فرشته دارند آرام آرام به فضای نوآوری و فناوری نزدیک می‌شوند. این خیلی مهم است که ما هم رسالت خودمان را درست انجام بدهیم و بتوانیم اطلاعات درست و دقیقی را در اختیار دوستانی که این بخش جذابیتی برایشان دارد و می‌خواهند به فضای سرمایه‌گذاری نزدیک شوند قرار بدهیم. اما واقعیتی که هست را باید پذیرفت. با توجه به اینکه زمان زیادی از شکل‌گیری این فضاها نگذشته، وضعیت سرمایه‌گذاری ما هم خیلی به سمت پروژه‌های غیرنفتی نیامده. این را از عدد GDP کشور می‌شود فهمید و مشخص کرد که هنوز برای سرمایه‌گذاری در فضاهای نوآوری و فناوری و توسعه اقتصاد دانش‌بنیان سهم آن‌چنانی ایجاد نشده. اما خوشبختانه قدم‌های اولیه‌اش محکم برداشته شده که امیدواریم در سال‌های آتی نتایج خیلی خوبی را از این جنس سرمایه‌گذاری‌ها برای ساخت زیرساخت و فراهم کردن شرایط برای کسب‌وکارهای نوین بگیریم.سرمایه‌گذارها چقدر ریسک‌‌پذیرانه تصمیم می‌گیرن؟خیلی از کسب‌وکارهای ما فکر می‌کنند سرمایه‌گذاری خطرپذیر از پول افراد است. اما صندوق سرمایه‌گذاری خطرپذیری که شکل می‌گیرد، مبلغی که داخل این صندوق وجود دارد یا تصمیماتی که برای این صندوق نسبت به پرداخت وجوه نقدی‌شان به استارتاپ‌ها گرفته می‌شود، همه این‌ها هم ممکن است به صورت یک مجموعه باشند. یعنی تعدادی از افراد یک سرمایه‌ای را داخل مجموعه‌ای بگذارند، آنجا یک صندوق تشکیل بشود و یک گروهی مدیریت این صندوق را به عهده داشته باشند. خب طبیعتاً همین پروسه باعث می‌شود سرمایه‌گذارها خیلی سخت‌تر تصمیم بگیرند. به خاطر اینکه باید ریسک را حساب کنند، بازدهی آن در آینده را حساب بکنند و بعد سرمایه‌گذاری انجام بدهند.تمایل به سرمایه‌گذاری روی حوزه سلامت چقدر است؟به نظر من تمایل سرمایه‌گذارها برای سرمایه‌گذاری حوزه سلامت، همچنان زیاد نیست. متاسفانه شرکت‌های بزرگ حوزه سلامت هنوز وارد فضای سلامت که خودشان درگیرش هستند نشده‌اند. اما امیدوارم جزء گروه‌هایی باشند که هرچه زودتر، بخشی از رسالت خودشان را برای سرمایه‌گذاری روی حوزه سلامت انجام بدهند.در حوزه سلامت، چه ایده‌ها و موضوعاتی برای سرمایه‌گذارها جذاب‌تر هستند؟حوزه‌های به‌روز و ترند دنیا از حوزه‌های جذاب برای سرمایه‌گذارها هستند. مثل حوزه‌های هوش مصنوعی(AI)، کلان‌داده‌ها (big data) بسیار بسیار مهم هستند. حوزه‌هایی مثل اینترنت اشیا، گجت‌های پوشیدنی که به افراد در حفظ سلامت کمک می‌کنند، می‌توانند جذاب‌تر، به‌روز‌تر و برای جذب سرمایه سهل‌الوصول‌تر باشد. ممکن است ایده‌هایی هم در قسمت‌های دیگری باشد که بشود روی آن کار کرد و برای جذب سرمایه‌ هم حتی جذاب باشند، اما به هر حال این روندی هستش که دنیا داره به سمت آن حرکت می‌کند.الان اگر تیمی یک ایده جذاب - از دید سرمایه‌گذارها- در حیطه سلامت داشته باشد و ایده را اجرا هم کرده باشد و حالا بخواهد برود سراغ سرمایه‌گذار، چطور می‌تواند شانس خودش را برای جذب سرمایه بیشتر بکند؟ سرمایه‌گذار چه ملاک‌هایی را در تصمیم‌گیری دخیل می‌کند؟لزوما ایده نمی‌تواند شرایط جالبی را برای سرمایه‌گذار ایجاد بکند که یک استارتاپ بتواند سرمایه جذب کند. متاسفانه خیلی افراد فکر می‌کنند با داشتن یک ایده که خیلی‌هایشان مشابه هم دارند، می‌توانند جذب سرمایه داشته باشند. اما رفتن پیش سرمایه‌گذارهای خطرپذیر، خصوصا آنهایی که در استیج‌های بالاتر سرمایه‌گذاری می‌کنند برای یک ایده، نه تنها جذاب نیست، می‌تواند تاثیر منفی در آینده آن کسب‌وکار ایجاد بکند.ملاک‌هایی که یک کسب‌وکار نوپا باید به آنها توجه داشته باشد تا بتواند سرمایه جذب بکند، قبل از هرچیز، حتما حتما یک mvp، یک نمونه قابل قبول یا پروتوتایپ برای ارائه داشته باشد. و ملاک‌های دیگری که می‌تواند خیلی خیلی کمک بکند، اول یک تیم خیلی منسجم و خوب است. یک تیم با قابلیت‌هایی که هم‌پوشانی داشته باشد، بتواند ریسک‌های کسب‌وکار را کاهش بدهد نه تیم‌هایی که همه از یک رشته، از یک جنس هستند. خیلی وقت‌ها در شکل‌گیری تیم‌ها می‌بینیم یک‌سری دوستانی که هم‌دانشگاهی بوده‌اند و در یک رشته فعالیت می‌کردند می‌آیند یک تیم تشکیل می‌دهند. این‌ها می‌تواند برای سرمایه‌گذار از اهمیت و جذابیت سرمایه‌گذاری کم بکند. پس یک تیم خوب خیلی مهم است.نکته بعدی، حجم بازار یا اندازه بازاری است که آن کسب‌وکار دارد. سرمایه‌گذار می‌خواهد اندازه بازاری را که کسب‌وکار می‌خواهد وارد آن شود و در آن رشد بکند و تاثیر آن روی بازده و میزان سودی که سرمایه‌گذار به خاطر آن وارد این کار می‌شود بسنجد و برایش مناسب باشد. این دوتا، عوامل بسیار بسیار مهمی هستند. عوامل دیگری هم هست که شاید اهمیتش به اندازه این دو مورد نباشد.استارتاپ‌های سلامت که تا به حال سابقه جذب سرمایه نداشته‌اند، از کجا می‌توانند شروع کنند؟ اول سراغ چه کسانی یا چه سازمان‌هایی بروند؟به نظرم در رویدادهای مرتبط با حوزه کارآفرینی، نوآوری و فناوری حوزه سلامت آشنا باشند. سعی بکنند ارتباطشان را با افرادی که نقش تسهیل‌گر بین گروه‌های سرمایه‌گذاری و تیم‌های استارتاپی دارند، بیشتر بکنند و از مشاوره آنها بهره‌مند شوند. متاسفانه خیلی مواقع شاهد این هستیم که بچه‌ها کانال‌های ارتباطی مناسبی را انتخاب نمی‌کنند. اما این موضوع خیلی مهم است. شما حتی وقتی می‌خواهید سرمایه جذب بکنید باید اولویت‌بندی داشته باشید. به چه سرمایه‌گذارهایی رجوع بکنید، چه جنس سرمایه‌ای می‌خواهید دریافت بکنید، چشم‌انداز آن افراد برای جذب سرمایه با شما همسو هست یا نیست، اینکه سرمایه‌ای که می‌خواهید بگیرید سرمایه هوشمندی هست یا نیست و غیره. اینها همه نیاز به مشورت و مشاوره دارد. به نظر من هم برای سرمایه‌گذارها که ببینند چه استارتاپ‌هایی در بازار هستند، آیا رصد شده‌اند، مشابه خارجی‌شان چه بوده و هم برای استارتاپ‌ها به دلایلی که گفتم، خیلی مهم است که افرادی را که تسهیل‌گر هستند، دارند در این حوزه مشورت می‌دهند و اطلاعات وافی و کافی دارند شناسایی بکنند و بتوانند هرچه نزدیک‌تر با آنها ارتباط داشته باشند تا تصمیم‌های درست‌تری بگیرند.شما صنایع بزرگ مرتبط با سلامت را هم می‌شناسید. گروهی از این صنایع علاقه‌مند به سرمایه‌گذاری روی استارتاپ‌های این حوزه هستند، اما سوالی که پیش می‌آید این است که استارتاپ‌ها چطور می‌توانند به آنها دسترسی پیدا کنند؟به نظر من باز برمی‌گردیم به پاسخ سوال قبلی. ارتباط موثر با افراد موثر در یک زمان مناسب خیلی کمک به استارتاپ‌ها کمک می‌کند. بررسی‌هایشان را دقیق‌تر انجام بدهند و حتما از مشورت افرادی که سابقه بیشتری دارند و سال‌هاست دارند در این اکوسیستم فعالیت می‌کنند مشورت بگیرند. به نظر من خیلی شایسته است که بتوانند با شما که مجموعه‌های مختلفی را در سیستم سلامت دارید، یا مجموعه‌هایی مثل شما ارتباط مناسب داشته باشند. با کارخانه‌های نوآوری ارتباط داشته باشند، اتاق بازرگانی هم همین‌طور. حالا ممکن است برخی استارتاپ‌ها این ارتباط را خیلی سهل نبینند. خب راهش این است که نزدیک‌تر به این افراد فعالیت داشته باشند تا بتوانند ارتباط موثرتری را با بدنه صنایع بزرگ برقرار کنند.سخن پایانی؟«تشکر می‌کنم از شما و مجموعه‌تون تو این سال‌هایی که همکاری خیلی جدی رو در این فضا داشتید و تونستید اکوسیستم سلامت رو رشد بدید و اطلاعات بسیار خوبی رو وارد این حوزه کردید که به شخصه به عنوان یکی از اعضای این زیست‌بوم و اکوسیستم تشکر می‌کنم از تمام زحماتی که گروه شما برای حوزه سلامت می‌کشه. امیدوارم که شاهد خبرها و نتایج خیلی خوب در حوزه سلامت هم باشیم.»ما هم از شما بابت وقتی که به این مصاحبه اختصاص دادید تشکر می‌کنیم و برایتان آرزوی موفقیت داریم.تیم‌ها چه اطلاعاتی رو قبل از مراجعه برای جذب سرمایه باید آماده بکنن؟ از کِی باید این اطلاعات رو جمع‌آوری کنن؟زمان، یکی از مهم‌ترین سرمایه‌های هر استارتاپه. یه تیم کوچیک باید بتونه در یک زمان خیلی کوتاه و با منابع کم، محصول رو ارتقا بده، رشد بکنه و ارتباط با مشتری رو مدیریت بکنه و غیره. در چنین شرایطی فکر می‌کنی تیم استارتاپی باید همه اطلاعات و تحلیل‌هایی رو که سرمایه‌گذار ازش خواسته، خودش بدونه و محاسبه کنه؟ یا بهتره از افراد خبره برای این کار کمک بگیره؟ مدلین | MedLean مدلین | MedLean Tue, 10 Dec 2019 22:41:09 +0330 https://virgool.io/MedLeanMag/%DA%86%D8%B7%D9%88%D8%B1-%D8%AA%DA%A9%D9%86%D9%88%D9%84%D9%88%DA%98%DB%8C-%D8%AA%D9%88%D8%A7%D9%86%D8%A8%D8%AE%D8%B4%DB%8C-%D9%81%DB%8C%D8%B2%DB%8C%DA%A9%DB%8C-%D8%B1%D8%A7-%D9%85%D8%AA%D8%AD%D9%88%D9%84-%DA%A9%D8%B1%D8%AF%D9%87-%D8%A7%D8%B3%D8%AA-yxbipr2d4sp4 افراد ممکن است در نتیجه بیماری، حادثه یا یک اقدام درمانی، بخشی از توانایی فیزیکی، ذهنی یا شناختی خود را از دست بدهند. متخصصان توانبخشی با به کارگیری مهارت‌های خود، تلاش می‌کنند این افراد را برای انجام فعالیت‌های شخصی و شغلی به صورت مستقل و توانمند کنند. خدمات توانبخشی شامل فیزیوتراپی، کاردرمانی، گفتاردرمانی، درمان‌های شناختی و بازتوانی سلامت روان است. با توجه به گستردگی این حیطه در این مقاله روی توانبخشی فیزیکی (فیزیوتراپی و کاردرمانی) متمرکز می‌شویم تا ببینیم تکنولوژی چطور کمبود همیشگی متخصصان را جبران کند، روند درمان را برای بیماران لذت‌بخش ‌سازد و حتی گاهی مانند معجزه، انجام فعالیت‌هایی ناممکن را امکان‌پذیر ‌کند.ابزارهایی برای فیزیوتراپیست‌ها در مرکز درمانیفرآیند فیزیوتراپی معمولا در مدت کوتاهی پس از آسیب و در مرکز درمانی آغاز می‌شود. درمانگر، عوامل مختلفی همچون قدرت عضلات، دامنه حرکت اندام و غیره را در ناحیه آسیب‌دیده می‌سنجد و تمرین‌هایی را برای بهبود آنها در نظر می‌گیرد. در جلسات بعدی، تمرین‌ها تکرار می‌شود و درمانگر با اندازه‌گیری مجدد آن معیارها بهبودی فرد را بررسی می‌کند. امروز، نرم‌افزارها و حسگرها جایگزین ابزارهای فیزیکی مثل متر و خط‌کش شده‌اند. برای مثال استارتاپ سووِی (sway medical) اپلیکیشنی طراحی کرده که می‌تواند تعادل (تست رومبرگ) بیمار را بسنجد.در روند درمان، برای بهبود شرایط بیمار، فیزیوتراپی توانایی‌های او را به چالش می‌کشد که این مسأله ممکن است برای بیماران دشوار یا خطرناک باشد. برای مثال برخی از افرادی که برای بازیابی توانایی راه‌رفتن مراجعه می‌کنند در ابتدا توان تحمل وزن خود را ندارند. به این منظور ربات‌هایی طراحی شده که اثر وزن بدن فرد را کم می‌کند. لوکومَت (Lokomat) محصول شرکت هوکوما (Hocoma) رباتی است که به صورت یک اسکلت خارجی، به اندام تحتانی بیمار وصل می‌شود، وزن بدن فرد را تحمل می‌کند و به این ترتیب انجام تمرین‌هایی با شدت بالا را برای بیمارانی که آسیب جدی دیده‌اند فراهم می‌کند. لوکومت به درمانگر اجازه می‌دهد بدون نگرانی از سقوط بیمار، روی درمان او متمرکز شود. آنداگو (Andago) ربات دیگری ساخته همین شرکت، پلی میان راه رفتن آزادانه و فعالیت روی تردمیل است. این ربات از اندام تحتانی فرد حمایت می‌کند و اجازه می‌دهد راه‌رفتن را تمرین کند.ربات‌های شرکت هوکوما برای آموزش راه‌رفتن به بیمارانتمرین‌های فیزیوتراپی در منزلیکی از عواملی که تاثیر بسزایی روی اثربخشی فیزیوتراپی دارد، تداوم تمرین‌ها بین جلسات فیزیوتراپی است. به همین منظور درمانگران تمرین‌هایی را به بیماران توصیه می‌کنند. اما تمرین‌ها برای اینکه مفید واقع شوند باید در منزل و با کمترین وسایل قابل انجام باشند، یادگیری آنها برای بیمار آسان باشد و درست انجام شوند. کارآفرینان مختلفی سعی در حل این مشکل داشته‌اند. از اپلیکیشن‌های ساده‌ای که تمرین‌های رایج فیزیوتراپی را به صورت فایل‌های صوتی و تصویری توضیح می‌دهند و درمانگر می‌تواند فقط تعداد دفعات انجام را مشخص کند و برای آموزش حرکات از آنها کمک بگیرد تا پلتفرم‌هایی مانند سووُردهلث (Sword Health) که شبیه یک فیزیوتراپیست مجازی در منزل بیمار است. درمانگر می‌تواند حرکاتی را که بیمار باید انجام دهد، از مرکز درمانی برای دستگاه سووُردهلث بفرستد. این دستگاه که مجهز به حسگرهای حرکتی است، برنامه تمرینی فرد را به او می‌گوید و نحوه انجام حرکات را پایش کرده و نتایج را برای درمانگر می‌فرستد. درمانگر می‌تواند پس از ارزیابی نتایج به بیمار بازخورد داده یا تمرین‌های او را تغییر دهد.پایبندی به درمانیکی از بخش‌های جذابی که تکنولوژی به کمک درمانگران آمده، افزایش پایبندی بیماران به درمان است. به دست آوردن توان اندام آسیب‌دیده نیاز به تلاش و پشتکار فراوانی در انجام حرکات درمانی دارد. بسیاری از بیماران پس از آنکه به بهبودی نسبی می‌رسند با این فرض که به نتیجه مطلوب رسیده‌اند، درمان را قطع می‌کنند. استفاده از بازی‌های ویدیویی و واقعیت مجازی (VR) با دلپذیر کردن درمان، تمایل بیماران به ادامه تمرین‌ها را بیشتر می‌کنند. ریابلو (Riablo) یکی از استارتاپ‌هایی است که بازی را با درمان آمیخته است. درمانگر بازی‌های مناسب بیمار را از میان مجموع حرکات پلتفرم انتخاب می‌کند. بیمار حسگرهای پوشیدنی ریابلو را به تن می‌کند، بازی‌ها را انجام می‌دهد و نتایج برای درمانگر گزارش می‌شود.صفحه تنظیم بازی‌های ریابلو جهت شخصی‌سازی تمرین‌ها مناسب شرایط بیماران نمونه دیگر در این زمینه جینترونیکس (Jintronix) است. پلتفرمی که در ابتدا به عنوان یک بازی برای کنسول بازی نینتندو طراحی شده یود اما سپس به یک ابزار واقعیت مجازی برای پایش پیشرفت بیمار حین انجام تمرین‌های فیزیوتراپی ارتقا یافت. محصولات جینترونیکس که ارزیابی دقیقی از وضعیت فرد به درمانگر می‌دهد در مرکز درمانی و منزل قابل استفاده است.بازی‌های جینترونیکس در مرکز درمانی و خانه قابل استفاده است.استقلال فردیحتی در صورت پایبندی بیمار به درمان، انجام مرتب تمرین‌ها و کامل شدن فرآیند درمان، گاهی اندام آسیب‌دیده به طور کامل بهبود نمی‌یابد. در این مواقع، توانمند کردن فرد برای انجام فعالیت‌های روزمره و زندگی مستقل اهمیت زیادی برای حفظ هویت و سلامت روانی فرد و کاهش هزینه‌های نظام سلامت و جامعه دارد. شرکت سائبو (Saebo Inc) که بر طراحی محصولات توانبخشی اندام فوقانی تمرکز دارد، یک سیستم توانبخشی مبتنی بر واقعیت مجازی طراحی کرده که چالش‌های زندگی واقعی را شبیه‌سازی کرده و به فرد امکان می‌دهد فعالیت‌هایی همچون خرید مواد غذایی، آماده‌کردن غذا، نگهداری از باغچه، غذا دادن به حیوان خانگی و غیره را تمرین کند.محصول Saebo VR برای توانمندسازی افراد در انجام فعالیت‌های روزانهبه گزارش سازمان جهانی بهداشت، 15 درصد مردم دنیا با یک یا چند ناتوانی زندگی می‌کنند. بخش قابل توجهی از جامعه که برخی از آنها فرصت فعالیت موثر به طور کامل را از دست داده‌اند. توانمند کردن این افراد برای رسیدن به یک زندگی طبیعی نه‌تنها بر زندگی فرد که بر کل جامعه اثر می‌گذارد. توانبخشی، حوزه‌ای مملو از فرصت برای خلق ارزش است. چراکه پیشرفت تکنولوژی، بسیاری از رویاهای دست‌نیافتنی بیماران و درمانگران را به اتفاقی ممکن در آینده‌ای نزدیک بدل کرده است. مدلین | MedLean فرشته کاظمی‌پور Sun, 08 Dec 2019 22:22:05 +0330 https://virgool.io/MedLeanMag/iran-health-investors-zfjxjzus5nas از اجزای مهم اکوسیستم‌های استارتاپی می‌توان شتاب‌دهنده‌ها و سرمایه‌گذاران خطرپذیر را نام برد. در این مقاله به معرفی شتاب‌دهنده‌ها، سرمایه‌گذاران خطرپذیر و صندوق‌ها و گروه‌های سرمایه‌گذاری که در اکوسیستم استارتاپی سلامت ایران فعالیت می‌کنند پرداخته‌ایم.در این نقشه سازمان‌هایی قرار داده شده‌اند که سابقه سرمایه‌گذاری در استارتاپ‌های سلامت را داشته‌اند یا حداقل یکی از حوزه‌های فعالیت خود را سلامت ذکر کرده‌اند. با توجه به اینکه این اطلاعات از طریق تحقیقات میدانی و بررسی لیست‌های منتشر شده تهیه شده، ممکن است همه موارد را دربرنگرفته و شتاب‌دهنده یا سرمایه‌گذاری که در حوزه سلامت فعالیت می‌کند در اینجا آورده نشده باشد. لذا در صورتی که موردی را می‌شناسید که ذکر نشده‌است حتما به ما اطلاع دهید تا به این نقشه اضافه نماییم.نقشه شتابدهنده ها و سرمایه گذاران اکوسیستم استارتاپی سلامت ایرانتصویر بزرگ نقشه شتابدهنده ها و سرمایه گذاران اکوسیستم استارتاپی سلامت ایران را اینجا دانلود کنید.لیست کامل این نقشه که شامل توضیح حوزه فعالیت و وب‌سایت شتاب‌دهنده‌ها و سرمایه‌گذاران می‌باشد در لینک زیر آورده شده است.https://docs.google.com/spreadsheets/d/1F13sf35bfqYsed_QUxW4yKsh2eQvtyTrgD2QUCZL0ZQ/edit?usp=sharingبرای مشاهده نقشه استارتاپ‌های سلامت دیجیتال ایران می‌توانید به لینک زیر مراجعه نمائید.https://virgool.io/MedLeanMag/iran-digital-health-ecosystem-egfijlbprknaلازم به ذکر است که این مقاله یک مطالعه سیستماتیک نیست. بنابراین برخی از بازیگران در اینجا معرفی نشده‌اند که به معنای کم‌اهمیت بودن آن‌ها نیست بلکه به علت عدم آشنایی با آن‌ها در زمان نگارش مقاله بوده است. لذا درخواست می‌شود اگر موردی را می‌شناسید که می‌تواند در این مقاله معرفی گردد و نام آن ذکر نشده، از طریق اطلاعات تماس اطلاع دهید تا به مقاله اضافه گردد.تعاریفشتاب‌دهنده‌هاشتاب‌دهنده‌ها سازمان‌هایی هستند که به تیم‌های استارتاپی کمک می‌کنند تا بتوانند کسب‌و‌کار خود را در مراحل ابتدایی با ریسک کمتر و با سرعت بیشتری به پیش برند. شتاب‌دهنده امکاناتی مانند فضای استقرار، منتور و آموزش را در ازای مقدار کمی از سهام در اختیار استارتاپ می‌گذارد. اولین شتاب‌دهنده دنیا به نام Ycombinator در سال 2005 راه‌اندازی شد و در ایران اولین شتاب‌دهنده‌ها در سال 1393 آغاز به کار کردند. اکنون بیش از 45 شتاب‌دهنده رسمی در ایران مشغول به فعالیت هستند که لیست آن‌ها توسط مرکز نوآوری شتاب‌دهی اعلام شده است.سرمایه‌گذاران خطرپذیرسرمایه‌گذار خطرپذیر در ایران معادل Venture Capital شناخته می‌شود. این شرکت‌ها با توجه به اینکه ریسک سرمایه‌گذاری در استارتاپ‌ها بیشتر است به نحوی شکل گرفته‌اند که بتوانند این ریسک را مدیریت کنند و حداکثر منافع مالی را به دست آورند. در ایران نیز شرکت‌های سرمایه‌گذار خطرپذیر مختلفی وجود دارد که در مراحل و صنایع مختلفی سرمایه‌گذاری می‌کنند. مدلین | MedLean آیدین پرنیا Sat, 23 Nov 2019 11:53:32 +0330 https://virgool.io/MedLeanMag/%D8%B9%D9%84%D9%85-%D8%AF%D8%A7%D8%AF%D9%87-%D8%AF%D8%B1-%D8%AD%D9%88%D8%B2%D9%87-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-%DA%86%D9%87-%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF%D9%87%D8%A7%DB%8C%DB%8C-%D8%AF%D8%A7%D8%B1%D8%AF-adhoroamg6ee بازار سلامت در بسیاری از کشورهایی که دارای منابع طبیعی زیادی نیستند، بزرگترین بازار است. همچنین در کشورهایی مانند ایران که دارای منابع طبیعی بسیاری است، باز هم حجم بازار سلامت در کنار بازارهایی همچون معدن، نفت و فولاد قرار می‌گیرد.نکته‌ای که در این بازار حائز اهمیت است، میزان داده‌ای است که در آن تولید می‌شود، به طوری که توسط موسسه Ponemon تخمین زده است 30% از داده‌های جهان در حوزه سلامت است.از گذشته‌های بسیار دور، سلامت، پزشکی و درمان بر اساس جمع‌آوری داده و یافتن موارد مشابه در داده‌ها بوده است. هرچقدر که میزان یک Case در بیماران مراجعه کننده بیشتر باشد، اطلاعات ما درباره آن بیماری و نحوه مدیریت و درمان آن بهتر می‌شود. پس از وقوع پدیده اینترنت، تولید این داده‌ها به طرز فزاینده‌ای بیشتر و قابل دسترس‌تر شده است. به طوری که در بسیاری از مقالات و مجله‌های علمی، سایت‌های مراکز دولتی آمریکایی و اروپایی، براحتی می‌توان داده‌های ژنتیکی و دارویی را به صورت رایگان استفاده کرد.با توجه کلماتی که در اینترنت جستجو می‌شود، اطلاعات کارآزمایی‌هعای بالینی، پرونده‌های الکترونیک، پوشیدنی‌ها، اطلاعات مدیریت بیمارستانی، شبکه‌های اجتماعی و مقاله‌های علمی، هیچگونه کمبود داده‌ای در صنعت سلامت وجود ندارد.اما سوال اصلی که مطرح می‌شود این است که با این حجم بسیار از داده چه می‌توان کرد؟ علم داده چگونه می‌تواند به آن کمک کند؟علم داده یا Data Science، حوزه‌ای بین رشته‌ای است که با استفاده از روش های علمی، فرآیندها و الگوریتم‌های ریاضی، سعی می‌کند از میان داده‌هایی ساختارمند و غیرساختارمند، دانش و بینش جدیدی به وجود بیاورد. به طور مثال در صنعت بیمه خودرو، با استفاده از علم داده می‌توان متوجه شد که احتمالا کدام یک از کارخانه‌های خودروسازی ماشین‌های ایمن‌تری تولید می‌کنند، یا چه افرادی در جامعه با چه خصوصیاتی رانندگی ایمن‌تری دارند.علم داده چه کاربردی در صنعت سلامت دارد؟کاربردهای استخراج دانش از داده‌های حوزه سلامت بسیار زیاد است؛ که من به تعدادی از آنان اشاره می‌کنم:1. یافتن داروهای جدید و پزشکی شخصی‌سازی‌شدهپیدا کردن یک فرمولاسیون جدید و ارائه آن به بازار، چیزی حدود 12 سال زمان و 2.6 میلیارد دلار هزینه می‌برد. صنعت دارو یکی از گران‌ترین صنایع حوزه سلامت می‌باشد و دلیل اصلی هزینه‌بر بودن آن، انجام آزمایش‌ها و فرآیندهای بسیار زیاد برای تولید داروهای بهتر و جدیدتر است. در صورتی که با استفاده از داده‌ها، می‌توان براساس نتایج داروهای قبلی و داده‌های ژنومیکس، چه در زمینه تولید دارو و چه در زمینه یافتن داروهای اختصاصی برای هر فرد فعالیت کرد.2. پیشگیری از بیماری‌ها و پیش‌بینی طغیان بیماری‌های جدیدمقالات بسیاری زیادی درباره نحوه رفتار بیماری‌ها و نحوه وقوع آنان وجود دارد. چه بیماری‌های واگیر و چه بیماری‌های غیر واگیر از این قاعده مستثنی نیستند. نتایج داده‌های گوگل در سال‌های 2003، 2008 و 2012 نشان می‌دهد که پیش از تشخیص طغیان‌های بیماری‌های SARS و MERS و H1N1، تعداد بسیار زیادی از مردم در آن مناطق علائم آن را سرچ کرده بودند. این نشان می‌دهد که اگر استفاده از کلمات جستجو در آن زمان را می‌دانستیم، احتمالا بسیار زودتر میزان شیوع و بروز این بیماری‌ها را متوجه می‌شدیم.3. تشخیص بیماری‌هایکی دیگر از کاربردهای استفاده از علم داده در سلامت، یافتن علائم همراه هر بیماری است. بر اساس داده‌هایی که در مقالات علمی وجود دارد و یا کلماتی که در موتورهای جستجو استفاده می‌شود، می‌توان ارتباط بین علائم مختلف و بیماری‌ها را بهتر پیدا کرد. اینگونه پزشکان با استفاده از سامانه‌های Decision Support System یا DSS می‌توانند سریعتر و بهتر بیماری‌ها ار تشخیص دهند.4. درمانبرای درمان یک فرد، درمانگر باید بتواند میزان عوارض، هزینه و بهبود شرایط فرد را تحمین بزند. به همین دلیل است که پزشکانی که بیشتر در طول طبابت خود بیمار دیده‌اند، در درمان بیماران جدیدشان موفق‌تر عمل می‌کنند. در صورتی که این شرایط می‌تواندبا استفاده از داده‌های موجود برای هر درمانگری وجود داشته باشد و بتوانند برنامه‌های بهتری با توجه به شرایط بیمار خود طراحی و اجرا کنند. در این میان، با توجه به پروژه ژنوم انسانی و اطلاعاتی که در آن پروژه نهفته است، حتی می‌توان پلن‌های درمانی را براساس اطلاعات ژنتیکی هر فرد شخصی‌سازی کرد تا روند درمانی با عوارض کمتر و تاثیر بیشتری طی شود.5. مراقبت‌های پس از بسترییکی دیگر از چالش‌های پس از بستری، مراقبت‌هایی است که بیماران باید نسبت به شرایط خود انجام دهند. به طور مثال پس از جراحی چه ریسک‌ها یا خطراتی برای بیماران وجود دارد که باید به آن‌ها توجه کنند؟ پزشک چه مواردی را باید گوش‌زد کند؟ در شرایطی احتمالا یک عارضا اورژانس به وجود آمده است و فرد سریعتر باید به بیمارستان مراجعه کند؟ این‌ها اطلاعاتی است که در جال حاضر در دسترس است، اما از آن‌ها نتایج خاصی بدلیل عدم استفاده از علم داده به دست نیامده است.موارد فوق تنها کاربردهای محدودی برای استفاده از علم داده در حوزه سلامت بودند. با توجه به میزان داده‌هایی که در این حوزه وجود دارد و همچنین اهمیت این بازار برای مردم، استفاده از علم داده باعث می‌شود هزینه‌های کلی این بازار کاهش یابد و زندگی با کیفیت‌تری برای بیماران و مردم به وجود بیاید. مدلین | MedLean Ali Ganjizadeh, M.D. Tue, 12 Nov 2019 16:38:04 +0330 https://virgool.io/MedLeanMag/%DA%86%DA%AF%D9%88%D9%86%D9%87-%D8%AA%D8%AD%D9%88%D9%84%D8%A7%D8%AA-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%B3%D9%84%D8%A7%D9%85%D8%AA-%D8%B1%D8%A7-%D8%A7%D8%B2-%D8%B7%D8%B1%DB%8C%D9%82-%D8%A7%D8%AE%D8%A8%D8%A7%D8%B1-%D8%AF%D9%86%D8%A8%D8%A7%D9%84-%DA%A9%D9%86%DB%8C%D9%85-q6nwjkq8swdb هفته گذشته درباره نکات مهمی نوشتم که از طریق آن می‌توان متوجه شد که یک مقاله علمی درباره هوض مصنوعی، آیا مقاله معتبری است یا نه (برای خواندن مقاله قبلی کلیک کنید). اما واقعیت این است که اکثر افراد حوزه کسب‌وکار، پیشرفت‌های حوزه Artificial Intelligence را از طریق اخبار پیگیری می‌کنند. به همین دلیل در این هفته درباره چگونگی اعتبارسنجی اخبار درباره پیشرفت‌های هوش مصنوعی می‌نویسم.چگونه اخبار این حوزه را بخوانیم؟زمانی که شما آخرین اخبار حوزه الگوریتم‌های هوش مصنوعی را دنبال می‌کنید، بهتر است نکاتی که در ادامه آورده شده است را مدنظر داشته باشید تا بتوانید کیفیت خبر منتشر شده را ارزیابی کنید.اصطلاح "هوش مصنوعی" یا "Artificial Intelligence" به تنهایی می‌تواند باعث گمراهی خوانندگان و برداشت‌های متفاوتی شود. هوش مصنوعی به این معنی است که با استفاده از شناخت و هوشیاری مصنوعی، بتوان قابلیت‌های یک نرم‌افزار را چندین برابر کرد.اگر مقاله‌ای تنها به A.I. اشاره کند و روش و متدی که با آن با داده‌ها کار کرده است به سمت هوض مصنوعی پیش برده است را توصیف نکند، باید نسبت به آن محتاط بود. یک شرکت یا گروه پژوهشی که الگوریتم جدیدی را تشریح می‌کنند، از لغاتی مانند یادگیری عمیق (Deep Learning) یا یادگیری ماشینی (Machine Learning) استفاده می‌کنند و به صورت معمول، جزئیات روش آن را توضیح می‌دهند تا نشان دهند که چگونه هوش مصنوعی را به وجود آورده‌اند.در حال حاضر، خبرگزاری‌های آنلاین حول کلیک، لایک، به اشتراک‌گذاری، کلمات حساس و تعداد زیاد تایتل می‌چرخند و با توجه به اینکه کلمه هوش مصنوعی از این خصوصیات بیشتر بهره می‌برد و تیترهایی مانند "هوش مصنوعی پزشکان را شکست می‌دهد" بیشتر مورد توجه قرار می‌گیرد و مخاطبان بیشتری را جذب می‌کند، این خبرگزاری‌ها متاسفانه از این نوع لغات بیشتر استفاده می‌کنند. به همین دلیل، بدترین حالت برای پیگیری اخبار حوزه پیشرفت و تحولات A.I.، خواندن مقالات خبری آنلاین این حوزه و به خصوص پرش به آخرین بخش آن یعنی نتایج مطالعه و پژوهش است، بدون آنکه کل خبر خوانده شود. در مجله‌های خبری آنلاین با کیفیت، زمانی که یک خبر درباره حوزه تکنولوژی منتشر می‌شود، مقاله‌های علمی مرتبط با آن نیز به عنوان منبع یا لینک در متن خبری گذاشته می‌شود؛ با اینحال شما به عنوان خواننده خبر نیز می‌توانید نام نویسنده مقاله یا مسئول تیم تحقیقاتی را در موتور جستجوهایی مانند Google Scholar جستجو کنید و اعتبار خبر را متوجه شوید.اما اگر شما فردی هستید که اصولا کل مقاله را نمی‌خوانید و به قسمت نتایج مقاله مستقیما مراجعه می‌کنید، Reddit یکی از بهترین جوامع فعال از کاربران است که می‌توانید درباره تکنولوژی‌های جدید هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق پرسش کنید و همچنین از اعتبار مقاله پژوهشی یا مثاله خبری که خواندید مطلع شوید.اما شاید بهترین راه برای اینکه کاربردهای هوش مصنوعی در حوزه علوم پزشکی را به صورت واقعی ببینید، دنبال کردن مدلین مگ باشد. در مدلین مگ که آدرس آن در تمامی شبکه‌های اجتماعی MedLeanMag است، تیم ما درباره اتفاقات واقعی و کاربردهایی که شرکت‌ها و استارتاپ‌ها در سطح جهان برای هوش مصنوعی در حوزه علوم پزشکی پیدا کرده‌اند، می‌نویسند. مدلین | MedLean Ali Ganjizadeh, M.D. Sun, 10 Nov 2019 14:42:35 +0330