ارتباط با ما: 9022463477 (98+) |simulatoran@gmail.com

چگونه علم داده در صنعت بهداشت و درمان استفاده می شود؟

/, علم داده در صنایع/چگونه علم داده در صنعت بهداشت و درمان استفاده می شود؟

چگونه علم داده در صنعت بهداشت و درمان استفاده می شود؟

علم داده نقشی محوری در نظارت بر سلامت بیمار و اطلاع از اقدامات لازم جهت جلوگیری از وقوع بیماری های بالقوه دارد. متخصصان علم داده از ابزار تحلیلی پیش بینی کننده قدرتمندی برای تشخیص بیماری های مزمن در سطح اولیه استفاده می کنند. کاربرد علم داده در صنعت بهداشت و درمان برای اولین بار در سال 2008 انجام شده است.

کمپانی گوگل و تولید ابزار سلامت!

کمپانی گوگل و تولید ابزار سلامت!

کارمندان Google کشف کردند که می توانند با ردیابی داده های مکانی در جستجوهای مربوط به آنفلوانزا، خیلی سریع نقشه شیوع آنفولانزا را می توانند رسم کنند. نقشه های موجود CDC از موارد مستند آنفلوانزا، FluView، فقط یک بار در هفته به روز می شود. گوگل به سرعت یک ابزار رقابتی به نام Google Flu Trends را با بروزرسانی های مکرر ارائه داد، اما کار نکرد!

در سال 2013، گوگل حدود دو برابر موارد آنفولانزا را تخمین زد که در واقعیت نیز این تعداد مشاهده شد. به نظر می رسید که روش محرمانه این ابزار شامل یافتن ارتباط بین میزان جستجو کلمه و اصطلاحات مرتبط به آنفولانزا بوده است و بدان معناست که الگوریتم Flu Trends گاهی اوقات کلمات یا عبارات غیر مرتبط مانند “بسکتبال دبیرستان” را زیاد از حد ذخیره می کند! حتی در این صورت نیز، این بررسی ها پتانسیل جدی علم داده در مراقبت های بهداشتی را نشان داده است. در ادامه چند نمونه از ابزارهای مراقبت های بهداشتی قدرتمند و دقیق وجود دارد که در سال های پس از تلاش اولیه Google تولید شده اند و همه آنها از data science استفاده می کنند.

1) ابزار LYNA و تشخیص زودهنگام تومورهای سرطانی

شرکت گوگل در کالیفرنیا، استفاده از علم داده در مراقبت های بهداشتی را هنوز کنار نگذاشته است. در حقیقت، این شرکت ابزار جدیدی به نام LYNA برای شناسایی تومورهای سرطان پستان که در غدد لنفاوی اطراف متاستاز می کنند، ایجاد کرده است که دیدن آن ممکن است برای چشم انسان دشوار باشد، به ویژه هنگامی که رشد تومور تازه شروع شده باشد. در یک آزمایش، LYNA – مخفف دستیار گره لنفاوی – با استفاده از الگوریتم یادگیری ماشین، 99 درصد از زمان را به طور دقیق شناسایی کرد. با این حال، قبل از استفاده پزشکان از آن در بیمارستان ها، آزمایشات بیشتری لازم است.

2) برنامه محبوب Clue در دوران بارداری

تحقیقات در شهر برلین کشور المان بر روی برنامه محبوب Clue با ردیابی تاریخ شروع چرخه، حالات روحی، نوع مدفوع، وضعیت مو و بسیاری از معیارهای دیگر، از علم داده استفاده شده است تا چرخه قاعدگی و سلامت باروری کاربران را پیش بینی کند. در پشت صحنه، دانشمندان داده با استفاده از ابزاری مانند Python و Jupyter’s Notebook این ثروت از اطلاعات ناشناس را استخراج می کنند. سپس کاربران هنگام باروری، در اواخر دوره یا در اگر در معرض خطر بالا برای شرایطی مانند بارداری خارج رحمی باشند، در اکثر موارد قبل از اینکه اتفاق خاصی برایشان بیفتد، به صورت الگوریتمی از مشکل خود مطلع می شوند.

3) نرم افزار Oncora و درمان موثر سرطان

محققان فیلادلفیا، پنسیلوانیا، تولید نرم افزار ارشمند Oncora با استفاده از یادگیری ماشینی توصیه های شخصی سازی شده را برای بیماران سرطانی فعلی بر اساس داده های بیماران گذشته ایجاد می کند. امکانات بهداشتی و درمانی با استفاده از بسترهای این شرکت شامل خدمات Northwell Health نیویورک است. تیم رادیولوژی آنها با دانشمندان داده Oncora همکاری کردند تا داده های 15 ساله در مورد تشخیص ها، برنامه های درمانی، نتایج و عوارض جانبی بیش از 50،000 پرونده سرطان را استخراج کنند. براساس این داده ها، الگوریتم Oncora یاد گرفت که رژیم های شیمی درمانی و پرتوی شخصی را پیشنهاد دهد.

پیشرفت تحقیقات دارویی برای یافتن درمان سرطان و ابولا

پیشرفت تحقیقات دارویی برای یافتن درمان سرطان و ابولا

شرکت BERG Health

سرطان به عنوان یكی از شایع ترین و كشنده ترین بیماری ها، موضوع منظم تحقیقات علمی بوده است. تعداد بیماران سرطانی در حال رشد است. BERG Health، یک شركت بهداشتی در بوستون آمریکا، با استفاده گسترده از علم داده، بازار داروهای سرطان را تغییر می دهد. این شرکت با استفاده از الگوریتم های قدرتمند یادگیری ماشین، نمونه های بیولوژیکی بیش از 1000 بیمار را استخراج و تجزیه و تحلیل کرد. با بیش از 14 تریلیون نقطه داده موجود در هر نمونه، اطلاعات زیادی برای الگوریتم AI وجود داشت.

در نتیجه، این شرکت داروی BPM 31510 را تولید کرد که مرگ طبیعی سلول های آسیب دیده توسط این بیماری را شناسایی و تحریک می کند. بنابراین، سلول های سرطانی را می توان به طور طبیعی از بدن انسان، بدون داروی گسترده و آسیب بیشتر به سلامت بیمار، خارج کرد. در حالی که این دارو به دقت در حال آزمایش است، اما درک روشنی از پتانسیل تحولی که علم داده و فناوری های machine learning می توانند در اختیار صنعت داروسازی قرار دهند، به ما می دهد. یافتن راهی برای جلو بردن این زمینه های تحقیقاتی می تواند منجر به کشف در درمان ایدز، ویروس ابولا یا زیکا شود.

شرکت Atomwise و علم داده در صنعت آن

در مورد دیگری، Atomwise، یک شرکت راه اندازی فناوری هوش مصنوعی، اخیراً پیشرفت هایی را در جستجوی درمان ابولا نشان داده است. این شرکت برای ارزیابی چگونگی تعامل 7000 داروی موجود با ویروس از مدل های مجازی و شبکه های عصبی استفاده کرده است. این آزمایش که توسط یک برنامه مبتنی بر هوش مصنوعی انجام شده بود، به جای اینکه ماه ها به طول انجامد، فقط حدود یک روز به طول انجامید و منجر به کشف های بالقوه امیدوار کننده ای شد و ثابت شده است که دو دارو آزمایش شده، سلول های انسان را در برابر ویروس مقاوم می کند.

در حالی که تحقیقات هنوز ادامه دارد، این نتایج اولیه نشان دهنده پتانسیل عظیم چنین رویکردی در تحقیقات دارویی است. الكساندر لوی، از محققان شركت Atomwise اظهار داشته است که: “اگر بتوانیم ماه ها یا سال ها سریعتر با ویروس های مهلك مقابله كنیم، این نشان دهنده ده ها هزار زندگی است. تصور کنید که چند نفر ممکن است از همه گیری بعدی زنده بمانند زیرا فناوری ای مانند Atomwise وجود دارد. ”

متخصص علم داده در صنعت بهداشت و درمان: مهارت های عمومی و خاص 

متخصص علم داده در صنعت بهداشت و درمان: مهارت های عمومی و خاص 

هدف اصلی سازمان های مراقبت های بهداشتی ارائه درمان با کیفیت با هزینه مناسب است. برای حفظ استانداردهای بالای خدمات بیمار، لازم است که ارائه دهندگان تصمیمات پزشکی صحیح را اتخاذ کنند. حجم گسترده ای از داده های مراقبت های بهداشتی بدون ساختار، تصمیم گیری را پیچیده می کند.

ضروری است که تمام سوابق مراکز تماس، یادداشت های پزشک، گزارش ها، نسخه ها، نتایج آزمایشگاه و خلاصه وضعیت ها به سرعت و با دقت  ذخیره شوند. لیست مهارت ها و مسئولیت های مورد نیاز برای یک متخصص data science در صنعت پزشکی به طور خلاصه آورده شده است و آنها باید بدانند که چگونه از یک سو با مجموعه داده های بزرگ و از طرف دیگر با تعداد افراد کمی جداگانه رفتار کنند. علاوه بر این، متخصص لازم است که حداقل دانش پزشکی اولیه و درک عمیق از صنعت مراقبت های بهداشتی را کسب کند.

دانش کافی به یک متخصص داده کمک می کند تا مشخص کند چه داده هایی برای اجرای یک پروژه خاص ضروری است و نتایج دریافت شده از کارهای تحلیلی و مدل سازی را تفسیر کند.

آینده روشن علم داده در صنعت بهداشت و درمان

از پیش بینی نتایج درمان، تا بهبود سرطان و موثرتر مراقبت از بیمار، ثابت شده است که مراقبت های بهداشتی علم داده سهم بسیار مهمی در آینده این صنعت دارد. به دنبال مثال های بالا، سه عامل اصلی باعث تقویت نوآوری در سلامتی می شوند:

  1. پیشرفت در فناوری
  2. رشد مصرف گرایی دیجیتال
  3. نیاز به مبارزه با افزایش هزینه ها

در حالی که علم داده ابزارها و روش هایی را برای استخراج ارزش واقعی از اطلاعات غیر ساختاری بیمار فراهم می کند، اما در نهایت به کارآیی، دسترسی و شخصی سازی مراقبت های بهداشتی کمک می کند. تعداد موسسات مراقبت های بهداشتی که تصمیمات مبتنی بر داده را اتخاذ می کنند، به کندی اما پیوسته افزایش می یابد. در سال 2015، فقط 15 درصد از بیمارستان ها از علم داده و تجزیه و تحلیل پیش بینی برای جلوگیری از بستری مجدد در بیمارستان استفاده می کردند که یک سال بعد، 31 درصد از موسسات گفتند که بیش از یک سال است که چنین کاری انجام می دهند.

 

منابع

  1. www.builtin.com
  2. www.altexsoft.com
  3. www.data-flair.training
By |2021-06-17T11:14:43+04:3018th ژوئن, 2021|Categories: علم داده, علم داده در صنایع|Tags: , |0 Comments

About the Author:

شخصی علاقمند و فعال در حوزه علم داده و شبیه سازی دینامیک مولکولی

Leave A Comment

Hi, welcome to Simulatoran
Send via WhatsApp