مقاله قابلیت های داده ی بزرگ و استراتژی های فن آوری اطلاعات و ارتباطات ، کلید تحول بهداشت و درمان

بخشی از مقاله

خلاصه

امروزه بهبود عملکرد صنعت بهداشت و درمان، به داشتن اطلاعات بیشتر و دانش سازمان یافته تر بستگی دارد. در آینده نزدیکدر، دسترس بودنِزیادِ داده های دیجیتال، اداره کردن آنها را دشوار می کند. داده های بزرگ بر مقیاس و ابعاد سنتی غلبه خواهند کرد، بنابراین نوع جدیدی از استراتژی ها که شامل فناوری اطلاعات و ارتباطات2 هستند، مورد نیاز می باشد . این مقاله مروری را با بیان ضرورت تغییر و تحول فناوری اطلاعات در جهت توسعه عملکرد سازمان ها و بهبود کیفیت شیوه مراقبت از بیمار با هزینه سرانه کمتر، آغاز میکنیم.

سپس ابزارها و روش های مدیریت داده بزرگ در سازمان های بهداشت و درمان مورد بازبینی قرار میگیرند. همچنین یک رویکرد از فرایندهای زیستی برای ICT که می تواند با داده های بزرگ در ارتباط باشد و این داده ها توانایی محاسبه مسائل موجود در چشم انداز آینده مراقبت های بهداشتی را دارند، بررسی میشود، مسائل و چالش های فناوری اطلاعات و ارتباطات ICT که سازمان های بهداشتی در بازار رقابتی مراقبت های بهداشت امروزی با آن روبرو هستند، شناسایی میشوند. و در نهایت دیدگاه های آتی صنعت بهداشت و درمان بحث و برسی می شوند.

.1 مقدمه

اطلاعات دیجیتالی اکنون با سرعت و متغییرهای بالایی در حال ایجاد شدن هستند. سازمانهای بهداشتی به منظور بهبود خدمات درمانی و بهداشتی شان به دنبال دستیابی به موفقیتی در مدیریت داده ها هستند. مفهوم چنین دستاوردی تغییر و تحولات فن آوری اطلاعات3 می باشد که به پیشرفت عملیاتی و یکپارچه سازی داخلی توانمندیهای فن آوری اطلاعات برای ایجاد مزایای رقابتی و توسعه ی عملکرد مالی منجر میشوند .[2] نوآوری های فن آوری های پزشکی سیستم های اطلاعاتی بهداشتی، منجر به کاهش هزینه های دریافت درمان و بهبود کیفیت خدمات و عملکرد بالینی می شوند 

هرچند، چالشهای مرتبط با IT مانند همگام سازی ناکافی فن آوری های مراقبتی بهداشت و سیستم ها، مدیریت ضعیف اطلاعات بهداشتی بطور جدی مانع تلاش برای تبدیل ارزش IT به ارزش تجاری می شود. پیامدهای غیرضروری در هزینه های پزشکی و زمان، هم برای بیمار و هم برای ارائه دهنده ی خدمات بهداشت ودرمان افزایش می یابند. بنابراین برای صنایع بهداشتی و درمانی نیازی ضروری برای یافتن مصنوعات کارآمد فن آوری اطلاعات می باشد که آنها را قادر به ادغام منابع سازمانی و دریافت کیفیت بالای تجربه بیمار و بهبود عملکرد سازمانی می سازد

.2 داده های بزرگ در بهداشت و درمان

داده ی بزرگ، پدیده ای قریب به اتفاق است که از طریق فن آوری های مدیریتی گوناگون جدید و قدیم براساس اطلاعات بهداشت و درمان، تجزیه و تحلیل داده ها و هوش تجارتی4، کلید تحول بهداشت و درمان را در دست دارد

در طول تاریخ، صنعت بهداشت و درمان مقادیر زیادی از داده های مربوط به مراقبت از بیمار را تولید کرده است. روند فعلی به سمت دیجیتالی شدن این مقادیر زیاد داده ها است. هدف اصلی، بهبود کیفیت ارائه مراقبت های بهداشتی و کاهش هزینه ها می باشد، این داده های بزرگ بهداشتی، قول حمایت از طیف گسترده ای از عملکردهای پزشکی و خدمات بهداشتی، از جمله تصمیم گیری برای پشتیبانی بالینی، نظارت بر بیماری، و مدیریت سلامت جامعه را داده اند 

داده های بزرگ در بهداشت و درمان، به مجموعه داده های سلامت الکترونیکی اشاره دارند، مانند رکوردهای الکترونیک بهداشت و سلامت - EHR5 - ، ثبت کامپیوتری دستورات پزشکی - CPOE6 - ، سیستم ارتباطات آرشیو تصاویر - PACS7 - ، سیستم های بالینی پشتیبان تصمیم - CDSS8 - ، و سیستم های اطلاعات آزمایشگاه - . داده های حوزه بهداشت و سلامت را به صورت مجموعه داده های "خیلی بزرگ" و "بسیار پیچیده" تعریف میکنند.

خیلی بزرگ بر این اشاره دارد که هیچ دستگاه ذخیره ساز واحدی نمیتواند داده ها را ذخیره نماید و برنامه های نرم افزاری موجود نمیتوانند در ظرف زمان قابل قبول داده ها را پردازش نمایند. - مثلا داده های بزرگ برای بهداشت و درمان ایالت متحده آمریکا به زودی به مقیاس زتابایت می رسد، و طولی نمی کشد که به یوتابایت برسد - و بسیار پیچیده به این معنی است که داده ها بسیار ناهمگن و غیر ساخت یافته هستند و تقریبا مدیریت شان با ابزارهای مدیریت داده ها و روش های سنتی ممکن نخواهد بود 

مدیریت داده ی سنتی در مراقبت بهداشت ودرمان، ابزار و برنامه های کاربری BI در سیستم مستقل همراه با توانایی محدود پردازش داده های بالینی را فراهم می آورد .[5] ابزارهای جدید مدیریت داده مانند DB Mongo، Mark logic و Apache Cassandra برای ادغام داده ها و بازیابی، اجازه ی انتقال داده ها را بین سیستم های جدید و قدیمی مدیریت داده ها می دهند .

برای ذخیره سازی حجم عظیم و فرمت های گوناگون داده ها، برنامه های Apache و NoSQL موجود می باشند. از سوی دیگر ، سیستم عامل های داده های بزرگ و ابزارهایی مانند Hadoop/Map Reduce، برای همه نوع انباره ذخیره داده در فرمت های موضوعی تجارت ذاتی خودشان ایده آل است و دارای قدرت پردازش حجم عظیم، تنوع و سرعت داده ها در میان دامنه ی وسیعی از سیستم عامل های بهداشت و درمان است. چنین توابعی، ادغام اطلاعات و تجزیه و تحلیل توانایی ها را تسهیل کرده، و دیدگاه های تجاری تازه ای را برای کمک به سازمانهای بهداشت و درمان در جهت برآورده سازی نیازها و روندهای آینده ی بازار، فراهم می آورند

ICT باشد اما، این دو زمینه تحقیق ارتباط عمیق تری از آنچه انتظار می رود را نشان می دهند.

ICT و زیست شناسی شباهت زیادی دارند، در واقع بسیاری از ویژگی های شان خیلی شبیه به ویژگی های سیستم های بیولوژیکی است .[8] مثلا یکی از شباهت ها، مربوط به معماری مشابه است، مدل "ساعت شنی"، نوعی پشته پروتکل اینترنت است، و ساختاری بسیار شبیه به سیستم های بیولوژیکی دارد. شباهت قابل توجه دیگرکه در هر دو شبکه های اجتماعی و سیستم های بیولوژیکی دیده می شود، این است که آنها نشان دهنده دو نمونه از سیستم های پیچیده هستند. ما بسیاری از اشخاص - گره ها - را می یابیم، هر یک به روش ها و همچنین به دلایل بسیار مختلفی به دیگری متصل شده اند.

آنها با استفاده از روابط ضعیف و قوی تعامل دارند [9]، برخی اقداماتی را که مربوط به جوامع آنهاست انجام می دهند را در کل شبکه انجام می دهند .[6] در واقع، اینترنت، و به طور کلی تر ICT، ویژگی های بسیار مشابهی با ویژگی های سیستم های بیولوژیکی دارند .[8] کاربران در عصر ارتباطاتِ بالا، مدام مشغول تعامل، به اشتراک گذاری و همکاری، از طریق شبکه های اجتماعی فعال تر هستند. آخرین روندها در گسترش شبکه و تأمین داده، چالش های جدید در علم شبکه و مهندسی، در دسترس بودن، بازده،قابلیت نموّ، هوش محاسباتی، هوش داده، هوش موثر معرفی شده اند و به این ترتیب، این فرایند هوش جمعی تولید می کند، در بسیاری از حوزه های مختلف گسترش می یابد و مربوط به پدیده های شبکه ای است.

مقدار زیادی از اطلاعات بدون ساختار تولید و بسیاری از موضوعات، اجتماعی می شوند و موضوعات، به عنوان منابع اطلاعاتی برای کاربران دیده می شوند. عدم تجانس و کثرت، بر اساس رویکرد با گرایش فرایندهای زیستی، نشان دهنده تنوع زیستی هستند: از نظر دانش، توسط بهداشت نشان داده می شود، از نظر داده، توسط پیچیدگی نشان داده می شود و از نظر شرایط شبکه های اجتماعی، توسط هوش جمعی نشان داده می شود. داده های بزرگ در این سناریو، و همچنین تنوع زیستی در پدیده های زیستی، نشان دهنده یک منبع عالی برای بهبود درک درست از پدیده های شبکه، بهینه سازی مداخلات ICT، رفتن به سمت دانش بیشتر و هوش جمعی است

علاوه بر این، شبکه های اینترنت و سیستم های بیولوژیکی در مقیاس بزرگ، ساختار داخلی پیچیده و به شدت سازمان یافته را نشان می دهند. بدن انسان دارای ارگان ها و سیستم های فیزیولوژیکی مختلف است، که هر کدام در خدمت یک هدف خاص می باشند. اینترنت هم شامل چندین دستگاه تخصصی است: در شبکه های اصلیروترِ، سرعت بالا ، داده را به شیوه ای بسیار بهینه سازی شده به جلو می راند، در حالی که در لبه های شبکه، دستگاه های نرم افزارگرا، مانند لپ تاپ و تلفن همراه وجود دارد. همچنین همانطور که یک روتر با سرعت بالا برای ارسال یک پیام مهم در شبکه بسیار مهم است، کلیه، برای اکسیژن رسانی به خون نقش بسیار مهمی دارد. به علاوه، سیستم های پیچیده، در برابر اختلال ها یا شکلهای مورد انتظار، قوی هستند

شبکه های اجتماعی وقتی بر اهمیت یک رویداد خاص تاکید می کنند که یک عامل پراکندگی بزرگ داشته باشد؛ مشابهاً ، یک سیستم بیولوژیکی آسیب پذیری بسیار بالا را نشان می دهد، برای مثال، یک بیماری قادر است که به سرعت کل سلول های بدن را که شامل ارگان های مختلف است درگیر نماید. . اگر چه این پیچیدگی، پویایی و تنوع طبیعت و مشکلات بزرگ، مربوط به بقا در جهان هستند، ارگانیسم های بیولوژیکی قادر به متکامل شدن، دارای توانایی خود سازماندهی، خود تعمیری و محافظت از خود هستند.

برای تحقق بخشیدن به تمام این جنبه ها، دانش خود را به کار می برند و یک وجود کنترل کننده متمرکز ندارند . مشابهاً ، تعداد موجودیت ها در یک شبکه رشد می کنند و بیشتر و بیشتر متصل می شوند، بنابراین می توانند استحکام و سازگاری سیستم های بیولوژیکی را تقلید کنند. بسیاری از کارهای تحقیقاتی تأکید کرده اند که می توان از طبیعت آموخت. به همین دلیل، تحقیقات با گرایش فرایندهای زیستی در زمینه ICT یک حوزه پژوهشی در حال رشد است