نام مقاله:

Big data analytics in health sector: Theoretical framework, techniques and Prospects

نویسندگان: Panagiota Galetsia, Korina Katsaliakia, Sameer Kumar  

ژورنال: International Journal of Information Management

شماره: Volume 50

سال انتشار: 2020

تعداد ارجاعات: 16

خلاصه:

پزشکان، تامین‌کنندگان خدمات سلامت، سیاست‌گذاران و  بیماران فرصت‌های هیجان‌انگیزی را در نتیجه اطلاعات به دست آمده از مجموعه‌ داده‌های عظیم تجربه می‌کنند. در این مقاله، مرور ساختاریافته‌ای در رابطه با تحلیل عظیم داده در حوزه سلامت انجام شده است. مقاله با استفاده از نظریه منبع محور[1]  بر نحوه ایجاد توانمندی سازمانی توسط عظیم‌داده تمرکز کرده است و با تحلیل محتوای منتشر شده به دسته‌بندی نوع عظیم‌داده‌های مرتبط با سلامت، ارزش ایجاد شده برای ذی‌نفعان و ابزارهای مورد استفاده پرداخته است.

انواع داده مورد استفاده در حوزه سلامت

نوع داده

فراوانی

نمونه‌ای از تحقیقات انجام شده

داده‌های بالینی: داده‌های مرتبط با اطلاعات بیمار و تصاویر پزشکی

69.9%

بررسی داده‌های بالینی 5784 بیمار اورژانسی آسم نشان داد که آسم به عنوان شایع‌ترین بیماری مزمن کودکان سومین عامل بستری کودکان زیر 15 سال است و %9.3 کودکان آمریکایی را تحت تاثیر قرار می‌دهد.

داده‌های احساسات و رفتار بیماران (استخراج شده از ابزارهایی پوشیدنی و شبکه‌های اجتماعی مجازی)

16.5%

پیش‌بینی شیوع بیماری‌های همه‌گیر با تحلیل شبکه‌های اجتماعی

داده‌های هزینه‌ای و اداری

7.3%

طراحی یک سامانه پیشنهاددهنده برای انتخاب بیمه سلامت

داده‌های R&D دارویی

4.7%

معرفی Pharmachosychrony به عنوان مفهومی جدید در تحلیل راهکارهای داروسازی

 

تکنیک‌های تحلیل عظیم‌داده

نوع تکنیک

فراوانی

نمونه‌ای از تحقیقات انجام شده

مدل‌سازی

42.8%

استفاده از روش پیش‌بینی بیزین نشان داده است که تنظیم ریسک شرایط سلامت بیمار به دقت پیش‌بینی کمک می‌کند.

یادگیری ماشین

40.7%

تشخیص خودکار بیماری با استفاده از اطلاعات بیمار

داده‌کاوی

24.9%

پیش‌بینی سرطان پروستات با استفاده از 120،000 رکورد و تعریف 77 ویژگی

روش‌های مصورسازی

19%

طراحی اطلس مغز با استفاده از ابزارهای مصورسازی

روش‌های آماری

16.4%

تشخیص همبستگی بین شرایط آلرژیک و بیماری یوئیت در نوجوانان

 

سایر روش‌های تحلیل عظیم‌داده شامل، شبیه‌سازی، وب‌کاوی، روش‌های بهینه‌سازی، متن‌کاوی و تحلیل شبکه‌های اجتماعی است.

 

ارزش‌های خلق شده توسط عظیم داده

  1. تشخیص دقیق‌تر با استفاده از روش‌های مراقبتی شخصی‌سازی شده
  2. پشتیبانی از تصمیم‌سازی متخصصان با استفاده از الگوریتم‌های اتوماتیک
  3. طراحی مدل‌های کسب و کار، محصولات و سرویس‌های جدید
  4. توانمندی در انجام آزمایش، بهبود عملکرد و در معرض قرار دادن تنوع
  5. هماهنگی و اشتراک اطلاعات سلامت
  6. شفافیت داده
  7. تشخیص ریسک مراقبت از بیمار
  8. انجام اقدامات سفارشی با استفاده از بخش‌بندی داده
  9. کاهش هزینه با حفظ کیفیت
  10. حفاظت از حریم شخصی

 

چشم‌انداز آینده تحقیقات در حوزه تحلیل عظیم‌داده در صنعت سلامت

  • توسعه روش‌های خاص
  • خلق مکانیزم‌های جدید برای بهره‌برداری حداکثر از داده
  • توسعه سخت افزاری و نرم افزاری و قابلیت‌های سیستمی
  • مطالعات بیشتر برای اثبات نظریه
  • گردآوری مجموعه‌داده‌های بدون خطا
  • روش‌های استاندارد برای به دست آوردن حفاظت از اطلاعات حساس
  • معرفی روش‌هایی که در صنعت سلامت کاربرد دارند
  • تشخیص داده‌هایی که نیاز به تصحیح اتوماتیک دارند
  • آموزش پزشکان و عموم افراد
  • طراحی روش‌هایی برای شناخت بیماران با وضعیت مشابه

نتیجه‌گیری

شرکت‌های خصوصی و دولتی فعال در صنعت سلامت، استفاده از تحلیل عظیم‌داده برای تصمیم‌گیری‌های استراتژیک را شروع کرده‌اند. با این وجود، یکی از موانع اصلی به کارگیری تحلیل عظیم‌داده عدم تشخیص ارزش استراتژیک آن و آماده نبودن مدیران برای ایجاد تغییرات مورد نیاز است.

 

[1] Resource-Based Theory

دریافت فایل