حالا کلان داده به سلول‌های سرطانی حمله می‌کند

حالا کلان داده به سلول‌های سرطانی حمله می‌کند

کلان‌داده یکی از مهم‌ترین مگاترند‌های دنیای امروز است. اگر کمی نگاهمان را وسیع‌تر کنیم، خواهیم دید که این مگاترند نه فقط به لحاظ سوددهی اقتصادی، بلکه در حوزه‌هایی که اقتصاد در آن‌ها اولویت اول نیست هم بسیار اهمیت دارد. یکی از این حوزه‌ها پزشکی و سلامت است. اگر بتوان کلان‌داده‌ها را به نحو درستی در حیطه پزشکی وارد کرد، شاهد تحولات مهمی خواهیم بود. پیشگیری، کشف درمان بیماری‌‌های سخت و لاعلاج و همچنین کاهش چشم‌گیر هزینه‌های درمانی، برخی از نتایجی هستند که امروزه می‌توانیم با ورود کلان‌داده به حوزه سلامت متصور شویم. در این مقاله می‌خواهیم با ارایه چند مثال، توضیح دهیم که کلان‌داده چگونه می‌تواند حوزه سلامت را متحول کند.

پرونده‌های دیجیتال، نجات در اضطرار

چند سال قبل، ایده‌ای در مورد وارد کردن فناوری دیجیتال در پزشکی به ذهنم خطور کرده بود. این ایده یک آغاز ساده داشت. دیجیتالی کردن پرونده‌های پزشکی. فرض کنید برای درمان یک بیماری، به پزشک مراجعه می‌کنید. پزشک متناسب با شرایط فرد، معاینه، آزمایش‌ و تصویربرداری‌ انجام می‌دهد. سوالاتی نیز در مورد سوابق بیماری و داروهای مصرفی از او می‌پرسد. درنهایت بر اساس این اطلاعات، درمانی را تجویز می‌کند.

این نوع از معاینه هنگامی که قرار است فرد، اطلاعات خود را در اختیار پزشک معالج قرار دهد، نقص‌هایی دارد. زیرا ممکن است به دلیل بیماری یا ضعف حافظه، بیمار یا همراه او نتوانند اطلاعات دقیقی در مورد سوابق پزشکی وی ارائه دهند.

حالت دیگر، موارد اورژانسی هستند. مثلا وقتی یک بیمار تصادفی را به بیمارستان منتقل می‌کنند، ممکن است بی‌هوش باشد و یا شخصی از آشنایان او همراهش نباشد.

حالت دیگر، موارد اورژانسی هستند. مثلا وقتی یک بیمار تصادفی را به بیمارستان منتقل می‌کنند، ممکن است بی‌هوش باشد و یا شخصی از آشنایان او همراهش نباشد. در نتیجه پزشک معالج عملا بدون اطلاع از سابقه پزشکی وی، مجبور است اقداماتی انجام دهد که چندان دقیق نیستند.

از این روی دیجیتالی کردن پرونده‌های پزشکی افراد می‌تواند گام موثری در ارتقای شرایط درمانی باشد. با این‌ کار هنگامی که فرد به پزشک مراجعه می‌کند، کل سابقه پزشکی او با تمام جزییات به صورت دیجیتالی در اختیار پزشک قرار می‌گیرد و او می‌تواند بهترین درمان ممکن را تجویز کند.

کلان‌داده وارد می‌شود

اگر چنین کاری صورت پذیرد، سیستمی که برای تجمیع این داده‌ها استفاده می‌شود، باید ظرفیت بالایی داشته باشد. حجم این داده‌ها زیاد است. داده‌های متنوعی از نوع تصاویری رادیولوژی، ام‌آر‌ای، سی‌تی اسکن و سونوگرافی، نوارهای قلبی، مغزی و عصبی و گزارش‌های متنی وجود دارند. از سویی سرعت تولید آن‌ها نیز زیاد است و این یعنی سه یعنی کلان داده.

نگهداری این داده‌ها و ایجاد سیستمی برای دسترسی به آن‌ها، به خودی خود مفید است.

کلان داده و نظام سلامت
به خاطر قوانین سخت‌گیرانه و مسئولیت سنگین، استارت‌آپ‌ها کم‌تر به سراغ ایده‌های پزشکی می‌روند.

اما سود بزرگ‌تر هنگامی حاصل می‌شود که از این داده‌ها برای تحقیقات پزشکی استفاده شود. با تحلیل این داده‌ها می‌توان وجوه کشف نشده بسیاری از بیماری‌ها، درمان آن‌ها، الگوهایی گوناگون جغرافیایی، تغذیه‌ای و بهداشتی را پیدا کرد. از سویی می‌توان با استفاده از همین داده‌ها، وضعیت سلامتی افراد و اجتماع را رصد و متناسب با آن اقدام کرد.

برای توصیف چگونگی اجرای هر یک از این فرآیند‌ها، در ادامه ۸ مثال می‌آوریم.

۱- کلان‌داده در پاریس

به عنوان اولین مثال، بیایید از دید یک مدیر به مسئله سلامت نگاه کنیم. یک سؤال مطرح است: در هر بازه زمانی مشخص، چند نفر نیروی درمانی در هر بیمارستان لازم است؟ اگر تعداد کارکنان زیاد باشند، هزینه‌ها زیاد می‌شوند و اگر هم کم باشند، خدمات مناسبی نمی‌توان ارائه داد که این قضیه در مراکز درمانی می‌تواند به مرگ بیماران نیز منجر شود.

چند بیمارستان در پاریس، از کلان‌داده‌ها برای حل این مسئله کمک گرفته‌اند. در این بیمارستان‌ها، داده‌هایی به صورت روزانه و ساعتی جمع‌آوری و به روز می‌شوند. نرم‌افزاری نیز با استفاده از هوش مصنوعی پیش‌بینی می‌کند که در هر ساعت و هر روز، چند نفر بیمار در هر بیمارستان حاضر خواهند بود. در نتیجه آن‌ها نیروی کار را متناسب با این پیش‌بینی‌ها بین ساعت‌ها و روزهای هفته تقسیم می‌کنند.

یکی از داده‌های کلیدی این بیمارستان‌ها، وجود تاریخچه مراجعین در ۱۰ سال گذشته است. آن‌ها برای ساختن این نرم‌افزار پیش‌بینی، این داده‌های ده ساله را با استفاده از تکنیکی به نام «سری‌های زمانی» تحلیل کردند. این تحلیل به محققان اجازه داد تا بتوانند الگوهای مرتبط با نرخ پذیرش را بیابند. آن‌ها در ادامه با استفاده از یادگیری ماشینی، الگوریتم دقیقی برای پیش‌بینی شرایط آینده ساختند.

در نتیجه سیستمی یک یکپارچه و با واسط گرافیکی بر پایه وب ایجاد شد که برای کاربران، پزشکان، پرستاران و مدیران و کارکنانی که تخصصی در زمینه داده‌ها ندارند قابل استفاده است. این سیستم می‌تواند نرخ ورودی بیماران را در ۱۵ روز آتی پیش‌بینی کند. با داشتن این پیش‌بینی‌ها، هنگامی که می‌دانیم تعداد بیماران زیاد خواهد بود، می‌توانیم تعداد کارکنان را بیشتر کنیم. با این کار زمان انتظار بیماران کاهش می‌یابد و کیفیت خدمات نیز بهتر می‌شود.

۲- ثبت الکترونیکی وضعیت سلامتی افراد

این حوزه شاید مهم‌ترین کاربرد کلان‌داده در پزشکی باشد. با استفاده وسایل پوشیدنی که به لطف اینترنت اشیا تولید می‌شوند، می‌توان یک نسخه دیجیتالی از پرونده سلامتی هر فرد و تغییرات شرایط وی ایجاد کرد. پرونده دیجیتال هر بیمار شامل تصاویر، سابقه پزشکی، آلرژی‌ها و نتایج آزمایش‌های او است. این پرونده‌ها می‌توانند در یک سیستم امن به اشتراک گذارده شوند و در دسترس تمام فعالین حوزه سلامت خصوصی و عمومی قرار گیرند. پزشکان نیز می‌توانند این پرونده پزشکی را مطالعه و داده‌های جدید را در آن وارد کنند.

با استفاده وسایل پوشیدنی که به لطف اینترنت اشیا تولید می‌شوند، می‌توان یک نسخه دیجیتالی از پرونده سلامتی هر فرد و تغییرات شرایط وی ایجاد کرد.

با استفاده از این سیستم همچنین می‌توان به بیمار هشدارها و یادآوری‌هایی را برای انجام معاینات و آزمایش پزشکی فرستاد. در این صورت حتی می‌توان فهمید که آیا بیمار از دستورات پزشکی تبعیت می‌کند یا نه.

با اینکه ایجاد پرونده دیجیتال ایده بسیار خوبی است اما بسیاری از کشورها هنوز نتوانسته‌اند آن را به خوبی عملیاتی کنند. در آمریکا، ۹۴ درصد بیمارستان‌ها از این سیستم استفاده می‌کنند. اما هنوز حتی در کشورهای اروپایی، چنین سیستمی به صورت کامل پیاده نشده است. ولی طبق برنامه‌های اتحادیه اروپا، قرار است این سیستم تا سال ۲۰۲۰ عملیاتی شود. طبق گزارش موسسه مکنزی (McKinsey Inst) پیاده‌سازی این سیستم در آمریکا باعث صرفه‌جویی ۱ میلیارد دلاری در هزینه‌های بیماری‌های قلبی شده است.

یک گام فراتر

نکته مهم‌تر این کار نه در جمع‌آوری، بلکه در تحلیل این داده‌ها است. با تحلیل چنین مجموعه عظیمی از داده‌ها و همراه کردن آن‌ها با اطلاعات ژنتیکی، جغرافیایی، تغذیه‌ای و شغلی افراد، می‌توان علل بسیاری از بیماری‌ها را پیدا کرد و احتمالا جلو بروز آن‌ها را گرفت.

مثلا در تعدادی از سرطان‌ها و برخی بیماری‌های عصبی همچون زوال عقل، پارکینسون، ام‌اس (MS) و ای‌ال‌اس (ALS) به دلیل کمبود اطلاعات و نبود تحقیقات کافی، هنوز دلایل و عوامل تاثیرگذار در پیشرفت و بروز این بیماری‌ها چندان روشن نیستند. اما با تحلیل داده‌های این سیستمی و ترکیب آن با داده‌هایی که از همه جهان به دست می‌آید، می‌توان به صورت هدفمندتری به دنبال درمان یا پیشگیری از این بیماری‌ها بود.

این شاید هیجان‌انگیزترین نتیجه استفاده از کلان‌داده در صنعت سلامت باشد. هر چه داده‌های بیشتری در اختیار داشته باشیم، نتایج دقیق‌تری می‌توانیم به دست آوریم. از این روی، بهتر است بسترهایی فراهم کنیم تا همه فعالین در تمام جهان بتوانند داده‌های خود را به اشتراک بگذارند، به داده‌های دیگران دسترسی داشته باشند و با همکاری یکدیگر به دنبال یافتن علل و یا درمان بیماری‌ها باشند.

۳- هشدار هم‌زمان

ایجاد سیستمی برای هشدار هم‌زمان نیز می‌تواند یکی از کاربردهای کلان داده در حوزه سلامت باشد. چنین سیستمی در بیمارستان‌ها همراه با نرم‌افزارهای اتخاذ تصمیم‌های کلینیکی (Clinical Decision Support or CDS)، داده‌های پزشکی را در محل جمع‌آوری و تحلیل می‌کند. اگر اتفاقی برای هر کدام از بیماران رخ دهد، این سیستم هشدار می‌دهد و کادر درمانی را متوجه خطر می‌کند.

اما ابزارهای که داده‌های وسایل پوشیدنی افراد را تحلیل می‌کنند نیز می‌توانند بخشی از همین سیستم در مقیاس بزرگ‌تر باشند. این ابزارهای پوشیدنی می‌توانند داده‌های سلامتی فرد را دائما جمع‌آوری و به فضای ابری ارسال کنند. نرم‌افزارهایی هم که کارشان دریافت و تحلیل این داده‌ها است، می‌توانند در صورت دیدن موارد مشکوک به بیماری یا افزایش احتمال بروز بیماری خاص، به فرد هشدار دهند و هم‌زمان پزشک معالج وی را نیز مطلع سازند.

کلان داده و نظام سلامت
داشتن اطلاعات بیمار در مواقع اضطراری می‌تواند جان بسیاری از بیماران را نجات دهد.

به علاوه، این اطلاعات در پایگاه داده‌ای وزارتخانه‌های بهداشت نگهداری می‌شود و در دسترس افراد قرار می‌گیرند.  موسسات پزشکی و مدیران سلامت می‌توانند این داده‌ها را ابزارهای خود بررسی و تحلیل کرده و برنامه‌ریزی‌های کوتاه و بلندمدت کنند.

برای مثال اگر فشارخون یک بیمار به نحوی هشداردهنده افزایش یابد، سیستم به صورت آنلاین پیامی به پزشک معالج وی ارسال می‌کند و او می‌تواند متناسب با این شرایط خود را به بیمار برساند.

مثال دیگر بیماران آسم هستند. اگر وسیله استنشاقی که این بیماران همواره با خود حمل می‌کنند، مجهز به ردیاب ماهواره‌ای باشد، می‌توان از داده‌های آن برای شناسایی و رصد بیماری آسم آن شخص و یا در سطح اجتماع استفاده کرد. این داده‌ها می‌توانند همراه با داده‌های مرکز کنترل بیماری‌ها برای طرح‌ریزی روش‌های بهتر درمان آسم استفاده شوند.

۴- تحلیل‌های پیش‌بینی کننده در سلامت

تحلیل‌هایی که بتوانند پیش‌بینی‌هایی در مورد سلامت افراد و جامعه ارائه دهند یکی از اولین چیزهایی است که با کلان‌داده، می‌تواند عملی شود. اما کاربرد این ابزارهای تحلیلی فراتر از این پیش‌بینی‌های صرف است. برای مثال آزمایشگاه اوپتوم (Optum Labs) در آمریکا پرونده پزشکی بیش از ۳۰ میلیون بیمار را برای ایجاد یک پایگاه داده جمع‌آوری کرده است. اپتوم از این پایگاه داده برای بهبود ابزارهای پیش‌بینی و ارتقا کیفیت خدمات پزشکی  استفاده می‌کند.

هدف ‌آن‌ها این است به پزشکان کمک کنند که بتوانند تصمیم‌هایی متکی بر این داده‌های بزرگ را در چند ثانیه اتخاذ کنند. چنین کاری روی نحوه درمان بیمار تاثیر چشمگیری می‌گذارد. این مسئله خصوصا در مورد بیمارانی که پرونده پزشکی پیچیده و بزرگی دارند و از بیماری‌های گوناگونی در رنج هستند، می‌تواند مفید باشد. ابزارهای جدید همچنین می‌توانند پیش‌بینی کنند که مثلا چه کسی در خطر ابتلا به دیابت است و با استفاده از این پیش‌بینی‌ها، اقداماتی همچون کنترل وزن آن‌ها را انجام دهند.

۵- استفاده داده‌های سلامتی برای طرح‌ریزی‌های استراتژیک

استفاده از کلان داده در سیستم سلامت این امکان را فراهم می‌آورد که بتوان به لطف بینش وسیع حاصله از آن، طرح‌های استراتژیک دقیق‌تری بچینیم. مدیران سلامت می‌توانند داده‌های چکاپ‌ افراد را تحلیل کرده و بفهمند مثلا چه فاکتورهایی آن‌ها را از مراجعه به پزشک و درمان باز می‌دارند.

مدیران سلامت می‌توانند داده‌های چکاپ‌ افراد را تحلیل کرده و بفهمند مثلا چه فاکتورهایی آن‌ها را از مراجعه به پزشک و درمان باز می‌دارند.

محققین دانشگاه فلوریدا با استفاده از نقشه گوگل و داده‌های سلامتی، نقشه‌ سلامتی که فاکتورهای گوناگون همچون رشد جمعیت و بیماری‌های مزمن را نشان می‌دهد، تهیه کرده‌اند. می‌توان با مقایسه چنین نقشه‌هایی با میزان دسترسی به خدمات پزشکی، اطلاعات ارزشمندی کسب کرد. با این داده‌ها می‌توان استراتژی‌های خدمات بهداشتی و درمانی را تنظیم کرد و در مکان‌هایی که مشکل وجود دارد، واحد‌های پزشکی را افزایش داد.

۶- کلان داده ممکن است سرطان را درمان کند

یکی دیگر از مثال‌های جالب کاربرد کلان‌داده در پزشکی، برنامه حذف سرطان (Cancer Moonshot Program)   است. این برنامه تحت پروژه‌ای در آمریکا آغاز شده و هدف آن یافتن روش حذف یا درمان سرطان‌های گوناگون در ۱۰ سال آینده است.

محققان می‌توانند از داده‌های پزشکی عظیم موجود، برای یافتن داروها و روش‌های مفیدتر جهت درمان و افزایش نرخ بهبودی بیماران سرطانی استفاده کنند. داده‌های همچون نتایج آزمایش‌های ژنتیک، داروهای مصرفی، رژیم غذایی، درمان‌های پیشین، محل سکونت، شغل و سوابق خانوادگی.

با بهره‌گیری از این داده‌ها، محققان می‌توانند نکات گوناگونی همچون نحوه تأثیر جهش‌های ژنتیکی خاص، واکنش پروتیین‌های سرطانی به درمان‌های مختلف و راه‌های بهتر درمانی را بررسی کنند.

با این روش شاید بفهمیم داروهایی که پیش از این فکر می‌کردیم هیچ ارتباطی به سرطان ندارند، در درمان سرطان استفاده شوند. همانند داروی ضدافسردگی دسیپرامین که می‌تواند در درمان نوع خاصی از سرطان ریه مفید باشد.

اما برای اینکه بتوان چنین بینشی به دست آورد، لازم است پایگاه‌های داده موسسات، بیمارستان‌ها، دانشگاه‌ها و سازمان‌های غیرانتفاعی جمع و به همدیگر متصل شوند. سپس مثلا محققان می‌توانند به گزارش‌های و نتایج بافت‌برداری بیماران در دیگر مؤسسات دسترسی داشته باشند. با این کار همچنین احتمالا بتوانیم پایگاه داده‌ای از دنباله ژنتیکی بافت‌های سرطانی نیز داشته باشیم.

۷- درمان راه دور

درمان از راه دور بیش از چهل سال است که وجود دارد. اما فقط در دنیای امروز است که با وجود ویدئو کنفرانس، گوشی‌های هوشمند، ابزارهای بی‌سیم و پوشیدنی، توانسته چیستی خود را کامل نشان دهد. درمان راه‌ دور به ابزارهای ارائه خدماتی کلینکی با پایه فناوری و از راه دور اشاره دارد.

درمان راه دور پیش از این برای برخی مشورت‌های و تشخیص‌های اولیه، بررسی بیمار از راه دور و آموزش پزشکی برای متخصصین استفاده می‌شد. امروزه به لطف ارتباطات پهن‌باند و رباتیک، برخی از کاربردهای خاص آن مثل جراحی از دور در حال رواج است. در جراحی از راه دور، پزشک می‌تواند اعمال جراحی را با استفاده از ربات‌ها و با تکیه بر ارتباط سریع، کم تاخیر و آنلاین انجام دهد.

کلان داده و نظام سلامت
هر نمونه که از بیمار گرفته می‌شود، اطلاعات زیادی در خود دارد که امروزه نادیده گرفته می‌شوند.

با چنین ابزاری کمتر لازم خواهد بود که فرد در بیمارستان حاضر شود. این ابزارها می‌توانند با ابزارهای پیش‌بینی نیز ترکیب شود. چنین ترکیبی امکان پیش‌بینی اتفاقات حاد پزشکی و جلوگیری از بدتر شدن شرایط بیمار را فراهم می‌کند.

با دور نگاه‌داشتن بیماران از بیمارستان‌ها و درمان دور، هزینه سلامتی کاهش و کیفیت خدمات افزایش می‌یابد.  دیگر لازم نیست بیماران ساعت‌ها در سالن انتظار پزشکان، وقتشان تلف شود. با این ابزارها همچنین می‌توان در هر زمان و مکانی خدمات مشاوره‌ای و معاینه‌ای انجام داد.

شاید فکر کنید درمان از راه دور ارتباط مستقیمی با کلان‌داده نداشته باشد. اما نکته اینجاست که برای راه‌اندازی و استفاده از کلان‌داده، نیازمند زیرساخت‌های قدرتمندی در کل مجموعه‌های پزشکی هستیم. وجود چنین زیرساختی نه تنها می‌تواند پزشکان و بیماران را به یکدیگر متصل کند، بلکه این امکان را فراهم می‌کند که پزشکان بتوانند بدون حضور در بیمارستان اعمال جراحی و خدمات پزشکی ارائه دهند. از این روی زمان صف‌های انتظار برای اعمال جراحی و معاینه نیز کاهش می‌یابد.

۸- کلان‌داده، مراجعات غیرضروری اورژانسی را می‌کاهد

با استفاده از تحلیل‌های کلان‌داده در سلامت می‌توان زمان، پول و انرژی ذخیره کرد.

در اوکلند کالیفرنیا زنی هست که در طی ۳ سال بیش از ۹۰۰ بار به اورژانس مراجعه کرده است. این زن یک بیماری روانی و همچنین سو مصرف مواد مخدر دارد و تقریبا بابت هر چیز معمولی به بیمارستان‌های مختلف محلی مراجعه می‌کند.

اگر پرونده دیجیتالی مشترکی برای سلامتی این فرد بین این بیمارستان‌ها وجود داشته باشد، دیگر لازم نیست که وی در هربار مراجعه، آزمایش شود. حتی با رصد دایمی شرایط سلامتی او می‌توان از هر اتفاق ناگواری نیز پیش‌گیری کرد. چنین مشکلی هم هزینه‌های زیادی تحمیل می‌کند و هم  امکان دریافت درمان مناسب را نیز کاهش می‌دهد.

با ایجاد چنین سیستمی، بیماران هنگام مراجعه به بیمارستان با سیستم یکپارچه‌ای معاینه خواهند شد که مثلا اگر آزمایشی را در بیمارستان دیگر انجام داده‌اند، دیگر تکرار نمی‌شود و بیمار می‌تواند توصیه‌های جدیدی را متناسب با توصیه‌های قبلی پزشکان دریافت کند.

باز هم دارد دیر می‌شود

خوشبختانه در ایران هم ساخت یک سیستم متمرکز برای دسترسی به پرونده‌های پزشکی آغاز شده است. اما مثل بسیاری از پروژه‌های وطنی دیگر، پس از آغاز، چندان نمی‌توانیم به انجام سریع آن دل ببندیم. اما همان‌طور که بارها نیز گفتیم، ایجاد چنین سیستمی و جمع‌آوری داده‌ها فقط اولین گام در این حوزه است. آنچه مهم‌تر است و این داده‌ها را واقعا ارزشمند می‌کند، تحلیل آن‌هاست. من امیدوارم برنامه‌های جدی دیگری نیز در ادامه این پروژه به اجرا درآیند.

این‌ هشت مثال هم می‌توانند راهنمایی خوبی برای نحوه پیشبرد و برنامه‌ریزی آینده پروژه پرونده پزشکی دیجیتال در ایران باشند. استفاده از کلان‌داده در صنعت سلامت می‌تواند یک نقطه عطف باشد. زیرا علاوه بر کاهش چشم‌گیر هزینه‌ها، می‌تواند انسان‌های زیادی را از مرگ نجات دهد. همین امروز، کلان‌داده امکان تشخیص زودهنگام بیماری‌ها فراهم آورده است. فعالین این حوزه هم از این مسئله برای اقدام‌های پیشگیرانه استفاده می‌کنند. زیرا هر چه باشد، پیشگیری همواره بهتر از درمان است.

بهرام دولتی
این مطلب را به اشتراک بگذارید
نظرات