نقش عظیم داده در پزشکی

بیشتر شرکت‌ها تصمیمی ‌آگاهانه و سنجیده برای پذیرش جهت تحول دیجیتال و انقلاب اطلاعاتی می‌گیرند. به نظر می‌رسد که تاثیر عظیم داده در پزشکی سازمان‌ها را مجبور به درگیر شدن با این موضوع می‌کند.  این مصاحبه با دکتر اریک شات، مدیر بنیانگذار انستیتوی Icahn نیویورک  صورت گرفته است.

تکامل یا انقلاب؟

با عظیم داده در پزشکی می‌توانیم پروفایل‌های سلامت بهتر و مدل‌های پیش‌بینی کامل‌تری را در مورد بیماران خاص ایجاد کنیم تا بتوان بیماری را بهتر تشخیص و درمان نمود.

امروزه در صنعت داروسازی یکی از محدودیت‌های اصلی پزشکی، درک ما از بیماری است. عظیم داده در مورد جمع‌آوری هر چه بیشتر اطلاعات و در معیارهای گوناگون عوامل تشکیل بیماری یاری می‌رساند. از DNA، پروتئین‌ها و متابولیت‌ها گرفته تا سلول‌ها، بافت‌ها، اندام‌ها، ارگانیسم‌ها و اکوسیستم‌ها. این معیارهای زیست شناسی با مدل‌سازی از تلفیق عظیم داده به دست می‌آید. با این کار، مدل‌ها تکامل و ایجاد شده و برای افراد معلوم قابلیت پیش‌بینی بیشتری خواهد داشت.

با شروع ساخت این مدل‌ها و جمع آوری عظیم داده، ما در حال آزمایش و استفاده از مدل‌ها بر روی اشخاص، ارزیابی نتایج، اصلاح مدل‌ها و غیره هستیم. پاسخ به سوالات آسان‌تر خواهد شد. ما در مراحل ابتدایی این انقلاب هستیم، اما من فکر می‌کنم این روند خیلی سریع پیش خواهد رفت زیرا تکامل وسیعی در علوم اطلاعاتی در مقایسه با پزشکی به دست آمده است.

تکنیک‌های یادگیری ماشین و زیرساخت مدیریت داده در پزشکی مورد استفاده قرار می‌گیرد.

 ابزار‌های پوشیدنی چگونه پزشکی را متحول می‌کند ؟

ابزار پوشیدنی و اشتراک‌گذاری از طریق برنامه‌های سلامتی تلفن همراه  آینده را نشان می‌دهند. نه فقط در تحقیقات بیماری‌ها، بلکه در تحقیقات دارو نیز به کار می‌روند. امروزه یک فرد عادی و سالم شاید در  سال مدت ده دقیقه نزد پزشک برود. آنچه که پزشک می‌تواند برای ارزیابی وضعیت سلامتی به شخص  ارائه دهد بسیار ناچیز است. پزشکان برای ارزیابی وضعیت سلامتی شما کار زیادی نمی‌کنند و اطلاعات ذخیره شده در پرونده‌های پزشکی به اندازه کافی گسترده نیست.

آنچه در ابزارهای پوشیدنی متحول و ارائه می‌شود، روشی برای نظارت مداوم بر وضعیت شماست و با انحراف از خط پایه، حالت بیماری را پیش بینی می‌کند یا حالت بیماری را نشان می‌دهد. بنابراین پزشک می‌تواند برای جلوگیری از اتفاق زودتر مداخله کند. این نوع مدل‌سازی بدون این ابزار‌های پوشیدنی غیرممکن بود مگر اینکه  افراد را به صورت مداوم و طولانی مدت فنوتیپ کنید.

اگرچه ابزار‌های پوشیدنی امروز نقش تفریحی دارند لیکن با سرعت باورنکردنی به درجه تحقیقاتی و در نهایت درجه بالینی تغییر می‌کنند. در حال حاضر دستگاه‌های اندازه گیری گلوکز وجود دارد که توسط FDA تأیید شده است و افراد می‌توانند از آن استفاده کنند و با برنامه‌های دیجیتالی ارتباط دارند. بر اساس آنچه پروفایل گلوکز شما مونیتور می‌کند مستقیماً با ارائه دهندگان خدمات سلامتی ارتباط برقرار می‌کند. من تخمین می‌زنم که ظرف پنج تا ده سال، اطلاعات دقیق در مورد سلامتی شما بیشتر از سیستم سلامت در خارج از سیستم سلامت وجود خواهد داشت و این باعث خواهد شد که این اطلاعات توسط جامعه پزشکی مورد استفاده واقع شود.

عظیم داده برای بیماران، بیمه درمانی و صنایع دارویی به چه معناست؟

آنچه که من در آینده برای بیماران می‌بینم این است که به عنوان یک شریک در این روش جدید درک بهتری از بیماریشان و درمانشان داشته باشند. لازم نیست بیماران هر روز فعال باشند ولی با ورود به سیستم می‌توانند از مزایای آن بهره مند شوند و در نهایت تعداد مراجعه به پزشک، تعداد دفعات بیماری، تعداد دفعات پیشرفت یک بیماری خاص، همگی باید رو به کاهش باشد. با ارائه اطلاعات، بیماران به داشبوردهای مربوط به خود دسترسی داشته و جهت تفسیر نیازی به پزشک ندارند و با مراجعه روزانه معنی آن را درک می‌کنند.

بیمه‌های درمانی در راس زنجیره‌ها بوده و از این مزیت بهره مند می‌شوند. زیرا در نهایت می‌خواهند هزینه هر بیمار را کاهش دهند. آنها به سلامتی بیمار اهمیت می‌دهند ولی می‌خواهند هرچه در توان داشته باشند برای ایجاد انگیزه در بیماران و هم در سیستم‌های پزشکی كه آنها را درمان می‌كنند، انجام دهند تا با اقدامات پیشگیرانه بهتر، درمان‌های هدفمند بهتر و رعایت بیشتر استفاده از دارو، هزینه را به حداقل برسانند. بنابراین، بیمه‌های درمانی سود بهتری از مصرف داروها می‌گیرند، زیرا آنها می‌توانند ببینند که دارو طبق دستورالعمل مصرف می‌شود یا تاثیری روی بیمار ندارد. بنابراین بیمار می‌تواند زودتر به یک داروی تاثیر گذار دیگر رجوع کند. با مداخله زودتر در سلامتی بیمار می‌توان قبل از اینکه فرد به بیماری مبتلا شود، در هزینه‌های بستری بیمارستانی یا ویزیت‌های اورژانس یا حتی ویزیت پزشکان صرفه‌جویی نمود.

سازندگان ابزارهای پوشیدنی بایستی شروع به تبدیل برخی از دستگاه‌های مصرفی و ارتقا از سطح تفریحی به بالینی نمایند.

صنعت داروسازی نیز با درک بهتر از بیماری و عوامل اصلی بیماری و استفاده از دارو در برابر آن، می‌تواند به  توسعه مستقیم داروها نزدیک شود.

منبع : The role of big data in medicine.pdf (mckinsey.com)