کلان‌داده‌ها در صنعت سلامت به حجم عظیم داده‌های دریافت شده از بیماران اشاره می‌کند که فناوری‌های دیجیتالی این اطلاعات را جمع‌آوری و به مدیریت عملکرد بیمارستان کمک می‌کنند. امروزه با توجه به افزایش طول عمر شهروندان، مدل‌های درمانی تغییر کرده‌اند و بسیاری از این تغییرات را عمدتاً داده‌ها هدایت می‌کنند.
پزشکان تا حد امکان سعی می‌کنند درباره فرد و حتی اوایل زندگی او اطلاعاتی به دست آورند، تا متوجه علائم هشداردهنده بیماری شوند. زیرا درمان هر بیماری در مراحل اولیه بسیار ساده‌تر و کم‌هزینه‌تر است. با استفاده از تجزیه و تحلیل داده‌های مربوط به سلامتی، تصویر جامعی از فرد به دست می‌آید و می‌توان یک بسته مناسب درمانی ارائه داد. به همین علت، تلاش می‌شود که بین داده‌های یک بیمار که در بیمارستان‌ها، کلینیک‌ها، و غیره بایگانی می‌شود ارتباط صحیحی شکل بگیرد. با این حال، تمرکز فعلی دیگر بر میزان «بزرگ» بودن داده‌ها نیست، بلکه بر نحوه مدیریت هوشمندانه آنهاست. اکنون که اهمیت کلان‌داده‌ها را در مراقبت‌های بهداشتی متوجه شدیم، وقتش رسیده است که با برخی از مهم‌ترین کاربردهای کلان‌داده‌ها در صنعت سلامت آشنا شویم.
1- پیش‌بینی تعداد بیماران برای استخدام کارکنان
یکی از مشکلات سنتی هر مدیری این است که چند کارمند را استخدام کند؟ اگر کارمندان زیادی استخدام کنید، در معرض افزایش هزینه‌های غیرضروری نیروی کار قرار خواهید گرفت. شما می‌توانید از داده‌های منابع مختلف برای پیش‌بینی روزانه و ساعتی تعداد بیماران در مرکز درمانی استفاده کنید. متخصصان داده با استفاده از تکنیک‌های «تحلیل سری‌های زمانی» (Time Series) می‌توانند الگوهای مربوطه را در نرخ پذیرش مشاهده کنند. سپس، آنها از فناروی یادگیری ماشین برای یافتن دقیق‌ترین الگوریتم‌هایی استفاده می‌کنند که روند پذیرش آینده را پیش‌بینی می‌کنند. علاوه بر پیش‌بینی تعداد بیماران، می‌توان با استفاده از داشبورد منابع انسانی (HR dashboard) پیش‌بینی کرد چه زمانی ممکن است در بخش‌های خاصی به کارکنان بیشتری نیاز باشد یا برعکس. گاهی کارکنان در زمان نامناسب و در بخش‌های اشتباه توزیع می‌شوند. این عدم توازن در مدیریت کارکنان می‌تواند به این معنی باشد که یک بخش خاص با مازاد نیرو روبرو است یا فاقد نیروی کار کافی است.
2- پرونده الکترونیک سلامت (EHRs)
این مورد رایج‌ترین کاربرد کلان‌داده‌ها در پزشکی است. هر فرد دارای سوابق دیجیتالی شامل مشخصات دموگرافیک، تاریخچه پزشکی، آلرژی، نتایج آزمایش‌ها و غیره است. سوابق از طریق سیستم‌های اطلاعاتی اَمن به اشتراک گذاشته می‌شود و در دسترس ارائه‌دهندگان بخش دولتی و خصوصی قرار می‌گیرد. هر رکورد از یک فایلِ قابلِ تغییر تشکیل شده است، به این معنی که پزشکان می‌توانند تغییرات را در طول زمان بدون کاغذبازی و بدون خطر تکرار داده‌ها اعمال کنند. پرونده الکترونیک سلامت همچنین می‌تواند هشدارها و یادآوری‌هایی را در زمانی ارائه کند که بیمار قرار است آزمایش جدیدی انجام دهد یا نسخه پزشک را پیگیری کند. یکی از گزارش‌های شرکت مکنزی در مورد استفاده از کلان‌داده‌ها در حوزه مراقبت‌های بهداشتی بیان می‌کند که «وجود سیستم یکپارچه، بیماری‌های قلبی عروقی را بهبود بخشیده و حدود یک میلیارد دلار صرفه‌جویی ناشی از کاهش بروکراسی اداری و انجام آزمایش‌های پزشکی در پی داشته است».
3- هشدار در لحظه
یکی دیگر از کاربردهای تجزیه و تحلیل داده‌ها و بطور کلی کلان‌داده‌ها در صنعت سلامت، ارائه هشدار در لحظه است. در بیمارستان‌ها، نرم‌افزار پشتیبانی تصمیم‌گیری بالینی (CDS) داده‌های پزشکی را تجزیه و تحلیل و به پزشکان در زمان تصمیم‌گیری توصیه‌هایی ارائه می‌کند. همچنین از طریق هوش مصنوعی و پوشیدنی‌های هوشمند، داده‌های سلامتی بیماران پیوسته جمع‌آوری می‌شود و این داده‌ها را به اَبر ارسال می‌کند. به این ترتیب، پزشکی از راه دور (Telemedicine) با دور نگه داشتن بیماران از مراجعه حضوری به بیمارستان‌ها به کاهش هزینه‌ها و بهبود کیفیت خدمات کمک می‌کند. بیماران می‌توانند در صف‌های وقت‌گیر منتظر نمانند و پزشکان وقت خود را برای مشاوره و کاغذبازی‌های غیرضروری تلف نکنند. بعلاوه، این اطلاعات به پزشکان امکان می‌دهد داده‌ها را بر اساس زمینه اجتماعی-اقتصادی آنها با یکدیگر مقایسه کنند. همچنین، مراکز درمانی بر این جریان عظیم داده نظارت خواهند کرد و هر زمانی که نتایج آزاردهنده باشد واکنش نشان خواهند داد. برای مثال، اگر فشار خون بیمار بطور نگران‌کننده‌ای افزایش یابد، سیستم یک هشدار برای پزشک ارسال می‌کند. سپس، برای رسیدن به بیمار و انجام کارهایی برای کاهش فشار اقدام می‌شود.
4- کمک به درمان سرطان با استفاده از کلان‌داده‌ها در صنعت سلامت
محققان می‌توانند از تعداد زیادی داده در مورد برنامه‌های درمانی و نرخ بهبود بیماران مبتلا به سرطان استفاده کنند تا درمان‌هایی را شناسایی کنند که بالاترین میزان موفقیت را در دنیای واقعی دارد. این داده‌ها همچنین می‌تواند مزایای غیرمنتظره‌ای داشته باشد؛ از جمله اینکه اکنون محققان دریافته‌اند «دزیپرامین» که داروی ضد افسردگی است، می‌تواند در درمان انواع خاصی از سرطان ریه نیز کمک‌کننده باشد. اما موانع زیادی در این راه وجود دارد؛ از جمله ناسازگاری بین سیستم‌های داده (این مورد شاید بزرگ‌ترین چالش فنی باشد)، مسائل مربوط به رازداری داده‌های بیماران، همچنین مؤسسه‌هایی که منابع و پول زیادی را برای توسعه مجموعه داده سرطان خود اختصاص داده‌اند، ممکن است تمایلی به اشتراک‌گذاری کلان‌داده‌ها در صنعت سلامت با دیگران نداشته باشند.
5- پیش‌بینی مراقبت‌های بهداشتی
تجزیه و تحلیل کلان‌داده‌ها در صنعت سلامت با هدفِ پیش‌بینی، یکی از بزرگ‌ترین روندهای هوش مصنوعی است. هدف هوش مصنوعی در نظام سلامت، کمک به پزشکان در تصمیم‌گیری‌های مبتنی بر داده در عرض چند ثانیه و بهبود روند درمان بیماران است. این مورد بویژه در مورد بیمارانی با سابقه پزشکی پیچیده مفید است که از دردهای زیادی رنج می‌برند. برای مثال بتواند افرادی را که در معرض خطر دیابت هستند را پیش از ظهور علائم بالینی بیماری شناسایی کنند. در نتیجه به آنها توصیه می‌شود که از غربالگری‌ها یا مدیریت وزن استفاده کنند.
6- راهی برای جلوگیری از مراجعه غیرضروری بیمار
صرفه‌جویی در زمان، پول و انرژی با استفاده از تجزیه و تحلیل کلان‌داده‌ها در صنعت سلامت ضروری است. برای مثال، در ایالت کالیفرنیا یک زن در طول سه سال، بیش از 900 مرتبه به اورژانس مراجعه کرده است. زنی که از بیماری روانی رنج می‌برد، روزانه به بیمارستان‌های مختلف محلی مراجعه می‌کرد. مشکلات این بیمار به علت نبود مدارک پزشکی مشترک بین اورژانس‌های محلی موجب افزایش هزینه بیمارستان‌ها و کاهش کیفیت روند درمان شد. برای جلوگیری از وقوع چنین موقعیت‌هایی در آینده، بیمارستان‌های آن شهر گرد هم آمدند تا برنامه‌ای به نام PreManage ED ایجاد کنند که سوابق بیماران را بین اورژانس‌ها به اشتراک می‌گذارد. در گذشته، بیمارستان‌های بدون PreManage ED آزمایش‌ها را بارها و بارها تکرار می‌کردند و اگر پزشک می‌خواست سوابق آزمایش‌های بیمار را ببیند باید با مراجعه حضوری به مراکز درمانی یا ارسال فکس طولانی این اطلاعات گردآوری می‌شد.
7- پیشگیری از خودکشی و خودآزاری
سالیانه هزاران نفر در سراسر جهان بر اثر خودکشی جان خود را از دست می‌دهند. بعلاوه، 17درصد از جمعیت جهان در طول زندگی‌شان به خود آسیب می‌زنند. این اعداد نگران‌کننده است! با اینکه مقابله با این وضع بسیار دشوار است، استفاده از کلان‌داده‌ها به ایجاد تغییر مثبت در زمینه کاهش خودکشی و آسیب‌رساندن به خود کمک می‌کند. مراکز درمانی می‌توانند از تجزیه و تحلیل داده‌ها برای شناسایی افرادی استفاده کنند که ممکن است به خود آسیب برسانند.
8- بهبود مدیریت زنجیره تأمین با استفاده از کلان‌داده‌ها در صنعت سلامت
اگر مدیریت زنجیره تأمین (Supply Chain Management) یک مؤسسه پزشکی تضعیف شود، همه چیز احتمالاً آسیب خواهد دید؛ از مراقبت و درمان بیمار گرفته تا امور مالی و فراتر از آن. استفاده از ابزارهای تحلیلی برای ردیابی عملکرد زنجیره تأمین و تصمیم‌گیری دقیق و مبتنی بر داده در مورد عملیات و همچنین هزینه‌ها، می‌تواند تا 10 میلیون دلار در سال صرفه‌جویی در بیمارستان‌ها را به دنبال داشته باشد.
9- توسعه روش‌های درمانی و نوآوری‌های جدید
تجزیه و تحلیل کلان‌داده‌ها در بخش مراقبت‌های بهداشتی این قدرت را دارد که به درمان‌های جدید و اکتشافات دارویی نوآورانه کمک کند. از طریق تجزیه و تحلیل اطلاعات ژنتیکی مبتنی بر داده و همچنین پیش‌بینی‌های واکنشی در بیماران، تجزیه و تحلیل کلان‌داده‌ها در بهداشت و درمان می‌تواند نقش محوری در توسعه داروهای جدید پیشگامانه و درمان‌های آینده‌نگر ایفا کند.
10- کمک به مدیریت و ردیابی بیماری‌های همه‌گیر با استفاده از کلان‌داده‌ها در صنعت سلامت
از زمان شروع همه‌گیری کووید-19 در ابتدای سال 2020، میلیون‌ها نفر در سراسر جهان تحت تأثیر این بیماری قرار گرفته‌اند. ماهیت گسترده این بیماری چالشی را برای صنعت سلامت ایجاد کرد. کارشناسان بهداشت با پشتیبانی فناوری‌های پیشرفته مدیریت داده‌ها، می‌توانستند در لحظه نحوه انتشار کووید-19، سرعت جهش آن را در شرایط مختلف و همچنین تأثیر آن را بر اقتصادهای مختلف جهان ردیابی کنند. این کار با تجزیه و تحلیل مجموعه داده‌های عظیمی انجام می‌شود که از منابع متنوعی مانند سوابق پزشکی و همچنین رفتارهای فردی افراد به دست می‌آید.
11- پیشگیری از خطای انسانی
کلاهبرداری در صنعت سلامت طیف متنوعی را در برمی‌گیرد؛ از صورت‌حساب‌های اشتباه گرفته تا ناکارآمدی‌هایی که منجر به انجام آزمایش‌های بیهوده یا حتی افزودن اطلاعات نادرست به پرونده پزشکی افراد می‌شود. «انجمن ملی مبارزه با تقلب در مراقبت‌های بهداشتی» تخمین می‌زند خسارت‌های مالی ناشی از تقلب در مراقبت‌های بهداشتی فقط در ایالات متحده می‌تواند به عددی قریب به 300 میلیارد دلار برسد. این یعنی حدود 10 درصد از کل هزینه‌های بهداشتی در نتیجه تقلب یا خطای انسانی هدر می‌رود.
با این حال، پول نگرانی بزرگی در مقابل حفظ جان بیماران نیست. تجویز دارو یا درمان نادرست می‌تواند خطرات بلندمدت یا حتی مرگ افراد را به دنبال داشته باشد. برای جلوگیری از این امر، از کلان‌داده‌ها و پیش‌بینی برای شناسایی سریع و جلوگیری از تقلب یا خطای انسانی استفاده می‌کنند. برای مثال، با تجزیه و تحلیل انبوهی از الگوهای نسخه‌نویسی، کارشناسان می‌توانند خطاهای نسخه‌ای را پیش از وقوع تشخیص دهند.
کاربرد کلان‌داده‌ها در صنعت سلامت در یک نگاه
بدون شک کلان داده دیدگاه جدیدی برای مراقبت‌های بهداشتی و چگونگی بهبود آن به ارمغان آورده است. کاهش هزینه، درمان در لحظه، مراقبت‌های بعدی و پیشگیری از خطای دارویی، همه بخشی از مزایای گسترده‌ای است که کلان‌داده‌ها به صنعت بهداشت و درمان هدیه کرده است.
