החזותיים התת-מודעים של מדעני מידע ואנליסטים בתחום הבריאות כרוכים בגיליונות אלקטרוניים מסודרים בקפידה, אלגוריתמים, עיבוד נתונים של שפות תכנות וכלי ויזואליזציה שמוציאים גרפים ותרשימים צבעוניים. ודומה. עם זאת, זה רחוק מהמציאות.
במציאות, מדעני נתונים מתחבטים באלמנט אחד על בסיס יומיומי - נתונים לא מובנים. פריחת הנתונים הגדולים השפיעה מאוד על תעשיית הבריאות. דיווחים מגלים שהתקדמות טכנית במונחים של ציוד קליני, מכשירים לבישים, רשומות בריאות אלקטרוניות (EHR), ועוד הביאו לכמויות אדירות של יצירת נתונים.
למעשה, הסטטיסטיקה מגלה שתעשיית הבריאות אחראית כמעט 30% מכלל נפח הנתונים נוצר. חוץ מזה, בממוצע, בית חולים בודד מייצר יותר מ-50 פטה-בייט של נתונים בכל שנה. עם זאת, הקאץ' הוא שלמעלה מ-80% מהנתונים שנוצרו אינם מובנים.
מה זה וכיצד זה משפיע על קבלת החלטות מונעת נתונים, מהפכות פורצות דרך, ומו"פ וחדשנות בתחום הבריאות? נגלה זאת במאמר זה.
נתונים מובנים ולא מובנים: שני חצאים של אותה קפסולה
כל נתונים שנוצרו נופלים תחת אחת משתי הקטגוריות. עכשיו, בואו נבין מה המשמעות של השניים.
נתונים מובנים בתחום הבריאות
כל מידע שהוא פשוט ומאורגן בצורה מסודרת, נגיש בקלות ובפורמט סטנדרטי מהווה נתונים מובנים. המאפיינים העיקריים של נתונים מובנים כוללים:
- פורמטים אוניברסליים או אחידים עם ייחוס מתאים לשם, תאריך, קודים רפואיים ועוד
- יכולת פעולה הדדית, שבו הסטנדרטיזציה שלהם סוללת את הדרך לבעלי עניין בתחום הבריאות בכל הספקטרום להשתמש בנתונים אלה לדרישותיהם
- יכולת מציאת ויכולת עיבוד לטפח קבלת החלטות קליניות, הפניות, דיווח ועוד
דוגמאות לנתונים מובנים
| קודים קליניים ורפואיים | קודי ICD ו-CPT, דוחות מתוצאות מעבדה |
| מידע דמוגרפי | שם המטופל, גיל, תאריך לידה, מין, אזור ועוד |
| אמצעים פיזיים וחיוניים | גובה, משקל, דופק, טמפרטורת גוף וכדומה |
| תרופות | תרופות שנקבעו, מינונים, לוחות זמנים למתן, אלרגיות ועוד |
נתונים לא מובנים בתחום הבריאות
כל סוג של נתונים שאינו זמין בפורמט סטנדרטי, נמצא במיקום נגיש או שאינו ניתן לעיבוד נופל תחת הקטגוריה של נתונים לא מובנים. למרבה הצער, בתחום הבריאות, נפח הנתונים הבלתי מובנים שנוצר עולה על מקבילו.
אם נתונים מובנים חושפים סימפטומים, נתונים לא מובנים מעלים את ההיגיון הבסיסי וניואנסים אחרים. כדי להבין בצורה הטובה ביותר נתונים לא מובנים, עלינו להסתכל על הדוגמאות בעולם האמיתי.
דוגמאות לנתונים לא מובנים
| הערות רפואיות | הערות רפואיות לא מקוונות כגון מרשמים שנרשמו על ידי מומחי בריאות. |
| נתוני הדמיה רפואית | כל תמונה שנוצרת על ידי מכשירים קליניים כגון MRI, CT או סורקי אולטרסאונד |
| נתונים אורקוליים | נתוני אודיו, וידאו או תמלול חלק מהתייעצות עם מטופלים, ראיונות או פרוצדורות כירורגיות |
| נתונים שנוצרו על ידי מטופל | זמין ממערכי נתונים לבישים, מידע שנמסר בעל פה וכדומה |
| מדיה חברתית ונתוני תקשורת | כמו ניתוח משוב של מטופלים הועלה על ידי מטופלים להתייעצות או על ידי מומחי בריאות, הוחלפו מיילים, הודעות שנשלחו והתקבלו וכדומה |
| נתונים גנטיים | תובנות על דוחות וניתוחי DNA של אדם שיכולים לזהות מחלות תורשתיות |
[קרא גם: סיכום רשומות רפואיות של AI: הגדרה, אתגרים ושיטות עבודה מומלצות]
מפעולות לתובנות: כיצד לשנות ולנצל נתונים לא מובנים כדי לסייע בקבלת החלטות קלינית
עצם הטכנולוגיה שפועלת כמקור לאינספור סוגים של נתונים לא מובנים מספקת לנו גם פתרונות וטכניקות לפענוחם. על ידי שימוש בטכנולוגיות מתפתחות כמו בינה מלאכותית (AI), למידת מכונה (ML) ואנליטיקה, אנו יכולים לא רק לארגן את סוג הנתונים הזה אלא גם להבין אותו לתובנות ניתנות לפעולה.
בואו נסתכל על הדרכים שבהן זה אפשרי.
רתימת עיבוד שפה טבעית (NLP) בתחום הבריאות
במילים פשוטות, NLP יכול לא רק לקרוא ולהבין את כתב ידו של רופא אלא לעבד אותו כדי לחשוף היבטים שלא שמים לב אליו גם כן. חוץ מזה, הוא יכול גם לנתח שעות של תוכן וידאו או אודיו ולארגן נתונים כנדרש ומצוין כדי שהדיוטות יוכלו לעבוד עליהם.
אנליטיקה חזויה ברפואה
- הבן נתונים לתוצאות אינדיקטיביות
- להבין נתונים עם תוצאות אינדיקטיביות ולהמליץ על פתרונות
- להבין ולהמליץ על פתרונות ולחזות בעתיד התרחשויות ותוצאות אפשריות
שלושת אלו מהווים תיאורי, מנבא ומנבא אנליטיקה בהתאמה.
[קרא גם: מהי ביאור נתונים בבינה מלאכותית בתחום הבריאות? הגדרה, טכניקות ומקרי שימוש]
בתחום הבריאות, ניתוח חזוי יכול לשנות חיים מכיוון שהוא יכול להצביע על תוצאה עתידית שסביר מאוד. השימוש ב למידת מכונה בתחום הבריאות אפשרה למושגים כאלה להפוך למציאות קרקעית. בעזרת ניתוח חזוי, נתונים מהדמיה רפואית יכולים לחזות במדויק אם גידול שפיר עלול להפוך לממאיר לאחר שקילת אורח חיים, גיל, נתונים דמוגרפיים ועוד.
באופן דומה, באמצעות ניתוח מדויק של נתונים גנומיים, ניתוח חזוי יכול לסייע באינדיקציה אם אדם עלול לפתח סוכרת, מחלת לב או אלצהיימר. זהו הניתוח בין חיים למוות שכן מומחי שירותי בריאות יכולים להמליץ על תרופות, להעלות את המודעות או להציע שינויים באורח החיים כדי למנוע סיכויים.
אינספור אפיקים באבחון וטיפול במחלות נפתחות כאשר אנו מלקטים ומתארגנים נתונים בלתי מובנים ולהגדיר אותם עם הקשר. עם שימוש נכון בטכנולוגיה אידיאלית, גם העיבוד שלהם הוא חלק.
עם זאת, אם אתה מעוניין לדלג על שלבים אלה ויש לך נתונים מוכנים לעיבוד כדי להכשיר את האלגוריתמים והפתרונות של שירותי הבריאות שלך, אתה יכול לפנות אלינו. אנו מציעים נתוני בריאות מותאמים אישית ומקוריים בצורה אתית עבור כל הצרכים הספציפיים של שירותי הבריאות שלך. צור איתנו קשר עוד היום.
