مراقبت های بهداشتی مبتنی بر داده رانندگی: داده ها در مرکز آینده medtech قرار دارند
رایان جونز، یکی از بنیان‌گذاران پلتفرم استخدام داده‌های تخصصی OnlyDataJobs، راه‌هایی را بررسی می‌کند که در آن داده‌ها منجر به تحول دیجیتال صنعت پزشکی می‌شوند.
پیش‌بینی می‌شود که هزینه‌های جهانی برای برنامه‌های کاربردی اینترنت اشیاء در مراقبت‌های بهداشتی تا سال ۲۰۲۷ به ۲۶۰.۷۵ میلیارد دلار افزایش یابد که CAGR ۱۹.۸ درصد است. حمایت از رفاه 8 میلیارد نفر در سراسر جهان، سیل داده ای را ایجاد می کند که رگ حیات اینترنت اشیا را تشکیل می دهد. آنچه صنعت به آن نیاز دارد متخصصان داده است تا این اطلاعات را به پیشرفت پزشکی تبدیل کنند.
همه‌گیری COVID-19 سیستم‌های مراقبت‌های بهداشتی را به نقطه شکست رساند، اما اهمیت تجزیه و تحلیل داده‌های زنده را نیز برجسته کرد. مهندسی مجدد روشی که داده ها جمع آوری، ذخیره، پردازش، مدل سازی، نمایش، درک و عمل می شوند، در راس دستور کار رهبران صنعت پزشکی است.
فراتر از تجزیه و تحلیل داده ها، کاربردهای سایر اجزای تبدیل دیجیتال مانند هوش مصنوعی و یادگیری ماشین نیز در مدیریت هوشمندتر عملیات، تخصیص منابع، همکاری بین تیمی و بهبود خدمات برای ارائه بهتر مراقبت حیاتی هستند.
سیل داده ها
ارائه مراقبت های بهداشتی برای همه یک اندازه نیست – چه مراقبت از این طریق ارائه شود، چه دارویی که تجویز می شود یا تجهیزات مورد استفاده در درمان. IBM زمانی تخمین زد که در طول یک عمر متوسط، هر فرد معادل 300 میلیون کتاب اطلاعات شخصی و مرتبط با سلامتی تولید می کند که می تواند اسرار سلامت و رفاه شخصی ما را باز کند.
دسترسی به آن داده ها و مهمتر از آن توانایی استخراج ارزش از آن، همچنان چالش برانگیز در زنجیره مراقبت های بهداشتی است. بیمارستان‌ها و جراحی‌های پزشکان با سیل روزانه داده‌های بیماران و افزایش تقاضا برای ورود داده‌ها مواجه هستند، اما هنوز به ابزارهای مؤثر برای تجزیه و تحلیل این داده‌ها برای کمک به بهبود سلامت بیماران خود مجهز نیستند.
تولیدکنندگان داروسازی، با افزایش تبلیغات در مورد ایجاد درمان‌های شخصی‌سازی شده متناسب با نیازهای فرد، سرمایه‌گذاری بسیار زیادی در تحویل دارو می‌کنند. سازندگان دستگاه های پزشکی، به ویژه آنهایی که پروتزهای پیچیده و خودکار طراحی می کنند، با چالش های مشابهی روبرو هستند. در جاهای دیگر، شرکت‌های بیمه پزشکی پیش‌بینی دقیق خطرات بیماران فردی را دشوار می‌دانند، که مانع اتخاذ مدل‌های مراقبتی می‌شود که واقعاً مورد آنها را توضیح می‌دهد.
شخصی شدن
ما می دانیم که دسترسی به داده ها می تواند بر نحوه ارائه مراقبت های بهداشتی توسط متخصصان پزشکی تأثیر بگذارد و خواهد بود، اما دقیقاً چگونه تفاوت ایجاد می کند؟
یک مثال این است که چگونه بیماران فردی برای بیماری هایی که بخش بزرگی از مردم را تحت تاثیر قرار می دهند، مانند بیماری قلبی، درمان می شوند. بر اساس گزارش بنیاد قلب بریتانیا، حدود 7.6 میلیون نفر در بریتانیا با بیماری قلبی یا گردش خون زندگی می کنند و این وضعیت می تواند به طرق مختلف ظاهر شود. داشتن یک یا حتی چندین درمان فراگیر به بسیاری از بیماران کمک نمی کند و رمزگشایی اینکه چرا یک بیمار در یک درمان خوب عمل می کند در حالی که دیگری ضعیف است، می تواند دشوار باشد.
یعنی بدون تجزیه و تحلیل داده ها. با استفاده از تجزیه و تحلیل پیشرفته برای بررسی داده های شبکه ای از بیماران جهانی، یک متخصص داده می تواند شروع به شناسایی الگوهایی در زیرجمعیت هایی کند که به روش های خاصی به درمان پاسخ می دهند. این می تواند مسیری را به سمت یک رویکرد درمانی هدفمندتر فراهم کند. اگر بیمار به یک مرکز نیاز به مراقبت برسد، علائم و داده های سلامت شخصی او را می توان با سایر بیماران مشابه مقایسه کرد و درمان آنها را بر این اساس مطابقت داد. هرچه مجموعه داده‌ها غنی‌تر باشد، شانس بیشتری برای ارائه درمانی که به طور خاص نیازهای آنها را برآورده می‌کند، بیشتر می‌شود.
پیشرفت در مهندسی کامپیوتر و علم داده نیز به طور چشمگیری توانایی های پروتز را تغییر داده است. برای کسانی که دچار قطع عضو هستند، یکی از بزرگترین موانع یادگیری نحوه راه رفتن راحت با دستگاه است. راه رفتن با راه رفتن سخت یا وزن نابرابر می تواند منجر به آسیب عضلانی و اعصاب شود، بنابراین کاربران به دستگاهی نیاز دارند که متناسب با بدن آنها باشد.
تولیدکنندگان پروتز می توانند برای تجزیه و تحلیل الگوهای راه رفتن ثبت شده از طریق ابزارهای پوشیدنی به متخصصان داده تکیه کنند، بنابراین می توانند پروتز را بر این اساس برای پوشیدن نرم و راحت تر تنظیم کنند. همچنین می‌توان از داده‌ها برای کمک به برنامه‌ریزی دست‌های مصنوعی استفاده کرد و به آنها کمک می‌کند تا اشیایی را که در دست گرفته‌اند تشخیص دهند و بر این اساس چنگ خود را تنظیم کنند.
با کارشناسان تماس بگیرید
هر بخش از مراقبت های بهداشتی داده ها را تولید می کند، و تعداد زیادی از آن. اما این اطلاعات اگر به درستی تجزیه و تحلیل نشود، فایده ای ندارد و ارزش آن در سراسر زنجیره منتقل شود. بنابراین، دسترسی به متخصصان داده‌ها برای حوزه پزشکی اهمیت فزاینده‌ای پیدا می‌کند. این یک علم کاملاً دیگر است که باید با آن مقابله کرد.
با این حال، یافتن آن متخصصان همیشه آسان نیست. یک گزارش در سال 2021 از وزارت دیجیتال، فرهنگ، رسانه و ورزش (DCMS) دولت بریتانیا نشان داد که در یک نظرسنجی از 1045 کسب‌وکار، تقریباً نیمی از آنها برای نقش‌های داده‌ای استخدام می‌کردند و تعداد مشابهی برای یافتن نامزدهایی برای ایفای این نقش در تلاش بودند.
برای متخصصان مراقبت های بهداشتی، مبارزه با این کمبودها بسیار مهم است. در سال 2019، NHS گزارش خود را منتشر کرد که پیش‌بینی می‌کرد تا سال 2030، 90 درصد از مشاغل NHS به برخی از عناصر مهارت‌های دیجیتال نیاز دارند. وارد کردن متخصصان داده بیشتر به صنعت، زمانی است، نه اگر.
ارتقای مهارت نیروی کار یک گام اساسی خواهد بود و سازمان ها باید اطمینان حاصل کنند که در حال سرمایه گذاری در زمان هستند تا همه کارگران بتوانند اصول اولیه مهارت های دیجیتال را درک کنند. اما برای تسهیل یک محیط مراقبت بهداشتی مبتنی بر داده، باید به متخصصان داده توجه شود. استخدام متخصصان مناسب که می توانند یک استراتژی داده را هدایت کنند، چه دانشمندان داده، مهندسان، تحلیلگران یا محققان، در نهایت به فیلتر کردن روش های تفکر مبتنی بر داده ها برای بقیه مشاغل کمک می کند.
هنگام استخدام یک متخصص داده، مدیران استخدام مراقبت‌های بهداشتی می‌خواهند به همه پرچم‌های سبز مورد انتظار توجه کنند – اینکه آنها به زبان‌های برنامه‌نویسی مربوطه و راه‌حل‌های Cloud مسلط هستند و تجربه مرتبطی دارند. آنها همچنین می‌خواهند به مهارت‌های نرم و توانایی انتقال بینش داده‌ها به متخصصان پزشکی با استفاده از زبانی که می‌فهمند، توجه کنند.
بخش مراقبت های بهداشتی در حال آماده شدن برای رونق داده ها است، به طوری که بسیاری از سازمان ها در حال حاضر با ارزشی که داده ها می توانند به ارمغان بیاورند، بیدار شده اند. دسترسی به مجموعه داده ها و درک آنها بر سرعت نوآوری و مهمتر از همه بر رفاه بیماران تأثیر می گذارد. کسب و کارهای مراقبت های بهداشتی نباید از پرسنل داده خود غافل شوند – داشتن کارشناسان مناسب برای هدایت نیروی کار مبتنی بر داده اولین قدم ضروری است.
آخرین دیدگاه‌ها