علم داده و هوش تجاری

کاربردهای داده کاوی در پزشکی و مراقب از سلامت

نوشته شده توسط مسعود کاویانی

داده کاوی و یادگیری ماشین، از حوزه‌هایی هستند که باعث ایجاد تغییرات سریع در بسیاری از رشته‌های دیگر شده‌اند. یکی از این رشته‌ها، رشته‌ی پزشکی و مراقبت از سلامت است. روش‌های داده کاوی و یادگیری ماشین باعث شده است متخصصان این حوزه به دنبال اجرای این عملیات بر روی داده‌های پزشکی و فرآیندهای موجود در حوزه‌ی سلامت باشند. مسائل متفاوتی که قبلاً توسط یک متخصص پزشکی انجام می‌شد، در حال حاضر می‌تواند توسط ماشین‌های هوشمند به نحوی بهتر همراه با کارایی بالاتر انجام پذیرد. در این نوشته قصد داریم برخی از این کاربردهای داده کاوی و یادگیری ماشین را در حوزه‌ی سلامت با یکدیگر مرور کنیم.

تشخیص تقلب (Fraud Detection)

از آن‌جایی که خدمات پزشکی و سلامت در اکثر نقاط دنیا، جزو خدمات ارزشمند و حیاتی هستند، بسیاری از دولت‌ها سعی کرده‌اند تا این خدمات را در قالب‌های رایگان و یارانه‌ای به مردم خود ارائه دهند. برای مثال بیمه‌های مختلف دولتی و بیمه‌های بازنشستگی از جمله این بیمه‌ها هستند. در این دسته از خدمات، به دلیل گستردگی آن‌ها، امکان تقلب بالاتر می‌رود. فرض کنید، شخصی بدون این‌که بیماری خاصی داشته باشد، با استفاده از بیمه‌ی دولتی، اقدام به تبانی با پزشک کرده و داروهای گران قیمت تهیه می‌کند و سپس آن‌ها را به فروش می‌رساند. الگوریتم‌های مختلف یادگیری ماشین و داده‌کاویِ تشخیص تقلب و با استفاده از داده‌های قبلی، می‌توانند الگوهای تقلب را درک کنند و پس از یادگیریِ این الگوها از داده‌های قبلی، تمامیِ فرآیند تحویل دارو به بیمار جدید را رصد کرده و در صورت تقلب اجازه‌ی استفاده را از کاربر صلب نماید. البته برای این کار نیاز است تا داروخانه‌ها، تمامیِ قبض‌های تحویل خود را در سیستم ثبت نمایند تا الگوریتم بتواند آن‌ها را کنترل کند.

گروه‌بندی (خوشه‌بندی) بیماران

گروه‌بندی یا خوشه‌بندی مشتریان می‌تواند تاثیر به سزایی در درمان بیماری‌های اپیدمیک یا بیماران مراجعه کننده به یک مرکز درمانی داشته باشد. با استفاده از این کار، می‌توان در شناسایی و خدمت‌رسانی دقیق به بیماران بهبود فراوانی حاصل کرد. برای مثال فرض کنید در شهری نوعی بیماری اپیدمیک مشاهده شده است. با استفاده از داده‌های موجود شهری (مکان زندگی، سن، تعداد فرزندان، سابقه‌های بیماری قبلی و…) می‌توان به تفکیک، هر گروه را شناسایی کرده و اقدامات مناسب را برای آن گروه یا خوشه انجام داد.

تشخیص ناهنجاری (Anomaly Detection)

از دیگر کاربردهای داده کاوی در حوزه‌ی سلامت، می‌توان به تشخیص هوشمند موارد ناهنجاری در میان داده‌ها اشاره کرد. برای مثال می‌توان ویژگی‌های مختلف بیماران کبدی را محاسبه کرد و با استفاده از الگوریتم تشخیص ناهنجاری، افرادی را که الگوهای رفتاری آن‌ها متفاوت از الگوی رفتاری اکثریت غالب است، شناسایی کرد. این شناسایی اگر به موقع باشد، می‌تواند از بیماری‌های مختلف پیش از تبدیل شدن به مرحله‌ی خطرناک، جلوگیری کند.

پیش‌بینی تاثیرگذاری دارو برا افراد

برای این‌که بتوان فهمید که آیا دارویی بر فرد خاصی تاثیر مثبت دارد یا خیر، نیاز است تا یک متخصص با دانستن ویژگی‌های آن دارو و ویژگی‌های آن فرد، پیش‌بینی لازم را انجام دهد. همین کار را الگوریتم‌های حوزه‌ی طبقه‌بندی و پیش‌بینی نیز می‌توانند انجام می‌دهند. این دسته از الگوریتم‌ها با مشاهده‌ی داده‌های گذشته و رفتار و نتایج آن‌ها، می‌توانند نمونه‌های آینده را پیش‌بینی کنند. برای مثال الگوریتم با مشاهده‌ی نتیجه‌ی تاثیر داروها بر روی بیماران گذشته و ویژگی‌های دارو و بیمار، می‌تواند پیش‌بینی کند که آیا داروی جدید می‌تواند بر روی بیمار جدید تاثیر مثبت بگذارد یا خیر؟

پیش‌بینی احتمال ابتلا به بیماری در آینده

بسیاری از افراد، ممکن است هیچ بیماری خاصی نداشته باشند، ولی با توجه به الگوی رفتاری و جسمی خود، ممکن است در آینده دچار بیماری مشخصی شوند. مثلاً شخصی که وزن زیادی دارد و غذاهای چرب و شیرین زیاد می‌خورد و پدرش مبتلا به بیماری قند بوده است، ممکن است در چند سال آینده مبتلا به بیماری قند شود. این الگو را یک فرد عادی هم می‌تواند کشف کند. ولی برخی از الگوها بسیار پیچیده‌تر هستند و فقط متخصصین می‌توانند آن‌ها را کشف کنند. این الگوهای پیچیده قابل کشف توسط الگوریتم‌های پیش‌بینی‌کننده هستند. در واقع الگوریتم‌های پیش‌بینی کننده قابلیت این را دارند که با توجه به داده‌های گذشته و الگوهای رفتاری و نتایج آن‌ها، نمونه‌های جدید را پیش‌بینی کند.

شمار کاربردهای داده کاوی و یادگیری ماشین در حوزه‌ی علوم سلامت بسیار بیشتر از این موارد گفته شده در بالاست. در بالا تنها برخی از نمونه‌های کاربردی جهت آشنایی شما با کارکردهای داده کاوی در این حوزه ذکر شد. با جستجو در میان مقالات این حوزه، می‌توانید کاربردها و روش‌های دیگری را نیز جهت بهبود فرآیندهای حوزه‌ی سلامت پیدا کنید.

درباره نویسنده

مسعود کاویانی

کاویانی هستم،
مدرس دوره‌ی علوم داده جهاد دانشگاهی صنعتی شریف
نوشته‌های من در حوزه‌ی علوم داده و کلان داده را می‌توانید در رایلرن دنبال کنید

نظر بدهید