استفاده از اَبَر داده در تشخیص بیماری

به گزارش واحد فناوری اطلاعات سایبربان؛ سازمان بهداشت و درمان آمریکا برای کنترل بهداشت اجتماعی و مدیریت تحقیقات ژنتیکی از اَبَر داده‌ها استفاده می‌کند. این ابر داده‌ها توسط سامانه‌ای در دانشکده پزشکی پن مدیسن¹ استفاده می‌شود. این سامانه‌ی بهداشت و درمان و دانشکده پزشکی پن مدیسن به دانشگاه پنسیلوانیا در ایالت فیلادلفیای آمریکا وابسته است. این سامانه می‌تواند بیمارها را به صورت نزدیک به واقعیت درک کند.
یک تیم از متخصصین پزشکی و انفرماتیک از روش‌های مختلف اَبَرداده‌ی سامانه‌ی پن مدیسن در زمینه‌ی بهبود کیفیت تشخیص و درمان، تحقیقات ژنیتیکی، تجسم داده، برنامه‌های تشخیصی و حتی مطالعه‌ی شبکه‌های اجتماعی استفاده می‌کنند.
استفاده از ابر داده‌ها در این روش یک دست آورد جدید به حساب می‌آید؛ به عنوان مثال گروه سامانه‌ی پن مدیسن توانایی شناسایی بیمارانی که در معرض بیماری سپسیس (گندخونی) هستند را دارد. این بیماری یک نوع عفونت است که سامانه‌ی پن 24 ساعت زودتر از حالت عادی می‌تواند آن را تشخیص دهد.
با مدیریت مایک دروگلیس (Mike Draguelis)، این گروه از تعداد بسیار زیادی رایانه که به صورت موازی فعالیت کرده و داده‌های بسیار زیادی را ذخیره می‌کنند. آن‌ها از این روش برای پیدا کردن راه‌های جدیدی برای مراقبت از بیمارها استفاده می‌کنند. دانشمندان بعد از پیدا شدن روش‌های جدید، آن‌ها را بر روی بیماران امتحان کرده و نتیجه را به سامانه انتقال می‌دهند تا رایانه‌ها بتوانند از اشتباهات خود درس بگیرند.
دروگلیس و همکارانش در بیمارستان دانشگاه پنسیلوانیا کار می‌کنند. این گروه در دانشکده‌ی پزشکی به عنوان گروه تحقیقاتی یک سامانه‌ی انفرماتیک پزشکی (IBI²) برای تحقیقات بر اساس ابر دادها راه‌اندازی کردند. در سال 2013 اعلام شد که IBI با سامانه‌ی مشابهی که توسط جیسون مور در دارتموث آمریکا ایجاد شده بود، ترکیب شد.
ویلیام هانسون که عضوی از گروه سامانه‌ی انفرماتیک پزشکی و معاون ریاست پن مدیسن است، اعتقاد دارد سامانه‌هایی مانند سامانه‌ی پن مدیسن با سرعت زیادی همه‌گیر خواهد شد.
در این سامانه علاوه بر پیش‌بینی و مطالعه  روی بیماری‌ها، شبکه‌های اجتماعی نیز مطالعه می‌شود. به نظر می‌رسد گروهی که روی این سامانه کار می‌کنند قصد با بررسی حالات روحی بیماران خدمات بهتری برای درمان آن‌ها ارائه بدهند.

______________________________________

1) Penn Medicine

2) Institute for Biomedical Informatics