کاربردهای فناوری های جدید در مبارزه با بیماریهای فراگیر
زهرا شاه نظرنژادخالصی، عضو هیات مدیره و مسئول کمیته روابط عمومی و اطلاع رسانی انجمن کتابداری و اطلاع رسانی ایران-شاخه منطقه جنوب کشور
مهشید آردی، دانشجوی کارشناسی رشته علم اطلاعات و دانش شناسی دانشگاه شیراز
شواهد نشان میدهد که بهکارگیری فناوری اطلاعات در میان کشورهای توسعهیافته و در حال توسعه در حال گسترش است. مطالعهای که از سوی مک مولندر 1996 و در کشور کانادا انجام شد، مؤید این رشد است. مطالعه در سه مقطع زمانی 85-1980؛ 91-1986؛ 94-1991 انجام شد و نتایج نشان داد که در مقطع اول 16% و مقطع دوم 37% و مقطع سوم 43% از کارکنان در کارشان تحت تأثیر فناوری اطلاعات قرار گرفتهاند. فناوری اطلاعات میتواند از سوی افراد، گروههای کاری و سازمانها به صورت اشتراکی به کار گرفته شود. مدیران از فناوری اطلاعات به منظور تسهیل وظایف مدیریتی مانند طراحی سازمان، تدوین استراتژیها و تصمیمگیری استفاده میکنند (صرافیزاده، 1383: 12).
در حوزه سلامت فناوری ها امکان متوقف کردن انتشار بیماری های فراگیر را ندارند، اما می توان از آنها در سطوح مختلفی استفاده کرد. برخی کاربردهای فناوری های جدید که می توانند در زمان شیوع چنین بیماری های استفاده شوند، در ادامه مطرح می شود.
اینترنت اشیاء و تشخیص آلودگی های محیطی
امروزه مدل های تشخیص اپیدمی مبتنی بر اینترنت اشیاء مورد توجه قرار گرفته است (کوشالیا و دیگران، 2019). فناوریهای مبتنی بر اینترنت اشیاءبا استفاده از دیوایس ها و سیستم های مختلف، امکان کنترل، پیش بینی و پایش دائمی افراد و محدوده های آلوده و تحلیل روابط و رفتارهای افراد را فراهم می کنند و قادر به پیش بینی و تشخیص ایپدمی همراه با افزایش آگاهی بخشی عمومی هستند.
برای مثال، ماسودا و هولم (2013) یک سیستم پیش بینی و کنترل بیماری عفونیرا با استفاده از شبکه های موقتیطراحی کردند و مطرح می کنند که داده های موقتی، توانایی فهم پویایی گروه های اجتماعی را با توجه به زمان و گسترش بیماری دارد و میتواند به یافتن روش های بهتری برای تجزیه و تحلیل، پیش بینی و کنترل بیماری فراگیر کمک کند. شبکه های موقتی، چارچوب مدل سازی برای فهم گسترش اپیدمی در شبکههای اجتماعی هستند که ماسودا و هولم از این چارچوب استفاده کرده اند تا سیستم کنترل و پیش بینی بیماری عفونی را طراحی کنند. در مطالعه دیگری، سوود و ماهاجان، سیستم مبتنی بر اینترنت اشیاء را برای تشخیص و مدیریت گسترش ویروس چیکونگونیاطراحی کردند که این سیستم تنها برای تشخیص این ویروس بود و برای تشخیص ویروس دیگری ممکن است کاربرد نداشته باشد. همچنین ساندهوو همکارانش سیستم نظارت و کنترل انفولانزا نوع A (H1N1) را با استفاده از تجزیه و تحلیل شبکه اجتماعی طراحی کردند که مکانیسم طراحی شده در جمع آوری و تجزیه و تحلیل داده های بدست آمده از سنسورهای اینترنت اشیاء و رایانش ابری بسیار سودمند بود. در تحقیق دیگری، تورکو و تورکواینترنت اشیاء را به عنوان توانمندساز کلیدی برای کاهش خطا در شناسایی و درمان بیماری های عفونی دانسته اند. آنها توضیح می دهند که موارد ثبت شده از بیمار که در جاهای مختلف ثبت شده، می تواند به طور اثربخشی جمع آوری شود و با استفاده از فناوریهای پیشرفته بررسی شود. در نمونه دیگری، سارینو همکارانش چارچوب ابر مبتنی بر اینترنت اشیاء را برای کنترل شیوع ویروس Zika طراحی کردند که این چارچوب برای تشخیص این ویروس به کار گرفته می شود و در ارتباط با ویروس های دیگر نمی تواند به کار برده شود (کوشالیا و دیگران، 2019).
بزرگ داده ها و یادگیری ماشین راهی برای یافتن الگوی توسعه بیماری های مسری
امروزه از فناوریهای علم داده در مبارزه با شیوع بیماری های عفونی استفاده می شود. این فناوری ها داده های مختلف در ارتباط با بیماری فراگیر را جمع آوری میکند و با نقشه و محل دادهها ترکیب میکند و لذا میتواند به عنوان راهکاری برای شناسایی مسیر گسترش بیماری و جمعیت هایی که بالقوه در معرض ابتلا هستند، در نظر گرفته شود.
در واقع تجزیه و تحلیل بزرگ داده، شامل جمع آوری حجم زیادی از داده های ساخت یافته و ساخت نیافته، بیرون کشیدن ارزش از داده ها، تجزیه و تحلیل یافته ها و استفاده از آن در تصمیم گیری است. در ارتباط با بیماری های فراگیر، استفاده از چنین فرایندی امکان پاسخ گویی علمی و درست را فراهم می کند. همچنین با توجه به پیچیدگی بیماری های فراگیر مدرن، راهکاری چندوجهی موردنیاز است و راهکارهایی که صرفاً بر اساس بزرگ داده هستند، ممکن است که خروجی معنادار و ملموسی را ندهد. لذا تلاش های اخیر متمرکز بر مبارزه با بیماریهای فراگیر با به کارگیری داده های واقعی و به روز از منابع مختلف مانند اینترنت اشیاء یا شبکه های اجتماعی است که داده های کاربردی تری را جمع آوری می کند و اثربخشی تجزیه و تحلیل داده را بهتر میکند (کمیسیون پهن باند برای توسعه پایدار، 2018).
یادگیری ماشین و داده کاوی
داده کاوی و مدل یادگیری ماشین در پیش بینی پویایی بیماری فراگیر و همچنین شیوع بعدی آن سودمند است و تکنیک های آنها، پیش بینی هایی را بر اساس الگوهایی که از داده ها گرفته اند، ارائه می دهد.
برای مثال، محققان دانشگاه بریستول انگلستان از توئیتر برای بررسی امکان پیگیری شیوع انفولانزا استفاده کردند. آنها 160 هزار توئیت را روزانه در 24 هفته از 54 منطقه پرجمعیت انگلستان را جمع کردند. این توئیت ها حاوی اطلاعاتی بود که کاربران در مورد علایم خود مانند صرفه، تب یا سردرد داشتند. الگوهای مستخرج از این مطالعه، امکان پیش بینی نرخ مبتلایان به آنفولانزا را با دقت بالایی نشان داد. درواقع یادگیری ماشین با الگوریتمهای هوشمند و قدرت رایانشی بالا روی اطلاعات، الگوهایی را برای پیش بینی بیماری و شیوع آن استخراج می کند (کوفود پترسون، 2012).
هوش مصنوعی و رباتیک در بیماری های سرایت پذیر مثل کرونا
پزشکی از راه دور نقش کلیدی را در زمان شیوع بیماری های فراگیر داردو دستگاه های رباتیک می توانند در چنین مواقعی استفاده شوند. برای مثال، می توان از ربات ها برای نمونه گیری از بیمار و یا بررسی علایم بیماری وی استفاده کرد و یا از هوش مصنوعی در تختخواب های بیمارستان ها برای کنترل علایم بیمار و یا حرکت خودکار در مواقع نیاز بهره گرفت و از به خطر افتادن پزشک و پرستار و سرایت بیماری مثل کرونا به دیگران جلوگیری کرد.
همچنین برخی ربات ها برای حمل زباله های بیمارستانی یا ضد عفونی اتاق های آلوده به کار گرفته می شوند که در کاهش مرگ و میر پرسنل و کادر درمانی مؤثر است. نمونه ای از کاربرد رباتیک را میتوان در امریکا در ارتباط با بیماری کووید 19 دانست که فرد مبتلا شده در اتاقی بستری است که کادر درمانی به اتاق وی نمی روند و ربات ها کار کنترل بیمار و وضعیت وی و نظافت و ضدعفونی اتاق را انجام می دهند (کنت، 2020).
بطور حتم فناوری های جدید، الزامات جدیدی را برای سلامت، بهداشت و درمان بوجود آورده که نیازمند به باز مهندسی نظام پزشکی با توجه به شرایط جدید هستیم. ورود به دوره ظهور فناوری های جدید و عصر اتصال گرایی، هوشمندسازی و اتوماتیک شدن همه انواع ارتباطات و اتصال همه انسانها، اطلاعات، اشیاء و فرآیندها به دیوایس ها بر بستر الگوریتمی برنامه پذیر و با توانش داده پردازی، داده کاوی و هوشمندسازی اخطارها، یک نوع ظرفیت اخطار هوشمند برای توجه دادن به بیماری، درمان و خودمراقبتیبا ظرفیت همه کاربران متصل به فضای مجازی یا شبکه های داخلی ارتباطی فراهم کرده است.
منابع
