از دهه 1990، کسب و کارها اغلب از داده کاوی برای مواردی مانند امتیازدهی اعتباری و کشف تقلب استفاده کردهاند. امروزه با افزایش دسترسی به مقادیر زیادی از دادههای بیماران برای تامین کنندگان، استفاده از دادهکاوی در مراقبتهای بهداشتی توسط سازمانها با تمرکز بر بهینهسازی کارایی و کیفیت تحلیلهای پیشبینیکنندهشان اتخاذ میشود.
داده کاوی چیست؟
هدف از داده کاوی، چه در مراقبت های بهداشتی و چه در تجارت استفاده شود، شناسایی الگوهای مفید و قابل درک با تجزیه و تحلیل مجموعه های بزرگ داده است. این الگوهای داده به پیش بینی روندهای صنعت یا اطلاعات کمک میکند و سپس تعیین میکند که در مورد آنها چه باید کرد.
به طور خاص در صنعت مراقبتهای بهداشتی، داده کاوی را میتوان برای کاهش هزینه ها با افزایش کارایی، بهبود کیفیت زندگی بیماران و شاید مهمتر از همه، نجات جان بیماران بیشتر مورد استفاده قرار داد.
نمونه های داده کاوی در سلامت
داده کاوی در بسیاری از صنایع برای بهبود تجربه و رضایت مشتری و افزایش ایمنی و قابلیت استفاده محصول مورد استفاده قرار گرفته است. داده کاوی در مراقبت های بهداشتی در زمینه هایی مانند پزشکی پیش بینی کننده، مدیریت ارتباط با مشتری، تشخیص تقلب و سوء استفاده، مدیریت مراقبت های بهداشتی و اندازه گیری اثربخشی درمان های خاص ثابت شده است.
در اینجا یک تفکیک کوتاه از دو برنامه کاربردی داده کاوی سلامت با نمونه های واقعی استفاده از آنها را می آوریم.
اندازه گیری اثربخشی درمان
این کاربرد داده کاوی مراقبت های بهداشتی شامل مقایسه و تضاد علائم، علل و دوره های درمانی برای یافتن مؤثرترین اقدام برای یک بیماری یا شرایط خاص است. به عنوان مثال، گروههای بیمارانی که با رژیمهای دارویی مختلف درمان میشوند را میتوان مقایسه کرد تا مشخص شود کدام برنامههای درمانی بهتر عمل میکنند و بیشترین صرفهجویی در هزینه را دارند. علاوه بر این، استفاده مداوم از این نرم افزار داده کاوی می تواند به استانداردسازی یک روش درمانی برای بیماری های خاص کمک کند، بنابراین فرآیند تشخیص و درمان را سریع تر و آسان تر می کند.
کشف تقلب و سوء استفاده
این کاربرد داده کاوی در مراقبت های بهداشتی شامل ایجاد الگوهای عادی، سپس شناسایی الگوهای غیرعادی ادعاهای پزشکی توسط کلینیک ها، پزشکان، آزمایشگاه ها یا دیگران است. همچنین می توان از این اپلیکیشن برای شناسایی ارجاعات یا نسخه های نامناسب و تقلب بیمه ای و ادعاهای جعلی پزشکی استفاده کرد. سیستم تشخیص کلاهبرداری و سوء استفاده تگزاس مدیکید نمونه خوبی از کسب و کاری است که از داده کاوی برای کشف تقلب استفاده می کند. در سال 1998، این سازمان 2.2 میلیون دلار از وجوه سرقت شده را بازیابی کرد و 1400 مظنون را برای تحقیقات شناسایی کرد. برای تشخیص موفقیت خود، سیستم تگزاس جایزه ملی را برای استفاده نوآورانه از فناوری دریافت کرد.
داده کاوی سلامت و تأثیر آن بر حریم خصوصی بیمار
دادهکاوی برای سلامت و مراقبتهای بهداشتی مفید است، اما با چند نگرانی در مورد حفظ حریم خصوصی بیماران نیز همراه است. حجم عظیمی از دادههای بیماران که در طول فرآیند دادهکاوی به اشتراک گذاشته میشود، نگرانیهای بیماران را در مورد اینکه اطلاعات شخصی آنها در دستان اشتباه قرار میگیرد افزایش میدهد. با این حال، کارشناسان استدلال می کنند که این ریسکی است که ارزش آن را دارد.
همیشه افرادی نامشروع و متخلف وجود خواهند داشت. توماس گراف، افسر ارشد پزشکی در سیستم بهداشتی Geisinger به واشنگتن پست می گوید: در یک زمان نامشخص، چیزی قرار است از بین برود. “این ترس غیر منطقی نیست. همانطور که، مردم هر ساله در رانندگی جان خود را از دست می دهند و اکثر ما هنوز هم رانندگی کردن را انتخاب می کنیم و به انجام آن ادامه می دهیم. این یک ریسک است که هر فردی باید تصمیم بگیرد که در کجا قرار بگیرد.»
دیگران پیشنهاد کردهاند که به بیماران اجازه داده شود انتخاب کنند که آیا اطلاعات آنها میتواند برای اهداف دادهکاوی مورد استفاده قرار گیرد یا خیر و سپس برای تشویق بیماران به مشارکت دادن، مزایایی ارائه می دهند.
دیوید کاسترو، مدیر مرکز نوآوری داده ها به واشنگتن پست گفت: “هدف در مراقبت های بهداشتی محافظت از حریم خصوصی نیست، بلکه هدف نجات جان انسان ها است.”
آینده داده کاوی در سلامت
تغییر سوابق سلامت مکتوب به الکترونیک نقش مهمی در گرایش و میل برای استفاده از دادههای بیماران برای بهبود بخشهای صنعت مراقبتهای بهداشتی داشته است. پذیرش پرونده الکترونیک سلامت به متخصصان مراقبت های بهداشتی این امکان را می دهد که دانش را در تمام بخش های مراقبت های بهداشتی توزیع کنند که به نوبه خود به کاهش خطاهای پزشکی و بهبود مراقبت و رضایت بیمار کمک می کند.
همچنین پیش بینی می شود که داده کاوی به کاهش هزینه ها کمک کند. اگر صنعت مراقبت های بهداشتی کشور ما، به استفاده از داده های بزرگ برای افزایش کارایی و کیفیت ادامه دهد، ارزش آن می تواند قابل توجه باشد. طبق تحقیقات McKinsey and Company در ایالت متحده، تلاشهای تجزیه و تحلیل دادههای گسترده سیستم میتواند هزینههای کلی مراقبتهای بهداشتی را بین ۱۲ تا ۱۷ درصد کاهش دهد.
بر اساس دادههای مخارج گزارش شده توسط مراکز خدمات مدیکر و مدیکید ، هزینههای ملی مراقبتهای بهداشتی ایالات متحده در سال 2017 به 3.5 تریلیون دلار رسید. با اعمال 12 تا 17 درصد صرفهجویی در این تعداد، کاهش هزینه تخمینی ناشی از تلاشهای تجزیه و تحلیل دادههای گسترده در سیستم میتواند به بین برسد. 420 میلیارد و 595 میلیارد دلار.
آینده مراقبت های بهداشتی ممکن است به استفاده از داده کاوی برای کاهش هزینه های مراقبت های بهداشتی، شناسایی برنامه های درمانی و بهترین شیوه ها، اندازه گیری اثربخشی، شناسایی بیمه های تقلبی و ادعاهای پزشکی و در نهایت، بهبود استاندارد مراقبت از بیمار بستگی داشته باشد.