اهداف
اینترنت اشیا در پزشکی و درمان عدادی از فن آوری ها می توانند هزینه های کلی برای پیشگیری یا مدیریت بیماری های مزمن را کاهش دهند. این ها شامل دستگاه هایی هستند که به طور مداوم شاخص های سلامت، دستگاه هایی را که به صورت اتوماتیک درمان اعمال می کنند، یا دستگاه هایی که اطلاعات سلامتی در زمان واقعی را ردیابی می کنند، زمانی که یک بیمار خود را درمان می کند، نظارت می کند. از آنجا که آنها دسترسی به اینترنت با سرعت بالا و تلفن های هوشمند را افزایش داده اند، بسیاری از بیماران شروع به استفاده از برنامه های تلفن همراه برای مدیریت نیازهای بهداشتی مختلف کرده اند. این دستگاه ها و برنامه های تلفن همراه در حال حاضر به طور فزاینده ای استفاده می شود و به وسیله اینترنت پزشکی چیزهای کوچک (mIoT) تلفیقی از فناوری تله مدیسین و سلامت سلامت است. این مقاله بررسی داده های مؤثر و بزرگ در زمینه های مراقبت های بهداشتی است.
مواد و روش ها
mIoT یک قطعه حیاتی از تحول دیجیتال مراقبت های بهداشتی است، زیرا این امر باعث می شود که مدل های تجاری جدید ظهور کنند و تغییرات در فرایندهای کاری، بهبود بهره وری، انعطاف پذیری هزینه ها و تجارب مشتری افزایش یابد.
نتایج
امروزه Wearables و برنامه های تلفن همراه از آمادگی جسمانی، آموزش بهداشت، ردیابی علامت، و مدیریت هماهنگ بیماری و هماهنگی مراقبت حمایت می کنند. همه آن تجزیه و تحلیل های پلت فرم می تواند ربط تفسیر داده ها را افزایش دهد، کاهش میزان زمان که کاربران نهایی صرف می کند با یکدیگر داده های خروجی. بینش های به دست آمده از تجزیه و تحلیل داده ها بزرگ، اختلال دیجیتال در جهان مراقبت های بهداشتی، فرآیندهای کسب و کار و تصمیم گیری در زمان واقعی را به خطر می اندازد.
نتیجه گیری
یک دسته جدید از “مربیان بهداشت شخصی پیشگیرانه” (مشاوران بهداشت دیجیتال) ظهور خواهند کرد. این کارگران مهارت و توانایی تفسیر و درک سلامت و رفاه را دارند. آنها به مشتریان خود از بیماری مزمن و رژیم غذایی کمک می کنند، عملکرد شناختی را بهبود می بخشد، بهبود سلامت روانی را به دست می آورند و به طور کلی شیوه زندگی بهبود می یابند. به عنوان جمعیت جهانی جمعیت، چنین نقش ها به طور فزاینده ای مهم خواهد شد.
کلمات کلیدی: Telemedicine، گوشی هوشمند، برنامه های موبایل، تکنولوژی بی سیم، مدیریت بیماری
اینترنت چیزها (IoT) شبکه ای از دستگاه های فیزیکی و دیگر موارد است که با الکترونیک، نرم افزار، سنسورها و اتصال به شبکه تعبیه شده است، که این اشیا را قادر به جمع آوری و تبادل اطلاعات می کند [۱]. تاثیر آن در پزشکی، شاید مهمترین و تأثیر شخصی است. تا سال ۲۰۲۰، ۴۰ درصد از تکنولوژی مربوط به IoT، بیش از هر دسته دیگر، مرتبط با سلامت خواهد بود، که یک بازار ۱۱۷ میلیارد دلاری را تشکیل می دهد [۲]. همگرایی فن آوری های پزشکی و اطلاعاتی، مانند فناوری اطلاعات پزشکی، همانطور که می دانیم، مراقبت های بهداشتی را تغییر خواهد داد، کاهش هزینه ها، کاهش ناکارایی و صرفه جویی در زندگی.
اینترنت اشیا در پزشکی و درمان
شکل ۱ نشان می دهد که چگونه این انقلاب در پزشکی در یک بیمارستان معمولی IoT در عمل نگاه می کند. بیمار مبتلا به دیابت یک کارت شناسایی خواهد داشت که در هنگام اسکن کردن، به یک ابر ایمن پیوند می دهد که رکوردهای الکترونیکی سلامتی و نتایج آزمایشگاه، تاریخچه پزشکی و تجویز را ذخیره می کند. پزشکان و پرستاران می توانند به راحتی به این رکورد در رایانه لوحی یا رایانه دسترسی پیدا کنند.
پزشکی
به نظر می رسد بسیار ساده است، اما تصویب پرونده های بهداشت الکترونیکی (EHRs) یک تغییر بازی است. در کمتر از یک دهه، یک سیستم جوهر و کاغذی برای مدیریت پرونده هایی که هزاران سال به طول می انجامد، دیجیتالی و جایگزین خواهد شد [۳]. مزایا واضح است و بسیاری از آنها. سوابق کاغذی، که اغلب در سوالات متداول نوشته شده است، می توانند در کابینت های ضبط شده، خارج از محدوده محققان و سایر ارائه دهندگان خدمات بهداشتی، پر شوند. در عوض، با نگه داشتن همه اطلاعات مهم در یک مکان و به راحتی قابل انعطاف، EHR، بسیاری از ناکارآمدی را از بین می برد و زندگی را نجات می دهند.
اینترنت اشیا در پزشکی و درمان
یکی از چالش های عمده در اجرای IoT با ارتباطات ارتباط دارد؛ اگر چه بسیاری از دستگاه ها اکنون برای جمع آوری داده ها حسگر دارند، اغلب با زبان خودشان با سرور سروکار دارند. تولید کنندگان هر کدام دارای پروتکل های اختصاصی خود هستند که به معنی سنسور توسط سازندگان مختلف نمی تواند لزوما با یکدیگر صحبت کند. این محیط نرم افزاری تقسیم شده، همراه با نگرانی های مربوط به حفظ حریم خصوصی و گرایش بوروکراتیک به جمع آوری تمام اطلاعات جمع آوری شده، اغلب اطلاعات ارزشمند در جزایر داده ها را خراب می کند و تمام ایده ی IOT را تضعیف می کند.
دقيقترين طبيب، همانطور که گفته شد، اصطلاحي است که در سالهاي اخير شايع است [۴]. آن را با ژنومیک آغاز می کند و از بقیه سیستم عامل های omics می گذرد و داده های multiscale را برای تجزیه و تحلیل و تفسیر فراهم می کند [۵]. در سال ۲۰۱۵، اینتل و دانشگاه بهداشت و علوم اورگان، یک پروژه مشترک، Cloud Collaborative Cancer را راه اندازی کردند: یک پلت فرم تجزیه و تحلیل با کارایی بالا و جمع آوری و ایمن ذخیره اطلاعات پزشکی خصوصی است که می تواند برای تحقیقات سرطان استفاده شود. اگرچه این پلتفرم با سرطان آغاز شد، اینتل قصد دارد شبکه ابری فدرال را به سایر نهادها، از جمله افرادی که در زمینه درمان بیماری هایی مانند پارکینسون کار می کنند، باز کند.
راه حل های شبیه سازی مهندسی پزشکی، مشارکتی، شخصی، پیشگویی و پیشگیرانه (پزشکی P4) را از طریق اینترنت پزشکی پزشکی (mIoT) [6] انجام می دهند.
دوم IoT – آینده داروسازی؟
شرکت های داروسازی مدت ها پیش متوجه شده اند که فروش داروهای سنتی تنها رشد تولید و حتی حفظ رقابت را نخواهد داشت. این تغییر اساسی که به معنای “فراتر از قرص” شناخته می شود، معمولا از یک یا دو واقعیت حاصل می شود: (۱) داروها تنها به اندازه کافی برای دستیابی به نتایج بالینی مطلوب برای بیماران نیستند و (۲) به عنوان خط لوله های دارویی خشک می شوند کسب و کار “قرص” می تواند منابع جدید باارزش درآمد باشد. این علاقه رو به رشد روش های استفاده از فن آوری های جدید و فرآیندهای کسب و کار را برای توسعه و مراقبت از بیماران ایجاد کرده است، که منجر به Pharma IoT می شود.
مفهوم Pharma IoT شامل دیجیتالی کردن محصولات پزشکی و فرآیندهای مراقبت های مرتبط با استفاده از وسایل پزشکی هوشمند متصل و خدمات فناوری اطلاعات (وب، تلفن همراه، برنامه ها و غیره) در طول توسعه دارو، آزمایشات بالینی و مراقبت از بیماران است. نتایج داروهای Pharma IOT در آزمایشات پیشرفته و بالینی می تواند ترکیبی از فن آوری های پیشرفته و خدمات را برای ایجاد انواع جدیدی از امکانات درمان بیماری (از جمله درمان ۲٫۰) استفاده کند.
اینترنت اشیا در پزشکی و درمان
در مراقبت از بیمار، Pharma IoT بیماران و متخصصان مراقبت های بهداشتی را قادر می سازد تا از داروها با سخت افزار پیشرفته سنسور و خدمات مراقبت شخصی و فرآیندهای حرفه ای (محصول ۲٫۰) استفاده کنند. نمونه های خوبی از راه حل های Pharma IoT، پوشه های حسگر متصل شده برای بیماری پارکینسون و بیماران مبتلا به مولتیپل اسکلروزیس هستند که مدیریت دارو، بهبود نتایج بیمار و کیفیت زندگی را ارائه می دهند [۷].
علاوه بر این، محصولات دستگاه های موجود پزشکی مانند انالیزرها و قلم های انسولین را می توان به فن آوری سنسور و اتصال برای جمع آوری داده ها برای تجزیه و تحلیل مراقبت های بیشتر و حتی شخصی سازی درمان اضافه کرد [۸]. همه این ها به طور قابل ملاحظه ای فرآیندهای شخصی و مراقبت های شخصی را بهبود می بخشد، زیرا داده های مراقبت از بیماران منابع جدیدی از نوآوری و رقابت را فراهم می کنند.
این تحول همچنین شامل برخی از چالش ها است: در عین حال، شرکت های دارویی باید به حفاظت از داده های اتحادیه اروپا (EU) و قوانین حفظ حریم خصوصی توجه داشته باشند که بیماران می توانند اطلاعات مراقبت های خود را کنترل کنند [۹]. برای مثال، بیماران مجاز به انتقال داده های مراقبت و سلامت خود در میان ارائه دهندگان خدمات مختلف می شوند، که منجر به ظهور نوع جدیدی از پلت فرم های خدماتی و مدل های کسب و کار می شود، مانند کارگزاران داده [۱۰].
دستگاه ها و برنامه های تلفن همراه برای بهداشت و درمان
ما به عصر اطلاعات می رویم، جایی که دانش و داده ها کلیدی هستند. ما همچنین وارد سن مشتری می شویم که در آن بیش از هر زمان مشتری تصمیم می گیرد آنچه را که می خواهید تعیین کند. myTomorrows یک نمونه از تغییر شکل مدل های کسب و کار است، در این مورد، به طور مستقیم اتصال مشتریان و داروها [۱۱].
در این عصر جدید، دستگاه ها و برنامه ها برای ایجاد یک “سلامت سلامت” مورد استفاده قرار می گیرند. مثلا:
Myo، در اصل یک کنترل حرکت برای بازی ها، در حال حاضر در ارتوپدی برای بیمارانی که نیاز به ورزش پس از شکست دارند استفاده می شود. با کمک Myo بیماران می توانند پیشرفت خود را کنترل کنند و پزشکان می توانند زاویه حرکت را اندازه گیری کنند.
Zio Patch میزان ضربان قلب و الکتروکاردیوگرام (ECG) را اندازه گیری می کند و اداره مواد غذایی و دارویی ایالات متحده را تأیید می کند [۱۲].
در کل این آشفتگی کجا است؟ جالب توجه است، نشانه هایی وجود دارد که فارما از رویکرد طب سنتی متمرکز شده است.
گلاکسو اخیرا اعلام کرد که سرمایه گذاری در داروهای الکتروکواژه ای، داروهای بیوالکتریک است که توسط میکروی تحریک اعصاب کار می کنند [۱۳].
جی جی با همکاری گوگل برای توسعه جراحی روبوتیک همکاری داشته است. علاوه بر این، آنها با فیلیپس در دستگاه های پوشیدنی مثل نظارت بر فشار خون همکاری می کنند [۱۴].
اینترنت اشیا در پزشکی و درمان
Novartis در حال کار با گوگل (دوباره) در فن آوری های حسگر مانند لنز هوشمند و دستگاه پوشیدنی برای اندازه گیری سطح قند خون است [۱۵].
سنسورها می توانند اطلاعات زیادی را برای پشتیبانی از پیشرفت دارو فراهم کنند، اما برای بیماران مناسب برای کارآزمایی های بالینی مناسب، مهم است. سنسورهای بدن، هنگامی که ابزارهایی که عمدتا توسط ورزشکاران و دونده ها مورد استفاده قرار می گیرند، در حال حاضر به سرعت وارد بازار عمومی می شوند و مصرف کنندگان و داروخانه ها به زودی اطلاعات زیادی از جمله پالس، فشار خون، ECG و میزان تنفس دسترسی خواهند داشت. داده های پیشرفته مانند التهاب، الگوهای خواب، و غیره
تعدادی از برنامه های تلفن همراه که از مدیریت دستگاه پشتیبانی می کنند، از جمله MyDario و SleepBot در میان دیگران ظاهر شده اند [۱۶،۱۷]. موسسه پزشکی هکینگ به تازگی RANKED HEALTH را برنامه ای برای ارزیابی و ارزیابی برنامه های کاربردی متمرکز بر سلامت و دستگاه های متصل شده را به طور مرتب اعلام کرد [۱۸].
اینترنت اشیا در پزشکی و درمان
پيش بيني شده است كه در آينده نزديك، ما به تماشاي تلفن يا ساعت هوشمند خود نگاه خواهيم كرد تا نتايج سلامت را بيشتر كنترل كنيم تا اينكه ما براي بررسي پست يا WhatsApp خودمان هميشه بررسي كنيم. یک وضعیت معمول ممکن است یک فرد سالخورده باشد که از یک وضعیت پزشکی در خانه رنج می برد و با ترکیبی از چندین سرویس متصل جریان داده ها را به سمت احزاب مختلف مانند اعضای خانواده، مراقب تله و پزشکان (شکل ۲) مرتبط می کند.
اشیاع پزشکی
اخیرا اعلام شده است که Medtronic با یک شرکت نرم افزاری سلامت دیجیتال به نام Canary Health مشارکت خواهد کرد تا دوباره فروش برنامه های مدیریت بیماری های دیجیتال خود را، از جمله برنامه پیشگیری از دیابت خود را که توسط CDC شناخته شده است، به منظور تغییر رفتار در افراد مبتلا به پیش دبستانی . اما مشارکت فراتر از بازاریابی ابزارهای دیجیتال Canary Health است. در واقع، هر دو برنامه Canary Health و Medtronic برای توسعه راه حل هایی که “استفاده از دستگاه ها، خدمات و زیرساخت های Medtronic و همچنین مجموعه برنامه های تغییر رفتار بهداشتی Canary Health، تجربه طراحی و تجربه عمیق تعامل با کاربران” را بر عهده دارند، [۱۹].
اینترنت اشیا در پزشکی و درمان
یکی از دلایل اینکه Medtronic باید به Canary Health توجه داشته باشد این است که ابزارهای دیجیتال شرکت قابل پرداخت هستند. به عنوان برنامه های بهداشت دیجیتال بالغ، پرداخت کنندگان به روش های نوآورانه و هنوز اثبات شده برای کاهش هزینه های خود برای بیماری های مزمن مانند دیابت نگاه می کنند.
با توجه به مراکز کنترل و پیشگیری از بیماری (CDC)، افراد مبتلا به دیابت که در یک برنامه تغییر شیوه زندگی ساختاری مشارکت دارند، مانند یک برنامه بهداشتی کاناریا یا برنامه هایی که توسط Omada Health و Noom Health حمایت می شوند، خطر ابتلا به دیابت نوع ۲ توسط ۵۸٪ (۷۱٪ برای افراد بالای ۶۰ سال) “[۲۰]. CDC اضافه می کند که “این یافته نتیجه برنامه ای است که به مردم کمک می کند تا ۵ تا ۷ درصد از وزن بدن خود را از طریق خوردن سالم و خوردن ۱۵۰ دقیقه فعالیت بدنی از دست بدهند” [۲۱].
با توجه به این که دیابت یک بیماری گران قیمت است، بیماری مزمن، بیمارستان ها، پزشکان، بیماران و پرداخت کننده ها به طور مساوی برای مقابله با این بیماری همه گیر است. به عبارت دیگر، این حرکت کمک می کند تا شرکت ها را از ارائه مراقبت به بیماران به منظور ارائه مراقبت های بهداشتی تبدیل کنند.
IV داده ها، داده ها، داده ها
راننده پشت همه این سنسورهای پوشیدنی داده هایی است که تولید می شود و احزاب مختلف در حال تلاش برای بسته شدن جریان داده ها و به دست آوردن کنترل هستند. مایکروسافت یک کابوس بهداشتی، بهداشت ایمنی الکترونیکی را به وجود آورد، که به عنوان EMR عمل می کرد. در هلند، مرکز پزشکی دانشگاه رابوود با فیلیپس و Salesforce در HereIsMyData، یک پایگاه داده ای بود که بیماران می توانند اطلاعات سلامتی خود را ذخیره و تعیین کنند که چه کسی می تواند به آنها دسترسی پیدا کند. [۲۲] نقش Salesforce جالب است. پلت فرم Salesforce Veeva، مدیریت ارتباط با مشتری (CRM) در حال حاضر به طور گسترده در دارو استفاده می شود. این موقعیت Salesforce را قادر به پر کردن شکاف بین داده های پزشکی بیمار و دارو.
“اطلاعات بزرگ” عبارت است که توسط چند رسانه ای و عموم مردم در چند سال گذشته مورد استفاده قرار گرفته است. در حالی که بسیاری از تعاریف پیشنهادی ارائه شده است، به نظر می رسد علامت گذار “سه V” -Volume (مقدار زیادی از داده ها)، Variety (ناهمگونی قابل توجهی در نوع داده موجود در مجموعه) و سرعت (سرعت که در آن داده ها دانشمند یا کاربر می تواند داده ها را تجزیه و تحلیل کند و تجزیه و تحلیل کند) [۲۳].
به همین ترتیب تعریف شده است، مراقبت های بهداشتی یکی از مهمترین کاربران در حال ظهور اطلاعات بزرگ است. به عنوان مثال، Fitbit و ResearchKit اپل می توانند محققان دسترسی به فروشگاه های گسترده ای از داده های بیومتریک را در اختیار کاربران قرار دهند که می تواند برای تست فرضیه ها بر روی تغذیه، تناسب اندام، پیشرفت بیماری، موفقیت درمان و غیره مورد استفاده قرار گیرد.
اینترنت اشیا در پزشکی و درمان
مجموعه داده های مجتمع داده های با حجم زیاد شامل تصویربرداری (عکس ها، اشعه X، MRI ها و اسلایدها)، تحلیل های موج مانند EEG و ECG، فایل های صوتی با رونوشت های مرتبط، یادداشت های متن آزاد با خروجی های پردازش زبان طبیعی (NLP) و نقشه های بین مفاهیم ساختاری مانند آزمون های آزمایشگاهی و کدهای نام و کد شناسایی مشاهدات منطقی (LOINC) و یا طبقه بندی بین المللی بیماری ها ۹ (ICD9) و کد های ICD10. در میان چیزهایی که تجزیه و تحلیل داده ها باید ارائه دهد، وسیله ای است که به طور مداوم حاشیه نویسی ها بر اساس دانش به دست آمده به روزرسانی شود، در حالی که محل نگهداری داده ها را در محل نگهداری می کند.
اینترنت اشیا در پزشکی و درمان
مراكز خدمات Medicare و Medicaid (CMS) داراي ذخاير اطلاعات صورتحسابي هستند كه ميتوان آنها را براي ارتقاء ارزش مراقبت بالا مورد استفاده قرار داد. همین امر برای بیمه های خصوصی سلامت نیز صادق است. و بیمارستان ها تلاش کرده اند میزان بیماران بستری را با هدف قرار دادن بیماران که الگوریتم هوش مصنوعی پیش بینی شده (AI) نشان می دهد، نشان می دهد افرادی که ممکن است در معرض خطر بیشتر بر اساس تجزیه و تحلیل داده های موجود جمع آوری شده از سوابق موجود بیمار (شکل ۳).
داده ها در پزشکی
با این وجود، اساس این و بسیاری از کاربردهای بالقوه دیگر، مجموعه ای از چالش های تکنولوژیکی، قانونی و اخلاقی مربوط به، از جمله چیزهای دیگر، حفظ حریم خصوصی، تبعیض، مالکیت معنوی، خلع سلاح و رضایت آگاهانه، و همچنین تحقیق و اخلاق بالینی [۲۴] .
V. چالش ها برای MIoT
سیستم عامل پیشرو سیستم عامل IoT باید دسترسی نرم افزاری ساده و قدرتمند به دستگاه ها و داده های IoT را ارائه دهد تا به طراحان کمک کند تا سریعا برنامه های کاربردی تجزیه و تحلیل، داشبورد تجسم و برنامه های mIoT را ایجاد کنند. زیر پنج قابلیت کلیدی است که سیستم عامل پیشرو باید فعال شود:
(۱) اتصال ساده: پلت فرم IoT خوب، اتصال به دستگاه ها را آسان می کند و توابع مدیریت دستگاه را اندازه گیری می کند، از سرویس های مبتنی بر ابر محاسبه می شود و برای تحقق بخشیدن به ساختار سازمانی به تجزیه و تحلیل ها اعمال می شود.
(۲) مدیریت آسان دستگاه: یک رویکرد متفکرانه به مدیریت دستگاه باعث افزایش در دسترس بودن دارایی، افزایش بهره وری، قطع کردن برنامه های غیرقابل پیش بینی شده و کاهش هزینه های تعمیر و نگهداری می شود.
(۳) مصرف اطلاعات: هوشمندانه تبدیل و ذخیره داده های IoT. API ها تقسیم بین داده ها و ابر را بههم می ریزند و اطلاعات را که مورد نیاز است، آسان می کند. داده ها از منابع داده ها و سیستم عامل های متنوعی تهیه شده است، سپس با استفاده از تحلیلی غنی، مقادیر ضروری استخراج می شوند.
(۴) تجزیه و تحلیل اطلاعاتی: به دست آوردن بینش از حجم زیادی از داده های IoT برای تصمیم گیری بهتر و بهینه سازی عملیات. برای نظارت بر وضعیت فعلی تحلیلی به موقع اعمال کنید و به آن پاسخ دهید. تجزیه و تحلیل شناختی با استفاده از داده های ساختار یافته و غیر ساختاری، برای درک شرایط، دلیل از طریق گزینه ها، و یادگیری به عنوان شرایط تغییر دهید. داشبورد بصری باعث می شود همه آن را آسان درک کنید.
(۵) ریسک کاهش: در مورد اعلان ها و حوادث انزوای ایجاد شده در هر نقطه از محیط شرکت از یک کنسول واحد عمل کنید.
VI چالش های بزرگ داده در بهداشت و درمان
چالش ها به دو دسته اصلی تقسیم می شوند: مالی / سیاست و تکنولوژی.
مسائل مالی و سیاستی: در یک محیط هزینه خدمات، تنها راهی که متخصصین بهداشت و درمان دریافت می کنند این است که با بیماران روبرو شوند. این امر سبب ایجاد تعصب سنگین در مقابل ترویج فناوری هایی است که روابط متقابل رو به رو را ساده می کند. با این حال، همانطور که ما از این الگو دورتر می شویم و بیشتر به مراقبت مبتنی بر ارزش، که در آن پرداخت های مبتنی بر ریسک جهانی به سازمان های تحویل (بیمارستان ها، خانه های پزشکی متمرکز بیمار، سازمان های مراقبت های پاسخگو و غیره) ساخته می شوند، انگیزه بیشتری برای از فن آوری های جدید استفاده کنید که باعث ایجاد مواجهه غیر ضروری در دفتر می شود. در چنین محیطی، برخورد رو به جلوی در واقع یک مرکز هزینه است، نه یک مرکز سود، و پیامدهای سلامت مثبت جمعیت ها پاداش می دهند.
اینترنت اشیا در پزشکی و درمان
مسائل مربوط به فناوری: بزرگترین مانع فنی برای دستیابی به این دیدگاه، وضعیت سلامتی است. داده های بهداشتی ایجاد شده توسط سیستم های EHR میراثی تا حد زیادی به سیلوهای محور نهاد تقسیم می شوند. گاهی اوقات این سیلوها بزرگ هستند اما هنوز هم سیلوها هستند. تبادل سوابق فردی بین سیلوها، استفاده از واژگان به طور فزاینده استاندارد شده (مجموعه کد) و فرمت های پیام (پیام های ADT، C-CDA ها، حتی اشیاء FHIR)، جایی است که تلاش های فعلی در حال هدایت است. اما این مسئله مسئله تقسیم اطلاعات را حل نمی کند. بیشتر و بیشتر افراد در عرصه تبادل اطلاعات سلامت می بینند نسل بعدی فناوری سلامت در حال جمع آوری داده ها است و نه فقط تغییرات نسخه های سوابق فردی (رویکرد پاسخ پرس و جو سنتی). فقط با جمع آوری داده ها از منابع مختلف، این داده ها را به یک ساختار سازگار، داده ها را در اطراف شناسه های بیمار منحصر به فرد و همچنین شناسه های ارائه دهنده ارائه دهند، تنها می تواند داده ها واقعا مفید باشد [۲۵].
اینترنت اشیا در پزشکی و درمان
داده های جمع شده دارای دو مزیت دیگر است. (۱) این مسئله قابلیت همکاری را حل می کند. سیستم ها و مؤسسات دیگر نیازی به ساخت پل های داده ندارند و ترجمه این است که چگونه داده ها بین دو سیستم اختصاصی ساختار داده می شوند؛ همه به جای این که به استاندارد API مرکزی “پلاگین” متصل شوند. اگر درست ساخته شود، داده های جمع آوری شده می تواند پایه ای برای تکنولوژی بسیار موثری از AI باشد. چنین فناوری بسیار سریع است (پیشنهادات گوگل را در نوع خود در نوار جستجو جستجو کنید، پیشنهادات را از میلیاردها گزینه رکورد دریافت کنید). (۲) این نیز به اندازه کافی انعطاف پذیر است که اجازه می دهد تا یادگیری ماشین، و AI قادر به عملکرد در زمان واقعی است.
VII نسل جدید مشاوران بهداشت دیجیتال
هنگامی که یک فروشگاه داده از منابع مختلفی تهیه شده است – داده های EHR، داده های پرداخت کننده، دستگاه و داده های IoT، پاسخ های نظرسنجی بیمار، اطلاعات سلامت مصرف کننده – و به یک ساختار داده ی یکپارچه تبدیل شده اند، سپس AI می تواند بینش های معنی دار را به دست آورد. بعد از همه، هوش مصنوعی، در مورد تشخیص الگو، مقایسه یک الگوی خاص از داده ها در اطراف یک فرد با الگوهای مشابه (و نه الزاما یکسان) در جای دیگر، و ارائه توصیه های پیش بینی بر اساس آنچه اتفاق افتاده در این شرایط دیگر. این بسیار مهم است که پزشکان هنگام انجام “قضاوت بالینی” انجام می دهند – شناسایی الگو، با توجه به مشکلات پزشکی، داروها، ارزش آزمایشگاهی، سابقه شخصی و خانوادگی و مقایسه آن با الگوهای مشابه از تجربه پزشک.
اینترنت اشیا در پزشکی و درمان
نسل جدیدی از “مربیان بهداشت”، مشاوران مراقبت از سلامت دیجیتال و یا مشاوران بهداشت دیجیتال می توانند برای ارائه توصیه های مفید برای این توصیه ها مفید باشند [۲۶]. آنها نیاز به آسان برای استفاده، افراد مبتنی بر مصرف دارند که می توانند به ذخیره اطلاعات جمع آوری شده و موتورهای تحلیلی AI متصل شوند که در بالای آن قرار دارند. آنها می توانند مصرف کنندگان / بیماران را افزایش دهند و بار تقاضای پزشکان را کاهش دهند. آیا پزشکان جایگزین خواهند شد؟ هیچ البته نه. اما آنها کمک خواهد کرد که فیلتر تقاضا برای کسانی که واقعا نیاز به دیده می شود، در حالی که توانمندسازی بیماران با زمان واقعی، باور و راهنمایی شخصی برای چیزهایی که رایج تر در روز به روز زندگی [۲۷].
بنابراین چه چیزی در راه مشاوران بهداشت دیجیتال است؟ سیاست (چگونه ما برای مراقبت های بهداشتی پرداخت می کنیم) نیاز به تشویق مراقبت از خود و تسهیل رفتارهای سالم است، نه تشویق بازدیدکنندگان پزشکی غیررسمی. و به طور همزمان، داده های بهداشتی باید به منظور توانمند سازی AI و ایجاد ظهور برنامه های جدید و فن آوری های مرتبط، مجددا سازماندهی شوند. در حالی که قبل از رسیدن به آنجا، می توانیم مسیری را به نسل جدیدی از تکنولوژی مراقبت های بهداشتی برسیم.
هشتم نتیجه
MIoT خدمات مجدد خدمات بهداشتی را تعدیل می کند، زیرا مردم از IoT برای مدیریت نیازهای بهداشتی خود استفاده می کنند. به عنوان مثال، مردم می توانند دستگاه های IoT را برای یادآوری آنها در مورد قرار ملاقات، تغییر فشار خون، سوختن کالری و خیلی بیشتر استفاده کنند. یکی از بهترین بخش های IoTs در صنعت مراقبت های بهداشتی سیستم مراقبت از راه دور از راه دور است، که در آن بیماران می توانند از هر نقطه نظارت و توصیه شوند. خدمات مکان یابی در زمان واقعی یکی دیگر از پیشنهادات IoT است. با استفاده از این سرویس، پزشکان می توانند مکان های دستگاه را به راحتی پیگیری کنند، که به طور مستقیم زمان اضافی صرف شده را کاهش می دهد. استفاده از گوشی های هوشمند به سرعت در حال افزایش است و مردم از برنامه های تلفن همراه برای تقریبا همه چیز استفاده کرده اند. هنگامی که به صنعت مراقبت های بهداشتی می آید، برنامه های تلفن همراه می توانند ارتباطات بین بیماران و پزشکان را برای یک اتصال امن بهبود بخشند.
اینترنت اشیا در پزشکی و درمان
وظیفه اصلی مشاوران بهداشت دیجیتال و پزشکان در صورت تغییر سازمان به زیرساخت های IoT فعال خواهد بود. آموزش مناسب و بازخورد لازم برای استقرار بهتر است. روش سنتی ضبط جزئیات بیمار، یعنی یک پد کاغذی که روی بستر بیمار قرار دارد، دیگر کار نخواهد کرد، زیرا این پرونده ها فقط برای تعداد محدودی قابل دسترسی هستند و می توانند از دست رفته یا تقلید شوند. این یک برنامه کاربردی است که در آن تکنولوژی تلفن همراه / تبلت در محل کار ممکن است کار کند، زیرا آنها مدیریت رکورد بدون رعب و وحشت در برنامه های موجود در دستگاه را ارائه می دهند. هنگامی که اطلاعات الکترونیکی ثبت می شود، هنگامی که اطلاعات مربوط به امنیت و حفظ حریم خصوصی برآورده می شود، داده های اطلاعات سلامتی تنها در یک لحظه در دسترس خواهد بود.
پانوشت ها
Conflict of Interest: No potential conflict of interest relevant to this article was reported.
منابع
۱٫ Zanella A, Bui N, Castellani A, Vangelista L, Zorzi M. Internet of things for smart cities. IEEE Internet Things J. ۲۰۱۴;۱(۱):۲۲–۳۲٫ [Google Scholar]
۲٫ Bauer H, Patel M, Veira J. The Internet of Things: sizing up the opportunity [Internet] New York (NY): McKinsey & Company; c2016. [cited at 2016 Jul 1]. Available from:http://www.mckinsey.com/industries/high-tech/our-insights/the-internet-of-things-sizing-up-the-opportunity. [Google Scholar]
۳٫ Kruse CS, Kothman K, Anerobi K, Abanaka L. Adoption factors of the electronic health record: a systematic review. JMIR Med Inform. ۲۰۱۶;۴(۲):e19. [PMC free article] [PubMed] [Google Scholar]
۴٫ Scheen AJ. Precision medicine: the future in diabetes care? Diabetes Res Clin Pract. ۲۰۱۶;۱۱۷:۱۲–۲۱٫[PubMed] [Google Scholar]
۵٫ van Leeuwen N, Swen JJ, Guchelaar HJ, ‘t Hart LM. The role of pharmacogenetics in drug disposition and response of oral glucose-lowering drugs. Clin Pharmacokinet. ۲۰۱۳;۵۲(۱۰):۸۳۳–۸۵۴٫ [PubMed] [Google Scholar]
۶٫ Flores M, Glusman G, Brogaard K, Price ND, Hood L. P4 medicine: how systems medicine will transform the healthcare sector and society. Per Med. ۲۰۱۳;۱۰(۶):۵۶۵–۵۷۶٫ [PMC free article] [PubMed] [Google Scholar]
۷٫ van Uem JM, Maier KS, Hucker S, Scheck O, Hobert MA, Santos AT, et al. Twelve-week sensor assessment in Parkinson’s disease: impact on quality of life. Mov Disord. ۲۰۱۶ May 31; doi: 10.1002/mds.26676. [Epub] [PubMed] [CrossRef] [Google Scholar]
۸٫ Dzubur E, Li M, Kawabata K, Sun Y, McConnell R, Intille S, et al. Design of a smartphone application to monitor stress, asthma symptoms, and asthma inhaler use. Ann Allergy Asthma Immunol. ۲۰۱۵;۱۱۴(۴):۳۴۱–۳۴۲٫e2. [PMC free article] [PubMed] [Google Scholar]
۹٫ European Commission. Clinical trials – regulation EU No 536/2014 [Internet] Brussels: European Commission; c2016. [cited at 2016 Jul 1]. Available from: http://ec.europa.eu/health/human-use/clinical-trials/regulation/index_en.htm. [Google Scholar]
۱۰٫ INNT Foundation [Internet] Amsterdam: INNT Foundation; c2016. [cited at 2016 Jul 1]. Available from: https://www.innit.foundation. [Google Scholar]
۱۱٫ MyTomorrows [Internet] Amsterdam: MyTomorrows; c2016. [cited at 2016 Jul 1]. Available from:https://mytomorrows.com. [Google Scholar]
۱۲٫ Tung CE, Su D, Turakhia MP, Lansberg MG. Diagnostic yield of extended cardiac patch monitoring in patients with stroke or TIA. Front Neurol. ۲۰۱۵;۵:۲۶۶٫ [PMC free article] [PubMed] [Google Scholar]
۱۳٫ Famm K, Litt B, Tracey KJ, Boyden ES, Slaoui M. Drug discovery: a jump-start for electroceuticals. Nature. ۲۰۱۳;۴۹۶(۷۴۴۴):۱۵۹–۱۶۱٫ [PMC free article] [PubMed] [Google Scholar]
۱۴٫ Cuba-Gyllensten I, Gastelurrutia P, Riistama J, Aarts R, Nunez J, Lupon J, et al. A novel wearable vest for tracking pulmonary congestion in acutely decompensated heart failure. Int J Cardiol. ۲۰۱۴;۱۷۷(۱):۱۹۹–۲۰۱٫ [PubMed] [Google Scholar]
۱۵٫ Senior M. Novartis signs up for Google smart lens. Nat Biotechnol. ۲۰۱۴;۳۲(۹):۸۵۶٫ [PubMed] [Google Scholar]
۱۶٫ MyDario.com [Internet] Burlington (MA): MyDario.com; c2016. [cited at 2016 Jul 1]. Available from:http://mydario.com/ [Google Scholar]
۱۷٫ SleepBot [Internet] New York (NY): SleepBot; c2013. [cited at 2016 Jul 1]. Available from:https://mysleepbot.com/ [Google Scholar]
۱۸٫ RANKED Health [Internet] place unknown: publisher unknown; [cited at 2016 Jul 1]. Available from:http://www.rankedhealth.com/about/ [Google Scholar]
۱۹٫ Canary Health [Internet] Los Angeles (CA): Canary Health Inc.; c2016. [cited at 2016 Jul 1]. Available from: http://www.canaryhealth.com/ [Google Scholar]
۲۰٫ Sepah SC, Jiang L, Peters AL. Long-term outcomes of a Web-based diabetes prevention program: 2-year results of a single-arm longitudinal study. J Med Internet Res. ۲۰۱۵;۱۷(۴):e92. [PMC free article][PubMed] [Google Scholar]
۲۱٫ Centers for Disease Control and Prevention. Lifestyle change program details [Internet] Atlanta (GA): Centers for Disease Control and Prevention; c2016. [cited at 2016 Jul 1]. Available from:http://www.cdc.gov/diabetes/prevention/lifestyle-program/experience/index.html. [Google Scholar]
۲۲٫ HereIsMyData [Internet] Nijmegen: Radboud University Medical Center; c2015. [cited at 2016 Jul 1]. Available from: http://www.hereismydata.com/ [Google Scholar]
۲۳٫ Auffray C, Balling R, Barroso I, Bencze L, Benson M, Bergeron J, et al. Making sense of big data in health research: towards an EU action plan. Genome Med. ۲۰۱۶;۸(۱):۷۱٫ [PMC free article] [PubMed] [Google Scholar]
۲۴٫ Filkins BL, Kim JY, Roberts B, Armstrong W, Miller MA, Hultner ML, et al. Privacy and security in the era of digital health: what should translational researchers know and do about it? Am J Transl Res. ۲۰۱۶;۸(۳):۱۵۶۰–۱۵۸۰٫ [PMC free article] [PubMed] [Google Scholar]
۲۵٫ Hackl WO. Intelligent re-use of nursing routine data: opportunities and challenges. Stud Health Technol Inform. ۲۰۱۶;۲۲۵:۷۲۷–۷۲۸٫ [PubMed] [Google Scholar]
۲۶٫ Foley P, Steinberg D, Levine E, Askew S, Batch BC, Puleo EM, et al. Track: a randomized controlled trial of a digital health obesity treatment intervention for medically vulnerable primary care patients. Contemp Clin Trials. ۲۰۱۶;۴۸:۱۲–۲۰٫ [PMC free article] [PubMed] [Google Scholar]
۲۷٫ Giraldo-Rodriguez L, Torres-Castro S, Martinez-Ramirez D, Gutierrez-Robledo LM, Perez-Cuevas R. Tele-care and tele-alarms for the elderly: preliminary experiences in Mexico. Rev Saude Publica. ۲۰۱۳;۴۷(۴):۷۱۱–۷۱۷٫ [PubMed] [Google Scholar]
