فرج حسینیان روز دوشنبه در وبینار تخصصی "اهمیت دادهها در حوزه سلامت؛ چالشها و چشماندازها " بابیان این که در حوزه سلامت موضوع دادهکاوی داری اهمیت است گفت:در حوزه سلامت یکی از مهمترین بخشهایی که وجود دارد اطلاعاتی است که از همه درمانها و پژوهشها خارج و ثبت میشود، که متأسفانه این دیتاها حداقل در کشور ما خیلی جدی گرفته نمیشود.
سرپرست معاونت پژوهشی جهاددانشگاهی علوم پزشکی شهید بهشتی با اشاره به اهمیت ثبت دیتاها در حوزه سلامت ادامه داد: ثبت دیتاها میتواند منشأ بسیاری از بازسازیهای جدید باشد، فرآیندها را تسریع ببخشد و باعث شود در برخورد با بیماریها بتوانیم اقدامات موثر و بهتری انجام دهیم.
وی ادامه داد: به این دلیل ما در کنار حوزههای کارکردی در جهاددانشگاهی علوم پزشکی شهید بهشتی بخش انفورماتیک سلامت را بهصورت جدی در بحث هوش مصنوعی و دادهکاوی شروع به کارکردیم و یک کارگروه تشکیل دادیم که بتوانیم در بحث دادهها که حوزه جوانی است در بخش سلامت کشور فعالیت داشته باشیم.
این عضو هیات علمی جهاددانشگاهی بابیان اینکه این نشست در راستای نشستهای گذشته است که در حوزه دادهها در بحث سلامت برگزارشده افزود:این راه جدیدی است که شروعشده و قطعاً در آینده حوزه سلامت به سمت دادههای بزرگ و یادگیریهای عمیق و بحث هوش مصنوعی میرود، امیدوارم بتوانیم در این حوزه در عرصه بینالمللی پایهگذار بحثهای جدید باشیم.
دکتر مصطفی حمدیه، دبیر علمی وبینار بابیان اینکه بهطور متوسط ۳۰ درصد از دادههای جهان در حوزه سلامت است گفت: بازار سلامت ازنظر گستردگی و اهمیت در کنار بازارهایی همچون معدن، نفت و فولاد قرار میگیرد.
این عضو هیاتعلمی گروه روانپزشکی دانشگاه علوم پزشکی شهید بهشتی با اشاره به اهمیت دادهها در حوزه سلامت اظهار کرد:علم داده روزبهروز در حال گسترش است و با توانایی خود در تحلیل دادهها در مقیاس بزرگ میتواند تحول بزرگی در عرصهی پزشکی و مراقبتهای بهداشتی و درمانی، در زمینههای گوناگون پدید آورد.
وی بابیان اینکه تحلیل دادهها میتواند راهی برای رسیدن به موفقیت در سازمانها باشد خاطرنشان کرد: لازمه موفق بودن سازمانها تحلیل حداقل ۷ درصد از دادههایشان است که در عمل کمتر از یک درصد دادهها در سازمانها تحلیل میشود.
دکتر حمدیه با اشاره به معنی دادهکاوی گفت: دادهکاوی به معنای استخراج اطلاعات و دانش و کشف الگوهای پنهان از پایگاه دادههای بسیار بزرگ است که این دادهها در اکثر سازمانها بهسرعت در حال جمعآوری و ذخیره سازی است و سازمانها علاقهمند به استفاده از این منبع بزرگ و ارزشمند برای رشد و توسعه خود هستند.
دبیر علمی وبینار در ادامه گفت: از انواع منابع دادها در حوزه سلامت میتوان به دست آوردن داده از معاینه بیمار از وضعیت و اطلاعات ثبتشده بیمار تصاویری که از بیمار گرفته میشود از نقاط مختلف بدن اطلاعات که از خانواده و خود بیمار گرفته میشود از تستهایی که از بیمار گرفته میشود همه از منابع اطلاعات هستند که میتواند به عنوان دیتا به ما در پزوهش کمک کنند.
وی با اشاره به کاربرد علم داده در صنعت سلامت گفت: علم دادهکاوی میتواند در پیشگیری از بیماریها، پیشبینی شیوع بیماریهای جدید، تشخیص بیماریها، درمان بیماریها، مراقبتهای پس از بستری، پردازش تصاویر پزشکی و ساخت داروهای جدید مخصوص هر بیماری تأثیرگذار باشد.
وی با اشاره به آخرین دستاوردهای در آنالیز تصاویر پزشکی اظهار کرد: میتوان از آشکارسازی توده در تصاویر ماموگرافی، بخشبندی بافتهای مغز، آشکارسازی برونرفت مایع از راههای تنفسی، دستهبندی رتینوپاتی دیابتی تصاویر چشم، بخشبندی تصاویر پروستات، دستهبندی غدد، آشکارسازی متاستاز سرطان سینه، دستهبندی بیماریهای پوست، دستهبندی و بخشبندی تصاویر پاتولوژی را نام برد.
دکتر حمدیه با اشاره به جایگاه ایران ثبت اطلاعات و دادهکاوی اظهار تصریح کرد: یکی از کارهایی که در این حوزه انجامشده در خانههای بهداشت سرویسهایی است که اطلاعات را ثبت میکند که اطلاعات خوبی است برای انجام کارهای پژوهشی اما درمجموع ایران در جایگاه خوبی قرار ندارد.
این عضو هیاتعلمی گروه روانپزشکی دانشگاه علوم پزشکی شهید بهشتی ی در پایان به شروع پروژهای که در این حوزه با همکاری جهاددانشگاهی با "عنوان بررسی عوامل مؤثر در تشخیص بیماری آلزایمر" با استفاده از الگوریتمهای دادهکاوی اشاره کرد.
شاخص پیشرفت علمی یک کشور تعداد مقاله علمی نیست
محمود حاجی پور اپیدمیولوژیست و عضو شورای پژوهشی مرکز تحقیقات گوارش و کبد اطفال نیز در این وبیناربا تأکید بر اهمیت تصمیمات بر اساس تحقیق و پژوهش خاطرنشان کرد: اساساً هیچ تصمیمی بدون تحقیق و پژوهش مؤثر نخواهد شد، زمانی موفق هستیم که تصمیمات بر پایه تحقیق و پژوهش های کاربردی و راهبردی باشد.
وی بابیان اینکه بهجای تمرکز بر کمیت مقالات باید به نشانگرهایی اعتنا کرد که به بررسی کیفیت مقالات میپردازند؛ اظهار کرد: شاخص پیشرفت علمی یک کشور تعداد مقاله علمی نیست. در سالهای اخیر ارتقای مرتبه اعضای هیاتعلمی و فارغالتحصیلی دانشجویان تحصیلات تکمیلی دانشگاهها منوط به ارائه هرچه بیشتر مقالات شده است.
محمود حاجی پور با اشاره به آمار سهم بودجه پژوهشی گفت:بر اساس آخرین آمار، سهم بودجه پژوهشی برخی کشورها از تولید ناخالص ملی در چین دو درصد، آمریکا ۲/۸ درصد، فرانسه ۲/۳ درصد، هند یک درصد، کره جنوبی ۳/۶ درصد (که افزایش پیداکرده)، آلمان ۲/۹ درصد، ژاپن ۳/۴ درصد، روسیه ۱/۵ درصد و ایران حدود نیم درصد است.
وی با اشاره به مجموع اعتبارات وزارت بهداشت در سال ۱۳۹۹ ادامه داد: مجموع اعتبارات وزارت بهداشت در سال جاری معادل ۹۸۷ هزار میلیارد ریال است که نسبت به سال قبل، حدود ۱۰ درصد رشد داشته و اعتبارات امور سلامت معادل ۷۰۳ هزار میلیارد ریال است که نسبت به سال قبل، ۹ درصد رشد داشته است. (فصول بهداشت و درمان هرکدام ۱۰ درصد رشد و فصل تحقیق و توسعه ۲۷ درصد کاهش داشته است).
عضو شورای پژوهشی مرکز تحقیقات گوارش و کبد اطفال با اشاره به بودجه یک درصدی مراکز پژوهشی، گفت: جمعاً ۶۰۳ هزار میلیارد ریال بودجه برای دانشگاهها لحاظ شده است. ۸۷ درصد این اعتبارات برای بهداشت و درمان، حدود ۱۲ درصد برای برنامههای آموزشی و کمتر از یک درصد برای مراکز پژوهشی در نظر گرفتهشده است.
وی بابیان اینکه تحریمها تأثیر خود را در درازمدت نشان میدهند افزود: ازجمله تأثیر تحریمها میتوان به کاهش مشارکتهای علمی بینالمللی، هزینه چاپ مقالات، موضعی شدن تحقیقات و عدم هماهنگی با علم روز دنیا، ایجاد اثرات روانی، عدم چاپ و داوری مقالههای پژوهشگران ایرانی توسط ناشران بینالمللی، نبود و کمبود دسترسی به تجهیزات پیشرفته و صادر نشدن ویزای پژوهشگران برای شرکت در همایشهای خارجی اشاره کرد.
این دانش آموخته دکتری اپیدمیولوژی با اشاره معنی رجیستری بهعنوان جمعآوری مستمر و نظاممند اطلاعات کلیه افراد در یک جمعیت مشخص اظهار کرد، دانشگاه علوم پزشکی شهید بهشتی توانسته در ثبت بیماریها قوی عمل کند و بیماریهای ریجستر شده به ۵۰ نوع بیماری رسیده است.
این عضو کمیته راهبردی ثبت بیماری ها ادامه داد: نظام ثبت بیماریها و دادههای نظام سلامت نقش مؤثری در تشخیص و اندازهگیری میزان گسترش یک بیماری خاص و یا یک رویداد بهداشتی در جامعه دارد و نظام سلامت را قادر میسازد بر کیفیت خدمات بهداشتی ارائهشده نظارت بهتر و مؤثرتری داشته باشد. نظام ثبت همچنین منبع مناسبی برای تشخیص بیماران بهمنظور انجام مطالعات پژوهشی بعدی از قبیل مطالعات کوهورت و کار آزمایی بالینی فراهم میآورد.
حاجی پور بابیان اینکه پروژه ایران ۲۰۴۰ استنفورد، به دنبال پیشبینی آینده کشور تحت سناریوهای محتمل است، اظهار کرد: پروژه ایران ۲۰۴۰ استنفورد، ابتکاری دانشگاهی باهدف ترویج و تشویق همکاریهای علمی در حوزههای اقتصادی و فنی مرتبط با توسعه پایدار درازمدت در ایران است.
وی ادامه داد:این پروژه تحقیقات کمّی و آیندهنگر در زمینه گستردهای از حوزههای مرتبط با توسعه اقتصادی ایران را ترویج مینماید. و هیچگونه دستورالعمل و خطمشی سیاسی را حمایت و پیگیری نمینماید. همکاران این پروژه تنها بر اساس مهارتهای پژوهشی انتخاب میگردند و مدیریت پروژه از دیدگاههای سیاسی همکاران آگاهی نداشته و مسئولیتی نیز در قبال آن ندارد.
حاجی پور با اشاره به گزارشهای منتشرشده پروژه ایران ۲۰۴۰ استنفورد، گفت: در قالب این پروژه تاکنون گزارشهای متنوعی در حوزههای آینده نفت و تأثیر آن بر اقتصاد ایران، بررسی وضعیت کشاورزی ایران، افق پیش روی بخش انرژی ایران، وضعیت جمعیتی ایران، اقتصاد ایران و مشکلات ناشی از تحریمها، بانکداری در ایران، وضعیت آب در ایران و نهایتاً بررسی وضعیت پژوهشی ایران منتشرشده است.
اهمیت ثبت داده های با کیفیت؛ در تولید سیستم های پزشکی
دکتر آرش روشن پور عضو هیات علمی دانشگاه آزاد اسلامی واحد تهران سما نیز در ادامه با اشاره به اهمیت کیفیت داده های پزشکی در یادگیری عمیق تصریح کرد: فرآیند یادگیری ماشین و بالاخص یادگیری عمیق به شدت وابسته به کمیت و کیفیت داده ها است و با توجه به اهمیت تشخیص صحیح در حوزه پزشکی این اهمیت دو چندان می شود.
وی با بیان اینکه تولید کنندگان داده های پزشکی در راستای تولید مدل های هوشمند تشخیص ای وظایفی دارند، ادامه داد: از جمله این وظایف می توان به اندازه گیری دقیق تر، کالیبره نمودن تجهیزات، اطمینان از ورود اطلاعات، کنترل و اعتبارسنجی اطلاعات وارد شده، ممانعت از خالی ماندن مقادیر ضروری اشاره نمود.
روشن پور افزود: تولید کنندگان سیستم های هوشمند پزشکی بعنوان استفاده کنندگان از داده های پزشکی وظایفی از جمله، افزایش دقت در پیش پردازش و پاکسازی داده ها، رسیدگی به داده های فاقد مقدار، رسیدگی به داده های پرت و همچنین تقلیل تاثیر نویز در مدلسازی را دارا می باشند. ایشان افزود که انتخاب بهترین خصیصه ها و همچنین تنظیم مناسب هایپرپارامترهای مدل از جمله مسائل ای می باشد که می تواند منجر به کاهش تاثیر نویز در فرآیند مدلسازی شود.
به گزارش روز دوشنبه جهاددانشگاهی علوم پزشکی شهید بهشتی؛ این عضو هیاتعلمی دانشگاه آزاد تهران در ادامه به موضوعاتی همچون تولید سیستمهای خبره در پزشکی و مشکلات آن، استفاده از یادگیری ماشین در راستای تقلیل این مشکل، یادگیری در شبکه عصبی مصنوعی، اهمیت رسیدگی به خصیصههای پیشگو و تأثیر آنها در تصمیمگیری، کیفیت دادههای پزشکی در یادگیری عمیق (یافتهها)، مدلهایی بر پایه شبکه عصبی عمیق، دادههای پرت، نویز، تولید مدل دارای پیچیدگی کمتر در راستای نادیده گرفتن نویز پرداخت.