skip to Main Content
محتوای اختصاصی کاربران ویژهورود به سایت

فراموشی رمز عبور

با شبکه های اجتماعی وارد شوید

عضو نیستید؟ عضو شوید

ثبت نام سایت

با شبکه های اجتماعی وارد شوید

عضو نیستید؟ وارد شوید

فراموشی رمز عبور

وارد شوید یا عضو شوید

جشنواره نوروزی آنر

گفت‌وگو با دو متخصص درباره مزایای داده‌های تاریک برای سلامت و درمان

نباید هیچ داده‌‌ای را دور بیندازید

۲۸ خرداد ۱۳۹۸

زمان مطالعه : ۵ دقیقه

شماره ۶۸

تاریخ به‌روزرسانی: ۲۳ مهر ۱۳۹۸

از زمان ظهور وسایل پوشیدنی IoT تا دستگاه‌های ردیابی تناسب اندام، معرفی تصویربرداری‌های با وضوح بالا و اطلاعات دیجیتالی بیماران، موضوع سلامت دچار تحولات گسترده‌ای شده است. با توجه به این مساله، تصمیم گرفتیم با دو تن از متخصصان- چارلین وان (Charlene Wan) مدیر برنامه‌های بازاریابی و لیندا ژو (Linda Zhou) مدیر پژوهش‌ها و علوم زیستی- در زمینه سلامت و وعده‌های هوش مصنوعی و شخصی‌سازی مضاعف گفت‌وگو کنیم.

نقش داده‌های تاریک در عرصه سلامت چیست؟ لیندا ژو: وقتی به مطالعات علوم زیستی نگاه می‌کنید حجم گسترده‌ای از داده‌های تاریک در موسسات پژوهشی، آزمایشگاه‌ها و ارائه‌دهندگان خدمات مختلف می‌یابید. این داده‌ها شامل نظرسنجی، مقالات، مطالعات تجربی و دیگر پروژه‌ها هستند اما بدون اطلاعات بافتاری که به تفسیر آنها کمک می‌کنند ذخیره شده‌اند. اطلاعات بافتاری یعنی اینکه روش آنها چه بوده است. از چه جمعیتی نظرسنجی کرده‌اند. پژوهشگر چه سوالاتی در ذهنش داشته است. این داده‌ها را داده‌های تاریک می‌نامند. اینها در واقع داده‌هایی ارزشمندند که حجم گسترده‌ای دارند و برای استخراج و طبقه‌بندی آنها به یادگیری ماشین نیاز داریم. مدیریت چنین داده‌هایی یکی از روندها و چالش‌های کلیدی یادگیری ماشین است. در نهایت هدف اصلی استفاده از این داده‌های تاریک برای یافتن الگوها، همبستگی‌ها و دیگر راه‌ها برای استفاده از آن در کسب درآمد است. چارلین وان: داده‌های تاریک در اصل داده‌های خاموش در آرشیوها هستند و در حوزه سلامت حجم زیادی از آن وجود دارد! بر اساس مقررات هیپا (HIPPA)*، داده‌های سلامت طی سال‌ها ذخیره و محافظت شده‌اند و به این ترتیب به شکلی نمایی حجم داده‌های تاریک افزایش یافته است، موضوعی که صرفاً به پر کردن فضاهای ذخیره‌سازی انجامیده است. با تنوع و کوچک‌تر شدن سنسورها، داده‌های بیشتری از بیماران، پزشکان، درمانگاه‌ها و بیمارستان‌ها جمع‌آوری می‌شوند. این داده‌ها تقریباً شامل کلیه اطلاعات از جمله اطلاعات غدد، ضربان قلب، سطح گلوکز، فشارخون، تنفس، حرکت یا رژیم هستند. داده‌های دیگر مربوط به مطالعات بالینی‌ای هستند که توسط دانشگاهیان و بنیادهای پزشکی روی باکتری‌ها و ذرات، مطالعات موردی یا درمان‌های اورژانسی، جراحی، دارو‌ها و ویروس‌های غیرقابل پیش‌بینی انجام گرفته‌اند. تصور کنید می‌توانستیم این حجم از داده را به‌ هم متصل کنیم و از هوش مصنوعی برای تشخیص، مرتب‌سازی، طبقه‌بندی و شناسایی منطق‌ها و الگوهای مشخص بهره گیریم. با این روش می‌توانستیم از داده‌های تاریک برای نتیجه‌گیری و پیش‌بینی مسائل مختلف...

شما وارد سایت نشده‌اید. برای خواندن ادامه مطلب و ۵ مطلب دیگر از ماهنامه پیوست به صورت رایگان باید عضو سایت شوید.

وارد شوید

عضو نیستید؟ عضو شوید

این مطلب در شماره ۶۸ پیوست منتشر شده است.

ماهنامه ۶۸ پیوست
دانلود نسخه PDF
http://pvst.ir/ji

0 نظر

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*

برای بوکمارک این نوشته
Back To Top
جستجو