داده کاوی در پزشکی

اصطلاح داده کاوی (Data Mining) یعنی کند و کاو و تحلیل خودکار (هوشمند) پایگاه ها و مجموعه های عظیم داده ، برای استخراج و کشف دانش (Knwoledge-Discovery in Database) و الگو های جدید.

در این تعریف باید به چند نکته توجه کرد:

1- کلمه خودکار که در تعریف آمده است به این معناست که فرآیند داده کاوی بصورت ماشینی و با استفاده از الگوریتم های کامپیوتری انجام می شود. در این رابطه الگوریتم های مختلف بسته به کاربردهای خاص مورد استفاده قرار می گیرند.

2- وقتی می گوییم پایگاه داده عظیم ، یعنی محدودیتی برای حجم آن وجود ندارد. مثلا نمی توانیم بگوییم حجم پایگاه داده باید بیشتر 2000 یا چند میلیون رکورد باشد. در اینجا فقط می توان این حقیقت را بیان کرد که هرچه حجم Data-base بیشتر باشد ، نتیجه بهتری از داده کاوی بدست خواهیم آورد.

3- در تعریف از مجموعه های عظیم داده یاد شده است. این به بدین معناست که برای داده کاوی لزوما یک پایگاه داده خاص مورد استفاده قرار نمی گیرد و میتوان داده های مورد نیاز را از بین چندین database  و حتی از درون اطلاعات موجود در وب بدست آورد. در واقع هیچ محدودیتی در تعداد و نوع پایگاه های داده وجود ندارد.

4- دانشی که به این طریق بدست می آید باید جدید ، معتبر ، قابل استفاده ، قابل فهم و قابل اعتماد باشد. اگر با استفاده از الگوریتم های داده کاوی دانش یا الگویی را ارائه دهیم که قبلا نیز وجود داشته یا اگر جدید است کاربرد خاصی ندارد و یا برای افراد قابل درک نبوده و یا نتوان به آن اعتماد کرده و مورد استفاده قرار داد، جز هدر دادن وقت و انرژی کار مفیدی انجام نداده ایم.

لازم به ذکر است که داده کاوی با علم آمار و همچنین بازیابی داده (SQL) تفاوت های زیادی دارد که بیان آنها از حوصله این مطلب خارج است.

داده کاوی کاربردهای بسیاری در زمینه های مختلف از جمله علوم اجتماعی، اقتصاد، هواشناسی و بخصوص پزشکی دارد.

امروزه در حوزه پزشکی ، جمع آوری داده ها در مورد بیماری های مختلف از اهمیت زیادی برخوردار است.  حجم داده های جمع آوری شده بسیار بالاست و برای اینکه بتوان از بین این حجم انبود داده ها الگو ها و نتایج مورد نظر را بدست آورد، باید از تکنیک های داده کاوی استفاده کرد.

در ادامه به بیان مثال هایی از کاربر داده کاوی در حوزه علوم پزشکی می پردازیم.

داده کاوی و پیشگویی عوامل بیماری ها

استفاده از الگوریتم ها و تکنیکهای داده کاوی می تواند الگوها و نتایجی را برای محققین فراهم کند که عوامل ابتلا به بیماری های مختلف را نشان دهد و بر اساس آن نتایج ، پزشکان و دست اندر کاران علوم پزشکی در پیشگیری آن بیماریها اقدام کنند.

تفاوت داده وی با روشهای آماری در این است که در علم آمار ما به دنبال اثبات فرضیه مورد نظر هستیم اما در داده کاوی بر خلاف علم آمار به دنبال پیشگویی هستند نه كشف یا اثبات. بدین معنا كه با استفاده از روش های داده كاوی به دنبال تایید آنچه از قبل وجود دارد نیستند بلكه به دنبال مشخص كردن الگوهای از قبل شناخته نشده هستند. همچنین در این كاربرد به دنبال این نیستند كه تعیین كنند مثلا چه كسانی دارای بیماری قلبی هستند، بلكه به دنبال این مورد هستند كه چه عواملی ممكن است در بروز این بیماری نقش بیشتری داشته باشند.

داده کاوی ویژگی های بالینی بیماران و تشخیص خودکار

کاربرد دیگری که داده کاوی در علم پزشکی دارد این است که با بگارگیری الگوریتم های دسته بندی (classification) میتواند تشخیص دهد که یک شخص مورد نظر با شرایط خاص ممکن است چه بیماریی داشته باشد. البته باید از روشهایی استفاده شود که از درصد اطمینان بالایی برخوردار باشند.

داده كاوی در بهداشت و درمان

حوزه پزشكی و سلامت از بخش های مهم در جوامع صنعتی است. استخراج دانایی از میان حجم انبوه داده های مرتبط با سوابق بیماری و پرونده های پزشكی افراد با استفاده از فرایند داده كاوی می تواند منجر به شناسایی قوانین حاكم بر ایجاد، رشد و تسری بیماری ها شده و اطلاعات ارزشمندی را به منظور شناسایی علل رخداد بیماری ها، تشخیص، پیش بینی و درمان بیماری ها با توجه به عوامل محیطی حاكم در اختیار متخصصان و دست انداران حوزه سلامت قرار دهد. نتیجه این مساله به معنای افزایش عمر و ایجاد آرامش برای  افراد جامعه است.

مهمترین خدمات قابل ارایه با استفاده از روش های داده كاوی

·      ‌بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن

·      ‌تـشخیـص و پیـش بینـی انـواع بیمـاری هـا مانند تشخیص یا پیش بینی انواع سرطان

·      ‌تعیین روش درمان بیماری ها

·      ‌پیش بینی میزان موفقیت اقدامات پزشكی مانند اعمال جراحی

·      ‌تـجــزیــه و تـحـلـیــل داده هــای مـوجـود در سیستم های اطلاعات سلامت (HIS)

·      ‌تحلیل عكس های پزشكی