4 เหตุผลหลัก ทำไมวงการสาธารณสุขจึงต้องการ Data Science

dst_logo

ในอุตสาหกรรมสาธารณสุขจะมีอะไรที่สำคัญไปกว่าผลลัพธ์ด้านสุขภาพ? ในทุกวันผู้ให้บริการด้านสาธารณสุขทั่วโลกต่างพยายามค้นหาวิถีทางที่จะปรับปรุงคุณภาพชีวิตของพวกเรา แต่ก็นั่นแหละปัจจุบันโลกได้เปลี่ยนไปพูดได้ว่าโลกเปลี่ยนแปลงไปเร็วเกินกว่าที่เราจะตามทันด้วยซ้ำ การทำงานคนเดียวคงมิอาจปรับปรุงคุณภาพชีวิตคนไข้ได้อีกต่อไปเพราะจำนวนข้อมูลด้านสาธารณสุขได้เติบโตอย่างรวดเร็วเรียกได้ว่า เพิ่มขึ้นทุกๆ วินาทีก็ว่าได้ ซึ่งนั่นมันทำให้เพิ่มความยากในการค้นหารูปแบบที่เหมาะสมกับข้อมูล ข้อมูลขนาดใหญ่หรือที่เรียกกันว่า Big Data ไม่ใช่สิ่งที่น่าเย้ายวนนักหรอก เพราะมันสามารถเป็นพรอันประเสริฐหรือเป็นสาเหตุของความหายนะก็ได้ในเวลาเดียวกัน มันมีความเป็นไปได้ทั้งสองทางไม่ว่าจะเป็นทำให้เราเข้าใจอย่างลึกซึ้งหรือเป็นม่านหมอกที่คอยบดบังทาง

Credit: ShutterStock.com
Credit: ShutterStock.com

ความจริงแล้ว Data Science ได้กำลังปรับปรุงผลลัพธ์ในทางที่ดีขึ้นจนเรียกได้ว่าไม่อาจประเมินค่าได้ เนื่องจากได้สร้างความความเป็นอัตโนมัติมากมายที่ทำให้พัฒนาการต่างๆดีขึ้นตามลำดับ ทั้งความเร็ว ความสามารถในการย่อและขยายข้อมูล รวมถึงความถูกต้องแม่นยำ สิ่งที่ควรพิจารณาอย่างยิ่งคือการมองไปที่ความสามารถในการพยากรณ์โรคระบาด ความก้าวหน้าในการรักษา และการทำให้คนไข้พักรักษาตัวในโรงพยาบาลอย่างสะดวกสบายและปลอดภัย โดยในทางสาธารณสุขแล้ว Data Science ควรจะถูกพิจารณาความเป็นอัจฉริยะในแง่คุณประโยชน์มากกว่าการเป็นเพียงปัญญาประดิษฐ์เท่านั้น ซึ่งแผนการเตรียมการในการเพิ่มบริการเหล่านี้แก่ผู้เชี่ยวชาญทางสาธารณสุขได้เริ่มขึ้นแล้ว

เหตุผลที่ 1 ข้อมูลค่ารักษาพยาบาล

จากผลการสำรวจการปฏิบัติหน้าที่ของโรงพยาบาลแห่งชาติพบว่า ในปี 2010 ได้มีผู้ป่วยที่ได้รับอนุญาตให้ออกจากโรงพยาบาล (Discharge) จำนวน 35.1 ล้านคนภายในระยะเวลาที่อยู่ในโรงพยาบาลเฉลี่ย4.8 วัน และมีการรายงามเพิ่มเติมว่ายังมีผู้ป่วยอีกจำนวน 51.4 ล้านคนที่ยังอยู่ในขั้นตอนรักษา จากผลการสำรวจการรักษาพยาบาลผู้ป่วยนอกในปี 2011 พบว่ามีผู้ป่วยนอกจากแผนกดูแลผู้ป่วยนอกจำนวน 125.7ล้านคน และแผนกผู้ป่วยฉุกเฉินจำนวน 136.3 ล้านคน และยังมีข้อมูลพื้นฐานเพิ่มเติมอีกจำนวนหนึ่งแสดงข้อมมูลการรักษาพยาบาลในระบบสาธารณสุขของสหรัฐอเมริกาอีกด้วย การนำ Data Science มาประยุกต์ใช้กับข้อมูลเหล่านี้จะทำให้เกิดความเข้าใจข้อมูลมากยิ่งขึ้นและสร้างความเป็นไปได้ในการลดหรือหลีกเลี่ยงการแพร่กระจายของเชื้อโรคหรือแม้กระทั่งจัดการการลุกลามได้ด้วย การรวมเข้าด้วยกันของสถิติ การสำรวจวิเคราะห์ข้อมูลและการพยากรณ์ข้อมูลจะนำไปสู่การบริหารต้นทุนให้มีประสิทธิภาพสำหรับอาการป่วยที่เฉพาะเจาะจงและลดความซ้ำซ้อนที่ไม่จำเป็นในการรักษาได้อีกด้วย การสร้างพลังแห่งการคาดการณ์ที่มีประโยชน์เหล่านี้คือการใช้ความรู้ที่จะเปลี่ยนแปลงรูปแบบพฤติกรรมของวันนี้

เหตุผลที่ 2 ข้อมูลด้านการรักษา

แหล่งข้อมูลได้รวบรวมมาจากบันทึกการรักษาของแพทย์ ผลการทดลองจากห้องแล๊บ และการเก็บข้อมูลจากเทคโนโลยีการฉายภาพทางการแพทย์ในระหว่างการตรวจรักษาคนไข้ ตัวอย่างเช่นในทุกวันโรงพยาบาลใช้อัลกอริทึมของการประมวลผลภาษาธรรมชาติ (Natural language processing algorithms) ในการวิเคราะห์ประวัติคนไข้ ซึ่งพวกเขาอาจจะระบุถึงความเสี่ยงที่แน่นอนของอาการป่วยในคนไข้แต่ละบุคคลได้ และเมื่อไม่นานมานี้ก็ได้มีรายงานว่าผู้ให้บริการทางสาธารณสุขไม่ยอมรับการอ่านผลความดันเลือดที่ผ่านการอ่านสามครั้งโดยไม่ต่อเนื่องกันจากการตรวจสอบ 26% ของผู้ป่วยในแผนกกุมารเวช ซึ่งถูกตรวจสอบโดยสมาคมการแพทย์อเมริกัน (The American Medical Association) ซึ่งการยอมรับนี้จะต้องผ่านการวิเคราะห์จากข้อมูลที่เพิ่มขึ้นจำนวนมากซึ่งอาจจจะเป็นงานที่ยากขึ้นสำหรับผู้ให้บริการทางสาธารณสุข

เหตุผลที่ 3 ข้อมูลด้านการวิจัยและพัฒนายา

เมื่อไม่นานมานี้ ได้เกิดความร่วมมือในการพัฒนาระหว่างบริษัทยา ซึ่งได้พิจารณาโครงการ Data Sphere, การเริ่มต้นการแชร์ความรู้และข้อมูล, การรวมข้อมูล, รวมถึงการวิเคราะห์ข้อมูลประวัติการรักษาโรคมะเร็งเพื่อวัตถุประสงค์ในการรวบรวมข้อมูลในการวิจัยเพื่อเพิ่มความรวดเร็วในการค้นหาและการรักษาโรคมะเร็ง พลังแห่งข้อมูลอันมากมายมหาศาลคือการวิเคราะห์และการโฟกัสไปยังการค้นหาวิธีการรักษาสำหรับผู้ป่วยโรคมะเร็ง

เหตุผลที่ 4 ข้อมูลพฤติกรรมคนไข้รวมถึงความคิดเห็น

จากผลการศึกษาของสมาคมการแพทย์อเมริกันคาดว่า Wearable หรืออุปกรณ์สวมใส่อิเล็กทรอนิกส์จะมีจำนวน 52 ล้านชิ้นภายในปี 2019 ซึ่ง Wearable สามารถรายงานและตรวจจับอัตราการเต้นหัวใจ รูปแบบการนอน การเดิน และอีกมากมาย ขณะที่มีการเพิ่มมิติอื่นๆ ที่เกี่ยวข้องในหลายบริบทเข้ามา ทั้งการค้นหาพิกัด รูปแบบพฤติกรรม รวมถึงสถิติชีวภาพ การรวมสิ่งเหล่านี้เข้ากับข้อมูลวิถีชีวิตหรือ Lifestyle ที่ไม่มีโครงสร้างผ่านSocial media กลายเป็นศูนย์รวมอำนาจ ซึ่งนั่นมันมากกว่าแค่จำนวนและการส่งเสียง (Tweet)

Credit: ShutterStock.com
Credit: ShutterStock.com

จะเห็นได้อย่างชัดเจนว่าเราจะมีประสบการณ์lสำหรับการใช้ประโยชน์มากมายที่มาจากการวิเคราะห์ข้อมูลทั้งในและนอกวงการสาธารณสุข เราจะเห็นความต่อเนื่องในการผลักดันการป้องกันผ่านการรักษาซึ่งมุ่งประเด็นไปที่การพยายากรณ์ผลลัพธ์การรักษาเป็นสำคัญ

มันอาจจะยังไม่เป็นที่นิยมแพร่หลายหรือเป็นที่กล่าวขานในตอนนี้ แต่ในอนานคตเมื่อเรามองย้อนกลับมาที่ Data Science มันจะกลายเป็นสิ่งที่สำคัญและมีความหมายในวงการสาธารณสุขมาก มันจึงดูสมเหตุสมผลที่จะคาดหวังว่ามีความเป็นไปได้ที่จะฟื้นฟูเยียวยาอาการเจ็บป่วยและบาดเจ็บได้เร็วขึ้น มีอายุยืนยาว เพราะการค้นพบยาใหม่ๆ ที่มีประโยชน์และสร้างประสิทธิภาพกับการผ่าตัดที่โรงพยาบาล สิ่งเหล่านี้เกิดขึ้นได้เพราะการวิเคราะห์ Big Data

อะไรที่ทำให้การอยู่ในยุคของ Big Data เป็นเรื่องที่น่ายินดี นั่นคือสิ่งที่เป็นแรงผลักดันให้วงการสาธารณสุข การค้นหาเครื่องมือ ทักษะ และเทคนิคต่างๆ เพื่อให้สามารถทำงานกับข้อมูลผู้ป่วยที่มีอย่างท่วมท้นมากมายคือความเข้าใจอย่างลึกซึ่งในธรรมชาติของข้อมูล เมื่อวงการสาธารณสุขได้นำ Data Science มาใช้อย่างเต็มรูปแบบ มันจะเปลี่ยนแปลงอนาคตของคุณทุกคน

ที่มา: http://www.cio.com/article/3001216/analytics/4-big-reasons-why-healthcare-needs-data-science.html

เกี่ยวกับ Data Science Thailand

Data Science Thailand เป็นแหล่งรวมข้อมูล Data Science เพื่อการพัฒนา Data Science ในประเทศไทย

ทางทีมงานยังได้จัดตั้ง Data Sci Lab, Thailand เพื่อให้บริการด้านงานวิจัย ให้คำปรีกษา และ จัดอบรม ที่เกี่ยวกับ Data Science โดยใน Lab ของเราจะแบ่งงานเป็นสามส่วนคือ (1) การเรียนรู้และพัฒนาเทคโยโลยีที่เกี่ยวกับ Big Data (2) การทำ Data mining ซิ่งรวมถีง Predictive Analytics และ (3) การทำ Data Visualization สนใจติดต่อได้ที่ komes@datascienceth.com

dst_logo

https://www.facebook.com/DataScienceTh
http://datascienceth.com/


About techtalkthai

ทีมงาน TechTalkThai เป็นกลุ่มบุคคลที่ทำงานในสาย Enterprise IT ที่มีความเชี่ยวชาญทางด้าน Network, Security, Server, Storage, Operating System และ Virtualization มารวมตัวกันเพื่ออัพเดตข่าวสารทางด้าน Enterprise IT ให้แก่ชาว IT ในไทยโดยเฉพาะ

Check Also

Azure ประกาศเปิดทดลอง Geo Zone Redundant Storage

Azure ได้ประกาศเปิดทดลองใช้งาน Geo Zone Redundant Storage เพื่อตอบโจทย์อีกระดับของการปกป้องข้อมูลและ Availability

AWS เปิด API สำหรับทำ Kernel Panic เพื่อตรวจสอบ EC2 ที่ไม่ตอบสนอง

AWS ได้เพิ่มช่องทางให้ผู้ใช้งานสามารถตรวจสอบ EC2 ที่ไม่ตอบสนองได้ด้วย API ที่จะส่ง non-maskable interrupt (NMI) ไปยัง OS เพื่อให้เข้าสู่กระบวนการ Kernel Panic ให้ได้ข้อมูลที่ใช้ …