औषध मध्ये बिग डेटा स्रोत
औषधांमधील मोठ्या डेटाची एक साधी व्याख्या "रोगी आरोग्य संगोपन व कल्याणाशी संबंधित डेटाची संपूर्णता" (रघुपती 2014). पण या प्रकारची डेटा नक्की काय आहे आणि ते कुठून येतात?
आरोग्य-काळजी प्रदात्यांसाठी, संशोधकांना, देणा-या, धोरणकर्त्यांना आणि उद्योगासाठी व्याज मोठ्या डेटाचे प्रकार आणि स्त्रोतांचे विस्तृत विहंगावलोकन खालील प्रमाणे आहे.
या श्रेण्या परस्पर अनन्य नसतात, कारण समान डेटा विविध स्त्रोतांमधून उत्पन्न होऊ शकतो.
ही यादी संपूर्ण नाही कारण मोठ्या डेटा विश्लेषणाचे व्यावहारिक अनुप्रयोग निश्चितपणे विस्तृत करणे सुरू ठेवेल.
क्लिनिकल इन्फर्मेशन सिस्टम
हे वैद्यकीय डेटाचे पारंपारिक स्त्रोत आहेत ज्यात आरोग्य सेवा प्रदाते पहाण्यासाठी नित्याचा असतो.
- इलेक्ट्रॉनिक आरोग्य रेकॉर्ड (ईएआरआर) जनसांख्यिकी, मागील वैद्यकीय इतिहास, सक्रिय वैद्यकीय समस्या, लस, एलर्जी, औषधे, महत्वपूर्ण लक्षणे, प्रयोगशाळेचे परिणाम आणि आरोग्यशास्त्राचे परीक्षण, विकृति रिपोर्ट, प्रगती नोट प्रदाते, आणि प्रशासकीय आणि आर्थिक दस्तऐवज
- इलेक्ट्रॉनिक वैद्यकीय नोंदी (ईएमआर) ईएचआरशी समान नसतात आणि सामान्यत: विशिष्ट डॉक्टरांबरोबर साठवून ठेवलेल्या डेटाशी संबंधित असतात.
- आरोग्य माहितीची देवाणघेवाण वेगळी वैद्यकीय माहिती प्रणालींमधील केंद्र म्हणून कार्य करते
- आपल्या स्वतःच्या रूग्णांवर आरोग्य सेवा संस्थांद्वारे देखरेख केलेल्या रुग्णांच्या नोंदणीची, अनेकदा ते ईएचआरशी जोडलेले असतात. इतर नोंदी मोठ्या प्रमाणावर भौगोलिक प्रमाणावर लसीकरण, कर्करोग, शस्त्रक्रिया, आणि इतर सार्वजनिक आरोग्य समस्या मागोवा
- पेशंट पोर्टल्स रुग्णांना आरोग्य संगोपन संस्थेच्या ईएचआरमध्ये साठवलेल्या वैयक्तिक आरोग्य माहितीचा लाभ घेण्यास परवानगी देतात. काही रुग्ण पोर्टल्स देखील वापरकर्त्यांना डॉक्टरांच्या प्रिफरीशन रिफिलची विनंती करणे आणि आरोग्य संगोपन टीमसह सुरक्षित इलेक्ट्रॉनिक संदेश देवाणघेवाण करण्याची अनुमती देतात.
- क्लिनिकल डेटा वेअरहाउस मल्टीपल क्लिनिकल इन्फॉर्मेशन सिस्टीम, जसे की ईएचआर आणि वर सूचीबद्ध केलेल्या इतर स्रोतांकडून रुग्ण-स्तरीय डेटा गोळा करतात
दात्यांकडील डेटाचा दावा
सार्वजनिक दाता (उदा. मेडीकेअर) आणि खाजगी दात्यांमध्ये त्यांच्या लाभार्थ्यांचा दावे मोठ्या प्रमाणात आहे. काही आरोग्य विमा कंपन्या आपले आरोग्यविषयक डेटा सामायिक करण्याकरिता प्रोत्साहन देतात.
संशोधन अभ्यास
संशोधन डाटाबेसमध्ये अभ्यास सहभागी, प्रायोगिक उपचार आणि नैदानिक परिणाम याविषयी माहिती असते. मोठा अभ्यास सहसा फार्मास्युटिकल कंपन्या किंवा सरकारी एजन्सीद्वारे प्रायोजित असतो. वैद्यकीय औषधांचा उपयोग क्लिनिकल ट्रायल्स डेटाच्या नमुन्यावर आधारीत, प्रभावी उपचारांसहित वैयक्तिक रुग्णांशी जुळण्यासाठी आहे.
हे दृष्टिकोन पुराव्यांच्या आधारावर आधारित औषध तत्त्वांच्या पलीकडे जातात, ज्याद्वारे आरोग्यसेवा पुरवठादार हे ठरवतो की रुग्णाने भावी सहभाग्यांसह (उदा. वय, लिंग, वंश, क्लिनिकल स्थिती) सामायिक केले आहे. मोठ्या डेटा विश्लेषणासह, अधिक बारीक माहितीवर आधारित उपचार निवडणे शक्य आहे, जसे की रुग्णाच्या कर्करोगाचे आनुवांशिक प्रोफाइल (खाली पहा).
क्लिनिकल निर्णय समर्थन प्रणाली (सीडीएसएस) देखील वेगाने विकसित केले गेले आहेत आणि आता औषधांमध्ये कृत्रिम बुद्धिमत्ता (एआय) चा मोठा भाग दर्शवतो.
ते रुग्णाचा डेटा वापर करतात जे त्यांच्या निर्णय प्रक्रियेसह चिकित्सकांना सहाय्य करतात आणि बहुतेक वेळा ईएचआरशी एकत्रित केले जातात.
अनुवांशिक डेटाबेस
मानवी जनुकीय माहितीचा संग्रह त्वरित वेगाने जमा होतो. मानव जीनोम प्रकल्प 2003 मध्ये पूर्ण झाला असल्याने मानव डीएनएच्या क्रमवारीतील खर्च एक दशलक्ष पटींनी कमी झाला आहे. हार्वर्ड मेडिकल स्कूल द्वारे 2005 मध्ये सुरू केलेल्या वैयक्तिक जीनोम प्रोजेक्ट (पीजीपी) संपूर्ण जगभरातील 100,000 स्वयंसेवकांच्या पूर्ण जनकांची अनुक्रम आणि प्रसिद्धीची इच्छा व्यक्त करते. पीजीपी ही मोठ्या प्रमाणावरील डेटा प्रोजेक्टचे एक उत्कृष्ट उदाहरण आहे.
वैयक्तिक जीनोममध्ये सुमारे 100 गिगाबाइट डेटा असतो. जनुकांच्या अनुक्रमांशिवाय, पीजीपी देखील ईएचआर, सर्वेक्षणे आणि मायक्रोबीमी प्रोफाइलच्या डेटा गोळा करीत आहे.
अनेक कंपन्या व्यावसायिक, आरोग्य, वैयक्तिक गुणधर्म आणि फार्मासायक्जेक्टिक्ससाठी थेट-ते-ग्राहक अनुवांशिक अनुक्रम प्रदान करतात.
ही वैयक्तिक माहिती मोठी डेटा विश्लेषणेवर अधीन केली जाऊ शकते. उदाहरणार्थ, 23 आणि मी अमेरिकेतील अन्न व औषध प्रशासन यांचे अनुपालन करण्यासाठी 22 नोव्हेंबर 2013 पर्यंत आरोग्यविषयक संबंधित अनुवांशिक अहवाल नवीन ग्राहकांना देणे बंद केले. तथापि, 2015 मध्ये, कंपनीने त्यांच्या अनुवांशिक लाळ चाचणीचे काही आरोग्य घटक पुन्हा देऊ केले, यावेळी एफडीएच्या मंजुरीसह.
सार्वजनिक रेकॉर्ड
सरकार आरोग्य संबंधित इतिहासाचे विस्तृत रेकॉर्ड ठेवते, जसे की इमिग्रेशन, विवाह, जन्म आणि मृत्यू. अमेरिकन जनगणनेने 17 9 0 पासून दर 10 वर्षांनी प्रचंड प्रमाणात माहिती गोळा केली आहे. जनगणना सांख्यिकी आकडेवारीनुसार 2013 च्या तुलनेत 370 कोटी पेशी आहेत, दरवर्षी अंदाजे 11 अब्ज अधिक जोडले जातील.
वेब शोध
Google आणि इतर वेब शोध प्रदात्यांनी एकत्र केलेली वेब शोध माहिती जनसंख्या आरोग्याशी संबंधित वास्तविक-वेळ अंतर्दृष्टी प्रदान करु शकते. तथापि, वेब शोध नमुन्यांमधील मोठ्या डेटाचे मूल्य सुधारावे यासाठी त्यात आरोग्य डेटाच्या पारंपरिक स्रोतांसह सुधारणा केली जाऊ शकते.
सामाजिक मीडिया
फेसबुक, ट्विटर आणि इतर सोशल मीडिया प्लॅटफॉर्म्समुळे घड्याळभोवती विविध प्रकारचे डाटा तयार होतात, ज्यामध्ये स्थानांमध्ये, आरोग्य वर्तणूक, भावना आणि वापरकर्त्यांचे सामाजिक संवाद यांचा समावेश आहे. सोशल मीडियाचा वापर सार्वजनिक आरोग्य खात्यात केला जातो तो डिजिटल रोग ओळख किंवा डिजिटल विकृतिविज्ञान म्हणून संदर्भित केला गेला आहे. उदाहरणार्थ, ट्विटर, सर्वसाधारण लोकसंख्येतील इन्फ्लूएन्झा साथीचे विश्लेषण करण्यासाठी वापरले गेले आहे.
युनिव्हर्सिटी ऑफ पेनसिल्व्हेनिया येथे सुरू झालेल्या जागतिक कल्याण प्रकल्पामुळे सोशल मीडियाचा अभ्यास लोकांच्या अनुभव आणि आरोग्य समृद्धतेचा एक आणखी एक उदाहरण आहे. प्रकल्प एकत्रितपणे मानसशास्त्रज्ञ, सांख्यिकीशास्त्रज्ञ आणि संगणक शास्त्रज्ञांना एकत्र आणते जे ऑनलाइन व परस्पर संवाद साधताना वापरल्या जाणाऱ्या भाषांचा विश्लेषण करतात, उदाहरणार्थ, फेसबुक आणि ट्विटरवर स्थिती अद्यतने लिहिताना. वापरकर्त्यांची भाषा त्यांच्या आरोग्याशी आणि आनंदाशी कशी संबंधित आहे याचे वैज्ञानिक शास्त्रज्ञ पाहत आहेत. नैसर्गिक भाषा प्रक्रिया आणि मशीन शिक्षणातील प्रगती त्यांच्या प्रयत्नांमध्ये मदत करत आहे. पेनसिल्व्हेनिया विद्यापीठातून नुकत्याच प्रसिद्ध झालेल्या एका प्रसिद्ध प्रकाशनात सोशल मीडियाचे विश्लेषण करून मानसिक आजाराचे अनुमान काढण्याचे उपाय सांगितले. असे दिसून येते की आपल्या इंटरनेटचा वापर वाचून नैराश्ये आणि इतर मानसिक-आरोग्य स्थिती शोधल्या जाऊ शकतात. शास्त्रज्ञ भविष्यातील आशा करतील की या पद्धती अधिक जोखीम असलेल्या व्यक्तींना ओळखण्यास आणि सहाय्य करण्यास सक्षम असतील.
ची इंटरनेट (आयओटी)
आरोग्य-संबंधित माहितीची प्रचंड पारगमन देखील मोबाइल आणि होम डिव्हाइसेसवर एकत्रित आणि संग्रहित केली जाते.
- स्मार्टफोन : हजारो एमएच हॅथ अॅप्स वापरकर्त्याच्या शारीरिक क्रियाकलाप, पौष्टिक आहारातील, झोपण्याच्या पद्धती, भावना आणि इतर मापदंडांवरील माहिती हस्तगत करतात. नेटिव्ह सेल फोन अॅप्स् (उदा. जीपीएस, इमेल, टेस्टिंग) एखाद्या व्यक्तीच्या आरोग्य स्थितीबद्दल सुगावाही देऊ शकतात.
- अंगावर घालण्यास योग्य मॉनिटर आणि डिव्हाइसेस: त्वचेखाली एम्बेड केलेल्या पेडीमीटर, एक्सीलरोमीटर, चष्मा, घड्याळे आणि चिप्स देखील आरोग्य संबंधित माहिती गोळा करतात आणि त्यांना मेघमध्ये देखील पाठवू शकतात.
- टेलिमेडिसिन उपकरणे आरोग्य सेवा प्रदात्यांना रक्तदाब, हृदयविकार, श्वासोच्छवास दर, ऑक्सिजनन, तापमान, ईसीजी ट्रेसिंग आणि वजन यासारख्या रुग्णांच्या मापदंडांचे निरीक्षण करण्याची परवानगी देतात.
आर्थिक व्यवहार
रूग्णांच्या क्रेडिट कार्ड व्यवहारात कॅरोलिनस हेल्थकेअर प्रणालीद्वारे वापरल्या जाणा-या नवीन मॉडेलमध्ये रुग्णांना ओळखले जाते. शार्लोट-आधारित आरोग्यसेवा पुरवठादार रुग्णांना वेगवेगळ्या गटांमध्ये विभाजित करण्यासाठी मोठा डेटा वापरतो, उदाहरणार्थ, रोग आणि भौगोलिक स्थानावर आधारित.
नैतिक आणि गोपनीयता प्रभाव
हे प्रकाश टाकणे आवश्यक आहे की, काही बाबतीत, आरोग्य संगोपन करताना डेटा गोळा करणे आणि त्यावर प्रवेश करताना महत्वाचे नैतिक आणि गोपनीयता परिणाम होऊ शकतात. मोठ्या प्रमाणातील नवीन स्त्रोतामुळे व्यक्ती आणि लोकसंख्या आरोग्यावर कोणते परिणाम होतात यावरची आपली समज सुधारू शकते, तथापि, विविध जोखमींचा काळजीपूर्वक विचार करणे आणि परीक्षण करणे आवश्यक आहे. आता हे समजले गेले आहे की पूर्वीचे नाव निनावी मानले जाते, ते पुन्हा ओळखले जाऊ शकतात. उदाहरणार्थ, हार्वर्डच्या डेटा प्रायव्हसी लैबच्या प्रोफेसर Latanya Sweeney यांनी वैयक्तिक जीनोम प्रोजेक्टमध्ये सहभागी झालेल्या 1,130 स्वयंसेवकांची पाहणी केली. त्यांनी व त्यांच्या सहभागातून त्यांनी सहभागी झालेल्या माहितीवर (झिप कोड, जन्मतारीख, लिंग) सहभागी झालेल्या 42 टक्के सहभागींना सक्षम केले. हे ज्ञान संभाव्य जोखीमांचे आमच्या जागरूकता वाढवू शकते आणि आम्हाला चांगले डेटा सामायिक करण्याचे निर्णय घेण्यास मदत करू शकते.
> स्त्रोत:
कॉनवे एम, ओ'कॉनॉर डी. सोशल मीडिया, मोठे डेटा, आणि मानसिक आरोग्य: वर्तमान प्रगती आणि नैतिक परिणाम. सायकोलॉजी 2016 मध्ये चालू मत ; 9: 77-82.
> फर्नांडिस एल, ओ'कॉनोर एम, वीव्हर व्ही. बिग डेटा, मोठे निकाल जर्नल ऑफ द अमेरिकन हेल्थ इन्फॉर्मेशन मॅनेजमेंट असोसिएशन 2012; 83 (10): 38-43
> गुंटूमू एस, याडेन डी, केर्न एम, उगार ली, इिक्स्टेडेट जे . सोशल मिडियावर उदासीनता आणि मानसिक आजारांचा शोध लावणे : एक समन्वित पुनरावलोकन . वर्तणुकीचा विज्ञान 2017 मध्ये वर्तमान मत ; 18: 43-49.
> Lazer डी, केनेडी आर, राजा जी, Vespignani ए . Google फ्लू च्या बोधकथा: सापळे बिग डेटा विश्लेषण विज्ञान 2014; 343 (6176): 1203-1205
> रघुपती डब्ल्यू, रघुपती व्ही. हेल्थकेअरमधील बिग डेटा ऍनालिटिक्स: अॅडर्म अॅण्ड पॉवरटी अल आरोग्य माहिती विज्ञान आणि प्रणाली 2014; 2: 3.
> स्वीनी एल, अबू ए, विन्न जे. नामांकीत वैयक्तिक जीनोम प्रोजेक्टमध्ये सहभागींची ओळख करणे . हार्वर्ड विद्यापीठ. डेटा गोपनीयता लॅब. श्वेतपत्र 1021-1 एप्रिल 24, 2013