عنوان:

ارائه یک مدل مناسب مبتنی بر تکنیک‌های ترکیب تصمیم (Decision Fusion) به‌منظور مدیریت و تحلیل داده‌های بزرگ (BigData)

چكيده 

مقدمه: تولید حجم عظیمی از داده‌ها (Big Data) با ظهور تکنولوژی‌های مختلف مانند کامپیوتر و تلفن‌های هوشمند در صنعت مراقبت سلامت به فرصتی طلایی تبدیل‌شده است. تحلیل این نوع داده‌ها در کاهش هزینه‌ها و بهبود خدمات نقش مهمی را ایفا می‌کند. تجزیه‌وتحلیل‌های این نوع داده‌ها به دلیل دارا بودن ویژگی‌هایی مانند حجم بالا، تنوع، تولید با سرعت زیاد با روش‌های معمول امکان‌پذیر نیست. هدف این مطالعه ارائه مدل مناسب مبتنی بر تکنیک‌های ترکیب تصمیم (Decision Fusion) جهت تجزیه‌وتحلیل این نوع داده‌ها در حوزه مراقبت سلامت می‌باشد.

 روش کار: طرح در سه فاز طراحی شد: فاز اول مرور متون گسترده جهت آشنایی کامل با تحلیل‌های کلان داده‌ها و تکنیک‌های مرتبط با آن و ازجمله تکنیک‌های ترکیب تصمیم. فاز دوم پیاده‌سازی تکنیک‌های مناسب شناسایی‌شده شامل مدل‌سازی تشخیص افتراقی لوسمی حاد میلوئیدی، سرطان روده بزرگ و مدلسازی برای تعیین میزان اهمیت فاکتورهای مؤثر در بروز سرطان سینه و بررسی روابط درونی متغیرهای اثرگذار از روش‌های یادگیری عمیق و تکنیک‌های یادگیری اِنسمبل در مقایسه با روش‌های کلاسیک جهت ارائه یک مدل تشخیصی بهینه انجام شد. در فاز سوم، جهت بررسی دیدگاه و نگرش کارکنان و دانشجویان در مورد تحلیل‌های کلان داده‌ها، 4 مطالعه با اهداف بررسی نظرات دانشجویان، میزان آشنایی کارکنان، مقایسه آشنایی دانشجویان و کارکنان در قالب پرسشنامه‌های محقق ساخته طراحی شدند. برای بررسی اثرات همزمان و متقابل نیز از GLM استفاده شد.

نتایج: نتایج فاز اول نشان داد تکنیک ترکیب تصمیم دارای مزایایی ازجمله افزایش صحت، نمایش و خلاصه‌سازی اطلاعات، استفاده بهینه از اطلاعات و اشتراک اطلاعات در سطوح مختلف پیشگیری، تشخیص و درمان و در بخش‌های مختلف مراقبت سلامت شامل پردازش تصاویر پزشکی، پردازش سیگنال‌های پزشکی، مدیریت داده‌های سامانه‌های اطلاعات سلامت می‌باشد. نتایج پیاده‌سازی فاز دوم نشان داد با متد یادگیری عمیق، مدلسازی تشخیص لوسمی حاد میلوئیدی با صحت 97% در برابر تکنیک شبکه عصبی مصنوعی با صحت 63% برتری دارد. در مدلسازی تشخیص سرطان روده بزرگ، از بین 20 روش طبقه‌بندی استفاده شده، روش‌های لایت جی بی اِم و یادگیری عمیق در ترکیب با رویکرد انتخاب ویژگی صحت %100 را نشان دادند. در تعیین ویژگی‌های اثرگذار بر سرطان سینه، متغیرهای پاتولوژی با ضریب 0.35، مارکر با ضریب 0.23، بیوشیمی با 0.15، ژن با 0.13، جنسیت با ضریب 0.08 و دموگرافیک با ضریب 0.06 به ترتیب بیشترین اثر را بر سرطان داشتند. (R2=0.54) نتایج فاز سوم نشان داد 93.9% شرکت‌کنندگان عقیده داشتند که تحلیل کلان داده‌ها برای کشور ضروری است. 43.2% بر این باور بودند که در صنعت اطلاعات و ارتباطات بیشترین داده کلان موجود است. امتیاز کسب‌شده توسط دانشجویان و کارکنان به ترتیب1.21 ±2.28 و 1.13±2.66 می‌باشد که p=.012 نشان‌دهنده اختلاف معنی‌دار بین سطح دانش و دانشجویان و کارکنان می‌باشد.

نتیجه ­گیری: با توجه به قابلیت‌های فراوان تحلیل‌های کلان داده‌ها و ازجمله تکنیک ترکیب تصمیم در حوزه سلامت، این تکنیک‌ها را در تمام بخش‌ها و سطوح مراقبت سلامت باهدف بهبود کیفیت مراقبت و کاهش هزینه‌ها می‌توان به کار برد.

کلمات کلیدی: کلان داده‌ها، حوزه مراقبت سلامت، بیولوژی، ترکیب تصمیم