لیلا برادران سرخابی؛ فرهاد سلیمانیان قره‌چپق؛ جعفر شهام‌فر
چکیده
مقدمه: داده‌کاوی، ابزار کارامدی جهت آشکارسازی دانش نهفته در کلاندادههای پزشکی می‌باشد. اولین قدم داده‌کاوی، شناخت داده و چالش‌های آن است. هدف از انجام پژوهش حاضر، بررسی سرمنشأ، تأثیرات و راهکارهای مواجهه با چالش‌های کاوش کلاندادههای پزشکی و همچنین، تعیین منافع حاصل از کاوش بود.روش بررسی: در این تحقیق مروری، مطالعات انگلیسی ...
بیشتر
مقدمه: داده‌کاوی، ابزار کارامدی جهت آشکارسازی دانش نهفته در کلاندادههای پزشکی می‌باشد. اولین قدم داده‌کاوی، شناخت داده و چالش‌های آن است. هدف از انجام پژوهش حاضر، بررسی سرمنشأ، تأثیرات و راهکارهای مواجهه با چالش‌های کاوش کلاندادههای پزشکی و همچنین، تعیین منافع حاصل از کاوش بود.روش بررسی: در این تحقیق مروری، مطالعات انگلیسی با دو گروه کلید واژه مجزا برای مزایا و چالش‌ها از پایگاه‌‌های اطلاعاتی PubMed، ScienceDirect، Springer و Google Scholar، طی بازه زمانی سال‌های 2011 تا 2020 جستجو شد. مطالعات تک منظوره حذف و مطالعاتی که به صورت جامع کاوش کلاندادههای پزشکی را مورد بررسی قرار داده بودند، انتخاب شد. سپس هر چالش مورد بررسی دقیق‌تر قرار گرفت و نتایج به صورت طبقه‌بندی شده ارایه گردید.یافته‌ها: دانش حاصل از کاوش کلان‌داده پزشکی، سبب افزایش کیفیت ارایه خدمات درمانی می‌شود، اما خطا در جمع‌آوری و ثبت اطلاعات، ویژگی‌های ناشی از کلان‌داده بودن و ساختار ذاتی داده‌های پزشکی، چالش‌های بسیاری بر سر راه کاوش قرار داده است که از بین آن‌ها، «ناسازگاری، صحت، امنیت و محرمانگی داده»، دشوارترین مشکلات به شمار می‌روند. استانداردسازی و افزایش دقت و امنیت در جمع‌آوری، ذخیره‌سازی و نمایش داده‌ها، مؤثرترین راهکارهای پیشگیری می‌باشد. طراحی و استفاده از بسترها، الگوریتم‌ها و ساختارهای مناسب کلان‌داده و همچنین، بهره‌گیری از روش‌های یادگیری ماشین و هوش مصنوعی، راهکارهای مناسبی برای مواجهه با چالش‌ها محسوب می‌شوند.نتیجه‌گیری: عدم آمادگی برای ظهور کلاندادههای پزشکی و رشد بسیار سریع آن‌ها، سرمنشأ بروز چالش‌هایی برای الگوریتم‌های کاوش هستند که برخی قابل پیشگیری، شناسایی و رفع می‌باشند و برخی نیز به روش‌های هوشمند نوینی نیاز دارند که قابلیت مدیریت کلاندادههای پزشکی را داشته باشند.
