ВНЕДРЕНИЕ DATA SCIENCE В МЕДИЦИНУ

IMPLEMENTATION OF DATA SCIENCE IN MEDICINE

Darya Cherkasova

Student, Faculty of Economics and Management, Novosibirsk State Agrarian University,

Russia, Novosibirsk

Olga Agafonova

Scientific supervisor, Candidate of Economics. Sciences, Associate Professor, Novosibirsk State Agrarian University,

Russia, Novosibirsk

АННОТАЦИЯ

В статье представлен анализ системы Data Science в медицине, рассмотрена эффективность внедрения данной системы в сфере здравоохранения, выявлены положительные аспекты использования Data Science в период пандемии COVID-19. В заключении акцентировано внимание на потенциале развития Data Science в медицине.

ABSTRACT

The article presents an analysis of the Data Science system in medicine, examines the effectiveness of the implementation of this system in the healthcare sector, and identifies positive aspects of using Data Science during the COVID-19 pandemic. In conclusion, attention is focused on the potential for the development of Data Science in medicine.

Ключевые слова: Big Data, Data Science, медицина, цифровизация, геномика, наука, виртуальная помощь.

Keywords: Big Data, Data Science, medicine, digitalization, genomics, science, virtual assistance.

В период развития цифровизации, на смену одним методам ведения учета данных, приходят другие. Данное изменение не обошло и медицину. Data Science предполагает исследование и анализ сверхбольших массивов информации и ориентирована в первую очередь на получение практических результатов.

Data Science (DS) — междисциплинарная область на стыке статистики, математики, системного анализа и машинного обучения, которая охватывает все этапы работы с данными.

Медицина является одной из самых востребованных областей, где применяется Data Science. В медицине активно используется наука о данных для того, чтобы улучшить жизнь пациентов, прогнозировать развитие заболеваний на ранних этапах и уменьшить количество негативных последствий.

Data Science в наше время имеет два вектора развития в медицине – здравоохранение и фармацевтика.

Здравоохранение включает в себя задачи диагностики, оптимизация работы клиник и врачей, а также подбор определенных лекарств и лечения в результате выявленного диагноза. Алгоритм анализа данных и машинного обучения является основой решения, применяющиеся в каждой из вышеуказанных глобальных задач. Медицинские данные, которые накопились за большой промежуток времени активно используются в разработке новых лекарств. В данном случае речь идет не только о применении в поиске действующих веществ, но и также затрагивается тестирование препаратов на подопытных животных и людях.

С каждым днем, сфера IT-технологий и медицина сближаются:

1. электронная очередь

2. личный кабинет пациента

3. данные в электронном виде (ЭМК-электронная медкарта пациента, ОМС-обязательное медицинское страхование)

4. расписание

5. фармацевтика

6. управление финансами

7. роботы-помощники [4]

Не все показатели работают исправно на данный момент, но описанные выше, корректируются и доводятся до идеала.

Пандемия коронавируса сыграла большую роль в развитии технологий Data Science. Возникла резкая необходимость в предсказательных моделях, то есть способах, которые могут дать точные данные о распространении коронавируса в будущем. Такая модель должна включать в себя предсказание количества госпитализацией, скорость распространения коронавируса, а также влияние ограничительных мер и вакцинации людей на COVID-19. В классической эпидемиологии данные предсказания основываются на конкретных простых эпидемиологических моделях и это является мало эффективным, на деле эти модели сильно уступают методам Data Science.

В медицине существует большое количество рабочих решений, например, задачи диагностики заболевания по КТ легких были изучены давно, в результате чего наблюдается эффективность в решении этих задач.  В тоже время из-за пандемии, где осуществлялся постоянный обмен данных, а также эти данные находились в доступе, в результате чего задача автоматической диагностики COVID-19 по КТ была решена в минимальные сроки.

Для того, чтобы прогнозировать количество свободных мест в больницах, то здесь необходимо предсказывать тяжесть исхода заболевания, а для этого необходимо проанализировать очень большой объем исходных данных.

В момент развития пандемии, повысился спрос на услуги телемедицины, в основе которых используются алгоритмы машинного обучения.

Данные системы необходимы для учета и постановки первостепенного диагноза, работы с информацией, анализами, и их результатами.

Отрицательным моментом является то, что внедрение каких-то новых решений на практике невозможно из-за того, что требуется тщательная проверка любой модели всеми возможными способами. [5]

Пандемия COVID-19 существенно повлияла на рынок Data Science и его развитие:

– возрос объем и поток информации, необходимой в обработке;

– образовалась нехватка кадров и возросла потребность в специалистах в Data Science.

Человек, собирающий, обрабатывающий и анализирующий данные – Data Scientist. Если говорить о функциях человека с профессией Data Scientist в медицине, то в его обязанности входит:

1. оценка эффективности работы медицинского персонала;

2. просмотр информации, исходящей от людей, посещающих медицинский центр;

3. оценка медицинских препаратов и назначенных способов лечения людей;

4. предлагать стратегию, и разрабатывать план для улучшения деятельности медицинского центра;

5. автоматизация процессов учета и ведения документации;

6. сокращение издержек на сферу медицины;

7. выявление и предотвращение рисков и угроз;

8. составление отчетов и аналитических презентаций по проделанной работе;

9. работа с методами интеллектуального анализа и статистическими данными. [1]

В основе программ обучения некоторых медицинских университетов, на курсах медицинской статистики изучают основы Data Science. На базе университетов создаются платформы для внедрения Data Science в повседневную жизнь человека.

Данная система является революционной, но врачам достаточно трудно овладеть полной информацией, так как отсутствуют знания в области программирования. Базовые знания в программировании, возможность разбираться в современных алгоритмах анализа данных — в нейронных сетях.

При чем, не достаточно понимания и теоретической базы для работы с алгоритмами. Для работы в сфере Data Science, необходимо знать высшую математику и применять на практике работу с алгоритмами. [2]

Последние годы показывают, что врачи не способствуют использованию и внедрению Data Science, хотя, данная система и является двигателем индустрии. Проблема кроется в оптимизации ресурсов медицинских учреждений и недостатке человеческого ресурса. Хотя, за последний год, довольно обширное количество компаний предлагают услуги, использующие Data Science. Весомой проблемой можно считать нехватку данных. Ведь для постоянного развития требуется постоянное обновление информации.

Не стоит ожидать безошибочной работы сразу. В работе многих алгоритмов может наблюдаться ошибка, следовательно, что врач может её допустить, что программа. Необходима настройка и апробация продуктов, причем, к анализу стоит привлекать только квалифицированных кадров.

Синергия Data Science и медицинских технологий уже позволила совершить скачок в разработке решений для диагностики онкологических, аутоиммунных и нейродегенеративных заболеваний. Сервисы, способные на основе сборки, учета, обработки, и анализа данных прогнозировать распространение заболевания в организме человека и подбирать методы лечения способны спасти миллионы жизней по всему миру. [3]

Несмотря на то, что классическое медицинское образование отстает от вызовов, которые стоят сегодня перед индустрией, стать современным специалистом, работающим на стыке двух научных направлений — Data Science и медицины — реально.

Список литературы:

1. Как наука о данных помогает врачам? // Как наука о данных помогает врачам? // Режим доступа: https://proglib.io/p/kak-nauka-o-dannyh-pomogaet-vracham-2021-05-29 (дата обращения: 27.11.23).
2. Необычная профессия, спрос на которую растет: Data Scientist в медицине // Необычная профессия, спрос на которую растет: Data Scientist в медицине | Smapse News: Образование и наука | Яндекс Дзен //Режим доступа: https://zen.yandex.ru/media/smapse_discovery/neobychnaia-professiia-spros-na-kotoruiu-rastet-data-scientist-v-medicine 60bc91c477f4f3143eaa3377 (дата обращения: 28.11.23).
3. Применение Big Data в медицине об этом сообщает "Рамблер". // Применение Big Data в медицине — Рамблер //Режим доступа: https://news.rambler.ru/other/39885536-primenenie-big-data-v-meditsine/ (дата обращения: 28.11.23).
4. Data Scientist - одна из новых и самых необычных профессий в медицине // Data Scientist в медицине - одна из новых и самых необычных профессий в медицине// Режим доступа: https://арит.рф/news/data-scientist-v-medicine-odna-iz-novyh-i-samyh-neobychnyh-professij-v-medicine/ (дата обращения: 29.11.23).
5. Data Science в медицине: кто, как и зачем обрабатывает данные // Data Science в медицине: кто, как и зачем обрабатывает данные// Режим доступа: https://hightech.fm/2021/07/16/data-science-medicine (дата обращения: 28.11.23).