وبینار تخصصی " اهمیت داده‌ها در حوزه سلامت؛ چالش‌ها و چشم‌اندازها " برگزار شد
به گزارش روابط عمومی جهاددانشگاهی علوم پزشکی شهید بهشتی، فرج حسینیان سرپرست معاونت پژوهشی جهاددانشگاهی علوم پزشکی شهید بهشتی بابیان اینکه در حوزه سلامت موضوع داده‌کاوی داری اهمیت است گفت:در حوزه سلامت یکی از مهم‌ترین بخش‌های اطلاعاتی است که از همه درمان‌ها و پژوهش‌ها خارج و ثبت می‌شود، که متأسفانه این دیتاها حداقل در کشور ما خیلی جدی گرفته نمی‌شود .
این عضو هیئت علمی جهاددانشگاهی با اشاره به اهمیت ثبت دیتاها در حوزه سلامت ادامه داد: ثبت دیتاها می‌تواند منشأ بسیاری از بازسازی‌های جدید باشد و فرآیندها را تسریع ببخشد به این دلیل ما در کنار حوزه‌های کارکردی در جهاددانشگاهی علوم پزشکی شهید بهشتی بخش انفورماتیک سلامت را به‌صورت جدی در بحث هوش مصنوعی و داده‌کاوی با تشکیل کارگروه ایجادکردیم که بتوانیم در بحث داده‌ها که حوزه جوانی است در بخش سلامت کشور فعالیت داشته باشیم .
فرج حسینیان در پایان بابیان اینکه این نشست در راستای نشست‌های گذشته است که در حوزه داده‌ها در بحث سلامت برگزارشده، گفت:این راه جدیدی است که شروع‌شده و قطعاً در آینده حوزه سلامت به سمت داده‌های بزرگ و یادگیری‌های عمیق و بحث هوش مصنوعی می‌رود، امیدوارم بتوانیم در این حوزه در عرصه بین‌المللی پایه‌گذار بحث‌های جدید باشیم.
در ادامه دکتر مصطفی حمدیه، دبیر علمی وبینار بابیان اینکه به‌طور متوسط%30 از داده‌های جهان در حوزه سلامت است گفت: بازار سلامت ازنظر گستردگی و اهمیت در کنار بازارهایی همچون معدن، نفت و فولاد قرار می‌گیرد.
دبیر علمی وبینار بابیان اینکه تحلیل داده‌ها می‌تواند راهی برای رسیدن به موفقیت در سازمان‌ها باشد، خاطرنشان کرد: لازمه موفق بودن سازمان‌ها تحلیل حداقل7% داده‌هایشان است که در عمل کمتر از 1درصد داده‌ها در سازمان‌ها تحلیل می‌شود.
این عضو هیئت علمی گروه روان پزشکی دانشگاه علوم پزشکی شهیدبهشتی با اشاره به کاربرد علم داده در صنعت سلامت گفت: علم داده‌کاوی می‌تواند در پیشگیری از بیماری‌ها، پیش‌بینی شیوع بیماری‌های جدید، تشخیص بیماری‌ها، درمان بیماری‌ها، مراقبت‌های پس از بستری، پردازش تصاویر پزشکی و ساخت داروهای جدید مخصوص هر بیماری تأثیرگذار باشد.
دکتر مصطفی حمدیه در پایان به شروع پروژه‌ای که در این حوزه با همکاری جهاددانشگاهی با "عنوان بررسی عوامل مؤثر در تشخیص بیماری آلزایمر" با استفاده از الگوریتم‌های داده‌کاوی اشاره کرد.
شاخص پیشرفت علمی یک کشور تعداد مقاله علمی نیست
همچنین در ادامه این وبینار محمود حاجی پور اپیدمیولوژیست و عضو شورای پژوهشی مرکز تحقیقات گوارش و کبد اطفال بابیان اینکه به‌جای تمرکز بر کمیت مقالات باید به نشانگرهایی اعتنا نمود که به بررسی کیفیت مقالات می‌پردازند؛ اظهار کرد: شاخص پیشرفت علمی یک کشور تعداد مقاله علمی نیست. در سال‌های اخیر ارتقای مرتبه اعضای هیئت‌علمی و فارغ‌التحصیلی دانشجویان تحصیلات تکمیلی دانشگاه‌ها منوط به ارائه هرچه بیشتر مقالات شده است.
حاجی پور با اشاره به آمار سهم بودجه پژوهشی گفت: بر اساس آخرین آمار، سهم بودجه پژوهشی برخی کشورها از تولید ناخالص ملی در چین ۲ درصد، آمریکا ۲/۸ درصد، فرانسه ۲/۳ درصد، هند یک درصد، کره جنوبی ۳/۶ درصد (که افزایش پیداکرده)، آلمان ۲/۹ درصد، ژاپن ۳/۴ درصد، روسیه ۱/۵ درصد و ایران حدود نیم درصد است.
این عضو کمیته راهبردی ثبت بیماری ها با اشاره به بودجه 1 درصدی مراکز پژوهشی، گفت: جمعاً ۶۰۳۶۹۴ میلیارد ریال بودجه برای دانشگاه‌ها لحاظ شده است. ۸۷ درصد این اعتبارات برای بهداشت و درمان، حدود ۱۲ درصد برای برنامه‌های آموزشی و کمتر از ۱ درصد برای مراکز پژوهشی در نظر گرفته‌شده است.
اهمیت ثبت داده های با کیفیت؛ در تولید سیستم های پزشکی
همچنین در ادامه دکتر آرش روشن پور ، هیئت علمی دانشگاه آزاد اسلامی ، واحد تهران سما با اشاره به اهمیت کیفیت داده های پزشکی در یادگیری عمیق تصریح کرد: فرآیند یادگیری ماشین و بالاخص یادگیری عمیق بشدت وابسته به کمیت و کیفیت داده ها است و با توجه به اهمیت تشخیص صحیح در حوزه پزشکی این اهمیت دو چندان می شود.
این هیئت‌علمی دانشگاه آزاد تهران در این نشست به موضوعات تولید سیستم‌های خبره در پزشکی و مشکلات آن ، استفاده از یادگیری ماشین در راستای تقلیل این مشکل ، یادگیری در شبکه عصبی مصنوعی، اهمیت رسیدگی به خصیصه‌های پیشگو و تأثیر آن‌ها در تصمیم‌گیری، کیفیت داده‌های پزشکی در یادگیری عمیق (یافته‌ها)، مدل‌هایی بر پایه شبکه عصبی عمیق، داده‌های پرت، نویز، تولید مدل دارای پیچیدگی کمتر در راستای نادیده گرفتن نویز و... پرداخت.
نظر شما :