ในอุตสาหกรรมสาธารณสุขจะมีอะไรที่สำคัญไปกว่าผลลัพธ์ด้านสุขภาพ? ในทุกวันผู้ให้บริการด้านสาธารณสุขทั่วโลกต่างพยายามค้นหาวิถีทางที่จะปรับปรุงคุณภาพชีวิตของพวกเรา แต่ก็นั่นแหละปัจจุบันโลกได้เปลี่ยนไปพูดได้ว่าโลกเปลี่ยนแปลงไปเร็วเกินกว่าที่เราจะตามทันด้วยซ้ำ การทำงานคนเดียวคงมิอาจปรับปรุงคุณภาพชีวิตคนไข้ได้อีกต่อไปเพราะจำนวนข้อมูลด้านสาธารณสุขได้เติบโตอย่างรวดเร็วเรียกได้ว่า เพิ่มขึ้นทุกๆ วินาทีก็ว่าได้ ซึ่งนั่นมันทำให้เพิ่มความยากในการค้นหารูปแบบที่เหมาะสมกับข้อมูล ข้อมูลขนาดใหญ่หรือที่เรียกกันว่า Big Data

ความจริงแล้ว Data Science ได้กำลังปรับปรุงผลลัพธ์ในทางที่ดีขึ้นจนเรียกได้ว่าไม่อาจประเมินค่าได้ เนื่องจากได้สร้างความความเป็นอัตโนมัติมากมายที่ทำให้พัฒนาการต่างๆดีขึ้นตามลำดับ ทั้งความเร็ว ความสามารถในการย่อและขยายข้อมูล รวมถึงความถูกต้องแม่นยำ สิ่งที่ควรพิจารณาอย่างยิ่งคือการมองไปที่ความสามารถในการพยากรณ์โรคระบาด ความก้าวหน้าในการรักษา และการทำให้คนไข้พักรักษาตัวในโรงพยาบาลอย่างสะดวกสบายและปลอดภัย โดยในทางสาธารณสุขแล้ว Data Science ควรจะถูกพิจารณาความเป็นอัจฉริยะในแง่คุณประโยชน์มากกว่าการเป็นเพียงปัญญาประดิษฐ์เท่านั้น ซึ่งแผนการเตรียมการในการเพิ่มบริการเหล่านี้แก่ผู้เชี่ยวชาญทางสาธารณสุขได้เริ่มขึ้นแล้ว

"เหตุผลที่ 1 ข้อมูลค่ารักษาพยาบาล"

Someone famous in Source Title

จากผลการสำรวจการปฏิบัติหน้าที่ของโรงพยาบาลแห่งชาติพบว่า ในปี 2010 ได้มีผู้ป่วยที่ได้รับอนุญาตให้ออกจากโรงพยาบาล (Discharge) จำนวน 35.1 ล้านคนภายในระยะเวลาที่อยู่ในโรงพยาบาลเฉลี่ย4.8 วัน และมีการรายงามเพิ่มเติมว่ายังมีผู้ป่วยอีกจำนวน 51.4 ล้านคนที่ยังอยู่ในขั้นตอนรักษา จากผลการสำรวจการรักษาพยาบาลผู้ป่วยนอกในปี 2011 พบว่ามีผู้ป่วยนอกจากแผนกดูแลผู้ป่วยนอกจำนวน 125.7ล้านคน และแผนกผู้ป่วยฉุกเฉินจำนวน 136.3 ล้านคน และยังมีข้อมูลพื้นฐานเพิ่มเติมอีกจำนวนหนึ่งแสดงข้อมมูลการรักษาพยาบาลในระบบสาธารณสุขของสหรัฐอเมริกาอีกด้วย การนำ Data Science มาประยุกต์ใช้กับข้อมูลเหล่านี้จะทำให้เกิดความเข้าใจข้อมูลมากยิ่งขึ้นและสร้างความเป็นไปได้ในการลดหรือหลีกเลี่ยงการแพร่กระจายของเชื้อโรคหรือแม้กระทั่งจัดการการลุกลามได้ด้วย การรวมเข้าด้วยกันของสถิติ การสำรวจวิเคราะห์ข้อมูลและการพยากรณ์ข้อมูลจะนำไปสู่การบริหารต้นทุนให้มีประสิทธิภาพสำหรับอาการป่วยที่เฉพาะเจาะจงและลดความซ้ำซ้อนที่ไม่จำเป็นในการรักษาได้อีกด้วย การสร้างพลังแห่งการคาดการณ์ที่มีประโยชน์เหล่านี้คือการใช้ความรู้ที่จะเปลี่ยนแปลงรูปแบบพฤติกรรมของวันนี้

"เเหตุผลที่ 2 ข้อมูลด้านการรักษา"

Someone famous in Source Title

แหล่งข้อมูลได้รวบรวมมาจากบันทึกการรักษาของแพทย์ ผลการทดลองจากห้องแล๊บ และการเก็บข้อมูลจากเทคโนโลยีการฉายภาพทางการแพทย์ในระหว่างการตรวจรักษาคนไข้ ตัวอย่างเช่นในทุกวันโรงพยาบาลใช้อัลกอริทึมของการประมวลผลภาษาธรรมชาติ (Natural language processing algorithms) ในการวิเคราะห์ประวัติคนไข้ ซึ่งพวกเขาอาจจะระบุถึงความเสี่ยงที่แน่นอนของอาการป่วยในคนไข้แต่ละบุคคลได้ และเมื่อไม่นานมานี้ก็ได้มีรายงานว่าผู้ให้บริการทางสาธารณสุขไม่ยอมรับการอ่านผลความดันเลือดที่ผ่านการอ่านสามครั้งโดยไม่ต่อเนื่องกันจากการตรวจสอบ 26% ของผู้ป่วยในแผนกกุมารเวช ซึ่งถูกตรวจสอบโดยสมาคมการแพทย์อเมริกัน (The American Medical Association) ซึ่งการยอมรับนี้จะต้องผ่านการวิเคราะห์จากข้อมูลที่เพิ่มขึ้นจำนวนมากซึ่งอาจจจะเป็นงานที่ยากขึ้นสำหรับผู้ให้บริการทางสาธารณสุข

"เหตุผลที่ 3 ข้อมูลด้านการวิจัยและพัฒนายา"

Someone famous in Source Title

เมื่อไม่นานมานี้ ได้เกิดความร่วมมือในการพัฒนาระหว่างบริษัทยา ซึ่งได้พิจารณาโครงการ Data Sphere, การเริ่มต้นการแชร์ความรู้และข้อมูล, การรวมข้อมูล, รวมถึงการวิเคราะห์ข้อมูลประวัติการรักษาโรคมะเร็งเพื่อวัตถุประสงค์ในการรวบรวมข้อมูลในการวิจัยเพื่อเพิ่มความรวดเร็วในการค้นหาและการรักษาโรคมะเร็ง พลังแห่งข้อมูลอันมากมายมหาศาลคือการวิเคราะห์และการโฟกัสไปยังการค้นหาวิธีการรักษาสำหรับผู้ป่วยโรคมะเร็ง

"เหตุผลที่ 4 ข้อมูลพฤติกรรมคนไข้รวมถึงความคิดเห็น"

Someone famous in Source Title

จากผลการศึกษาของสมาคมการแพทย์อเมริกันคาดว่า Wearable หรืออุปกรณ์สวมใส่อิเล็กทรอนิกส์จะมีจำนวน 52 ล้านชิ้นภายในปี 2019 ซึ่ง Wearable สามารถรายงานและตรวจจับอัตราการเต้นหัวใจ รูปแบบการนอน การเดิน และอีกมากมาย ขณะที่มีการเพิ่มมิติอื่นๆ ที่เกี่ยวข้องในหลายบริบทเข้ามา ทั้งการค้นหาพิกัด รูปแบบพฤติกรรม รวมถึงสถิติชีวภาพ การรวมสิ่งเหล่านี้เข้ากับข้อมูลวิถีชีวิตหรือ Lifestyle ที่ไม่มีโครงสร้างผ่านSocial media กลายเป็นศูนย์รวมอำนาจ ซึ่งนั่นมันมากกว่าแค่จำนวนและการส่งเสียง (Tweet)

"เหตุผลที่ 4 ข้อมูลพฤติกรรมคนไข้รวมถึงความคิดเห็น"

Someone famous in Source Title

จากผลการศึกษาของสมาคมการแพทย์อเมริกันคาดว่า Wearable หรืออุปกรณ์สวมใส่อิเล็กทรอนิกส์จะมีจำนวน 52 ล้านชิ้นภายในปี 2019 ซึ่ง Wearable สามารถรายงานและตรวจจับอัตราการเต้นหัวใจ รูปแบบการนอน การเดิน และอีกมากมาย ขณะที่มีการเพิ่มมิติอื่นๆ ที่เกี่ยวข้องในหลายบริบทเข้ามา ทั้งการค้นหาพิกัด รูปแบบพฤติกรรม รวมถึงสถิติชีวภาพ การรวมสิ่งเหล่านี้เข้ากับข้อมูลวิถีชีวิตหรือ Lifestyle ที่ไม่มีโครงสร้างผ่านSocial media กลายเป็นศูนย์รวมอำนาจ ซึ่งนั่นมันมากกว่าแค่จำนวนและการส่งเสียง (Tweet)

จะเห็นได้อย่างชัดเจนว่าเราจะมีประสบการณ์lสำหรับการใช้ประโยชน์มากมายที่มาจากการวิเคราะห์ข้อมูลทั้งในและนอกวงการสาธารณสุข เราจะเห็นความต่อเนื่องในการผลักดันการป้องกันผ่านการรักษาซึ่งมุ่งประเด็นไปที่การพยายากรณ์ผลลัพธ์การรักษาเป็นสำคัญ

มันอาจจะยังไม่เป็นที่นิยมแพร่หลายหรือเป็นที่กล่าวขานในตอนนี้ แต่ในอนานคตเมื่อเรามองย้อนกลับมาที่ Data Science มันจะกลายเป็นสิ่งที่สำคัญและมีความหมายในวงการสาธารณสุขมาก มันจึงดูสมเหตุสมผลที่จะคาดหวังว่ามีความเป็นไปได้ที่จะฟื้นฟูเยียวยาอาการเจ็บป่วยและบาดเจ็บได้เร็วขึ้น มีอายุยืนยาว เพราะการค้นพบยาใหม่ๆ ที่มีประโยชน์และสร้างประสิทธิภาพกับการผ่าตัดที่โรงพยาบาล สิ่งเหล่านี้เกิดขึ้นได้เพราะการวิเคราะห์ Big Data

อะไรที่ทำให้การอยู่ในยุคของ Big Data เป็นเรื่องที่น่ายินดี นั่นคือสิ่งที่เป็นแรงผลักดันให้วงการสาธารณสุข การค้นหาเครื่องมือ ทักษะ และเทคนิคต่างๆ เพื่อให้สามารถทำงานกับข้อมูลผู้ป่วยที่มีอย่างท่วมท้นมากมายคือความเข้าใจอย่างลึกซึ่งในธรรมชาติของข้อมูล เมื่อวงการสาธารณสุขได้นำ Data Science มาใช้อย่างเต็มรูปแบบ มันจะเปลี่ยนแปลงอนาคตของคุณทุกคน

ที่มา: https://www.techtalkthai.com/4-reasons-why-healthcare-needs-data-science/