بررسی مزایا و معایب داده کاوی و الگوریتم های یادگیری ماشینی در نظام سلامت

مقدمه: سیستم سلامت از مهم ترین بخش های کشورهای توسعه یافته به شمار می رود.که با رشد سریع داده ها ی ضروری همراه است.و نیاز به تجزیه وتحلیل روابط و سلسله مراتب بین داده سبب نیاز به فناوری ماشین لرنینگ ( machine machine machinelearning learning ) و داده کاوی در نظام سلامت است.که در پیشگیری ، تشخیصو درمان بسیار کارآمد می باشد. به صورت مروری در منابع معتبر انگلیسی در پایگاه های اطلاعاتی pubmed ,elsevier, elsevier, elsevier,science sciencedirect direct ,web webof science ,ebsco, ebsco, ebsco,chocrane chocranechocrane , از سال های بین انتخاب گردید و برای جستجوی منابع انگلیسی از کلید واژه های ماشین لرنینگ ، داده کاوی و مزایای داده کاوی و ماشین لرنینگ با توجه به تعداد زیاد مقالات بر اساس تاریخ انتشار ، امکان دسترسی به متن کامل مقاله برای بهدست آوردن منابع مورد نظر و حذف مقالات غیر مرتبط با هدف پژوهش.همچنین از دیگر معیارهای خروج مقالات، تکراری بودن محتوا و قدیمی بودن تاریخ انتشار آن ها بوده است. بحث: در این پژوهش 35 مقاله استخراج که از آن 12 مقاله مورد بررسی قرار گرفت . در این پژوهش ،تکنیک ها و الگوریتم های ماشین لرنینگ و داده کاوی متفاوتی چون دسته بندی رگرسیون و خوشه بندی و درخت تصمیم مطرح شده است . بررسی این مقالات نشان می دهد که پیش بینی و تشخیص بیماری ها ، بررسی اثر بخشی معالجات ،مدیریت بهتر خدمات بهداشتی و درمانی ،کشف موارد نادرست و خطایابی و کشف الگو های منفی ، وجود داده های معیوب ،جامعیت و یکپارچگی ضعیف داده ها ،مسائل مربوط به مقدار زیاد نتایج و دانش کشف شده وتفسیر آن میباشد . حجیم و ناهمگونی داده ها ، مسائل مربوط به مالکیت ، امنیت و محرمانگی ،اهمیت تفسیر پزشکان ،طبیعت پویای داده ، نیاز به مداخله متخصصین و کارشناسان و محدودیت های جمع آوری داده توسط پزشک و محققین ماشین لرنینگ و داده کاوی نیز بسیار حائز اهمیت است . نتیجه: با توجه به اهمیت ماشین لرنینگ و داده کاوی در سیستم سلامت سیاستگذران باید خط مشی ها و زیر ساخت های لازم را در جهت به کارگیری داده کاوی و کاهش هزینه وافزایش کیفیت خدمات درمانی شود.همچنین فعالان حوزه فناوری اطلاعات سلامت نیز می توانند با تولید و توسعه نرم افزارهای ماشین لرنینگ و داده کاوی استاندارد در بهبود سیستم سلامت تاثیرگذار باشند .