استفاده از سیستم های هوش تجاری در صنعت بهداشت و درمان

امروزه صنعت بهداشت و درمان در آستانه تحولات عظیمی می باشد. طبق گزارش KLAS حدود ۵۰ درصد از مراکز درمانی، در حال جستجو برای جایگزینی و یا تهیه سیستم های هوش تجاری هستند. لازم به ذکر است که در این گزارش اشاره ای به مراکز درمانی موجود در کشور ایران نشده است و با توجه به اینکه دانش هوش تجاری در کشور ما دانشی نو پا می باشد، این نوع مراکز اکثرا در حال انتخاب سیستم مناسب هوش تجاری در سازمان خود می باشند. بنابراین این مقاله می تواند کمکی باشد به این گونه سازمان ها در کشور تا با انتخابی مناسب بهترین ابزار را برای این منظور استفاده نمایند.

دلایل زیادی وجود دارد که سازمان های بهداشتی و درمانی در حال انتخاب سیستم های هوش تجاری در سازمان خود می باشند. یکی از این دلایل رشد بی وقفه صنعت سلامت می باشد و مراکز سلامت دائما به دنبال راه های جدید برای افزایش و بهره وری و کاهش هزینه های می باشند.
داده های تولید شده در حوزه سلامت بسیار وسیع بوده و این امر موجب پیدایش حجم وسیعی از داده ها می باشد که می توان از طریق آنها به اطلاعات وسیعی دست یافت. نرم افزارهای حوزه سلامت یک منبع جدید برای دریافت اطلاعات بیماری می باشند و رسانه های اجتماعی امکان دسترسی به اطلاعات وضعیتی بیمار را فراهم کرده اند. از این رو، اکثر اطلاعات مربوط به سیستم های هوش تجاری در این حوزه می توانند یک دید عالی نسبت به وضعیت بیمار ، تاثیرات داروها و روند درمان بیماری را تولید کنند.

۱- بازار مناسب هوش تجاری در سال ۲۰۱۴:
طوفان تکنولوژی های جدید با قیمتی پایین و امکان در دسترس بودن اطلاعات درمانی بیماران یک فرصت بی سابقه ای را در واحد های حوزه سلامت ایجاد کرده است. مدیران این واحد ها به خوبی از میزان تاثیر تحلیل داده ها در روند کار و همچنین از میزان تغییرات آگاه هستند. مطالعات صورت گرفته در سال ۲۰۱۴ توسط PWC نسان می دهد که ۹۵ درصد از مدیران ارشد اطلاعاتی در این حوزه به طور فعالانه ای به دنبال راه‌های بهتر برای تحت کنترل در آوردن داده ها می باشند.

۲- تجزیه و تحلیل پیش بینی ها:
افزایش تعداد افراد استفاده کننده از بیمه های درمانی، افزایش حجم کار گروه های درمانی ، افزایش نیازمندی به تکنولوژی های پیش بینی کننده در این حوزه را منجر شده است. ابزارهای تحلیلی می توانند به ارزیابی میزان ریسک در درمان بیماری ها، میزان هزینه ها تحلیل داده های کلینیکی بپردازند.

۳- تمرکز پرونده های سلامت به صورت الکترونیکی (HER’s):
از بیمارستان تا مطب پزشک و کلینیک درمانی پرونده های بیماران باید بصورت الکترونیکی ذخیره و جابه جا شوند. وقتی این اطلاعات بصورت الکترونیکی در یک سیستم متمرکز ذخیره شده باشند امکان پیاده سازی سیستم های هوش تجاری و در نتیجه امکان داشتن تحلیل های مناسب از وضعیت بیماران و روند درمانی آنها را می توان بدست آورد.

۴- برنامه های کاربردی در حوزه سلامت:
تکنولوژی های نوین مانند ابزار بررسی وضعیت سلامت که بصورت پوشیدنی عرضه می شوند از ابزاری هستند که در آنها از سیستم های هوش تجاری برای تحلیل وضعیت سلامت استفاده شده است. استفاده از فن آوری اطلاعات در این صنعت بسیار پر رونق است و پیش بینی می شود که تا سال ۲۰۱۹ میزان ۵۹ میلیون دلار هزینه در این بخش خواهد شد که این امر نشان دهنده تولید حجم وسیع داده و نیاز به تحلیل های سریع و به هنگام می باشد.

۵- موج رسانه های اجتماعی:
مطالعات نشان می دهند که در دنیا شمار پزشکانی که از طریق رسانه های اجتماعی اقدام به دنبال کردن وضعیت بیماران خود می کنند رو به رشد می باشد. برخی سازمان ها از طریق بررسی همین رسانه های اجتماعی اقدام به کشف تقلب های صورت گرفته در حوزه بیمه سلامت می نمایند. در این بخش نیز می توان با استفاده از سیستم های هوش تجاری که بر روی سرویس های رسانه های اجتماعی (Social Business) ارائه می شود کارهای بزرگی انجام داد.

۶- هزینه:
بر خلاف ۵ سال گذشته، تکنولوژی هایی که وظیفه تحلیل داده های بسیار حجیم را دارند، دیگر خیلی گران نیستند. در گذشته راه اندازی سیستم های هوش تجاری برای سازمان های کوچک با توان مالی پایین بسیار دور از ذهن بود. برای مثال طراحی و پیاده سازی D.W برای یک سازمان هزینه بسیار بالایی داشت، ولی در حال حاضر با توجه به پیدایش تکنولوژی های جدید، پیاده سازی این سیستم ها بسیار کم هزینه و راحت می باشد.

۷- توانمندسازی در تصمیم گیری دقیق:
نرم افزارهای BI کمک می کنند تا سازمان ها به روز باشند و بتوانند بهترین و بهینه ترین استفاده را از داده های خود داشته باشند. این نرم افزارها به سازمان ها اجازه می دهند تا پاسخ چهار پرسش مهم را بدست آورند:
۱- چه چیز اتفاق می افتد؟
۲- چرا اتفاق می افتد؟
۳- چه چیز باید در رابطه با آن انجام شود؟
۴- در آینده چه چیز اتفاق می افتد؟
با تصویری که از نرم افزارهای هوش تجاری از آینده بدست می آید می توان برنامه ریزی در رابطه با نحوه استفاده از منابع و یا تجهیزاتی در سازمان داشت.

۸- تجزیه و تحلیل داده های مالی:
ابزارهای هوش تجاری به سازمان ها کمک می کنند تا بتوانند در زمینه های مالی مانند تخصیص بودجه، تحلیل مناسبی داشته باشند و از هزینه های بی مورد جلوگیری نمایند. با استفاده از ایزارهای BI می توانید درآمدها و هزینه ها را مدیریت نمائید.

۹- تحلیل های بالینی (Clinical):
با استفاده از ابزارهای هوش تجاری در مراکز درمانی می توان نظارتی دقیق بر روند فعالیت ها در هر بخش داشت. همچنین با استفاده از این سیستم ها می توان نواقص احتمالی در هر بخش را پیدا و نسبت به رفع آن ها اقدام نمود. با استفاده از این ابزارها می توان اقدام به توزیع و جذب مناسب نیرو در بخش های مختلف مرکز با توجه به حجم کار نمود. کاربرد دیگر این سیستم ها بررسی وضعیت بیماران و اطلاع از روند درمان و یا رشد بیماری ها می باشد.

۱۰- تحلیل بهنگام:
با ابزار هوش تجاری می توان بصورت بهنگام وضعیت بیماران را رصد نمود و در زمان لازم اقدام به اطلاع رسانی به تیم پزشکی نمود. با استفاده از این اطلاعات می توان اقدام به تصمیم گیری در انتخاب ادامه روش درمان در رابطه با بیماران نمود. همچنین از طریق اطلاعاتی که داشبوردهای مدیریتی در این حوزه در اختیار پرستاران قرار می دهند می توان روند تغییرات وضعیت بیمار را دنبال نمود.
با راه اندازی سیستم ها هوش تجاری در سازمان ها، شما قابلیت تحلیل و در نتیجه تصمیم گیری صحیح را به سازمان می دهید. پس توجه داشته باشید که انتخاب صحیح ابزار در نهایت منجر به اتخاذ تصمیم صحیح در سازمان خواهد شد.

هوش تجاری در عمل :
۱- پیش بینی نیازهای بیمار:

دانشگاه پزشکی Pittsburgh که ارائه دهنده خدمات به ۲۲ بیمارستان و ۴۰۰ مرکز درمان سرپایی می باشد، درگیر حجم زیادی از داده ها می باشد. با پیاده سازی سیستم های هوش تجاری در UPMC، امکان سازماندهی و مدیریت مراکز مربوط به این دانشگاه بوجود آمده است. دو مرکز زیر مجموعه از این دانشگاه از این ابزار در جهت پیش بینی میزان مراجعین به مراکز درمانی جهت درمان بیماری آنفولانزا در فصل شیوع آن، استفاده کرده اند. با استفاده از این ابزار امکان تخصیص صحیح منابع انسانی و مالی جهت رفع مشکلات بیماران در هر بخش بوجود آمده است.
۲- گزارش گیری :
با پیاده سازی این ابزار در این حوزه با کاهش چشم گیر زمان لازم جهت تهیه، تحلیل و ارائه گزارش های سازمانی موجه خواهیم شد به شکلی که بعد از پیاده سازی سیستم های هوش تجاری در سازمان بهداشت و درمان انگلستان، این زمان از ۲۴۷ ساعت در ماه به ۵۴ ساعت در ماه کاهش یافته است.
۳- کند و کاو داده ها و درمان بیماران :
با استفاده از تحلیل های بدست آمده از این ابزار می توان در کنار دانش و علم پزشکی به بهترین و سریعترین روش درمان هر نوع بیماری دست یافت. همچنین می توان دلایل شیوع یک بیماری را نیز تحلیل نمود.