چالش های داده کاوی در پزشکی - قابل فهم بودن نتایج،مقدار زیاد نتایج و نیاز به متخصصین

چالش های داده کاوی در پزشکی - قابل فهم بودن نتایج،مقدار زیاد نتایج و نیاز به متخصصین

آکادمی داده

۱۳۹۷/۰۳/۰۵


  • 82 بازدید

مسائل و چالش هایی در رابطه با پیاده سازی و بکارگیری داده کاوی در پزشکی وجود دارد که آن را متمایز از داده کاوی در سایر کاربردها می کند. آگاهی از این مسائل باعث بهبود و استفاده صحیح تر از داده کاوی در پزشکی شده و می تواند در جهت پشتیبانی تصمیم گیری ها و جلوگیری از بروز خطا یاری رساند. در ادامه به بررسی یکی از مشکلات چالش برانگیز در عرصه های مختلف داده کاوی پزشکی پرداخته می شود.

کی از بزرگترین چالش ها در داده کاوی پزشکی، تفسیر نتایج و دانش کشف شده می باشد. درك و تفسیر نتایج داده کاوی اغلب مشکل است. و برای بکارگیری نتایج، در عمل به دنبال ایجاد توصیفات مدل ها و مفاهیم پزشکی قابل فهم توسط انسان هستیم. و برای بکارگیری نتایج، در عمل به دنبال ایجاد توصیفات مدل ها و مفاهیم پزشکی قابل فهم توسط انسان هستیم.

بنابراین در عمل روشی قابل قبول است که نتایجش قابل فهم باشند. بسیاری از روش های داده کاوی برای این منظور مناسب نیستند. بعنوان مثال تفسیر نتایج روش کلاسه بندی شبکه های عصبی مشکل می باشد.

روش های کلاسه بندی درخت تصمیم، خوشه بندی مفهومی، مدلی بصورت قوانین then … if... تولید می کنند و نتایج آنها آسانتر قابل درك و تفسیر هستند.

نتایج حاصل در اکثر روش های داده کاوی ، زیاد است و باعث سردرگمی و گیج شدن استفاده کنندگان می شود. بعنوان مثال روش قوانین وابستگی تعداد زیادی از قوانین تولید می کند که بررسی و بکارگیری آنها توسط متخصصین تقریبا غیر ممکن است. اغلب الگوهای تولید شده، جزئی و یا مشابه هم می باشند.

در این وضعیت، دقت در انتخاب روش داده کاوی مناسب با توجه به هدف مورد نظر، بسیار حایز اهمیت می باشد.

گر چه متدهای داده کاوی قادر به کشف الگوها و رابطه پنهان موجود در مجموعه داده های بزرگ پزشکی می باشند، ولی نتایج آنها بدون همکاری و بازخود از متخصصین و خبرگان پزشکی بی فایده و بدرد نخور خواهد بود. همه ی الگوهایی که از طریق داده کاوی کشف می شوند مفید و درخور توجه نمی باشند.

بنابراین الگوهای پیدا شده توسط روش های داده کاوی ، می بایست توسط متخصصین حوزه پزشکی که سال ها تجربه در آن زمینه ی خاص را دارند، از نظر منطقی بودن، قابل عملیاتی بودن و جدید بودن مورد ارزیابی قرار بگیرند.

کاربرد داده کاوی در پزشکی، فرصت ها و چالش ها، طهماسبی

کپی برداری بدون ذکر منبع، براساس قانون جرایم اینترتی و مادۀ 12 فصل سوم قانون جرایم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 

اگر در زمینه داده کاوی پزشکی یا سلامت در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله، گپ و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.