Journal of Clinical Healthcare (JCHC)

33-36 34 Journal of Clinical Healthcare 3/2018 powodzeniu procesu i zdobywaniu nowej wiedzy wynikającej z baz danych. Autorzy prac naukowych podają wiele przykładów zastosowań poniższych algorytmów w ochronie zdrowia [1-3]. Techniki data mining, które z powodzeniem można wykorzystywać w ochronie zdrowia to [4,5]:  Detekcja anomalii  Analiza skupień  Analiza asocjacji  Sieci neuronowe Klasyfikacja o Statystyczna o Liniowa analiza dyskryminacyjna o Drzewa decyzyjne o Inteligencja rozproszona o K-najbliższych sąsiadów o Regresja logiczna o Naiwny klasyfikator bayesowski o Maszyna wektorów nośnych W tym momencie w najnowszej literaturze z zakresu omawianego tematu, a w szczególności publikacjach naukowych można wyróżnić kilka źródeł, które zostają poddane przetwarzaniu za pomocą nowej koncepcji analizy danych w celu wydobycia nowej wiedzy. W tej kategorii wymienia się min. sieci społecznościowe, gromadzone dane medyczne czy dane gromadzone podczas badań naukowych. Obecnie zakres wykonywanych odkryć w sektorze ochrony zdrowia obejmuje różne poziomy analizy: molekularny, tkankowy, indywidualny oraz populacyjny. Każdy z wyróżnionych typów podlega innym działaniom analitycznym, które mogą być stosowane pojedynczo lub kombinacyjnie w celu uzyskania jak najbardziej wiarygodnych efektów. Działania analityczne to inaczej lista algorytmów, których adekwatne użycie, umożliwia otrzymanie odpowiednich efektów, lecz ten temat odnosi się stricte do działań statystyki i wybiega poza obszar niniejszej pracy. [5,6] Biorąc pod uwagę podział ze względu na źródło i zakres badania można wyróżnić [5-8]:  Eksploracje danych oraz tekstu sieci web w tym sieci społecznościowych, wykorzysty- wane najczęściej do analizy danych popula- cyjnych; Przykład: Wielkie zintegrowane bazy danych można wykorzystać do usprawnienia ochrony zdrowia oraz badań epidemiologicznych. Z jednej strony źródłem danych mogą być portale społecznościowe takie jak Twitter, czy Facebook, natomiast z drugiej pozostała część Internetu (blog, wiadomości, portale tematyczne, fora itd). W badaniu przeprowadzonym w Stanach Zjednoczonych [53] udało się dowieść, że eksploracja wspomnianych źródeł jest w stanie przynieść wymierne wyniki epidemiologiczne zachorowań na grypę i są one zbieżne z ustaleniami CDC, choć nie idealne. Autorzy pracy postulują, aby podobne systemy wykorzystać do ulepszenia systemu badań epidemiologicznych i rozprzestrzeniania się chorób. Co więcej informacje zgromadzone w ten sposób można wykorzystać w działaniach prewencyjnych, aby rozprzestrzeniać w Internecie informacje o narastającym zagrożeniu. Innym przykładem zastosowań eksploracji danych oraz tekstu w sieci web jest ustalenie skuteczności kampanii promujących zdrowie. Nowy sposób badań pomaga w sposób szybki, kosztowo- efektywny oraz wydajny przebadać setki kampanii mierzącymi się z problemami zdrowotnymi. Zastosowanie takich narzędzi w kampanii na rzecz zaprzestania palenia, pozwoliło oszacować zasięg i efekty działań, co do tej pory było dość trudne. Tego typu działania pozwolą zatem wyznaczyć prawidłowy kierunek prowadzenia polityki i rozwoju. [9] Eksploracje sieci komórkowych w zakresie indywidualnym, grupowym lub populacyjnym; Przykład: Analiza zachowań zdrowotnych przy użyciu telefonów komórkowych [10]. Określanie wzorów zachowań za pomocą urządzeń mobilnych pozwala na wcześniejsze wykrycie pacjentów, u których mogą wystąpić symptomy chorobowe, a następnie wprowadzenie leczenia przed rozpoczęciem potencjalnej choroby. Monitoring zachowań zdrowotnych pozwala również na bardziej precyzyjne i spersonalizowane terapie oraz badanie populacji pod kątem różnych niespodziewanych zdarzeń jak np. epidemie. Powszechne występowanie tzw. smartphonów daje możliwość wykorzystania ich funkcjonalności w analizie Big Data. Telefony pozwalają na analizę sposobu użycia urządzeń mobilnych, a także przemieszczenia w przestrzeni. Umożliwia to stworzenie automatycznych dzienników, które zapisują wiele danych behawioralnych i ustalają potencjalne nieprawidłowości i odchylenia od pierwotnych zachowań. Początkowo programy uczą się podstawowych oraz normalnych wzorców zachowań, a następnie alarmują jeżeli nastąpi jakakolwiek zmiana. Aplikacje mogą być połączone z centrami usług zdrowotnych, które otrzymawszy sygnał alarmowy łączą się telefonicznie z