اگر تشخیص سرطان هرچه زودتر انجام گردد برای ما بهتر است.چه راهی بهتر از اینترنت برای تشخیص سرطان؟اما چگونه؟ اگر از بابت مبتلا بودن به سرطان یا بیماری دیگری نگران هستید، میتوانید به صورت آنلاین خود را معاینه کنید!
Jurcik، که یک کارشناس منابع انسانی ۳۱ ساله بوئینگ است، به طور منظم میدوید و از لحاظ جسمی روی فرم بود. هنگامی که او، در ماه ژانویه سال ۲۰۱۳ درد شدیدی در پهلو و کمر خود احساس کرد، آن را جدی نگرفت.او در ابتدا فکر کرد درد کمر و پهلوی او ناشی از تمرینات است، اما درد بدتر شد،
و تا اوایل فوریه او به سختی می توانست بایستد. او در این باره میگوید: من کاملا بدترین درد در زندگی خود را تجربه کردم؛ واقعا نمیتوانستم به خوبی بایستم!مانند بسیاری از افراد، Jurcik علائم خود را در گوگل جستجو کرد. او “درد شکم سمت چپ بالا” را در موتور جستجو تایپ کرد. سپس خاطر نشان کرد: من با جستجو در گوگل، در مورد سنگ صفرا و زخم معده مطالب زیادی را فراگرفتم.
درد او آنقدر شدید شد که مجبور شد به مادرش که یک پرستار است زنگ بزند و مادرش او را تشویق کرد تا هر چه زود تر خودش را به مرکز درمانی برساند. او در نهایت و در عین ناباوری با سرطان لوزالمعده تشخیص داده شد. دکتر به او گفته بود: خبر خوب این است که حال شما کاملا خوب خواهد شد، و خبر بد این است که اگر آن را درمان نکنید، قبل از ۳۸ سالگی فوت خواهید کرد.
Jurcik از اینکه به موقع بیماری خود را فهمید، احساس خوش شانس بودن میکند. اما او هنوز هم احساس می کند که اطلاعات آنلاینی که در اینترنت خواند، کمک چندانی به او نکرد. او گفت: در هیچ کجا از مطالب اینترنتی، احتمال وجود یک تومور در بدن ذکر نشده بود!
در واقع، میتوان گفت که ما با کمبود اطلاعات آنلاین بهداشت و سلامت مواجه نیستیم. بنا به گزارش مرکز مطالعاتی Pew، بیش از نیمی از آمریکاییها اطلاعات بهداشتی را در اینترنت جستجو میکنند، و بیش از یک سوم برای تشخیص بیماری خود یا دیگران ار اینترنت استفاده میکنند.
با این حال، مطالعات نشان دادهاند که بسیاری از اطلاعات آنلاین نادرست و یا منسوخ هستند، اما محققان دانشگاه هاروارد ۲۳ عدد از معاینهکنندههای اینترنتی را بررسی کردند و به این نتیجه رسیدند که اطلاعات دقیقی راجع به نشانههای بیماری به فرد مورد نظر ارائه میکنند.
مشکل دیگر این است که این موضوع میتواند برای افراد با سابقه بیماری و پس زمینه مراقبت های بهداشتی دشوار باشد؛ زیرا آنها باید بین شرایط متعدد با علائم مشابه خود تمایز قائل شوند. به این دلیل، شرکت های فناوری از جمله مایکروسافت و گوگل به دنبال راههایی برای بهبود قدرت ابزار جستجو سلامت و بهداشت آنلاین هستند.
بهبود دریافت علائم
در ماه ژوئن، گوگل از خبر همکاری خود با دانشکده پزشکی هاروارد و کلینیک مایو برای راه اندازی یک ویژگی جستجوی علائم پرده برداشت. مدیر تولید گوگل، ورونیکا Pinchin در بیانیه ای گفت: محتوای بهداشت و سلامت در وب کمی پیچیده است و اغلب علائم خفیف بیماری افراد را آنقدر خطرناک و وخیم گزارش میدهد که باعث ایجاد اضطراب و استرس غیرضروری می شود.
ویژگی جستجوی علائم، یک سری توضیحات کلی را همراه با اطلاعاتی در مورد گزینههای خود درمانی و آنچه ممکن است خود دکتر نیز بیان کند، به فرد بیمار ارائه میدهد.گوگل فهرست علائم را از علائم جستجوشده و ذکر شده در نتایج وب بهدست میآورد، و سپس آنها را در برابر اطلاعات پزشکی با کیفیتی که از پزشکان جمع آوری شدهاست، بهبود میبخشد.
محققان مایکروسافت با استفاده از جستجو، الگوریتمهای پیشبینی کننده را آزمایش میکنند. با وجود میلیون ها نفر از بیمارانی که در رابطه با سلامت و بهداشت خود، عبارات و سوالات مشابهی را در اینترنت جستجو میکنند، مخازن عظیمی از دادههای مفید در حال شکلگیری هستند.
محققان با استفاده از این مخزن دادههای بزرگ و جستجوی عمیق در اطلاعات، در تلاش برای پیدا کردن راهی هستند تا بیماریها و دیگر خطرات تهدیدکننده سلامتی را زودتر از موعد شناسایی کنند.مطمئنا برای افرادی که ید طولانی در وبگردی دارند، این مسئله عجیب نیست که یک سری علائم بیماری مشابه در یکدیگر زندگی آنها را به خطر انداخته است.
اریک هورویتز، همکار فنی و مدیر عامل در تحقیقات مایکروسافت، این پدیده را “cyberchondria” نام گذاری کرد؛ انسانها به طور کلی در درک احتمال رخدادها و حوادث ضعیف هستتند و وب سایت ها نیز در برقراری ارتباط با آنها بسیار ضعیفتر هستند.
این وضعیت تا حدی وخیمتر میشود که وبسایتهای معاینه آنلاین و اطلاعات راجع به علائم بیماریها، علائم فرد را چنان وخیم و اغراقآمیز گزارش میکنند که فرد متقاعد میشود که به یک بیماری نادر مبتلا گشته است.
هورویتز در کنفرانس بین المللی یادگیری ماشین در نیویورک، توضیح داد که او میخواهد موتورهای جستجو آنقدر هوشمند شوند که در زمانی که فردی برای تشخیص علائم خود و به نوعی معاینه در آنها مطالبی را جستجو میکند، متوجه شوند و بهترین و نزدیکترین نتایج را به سوال و درخواست او ارائه کنند.
هورویتز کار خود را در دانشگاه استنفورد به عنوان یک دانشجوی پزشکی در دهه ۹۱۸۰ و با علاقه عمیق در مبانی تفکر آغاز کرد؛ اما علاقه او به سیستمهای عصبی، منجر به ادامه کار بر او بر روی هوش مصنوعی شد. در مایکروسافت، او با استفاده از کامپیوتر تلاش میکند
تا از میان اطلاعاتی که اکثریت مردن به طور ناخواسته در موتورهای جستجو و یا دیگر منابع اطلاعاتی مانند پروندههای سلامت الکترونیکی وارد میکنند، الگوهایی را کشف و بررسی کند.آخرین مطالعه او، الهام گرفته از “از دست دادن” بود. یکی از دوستان نزدیکش او را فراخواند.
هورویتز گفت: او به من گفت که خارش عجیب و غریبی در سراسر بدن او و نیز کمی زردی در چشمانش وجود دارد”. هورویتز که دانشجوی پزشکی بوده است، می دانست که این میتواند علائم سرطان لوزالمعده باشد؛ برای همین، به دوست خود گفت تا با یک دکتر در این باره صحبت کند. او به زودی با سرطان لوزالمعده پیشرفتهتشخیص داده شد.
هورویتز نمی دانست چرا مردم تمایل دارند هرنوع نگرانی خودشان را در اینترنت جستجو کنند و برای همین شروع به تفکر در این موضوع کرد؛ او گفت: مردم در مورد ادرار تیره یا کمردرد عجیب و غریب و یا از دست دادن وزن بدون هیچ دلیلی در ملاء عام صحبت نمی کنند! اگر شما به میلیون ها پرونده جستجو دسترسی داشته باشید، میتوانید با استفاده از یادگیری ماشین، الگوهارا شناسایی کنید؟
او متوجه شد که شما می توانید. در یک مطالعه که در اوایل ماه ژوئن منتشر شد، هورویتز و همکارانش جستارهایی را شناسایی کردند که شواهد محکمی را برای تشخیص سرطان لوزالمعده ارائه میکنند. آنها سپس از یادگیری ماشین برای شناسایی جستار های همان گروه در ماه قبل توسط ترکیب الگوهای علائم مورد استفاده در جستجو،
و سایر اطلاعات در لاگهای مربوط در طول زمان استفاده کردند. طبق این مسئله، آنها میتوانند تعداد قابل توجهی از جستجوگران را بر اساس جستجوهایی که انجام دادهاند، مبتلا به سرطان لوزالمعده بدانند.این نتایج نشان میدهد که مدل سازی پیش بینی کننده، نه فقط برای سرطان لوزالمعده، بلکه ممکن است قادر به کمک برای شناسایی هرچه زودتر همه بیماریها باشد.
هورویتز و همکارانش همچنین اطلاعات جستجو و رسانههای اجتماعی را برای شناسایی زنان باردار در معرض خطرافسردگی قبل از زایمان و برای پیش بینی یک مرحله به احتمال زیاد از سرطان پستان، بهکار بردهاند.راس آلتمن، دکتر و مدیر برنامه آموزش پزشکی انفورماتیک در دانشگاه استنفورد، از دادههای بزرگ برای شناسایی تعاملات دارویی در میان بیماران مبتلا به مصرف مواد مخدر متعدد استفاده کرد.
دو ماده مخدر، استاتین مشترک و ضد افسردگی، سطح گلوکز را به اندازه کافی بالا بردند تا باعث تشخیص دیابت در بعضی از بیماران شوند. آلتمن سپس با هورویتز و همکاران خود که سابقه استفاده از تجزیه و تحلیل اطلاعات را برای نشان دادن اینکه که افراد علائم هیپرگلیسمی را در حالت سیگنال از جستجوهای وب خود منتشر میکردند،
یک تیم را تشکیل دادند. از آن زمان، آنها با FDA در مورد توسعه ابزار برای نظارت بر اینترنت برای نشانههای تداخلات دارویی متعدد در حال بحث و گفتگو هستند.
نگرانیهای حریم خصوصی
هورویتز و آلتمن به این نکته اشاره کردند که این مطالعات امیدوارکننده، اما اکتشافی هستند و نیز اینکه این روشها نیاز باید در کارآزمایی های بالینی اعتبار سنجی شوند که این خود قابل توجه است. ابزار آنفولانزای گوگل که در سال ۲۰۰۸ با تحسین گسترده ای شروع به کار کرد،
شبیه یک روش اپیدمیولوژیک نویدبخش برای پیشبینی گسترش آنفلوانزای فصلی است، اما موفق به پیش بینی گسترش آنفولانزا در سال ۲۰۱۳ نشد و همین باعث اتمام کار آن شود!آلتمن خاطر نشان کرد: ما باید در مورد چگونگی ارائه این اطلاعات به بیماران تفکر و تحقیق کنیم.
تیم هورویتز در حال بررسی این موضوع است که چگونه با استفاده از فناوری میتوان غربالگری را با حفظ اطلاعات سلامت خصوصی کاربران انجام داد. او ادامه داد: ما میتوانیم از این مقیاس بزرگ دادههای ناشناخته که در اپلیکیشنهای موبایل و در حریم خصوصی کامل ارائه میشوند، فیلترها و یا شناساگرهای خودکار الگو بسازیم.
این ابزارها در نهایت ممکن است پشت سر هم با سوابق پزشکی الکترونیکی در پشت یک دیوار امن کار کنند، و اطلاعات بیولوژیکی جمع آوری شده از دستگاه های سلامت شخصی افراد، مانند یک FitBit را ترکیب کنند تا بدین ترتیب توان تجزیهوتحلیل را شخصی سازی کنند.
شاید با ترکیب داده ها با اطلاعات بهدستآمده از سوابق پزشکی الکترونیکی و یا آزمایش ژنتیک، این فناوری بتواند بیشتر و بیشتر در مورد یک فرد اطلاعات کسب کند و اطلاعات بهداشتی هدفمند را به هر یک از ما و پزشکان ما ارائه کند.عدم رعایت حریم خصوصی به میزان کافی و نگرانی های اخلاقی، بسیار مشکل ساز هستند.
لی تین، وکیل بنیاد مرز الکترونیک، می گوید که او نگران داده های پزشکی شخصی است که برای این تحقیق و مطالعه در معرض استفاده قرار میگیرند.او در ادامه بیان کرد: دادههای بزرگ در مورد سنگ یا ستاره یا ماه، متفاوت از دادههای بزرگی است که از طرف مردم به دست میآید.
او معتقد است که میبایست قبل از بهخطرانداختن حریم خصوصی اطلاعات بیماران و افراد برای تحقیق در مورد مزیتی که در مورد آن مطمئن نیستیم، بهخوبی فکر کنیم.او خاطر نشان کرد: این غیر اخلاقی است که از منابعی که در اختیار داریم، حداکثر استفاده را نبریم.
آلتمن نیز در این باره با من موافق است. من باور دارم اگر حریم خصوصی کاربران با مشکل مواجه شود، سرعت کشفیات و تحقیقات پزشکی را به شدت کاهش می دهد و این امر می تواند یک تراژدی باشد!برخی از ابزار در حال حاضر در حال توسعه اند. برنامه داروهای تجویزی، از دادههای بزرگ استفاده میکنند
تازمانی که بیماران به احتمال زیاد از روند درمانی فاصله میگیرند را بتوانند پیش بینی کنند و حتی یه بیمار برای مصرف قرص هشدار دهند. بیمارستان ها در حال توسعه راه هایی برای پیش بینی بیماران نیازمند بستری هستند تا از بروز نتایج ضعیف جلوگیری کنند. اپیدمیولوژیست ها با استفاده از داده های شبکه های اجتماعی در حال ردیابی حساسیتها و بیماریهای عذایی در بدو تولد و عفونت های دیگر هستند.
Jurcik از یافتههای سرطان لوزالمعده استقبال می کند. در حال حاضر ۳۵ ساله است و در حال کار دربخش منابع انسانی در خدمات بهداشت Providence است. او به عنوان یک داوطلب برای شبکه سرطان پانکراس اقدام کرده است تا به شناسایی به موقع بیماری کمک کند.
او معتقد است به دلیل اینکه این نوع سرطان نشانههای بسیار نامربوطی دارد و به سرعت به فرد حمله میکند، هرنوع ابزاری که در این باره به افراد کمک کند، از اهمیت خاصی برخوردار است.