יובל שחר, רוברט מושקוביץ', דניס קלימוב
מרכז המחקר למערכות מידע רפואיות, המחלקה להנדסת מערכות מידע, הפקולטה להנדסה, אוניברסיטת בן גוריון בנגב, באר שבע
ניתוח נתונים קליניים של קבוצת חולים, אשר נאספו לאורך זמן ממקורות שונים, עשוי להביא לתובנות רבות. בפרט, ניתן (א) לגלות תבניות תלויות זמן שחוזרות על עצמן בשכיחות אשר היא מעל ערך סף מוגדר מראש, דבר אשר למעשה יוצר באופן אוטומטי אשכולות של התנהגויות שונות לאורך זמן של תת קבוצות של חולים, וכן (ב) לזהות בין התבניות כאלו אשר, יחד עם נתונים נוספים של החולים, כגון נתונים דמוגרפיים, עשויות לחזות תוצאות עתידיות בעלות משמעות קלינית, כגון פגיעה בכליה בחולה סוכרת.
ניתוח הנתונים תלויי הזמן יעיל בהרבה כאשר הוא כולל לא רק נתונים גולמיים, נקודתיים (חתומי זמן), אלא גם תקופות (מרווחים) שבהן תקפה פרשנות תלוית הקשר, ברמה מופשטת יותר, של הנתונים, כגון: תקופה של אנמיה מתונה, במקום מספר ערכי המוגלובין, או ירידה בתפקודי כבד, במקום מספר סדרות של ערכי אנזימים שונים. אולם פרשנות כזאת מחייבת ייצוג מפורש של הידע הרפואי הרלוונטי מראש, בבסיס ידע רפואי ובאופן הניתן לשימוש על ידי כלים חישוביים אוטומאטיים.
בסקירה זו אנו מציגים בקצרה כמה משיטות החישוב החדשניות שמפותחות במרכז המחקר שלנו, לצורך ניתוח נתונים קליניים רבי משתנים לאורך זמן, אנו מדגימים בעיקר כלים לחקירה ולגילוי ידע אשר מיועדים ליישום קליני של גורם קליני בנקודת הטיפול, ולחוקרים קליניים או לקובעי מדיניות שירותי בריאות.