وبلاگ

…………………………………………………………………………………….

62

 

 

2-5 نتایج تحقیق …………………………………………………………………………………..

 

62

 

 

3-5 نتیجه گیری ………………………………………………………………….

 

65

 

 

4-5 نوآوری …………………………………………………………………………………………

 

65

 

 

5-5 کارهای آینده …………………………………………………………………………………..

 

66

 

 

مراجع ………………………………………………………….

 

67

 

 

واژه نامه ………………………………….

 

71

 

 

واژه نامه فارسی به انگلیسی ……………………………………………………………….

 

72

 

 

واژه نامه انگلیسی به فارسی …………………………………………………………

 

74

 

 هر پژوهش در واقع به منظور پاسخگویی و یافتن راه حل برای یک مسئله اصلی که در قالب یک پرسش ظهور می‌کند، آغاز می‌شود. هر پژوهش برای اینکه انسجام، هدفمندی و کاربردی بودن خود را حفظ کند باید بر حول یک مسئله اصلی سازماندهی شود. خدمات پزشکی جزء مهم‌ترین دغدغه های جوامع هستند و با مشکلات بسیاری مواجه می‌باشند (Anderson, 2008). توسعه خلاق خدمات مبتنی بر فناوری اطلاعات می‌تواند یک راه حل امیدبخش برای بهبود سطح خدمات پزشکی باشد. بحران‌های اصلی خدمات پزشکی دسترسی، کیفیت و هزینه هستند که البته هر سه این بحران‌ها با هم در ارتباطند و بر هم تأثیر می‌گذارند. تاکنون چارچوب‌های بسیاری برای بهبود بخشیدن به استانداردهای مراقبت پزشکی در سرتاسر جهان پیشنهاد شده‌اند و انواعی از ابزارهای جانبی برای مراقبت از اطلاعات پزشکی افراد به کار گرفته شده ولی در حوزه تشخیصی که به مراتب از اهمیت بیشتری برخوردار است، کارهای زیادی صورت نگرفته است (Fernandoa & Dawsonb, 2009). خدمات پزشکی به عنوان بزرگ‌ترین صنعت در ایالات متحده، امروزه به ناآرام‌ترین و بحرانی‌ترین صنعت تبدیل شده است و با انبوه هزینه های سنگین مواجه می‌باشد. انبوه مشکلات کیفی در سطح خدمات شناسایی شده و تقاضا برای خدمات پزشکی جامع ریسک بالای این شرایط را تایید می‌کند. این در حالی است که توجه کمی به چگونگی این بهبود معطوف می‌شود. پیش بینی‌ها ورشکستگی سیستم‌های در حال فعالیت را در این کشورها تا سال 2040 نشان می‌دهند (Yang & Xiang-jun & Zhan-fei, 2011).

 

1-2 تعریف مسئله و بیان سؤال‌های اصلی تحقیق

 

آنچه که به تجربه در درمان بیماران ترومایی و اورژانس به چشم می‌خورد، این است که جراحان معمولاً با حجم بسیار بالایی از گزینه های تشخیصی، تکنیک‌های درمان و نتایج مختلف ناشی از آن مواجه هستند. با توجه به تست‌های تشخیصی متنوع و تکنیک‌های متنوع جراحی و مدت زمان کوتاهی که جراح برای تصمیم گیری در اختیار دارد و نیز حجم بسیار بالایی از دانش که از مجاری مختلف به روز شده و مرتباً در حال تغییر هستند و در اختیار جراحان قرار می‌گیرند، عملاً امکان به روز رسانی دانش جراحان و استفاده از این دانش در عملکرد روزانه وجود نداشته و این موضوع پزشکان ما را به سمت و سوی تصمیم گیری بر مبنای تجربیات خود و گاهاً نظرات خودسرانه و نه بر پایه مستندات و دانش جدید، می‌کشاند و این تصمیم گیری بیشتر در توافق با تجربیات موجود است تا منطق و دانش صحیح جراحان که می‌تواند نتایج غیر قابل قبولی به دنبال داشته باشد

 

(Anderson, 2008) ( Yang &  Et al, 2011) (Chapmana & Et al, 2011).

 

   آنچه که در این پروژه به چالش کشیده می‌شود، شکل فعلی تصمیم گیری پزشکان و خطرات ناشی از خطای انسانی است. مسلماً هجوم اطلاعات جدید و گستردگی و تنوع آن‌ ها متخصصین و جراحان را ناچار به استفاده از سیستم‌های کمکی خواهد کرد. شواهد زیادی این

 اطلاعات در حال رشد را تایید می‌کنند. صدها مجله در حال چاپ وجود دارد و ده‌ها جلسات آموزش مداوم با یکدیگر در حال رقابت هستند. تخصص‌ها روز به روز گسترده تر شده و به همین نسبت وسعت اطلاعات نیز بیشتر می‌شود (Fernandoa & Dawsonb, 2009) مکانیزم اساسی که پزشکان به کار می‌گیرند، تکیه بر حافظه فردی است، زیرا تابحال هیچ راه حل بهتری برای ارائه اطلاعات با سرعت مورد نیاز آن‌ ها و با توجه به طیف وسیعی از مشکلات که با آن مواجه می‌شوند وجود نداشته است. فراوانی و تنوع زیاد اختلالات و نشانه های مربوط به آن‌ ها و از طرف دیگر محدودیتی که حافظه اغلب پزشکان برای یادآوری همه این‌ها دارد، نیاز به یک ابزار کمکی در تشخیص و درمان بیماری‌ها بر اساس نشانه‌ها را ثابت می‌کند (Koohi & Oleimanjahi & Falahi & (Riahi &  Meshkat ,2011) ( Prasadl &  Prasad &  Sagar, 2011).

 

1-3 سابقه و ضرورت انجام تحقیق

 

دهه شصت را می‌توان آغازی بر به وجود آمدن برنامه های کامپیوتری هوشمند (بر اساس هوش مصنوعی) به حساب آورد. در طی همین سال‌ها بود که تئوری جدیدی به نام Heuristics  که بعدها به سیستم‌های خبره تغییر هویت داد، مطرح شد. این تئوری در واقع روشی بود برای یافتن یک راه حل از بین چند راه حل موجود برای یک مسئله به خصوص. در دهه هفتاد تحقیقات و دستاوردهای هوش مصنوعی به سمت مسایل علمی‌تر و به خصوص شاخه‌هایی از علم که تأثیر بیشتری بر زندگی مردم داشت گرایش یافتند. این سیستم‌ها برای حل مسائلی به کار برده شدند که نیاز به سرویس دهی یک فرد خبره داشتند، بنابراین به عنوان سیستم‌های خبره شناخته شدند(Ma & Et al,2012).  هدف ابتدایی ارائه رایانه‌ها در اقدامات پزشکی در سال 1960 به طور مشخص عبارت بود از تدارک تصمیماتی برای پزشکان که آن‌ ها را کمک کند تا از استدلال مبتنی بر هوش مصنوعی جهت تشخیص پزشکی استفاده کنند. این جریان تحقیقاتی در نهایت به اختصاص رشته هوش مصنوعی در پزشکی منجر گردید. متأسفانه، تعداد زیادی از سیستم‌های استدلال تشخیصی مبتنی بر هوش مصنوعی در عمل مورد استفاده قرار نگرفت. شاید دلیل این نارسایی و شکست آن باشد که استدلال تشخیصی مبتنی بر هوش مصنوعی بیشتر شبیه پیشگویی یونانی عمل می‌کرد تا روشی که رویکردی مداخله ای تر و انعطاف‌پذیرتر را ممکن سازد. پزشکان دریافتند که ساختار تصمیم ساز به جای ساختار تصمیم یار تهدیدی است برای خودمختاری و استقلال عمل متخصصین بالینی Benamati, 2008)).

 

امروزه ما پذیرفته‌ایم که سیستم‌های تصیم یار می‌توانند به عنوان یک نیروی کمکی برای مدیریت تصمیم گیری و حرکت به سوی تصمیمات مطلوب، مدیریت صحیح را تضمین کنند (Yang & Et al, 2011). یک سیستم تصمیم یار می‌تواند به عنوان یک ابزار مفید در کنار جراحان باشد و احتمال خطای انسانی ناشی از خستگی، اطلاعات قدیمی و حجم زیاد دانش را کاهش دهد. در واقع آنچه که می‌توان به عنوان مشکل اصلی مطرح کرد این است که معمولاً جراحان زمان لازم برای انجام همه تست‌های تشخیصی را در اختیار ندارند و یا در یک زمان مشخص ممکن است در مورد همه این تست‌ها حضور ذهن نداشته باشند. بنابراین ما همه این تست‌ها و تکنیک‌های تشخیص را در قالب یک سیستم کمکی بکار می‌گیریم تا در عین حال که همه دانش مورد نیاز را در دسترس داریم، بتوانیم احتمال خطای انسانی را تا حد زیادی کاهش دهیم و به تکنیک درست درمان دست یابیم (Keles & Et al, 2011) (Chapmana & Et at, 2011).

 

موضوع مهم دیگری که در این مورد نباید نادیده گرفت حجم بالای درخواست‌های آزمایشگاهی، رادیولوژی است که با انجام معاینه فیزیکی درست و استفاده از شرح حال بیمار می‌توان تا حدود بسیار زیادی از تعداد این درخواست‌ها، هزینه‌هایی که به بیمار تحمیل می‌کنند و عوارض ناشی از آن‌ ها کاست. قطعاً افراد زیادی تاکنون قربانی این مشکلات بوده‌اند و با توجه به حساسیت بالایی که تصمیم گیری در این حرفه از آن برخوردار است و گاهاً منجر به صدمات جبران ناپذیری به بیمار می‌شود، توجه بیشتر به این مقوله ضرورت دارد (Chen & Hsu & Yang, 2012). 

 

مسلم است که سیستم‌های تصمیم یار به شرط بکار گیری درست، توانایی بالایی در کمک به جراحان در تصمیم گیری درست و صحت، دقت و انسجام دوره درمان بیمار دارند و این قطعاً آرامش و اطمینان بیشتری برای جراح و متعاقباً برای بیمار به دنبال دارد. سیستم خبره می‌تواند به تسهیل، گسترش و شرح دانش اولیه کمک شایانی بکند Chapmana & Et al, 2011) (Chen & Et al, 2012)).

 

به موازات استفاده از سیستم‌های خبره، مفهوم جدیدی در اوایل دهه 90 در حوزه پزشکی شکل گرفت با عنوان درمان بر پایه شواهد  که پیشنهاد می‌کرد برای اجرای یک تجربه بالینی صحیح و نیز برای ارتقا مهارت متخصصان برای تصمیم گیری درست برای بیمار از جدیدترین شواهد موجود و تحقیقات صورت گرفته به عنوان راهنما استفاده شود. همان طور که قبلاًٌ ذکر شد دانش پزشکی و نتایج تحقیقات با حجم بسیار وسیعی هر روز در حال افزایش و از طرق مختلف مثل ژورنال‌ها و کتب و سایت‌های مختلف در دسترس هستند و استفاده از این تحقیقات ارزشمند در درمان بیماران ضریب اطمینان و کیفیت خدمات پزشکی را تا حد قابل توجهی بالا می‌برد (Chi & Miao & Aiping, 2011) ,( Choi & Ryu & Yoo & Choi, 2012)

 

این روزها مفهوم درمان بر پایه شواهد و نتایج بسیار با ارزش استفاده از آن در حوزه پزشکی اثبات شده است. تحقیقات بسیاری در بررسی میزان بهبود عملکرد پزشکان در استفاده از این مفهوم انجام شده و ضرورت استفاده آن به طور واضح احساس می‌شود. ولی با توجه به وسعت و حجم بسیار بالای دانش که هر روزه از مجاری مختلف به سوی جراحان سرازیر می‌شود و از طرفی محدودیت زمانی که جراحان برای تصمیم گیری در اختیار دارند، در عمل درصد بسیار اندکی از تصمیم گیری‌ها بر مبنای شواهد و نتایج تحقیقات جدید صورت می‌گیرد. راه برقراری ارتباط بیشتر بین جراحان و این اطلاعات جدید چیست؟ و اینکه چگونه می‌شود نتایج این تحقیقات را از شکل تئوری خارج نمود و بلافاصله پس از اثبات یک واقعیت علمی آن را در خدمات کلینیکی بکار گرفت Choi & Et al ,2012)).

 

سیستم‌های تصمیم یار معمولاًٌ حاوی دانش پایه و اطلاعات اصلی برای جراح هستند، در دسترس، سریع و البته قابل اطمینان می‌باشند ولی اطلاعات جدید و نتایج تحقیقات را در خود ندارند و درمان بر پایه شواهد نیز حاوی حجم بسیار بالای دانش نو و البته قابل استفاده و بسیار مفید برای پزشکان هستند که به علت وسعت و پراکندگی این دانش دسترسی به آن سخت و زمان گیر خواهد بود (Hung & Et al, 2012).

 

یکی از حوزه های پیچیده و بسیار وسیع در حوزه پزشکی بیماران ترومایی ارتوپدی هستند که به علت اورژانس و خطراتی که تصمیم گیری دیر هنگام برای بیمار به همراه دارد، کمترین مداخله تکنولوژی را در این حوزه داشته‌ایم. این در حالی است که تروما خصوصاً در زانو تست‌های تشخیصی بسیار متنوع و بیماری‌های زیادی دارد و معمولاًٌ در مرحله اول تشخیص درستی در این مورد داده نمی‌شود. این عدم تشخیص به موقع می‌تواند عوارض و هزینه های بسیار زیادی را به بیمار تحمیل کند. به علت وسعت بیماری‌های این حوزه، تحقیقات گسترده ای در این شاخه انجام شده و شواهد بسیار زیادی در دسترس هستند که به نظر می‌رسد کمترین استفاده از آن‌ ها می‌شود.

 

در این پروژه ما سیستم خبره ای طراحی خواهیم کرد که علاوه بر اینکه دانش پایه در زمینه زانو و بیماران اورژانس زانو را در خود دارد، امکان بهره‌مندی جراحان از جدیدترین شواهد موجود و تحقیقات صورت گرفته را نیز شامل شود. در واقع بانک اطلاعاتی خواهیم داشت که علاوه بر دانش پایه، خلاصه ای از شواهد با ارزش موجود و نتایج جدیدترین تحقیقات را برای به‌کارگیری در مورد بیماران اورژانس زانو در خود دارد. بهترین شواهد و نتایج جدیدترین تحقیقات به مرور به این بانک افزوده شده و به صورت دوره ای به روز رسانی می‌شود. بنابراین در زمان نیاز جراح با کمترین زمان به دانش پایه مورد نیاز و شواهد و دانش جدید و منابع آن‌ ها دسترسی خواهد داشت.

 

1-4 اهداف

 

هدف اصلی از انجام این تحقیق تلفیق کاربرد سیستم‌های خبره و درمان بر پایه شواهد در درمان بیماران اورژانس ارتوپدی به منظور وارد کردن فناوری اطلاعات در این شاخه پزشکی و کاهش صدمات ناشی از خطای انسانی و استفاده از نتایج جدیدترین تحقیقات در درمان بیماران می‌باشد.