فاصله بزرگ بین نوآوری‌های پیش‌بینی سلامت و مراقبت روزمره: نتایج یک مرور استرالیا

خلاصه سریع برای خواننده

• مرور دانشگاه کرتین که در The Lancet Regional Health – Western Pacific منتشر شده، نشان می‌دهد ابزارهای پیش‌بینی‌کننده سلامت در استرالیا افزایش یافته‌اند اما به‌ندرت در عمل روزمره استفاده می‌شوند.

<liاین ابزارها می‌توانند ریسک مشکلاتی مانند بیماری قلبی، سقوط، فرسودگی (frailty) و عوارض دیابت را پیش‌بینی کنند، ولی ورود آنها به جریان بالینی محدود است.

• موانع اصلی شامل نقص ادغام در روند کاری کلینیک‌ها، کمبود اثبات عملیاتی و اعتباربخشی، نگرانی‌های مربوط به حریم خصوصی و تبعیض الگوریتمی و منابع مالی است.
• نتیجه‌گیری مرور حاکی از «فاصله بزرگ» میان نوآوری و کاربرد بالینی است؛ پر کردن این فاصله به پژوهش‌های پیاده‌سازی، مشارکت بالینی و سیاست‌گذاری نیاز دارد.
• برای بیماران، این یافته‌ها به‌معنای امید برای ابزارهای پیشگیرانه است اما هنوز استفاده معمولی و قابل اتکا در سیستم مراقبت بهداشتی وجود ندارد.

مقدمه

اخیراً یک مرور آموزشی از دانشگاه کرتین استرالیا که در مجله The Lancet Regional Health – Western Pacific منتشر شده است، به بررسی وضعیت ابزارهای دیجیتال و الگوریتم‌های پیش‌بینی‌کننده سلامت پرداخته است. نویسندگان این مرور می‌گویند در حالی که پژوهش‌ها و توسعه‌های فنی زیادی برای شناسایی زودهنگام افراد در معرض ریسک بیماری‌های جدی انجام شده، این ابزارها به ندرت به مراقبت‌های روزمره وارد شده‌اند. در این مقاله، یافته‌های مرور، پیامدهای بالینی و موانع ترجمه نوآوری به عمل، به زبان ساده اما دقیق برای خوانندگان بررسی می‌شود.

چه چیزی در این مرور گزارش شد؟

مرور مورد اشاره بر مجموعه‌ای از ابزارها و مدل‌های پیش‌بینی تمرکز داشت که برای شناسایی افراد در معرض خطر رویدادهای سلامت مهم طراحی شده‌اند. این مدل‌ها بر پایه داده‌های بالینی، جمعیتی، آزمایشگاهی یا ترکیبی از منابع دیگر ساخته می‌شوند و هدفشان ارائه پیش‌بینی‌ درباره احتمال وقوع رویدادهایی مانند حمله قلبی، سقوط و شکستگی، پیشرفت به فرسودگی در سالمندان یا بروز عوارض جدی در بیماران دیابتی است.

نکته کلیدی که نویسندگان تأکید کردند این است که اگرچه تعداد این ابزارها رو به افزایش است و برخی عملکرد پیش‌بینی خوبی در مطالعات اولیه نشان داده‌اند، کمتر از تعداد قابل توجهی از این ابزارها در عمل روزمره سیستم‌های بهداشتی و مراقبت‌های بالینی به‌صورت روتین به‌کار می‌روند.

چرا این مسئله اهمیت دارد؟

ابزارهای پیش‌بینیِ معتبر می‌توانند به شناسایی به‌موقع افرادی که در معرض خطر بالا هستند کمک کنند، منابع مراقبتی را هدفمند کنند و به طراحی مداخلات پیشگیرانه کمک نمایند. اگر این ابزارها به‌درستی وارد جریان بالینی شوند، می‌توانند پیامدهای سلامت را بهبود بخشند، هزینه‌ها را کاهش دهند و مراقبت شخصی‌تری فراهم کنند. از سوی دیگر، اگر نوآوری‌ها در مرحلۀ توسعه باقی بمانند و وارد دستمان نگردند، فرصت‌های بهبود سلامت عمومی از دست می‌روند.

موانع ورود ابزارهای پیش‌بینی به مراقبت روزمره

مرور دانشگاه کرتین عوامل متعددی را به‌عنوان موانع شناسایی کرده که در ادامه به تفکیک توضیح داده می‌شوند.

ادغام در روند کار بالینی

یکی از موانع اصلی، عدم ادغام نرم و طبیعی این ابزارها در سیستم‌های الکترونیک پرونده پزشکی و جریان کاری پزشکان و پرستاران است. ابزارهایی که به‌عنوان یک سیستم مستقل یا نیاز به ورود اطلاعات اضافی دارند، معمولاً پذیرفته نمی‌شوند زیرا زمان‌بر و مزاحم کار روزمره تیم درمان هستند.

عدم اثبات بالینی و اعتباربخشی خارجی

بسیاری از مدل‌ها در داده‌های محدودی توسعه داده شده یا تنها در شرایط آزمایشی عملکرد خوبی نشان داده‌اند. اما اثبات اینکه این مدل‌ها در جمعیت‌های متفاوت و در محیط واقعی بالینی نیز عملکرد مناسبی دارند، اغلب ناقص یا کامل گزارش نشده است. فقدان مطالعات اعتباربخشی مستقل و مطالعه‌های کارآزمایی کنترل‌شده که نشان دهد استفاده از ابزار به بهبود پیامدهای واقعی بیمار می‌انجامد، مانعی اساسی است.

نگرانی‌های مربوط به کیفیت داده و تعمیم‌پذیری

ابزارهای پیش‌بینی به داده‌ای با کیفیت نیاز دارند. وقتی داده‌های ثبت‌شده ناقص، نانموارد یا نماینده جمعیت‌های محدود باشند، عملکرد مدل کاهش می‌یابد. علاوه بر این، مدل‌هایی که در جمعیت‌های استرالیایی توسعه یافته‌اند ممکن است در جوامع دیگر یا گروه‌های اقلیتی عملکرد متفاوتی داشته باشند.

مسائل اخلاقی، حریم خصوصی و تبعیض الگوریتمی

استفاده از داده‌های انبوه سلامت نگرانی‌هایی درباره حریم خصوصی و حفاظت از اطلاعات شخصی ایجاد می‌کند. همچنین الگوریتم‌ها ممکن است در صورت استفاده از داده‌های جانبدار یا نماینده‌نشدن گروه‌های مختلف، نتیجه‌های تبعیض‌آمیز تولید کنند؛ مثلاً احتمال زیرارزیابی یا بیش‌برآورد خطر در گروه‌های قومی، سنی یا جنسی مشخص.

پذیرش حرفه‌ای و آموزش

پزشکان، پرستاران و سایر ارائه‌دهندگان مراقبت ممکن است به ابزارهای جدید اعتماد نکنند یا دانش کافی برای تفسیر خروجی‌ها نداشته باشند. بدون برنامه‌های آموزشی و راهنمایی واضح درباره تفسیر و اقدام مبتنی بر نتایج مدل، احتمال پذیرش پایین است.

مسائل اقتصادی و هزینه-فایده

پیاده‌سازی و نگهداری سیستم‌های پیش‌بینی در سطح کلینیک یا نظام سلامت نیازمند سرمایه‌گذاری است. سوالات مربوط به بازگشت سرمایه، اثربخشی هزینه و نحوه تأمین مالی این ابزارها (دولت، سیستم‌های بیمه یا مؤسسات) اغلب بدون پاسخ هستند.

نمونه‌های بالینی که مرور به آنها اشاره دارد

مرور نمونه‌هایی از کاربردهای بالقوه ابزارهای پیش‌بینی را ذکر می‌کند که برخی از آنها عبارتند از:

• پیش‌بینی بیماری قلبی: مدل‌هایی که بر اساس فاکتورهای شناخته‌شده، ریسک حمله قلبی یا سکته را پیش‌بینی می‌کنند و می‌توانند افرادی را که نیاز به مداخلات پیشگیرانه دارند، شناسایی کنند.
• پیشگیری از سقوط: ابزارهایی که احتمال سقوط در سالمندان را ارزیابی می‌کنند تا بتوان اقداماتی نظیر توانبخشی یا اصلاح محیط را هدفمند کرد.
• شناسایی فرسودگی (frailty): مدل‌های پیش‌بینی که کمک می‌کنند افراد پرخطر سالمند برای ارزیابی جامع و اقدامات پیشگیرانه ارجاع داده شوند.
• پیش‌بینی عوارض دیابت: ابزارهایی که احتمال پیشرفت به عوارض چشم، کلیه یا زخم‌های پا را برآورد می‌کنند تا برنامه‌های پایش و مداخله مناسب طراحی شود.

راه‌حل‌ها و رویکردهای پیشنهادی برای پر کردن فاصله

مرورگران و دیگر صاحب‌نظران حوزه سلامت دیجیتال چند رویکرد را برای نزدیک کردن نوآوری به عمل پیشنهاد کرده‌اند:

مطالعات پیاده‌سازی (implementation research)

به‌جای تنها توسعه مدل‌های جدید، نیاز به مطالعه چگونگی ادغام این ابزارها در محیط‌های واقعی بالینی وجود دارد. مطالعات پیاده‌سازی بر موانع عملی، پذیرش کاربر، تغییرات در جریان کاری و نتایج واقعی بیماران تمرکز می‌کنند.

اعتباربخشی متعدد و گزارش شفاف

ابزارها باید در مجموعه‌های داده مستقل، جمعیت‌های متفاوت و در شرایط واقعی اعتبارسنجی شوند. گزارش استاندارد نتایج، معیارهای عملکرد و محدودیت‌ها به تصمیم‌گیرندگان کمک می‌کند تا قضاوت مبتنی بر شواهد داشته باشند.

طراحی متمرکز بر کاربر و آموزش بالینی

طراحیی که نیازهای کلینیک‌ها و تیم درمان را در نظر می‌گیرد، همراه با برنامه‌های آموزشی برای تفسیر و اقدام بر اساس خروجی‌ها، احتمال پذیرش را افزایش می‌دهد.

تضمین شفافیت، عدالت و حفاظت از داده‌ها

پیاده‌سازی چارچوب‌های اخلاقی و فنی برای جلوگیری از سوگیری‌های تبعیض‌آمیز و حفاظت از حریم خصوصی، از پیش‌شرط‌های لازم برای اعتماد عمومی و بالینی است.

سیاست‌گذاری و مدل‌های تأمین مالی

سیاست‌گذاران باید درباره سازوکارهای حمایت مالی، پوشش بیمه‌ای و معیارهای ارزیابی اثربخشی تصمیم‌گیری کنند. سازوکارهای تشویقی برای به‌کارگیری ابزارهای موثر و مقرون‌به‌صرفه نیز می‌تواند کمک‌کننده باشد.

این یافته برای بیمار چه معنایی دارد؟

برای افراد جامعه، نتایج این مرور چند پیام روشن دارد:

• وجود ابزارهای پیش‌بینی در توسعه به این معنی است که فناوری می‌تواند در آینده نقش قابل‌توجهی در پیشگیری و شناسایی زودهنگام بیماری‌ها ایفا کند.
• فعلاً نباید انتظار داشت همه بیمه‌نامه‌ها یا مراکز درمانی این ابزارها را به صورت روتین استفاده کنند؛ بنابراین عدم دسترسی فعلی به معنی فقدان ضرورت بالینی برای هر فرد نیست، بلکه منعکس‌کننده مرحله توسعه و موانع اجرایی است.
• خروجی ابزارهای پیش‌بینی اگر و وقتی به کار گرفته شوند، باید همراه با تبیین شفاف از محدودیت‌ها و گام‌های بعدی برای بیمار ارائه شود تا تصمیم‌گیری مشترک بین بیمار و پزشک ممکن شود.
• همیشه مهم است که بیماران در مورد نتایج پیش‌بینی شده گفتگو کنند، سوال بپرسند و درباره پیامدها و گزینه‌های پیشگیرانه با تیم درمان مشورت نمایند.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• نوع مطالعه: گزارش مروری است؛ به این معنی که بر گزارش‌ها و مطالعات موجود تکیه دارد و خود مطالعه تجربی جدیدی نیست.
• تنوع داده‌ها: ابزارها و مطالعاتی که بررسی شده‌اند از کیفیت و طراحی متفاوتی برخوردار بوده‌اند؛ بنابراین تعمیم نتایج به همه ابزارها یا همه جمعیت‌ها ممکن نیست.
• محیط جغرافیایی: مرور بر بستر استرالیا متمرکز است؛ بنابراین وضعیت در سایر کشورها یا سیستم‌های مراقبت بهداشتی ممکن است متفاوت باشد.
• دستیابی به نتیجه بالینی: بسیاری از ابزارها نشان داده‌اند که پیش‌بینی‌های قابل قبولی دارند، اما شواهد قوی درباره اینکه استفاده از آنها بهبود قابل‌توجهی در نتایج واقعی بیمار ایجاد می‌کند هنوز محدود یا ناقص است.
• خطر اغراق در کارکرد الگوریتم‌ها: عملکرد مدل‌ها در شرایط پژوهشی ممکن است بهتر از عملکرد در محیط واقعی باشد؛ بنابراین باید با احتیاط تفسیر شوند.

نظر تحریریه پزشک سایت

تحریریه پزشک سایت بر این باور است که یافته‌های مرور دانشگاه کرتین نشان‌دهنده یک واقعیت مهم در حوزه سلامت دیجیتال است: توسعه فناوری به‌تنهایی کافی نیست. برای آنکه ابزارهای پیش‌بینی به نفع بیماران عمل کنند، لازم است همزمان روی اعتباربخشی مستقل، ادغام در نظام بالینی، آموزش نیروهای مراقبت و ساختن چارچوب‌های حقوقی و اخلاقی کار شود. بیماران و ارائه‌دهندگان مراقبت باید از وعده‌های فناوری آگاه و در عین حال محتاط باشند؛ فناوری می‌تواند ابزار قدرتمندی برای پیشگیری باشد، اما تنها زمانی مفید است که با شواهد، سیاست و عملیاتی شدن همراه شود.

چه زمانی باید با پزشک مشورت کرد؟

اگر شما یا یکی از اعضای خانواده‌تان نگرانی‌هایی دارید که ممکن است توسط ابزارهای پیش‌بینی مطرح شود، یا اگر دستورالعمل مراقبتی جدیدی بر اساس چنین ابزاری ارائه شده است، موارد زیر به‌عنوان راهنمای مشورت توصیه می‌شود:

• در صورت دریافت هشدار درباره خطر بالای بیماری قلبی، خصوصاً اگر علائم بالینی نیز وجود دارد، با پزشک عمومی یا پزشک متخصص قلب مشورت کنید.
• اگر ابزار پیش‌بینی ریسک سقوط یا فرسودگی را در شما بالا گزارش کرده و شما سالمند هستید یا مشکلات تحرکی دارید، برای ارزیابی جامع و برنامه جلوگیری از سقوط با مسئول مراقبت تماس بگیرید.
• در صورت تصمیم‌گیری درباره تغییراتی در درمان دیابت یا اقدامات پیشگیرانه بر اساس پیش‌بینی، ابتدا با تیم درمان خود (متخصص دیابت یا پزشک خانواده) مشورت کنید تا بررسی‌های لازم انجام شود.
• اگر درباره حریم خصوصی داده‌ها یا نحوه استفاده از اطلاعات شخصی‌تان نگران هستید، از مرکز درمانی یا ارائه‌دهنده ابزار درباره سیاست‌های داده و حفاظت اطلاعات سؤال کنید.
• در موارد اورژانسی یا علائم جدی (درد قفسه سینه، تنگی نفس شدید، افت ناگهانی سطح هوشیاری، خونریزی غیرطبیعی)، منتظر تحلیل ابزار دیجیتال نمانید و فوراً به خدمات اورژانس مراجعه کنید.

پرسش‌های رایج

۱. آیا داشتن یک ابزار پیش‌بینی به معنی این است که من حتماً به بیماری مبتلا می‌شوم؟

خیر. ابزارهای پیش‌بینی احتمال را گزارش می‌کنند، نه قطعیت. یک نتیجه با ریسک بالاتر به معنی احتمال بیشتر است، اما نه الزام وقوع بیماری. تفسیر نتایج باید با پزشک و در زمینه سایر عوامل بالینی صورت گیرد.

۲. آیا می‌توانم به نتایج ابزارهای آنلاین رایگان اعتماد کنم؟

بسیاری از ابزارهای آنلاین کیفیت و اعتبار متفاوتی دارند. بهتر است ابزارهایی که گزارش شده‌اند در مطالعات مستقل اعتبارسنجی شده‌اند و توسط مراکز بهداشتی معتبر توصیه می‌شوند، مد نظر قرار دهید. در صورت تردید، نتایج را با پزشک خود در میان بگذارید.

۳. آیا ابزارهای پیش‌بینی جایگزین معاینه پزشکی می‌شوند؟

خیر. این ابزارها می‌توانند مکمل تصمیم‌گیری بالینی باشند اما جایگزین معاینه و قضاوت پزشک نیستند. تصمیمات درمانی باید بر پایه تاریخچه، معاینه و شواهد بالینی گرفته شوند.

۴. آیا این فناوری‌ها ایمن هستند از نظر حفظ حریم خصوصی؟

حفظ حریم خصوصی به طراحی و خط‌مشی‌های هر سیستم بستگی دارد. قبل از استفاده از ابزارها، درباره نحوه ذخیره‌سازی و اشتراک‌گذاری داده‌ها، مجوزها و سیاست‌های حفاظت از اطلاعات سؤال کنید.

۵. چه مدت طول می‌کشد تا چنین ابزارهایی در سیستم‌های بهداشتی به‌طور گسترده مورد استفاده قرار گیرند؟

پاسخ به این سؤال متغیر است و بستگی به سرعت اعتباربخشی، ادغام فنی، سیاست‌گذاری، پذیرش بالینی و تأمین مالی دارد. ممکن است چند سال تا چند دهه طول بکشد تا ابزارهای مؤثر و مقرون‌به‌صرفه به طور گسترده پذیرفته شوند.

جمع‌بندی کاربردی

مرور دانشگاه کرتین نشان می‌دهد که در استرالیا ابزارهای پیش‌بینی‌کننده سلامت زیادی توسعه یافته‌اند و پتانسیل بهبود پیشگیری و مراقبت را دارند، اما ورود آنها به عمل روزمره محدود است. برای تبدیل این نوآوری‌ها به منافع واقعی برای بیماران لازم است تا:

• مطالعات اعتباربخشی و پیاده‌سازی در محیط‌های واقعی انجام شود،
• ابزارها به‌خوبی در سیستم‌های الکترونیک پرونده پزشکی ادغام گردند،
• پذیرش بالینی از طریق آموزش و شفافیت افزایش یابد،
• مسائل اخلاقی، تبعیض الگوریتمی و حریم خصوصی به‌دقت مدیریت شوند،
• سیاست‌گذاری و مدل‌های تأمین مالی روشن شوند.

تا وقتی این ملاحظات حل نشده باقی بمانند، بیماران و پزشکان باید با احتیاط با نتایج این ابزارها برخورد کنند و تصمیم‌گیری‌ها را بر پایه گفتگو و ارزیابی بالینی کامل قرار دهند.

منبع

گزارش مروری: Medical Xpress — Australians missing out on ‘major gap’ between innovation and patient care (منتشرشده بر پایه مرور دانشگاه کرتین در The Lancet Regional Health – Western Pacific).

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.