علم داده و تحلیل پیش بینی: کاربردهای زیست پزشکی و سلامت با استفاده از آر ۲۰۱۸
Data Science and Predictive Analytics: Biomedical and Health Applications using R 2018

در دهه ی گذشته، کلان داده ها در تمام بخش های اقتصادی، رشته های علمی و فعالیت های انسانی فراگیر شده اند. این داده ها منجر به پیشرفت های چشمگیر تکنولوژیکی شده و بر تمام تجربه های بشری تاثیر گذاشته اند. توانایی ما در مدیریت، درک، بررسی و تفسیر این داده های بسیار حجیم، چند منبعی، ناهمگون، ناقص، چند مقیاسی و ناسازگار، با افزایش سریع حجم، پیچیدگی و تکثیر سیل اطلاعات دیجیتال همگام نبوده است. سه دلیل برای این کمبود وجود دارد. اول اینکه، حجم داده ها بسیار سریع تر از افزایش متناظر قدرت پردازش محاسباتی ما افزایش می یابد (قانون کریدر > قانون مور). دوم، محدودیت های سنتی رشته ای مانع پیشرفت سریع می شوند. سوم، فعالیت های آموزشی و تربیتی ما از روند شتابان پیشرفت های علمی، اطلاعاتی و ارتباطی عقب مانده اند. منابع آموزشی دقیق، مواد یادگیری تعاملی و محیط های آموزشی پویا که از یادگیری فعال علم داده پشتیبانی کنند، بسیار اندک هستند. این کتاب درسی تعادل بین مبانی ریاضی با نمایش ها و نمونه های ماهرانه از داده ها، ابزارها، ماژول ها و جریان های کاری را برقرار می کند که به عنوان پایه های پل مورد نیاز برای بستن شکاف مهارت های تحلیلی پیش بینی کننده عرضه و تقاضا عمل می کنند.

این کتاب درسی با آشکار ساختن فرصت های عظیمی که سونامی کلان داده ها ارائه می دهد، در تلاش است تا شکاف های دانش خاص، موانع آموزشی و کمبودهای آمادگی نیروی کار را شناسایی کند. به طور خاص، بر توسعه یک برنامه درسی فرارشته ای متمرکز است که روش های محاسباتی مدرن، تکنیک های پیشرفته علم داده، کاربردهای نوآورانه زیست پزشکی و تحلیل های موثر سلامت را ادغام می کند.

محتوای این کتاب درسی در سطح تحصیلات تکمیلی، شکاف قابل توجهی را در ادغام مفاهیم مهندسی مدرن، الگوریتم های محاسباتی، بهینه سازی ریاضی، محاسبات آماری و استنتاج زیست پزشکی پر می کند. تکنیک های تحلیلی کلان داده و روش های علمی پیش بینی کننده، نیازمند دانش گسترده فرارشته ای هستند، طیف بسیار وسیعی از خوانندگان/یادگیرندگان را جذب می کنند و فرصت های باورنکردنی برای تعامل در سراسر دانشگاه، صنعت، سازمان های نظارتی و تامین مالی فراهم می کنند.

دو مثال زیر نیاز مبرم به دانش علمی، توانایی های محاسباتی، تخصص بین رشته ای و فناوری های مدرن را برای دستیابی به نتایج مطلوب (بهبود سلامت انسان و بهینه سازی بازگشت سرمایه در آینده) نشان می دهند. این امر تنها با تیم های محقق آموزش دیده مناسبی قابل دستیابی است که بتوانند سیستم های پشتیبانی تصمیم گیری قوی با استفاده از تکنیک های مدرن و پروتکل های موثر سرتاسری، مانند آنچه در این کتاب درسی توضیح داده شده است، توسعه دهند.

• یک متخصص مغز و اعصاب سالمندان در حال معاینه بیماری است که از عدم تعادل راه رفتن و ناپایداری وضعیت بدن شکایت دارد. برای تعیین اینکه آیا بیمار ممکن است از بیماری پارکینسون رنج ببرد، پزشک داده های بالینی، شناختی، فنوتیپی، تصویربرداری و ژنتیکی (کلان داده) را به دست می آورد. اکثر کلینیک ها و مراکز مراقبت های بهداشتی مجهز به تیم های تحلیلی داده ماهر نیستند که بتوانند چنین مجموعه داده های پیچیده ای را سر و سامان داده، هماهنگ و تفسیر کنند. فراگیری که یک دوره تحصیلی را با استفاده از این کتاب درسی به پایان می رساند، شایستگی و توانایی مدیریت داده ها، تولید پروتکل برای استخراج نشانگرهای زیستی و ارائه یک سیستم پشتیبانی تصمیم گیری عملی را خواهد داشت. نتایج این پروتکل به پزشک کمک می کند تا کل مجموعه داده های بیمار را درک کند و در ارائه یک تشخیص بالینی جامع، مبتنی بر شواهد و داده محور کمک کند.

• برای بهبود بازگشت سرمایه برای سهامداران خود، یک تولید کننده مراقبت های بهداشتی نیاز دارد تا تقاضا برای محصول خود را با توجه به داده های زیست محیطی، جمعیتی، اقتصادی و احساسات زیستی-اجتماعی (کلان داده) پیش بینی کند. تیم تحلیل داده سازمان وظیفه دارد پروتکلی را توسعه دهد که این عناصر داده ناهمگون را شناسایی، تجمیع، هماهنگ، مدل سازی و تجزیه و تحلیل کند تا یک پیش بینی روند ایجاد کند. این سیستم باید یک پیش بینی خودکار، تطبیقی، مقیاس پذیر و قابل اعتماد از سرمایه گذاری بهینه، به عنوان مثال، تخصیص تحقیق و توسعه، ارائه دهد که سود خالص شرکت را به حداکثر برساند. خواننده ای که یک دوره تحصیلی را با استفاده از این کتاب درسی به پایان می رساند، قادر خواهد بود داده های ساخت یافته و غیرساخت یافته مشاهده شده را جذب کند، داده ها را به صورت ریاضی به عنوان یک شی قابل محاسبه نشان دهد و تکنیک های پیش بینی مبتنی بر مدل و بدون مدل مناسب را اعمال کند. نتایج این تکنیک ها ممکن است برای پیش بینی رابطه مورد انتظار بین سرمایه گذاری شرکت، عرضه محصول، تقاضای عمومی مراقبت های بهداشتی (ارائه دهندگان و بیماران) و تخمین بازگشت سرمایه گذاری های اولیه استفاده شود.

Over the past decade, Big Data have become ubiquitous in all economic sectors, scientific disciplines, and human activities. They have led to striking technological advances, affecting all human experiences. Our ability to manage, understand, interrogate, and interpret such extremely large, multisource, heterogeneous, incomplete, multiscale, and incongruent data has not kept pace with the rapid increase of the volume, complexity and proliferation of the deluge of digital information. There are three reasons for this shortfall. First, the volume of data is increasing much faster than the corresponding rise of our computational processing power (Kryder’s law > Moore’s law). Second, traditional discipline-bounds inhibit expeditious progress. Third, our education and training activities have fallen behind the accelerated trend of scientific, information, and communication advances. There are very few rigorous instructional resources, interactive learning materials, and dynamic training environments that support active data science learning. The textbook balances the mathematical foundations with dexterous demonstrations and examples of data, tools, modules and workflows that serve as pillars for the urgently needed bridge to close that supply and demand predictive analytic skills gap.

Exposing the enormous opportunities presented by the tsunami of Big data, this textbook aims to identify specific knowledge gaps, educational barriers, and workforce readiness deficiencies. Specifically, it focuses on the development of a transdisciplinary curriculum integrating modern computational methods, advanced data science techniques, innovative biomedical applications, and impactful health analytics.

The content of this graduate-level textbook fills a substantial gap in integrating modern engineering concepts, computational algorithms, mathematical optimization, statistical computing and biomedical inference. Big data analytic techniques and predictive scientific methods demand broad transdisciplinary knowledge, appeal to an extremely wide spectrum of readers/learners, and provide incredible opportunities for engagement throughout the academy, industry, regulatory and funding agencies.

The two examples below demonstrate the powerful need for scientific knowledge, computational abilities, interdisciplinary expertise, and modern technologies necessary to achieve desired outcomes (improving human health and optimizing future return on investment). This can only be achieved by appropriately trained teams of researchers who can develop robust decision support systems using modern techniques and effective end-to-end protocols, like the ones described in this textbook.

• A geriatric neurologist is examining a patient complaining of gait imbalance and posture instability. To determine if the patient may suffer from Parkinson’s disease, the physician acquires clinical, cognitive, phenotypic, imaging, and genetics data (Big Data). Most clinics and healthcare centers are not equipped with skilled data analytic teams that can wrangle, harmonize and interpret such complex datasets. A learner that completes a course of study using this textbook will have the competency and ability to manage the data, generate a protocol for deriving biomarkers, and provide an actionable decision support system. The results of this protocol will help the physician understand the entire patient dataset and assist in making a holistic evidence-based, data-driven, clinical diagnosis.

• To improve the return on investment for their shareholders, a healthcare manufacturer needs to forecast the demand for their product subject to environmental, demographic, economic, and bio-social sentiment data (Big Data). The organization’s data-analytics team is tasked with developing a protocol that identifies, aggregates, harmonizes, models and analyzes these heterogeneous data elements to generate a trend forecast. This system needs to provide an automated, adaptive, scalable, and reliable prediction of the optimal investment, e.g., R&D allocation, that maximizes the company’s bottom line. A reader that complete a course of study using this textbook will be able to ingest the observed structured and unstructured data, mathematically represent the data as a computable object, apply appropriate model-based and model-free prediction techniques. The results of these techniques may be used to forecast the expected relation between the company’s investment, product supply, general demand of healthcare (providers and patients), and estimate the return on initial investments.