حرکت جهانی به سمت دستیابی به پوشش همگانی سلامت و اهداف توسعه پایدار، مستلزم یک تغییر اساسی به سمت سیستم‌های مراقبت بهداشتی یکپارچه است. دیدگاه “مراقبت بهداشتی یکپارچه” به عنوان مجموعه‌ای منسجم از روش‌ها و مدل‌ها در سطوح مختلف برای ارائه خدمات بالینی جهت یجاد ارتباط و همسو سازی بهداشت و درمان طراحی شده است. برای حرکت به سمت این مدل مراقبت، سازمان بهداشت جهانی (WHO) پنج تغییر اساسی در نظام سلامت را خواستار شد: توانمندسازی و تعامل با مردم، تقویت سازمان‌های دولتی و پاسخگویی بیشتر، جهت گیری مجدد مدل مراقبت بهداشتی، هماهنگی خدمات در بخش‌های مختلف و ایجاد یک محیط توانمند. هر کدام ازین تغییرات خود شامل استراتژی های فرعی دیگری مب‌باشد.

سلامت دیجیتال شامل استفاده از برنامه‌های mHealth، رسانه های اجتماعی و داده‌ها و سیستم‌های اطلاعات سلامت است، سلامت دیجیتال با اینترنت اشیاء (IoT)، جریان داده و رابط بین خودمراقبتی، خدمات سلامت در خانه، مراقبت های اولیه، مراقبت های سرپایی، خدمات کمک رسانی و خدمات خدمات درمانی تسکین دهنده مبتنی بر بیمارستان را بهبود می‌بخشد. این می‌تواند بیماران و مراقبان را برای انتقال آسان بین بخش‌های مختلف مراقبت، با مدل های مراقبت بیمار محور توانمند کند. دسترسی بیماران به درمان و مشاوره در حال حاضر به دلیل “mHealth” به طور چشمگیری بهبود یافته است. و راه‌های جدیدی برای تشخیص، ردیابی و کنترل بیماری‌های عفونی و بهبود کارایی سیستم سلامت ارائه می‌دهد.

در عصر حاضر پیشرفت های سریع در فناوری، سرعت و کارایی پردازش و مبادله داده ها را به طور چشمگیری بهبود بخشیده است. روش های تشخیص بیماری و پاسخ به آن نیز به طور مداوم در حال بهبود است. توسعه تشخیص های حساس تر و اختصاصی تر، ایمونولوژیکی و مبتنی بر مولکولی و توالی یابی ژنتیکی، توانایی تشخیص تعداد فزاینده ای از بیماری ها را تسهیل کرده است. این به نوبه خود درک بار و انتقال عوامل عفونی و همچنین اطلاع رسانی در تصمیم گیری بالینی، به ویژه در زمینه بیماری های عفونی را افزایش داده است.

 

چگونه دستگاه‌های mHealth پاسخی به بیماری‌های عفونی ارائه می‌دهند

البته تشخیص و پایش بیماری ها کلید مدیریت بالینی است. با این حال، بیماری های عفونی یک چالش منحصر به فرد را نشان می دهد زیرا می تواند به دیگران منتقل شود و بنابراین تشخیص و درمان زودهنگام برای جلوگیری از شیوع بیماری کلیدی است. به منظور محدود کردن گسترش عفونت، ابزارهای mHealth باید با اقدامات نظارتی و کنترل موثر ادغام شوند. مقاله‌ای در سال 2019 که در Nature منتشر شد، دو مکانیسم اصلی را شناسایی کرد که به این فناوری‌ها اجازه می‌دهد کارایی، سرعت و ارتباط یکپارچه بالینی و سلامت عمومی را بهبود بخشند – افزایش دسترسی به مراقبت‌های بهداشتی خارج از محیط‌های مراقبت و زمان واقعی یا تقریباً هم زمان.

بیشتر مداخلات mHealth بر استفاده از فن‌آوری‌های تلفن همراه تثبیت‌شده برای ارتباط متخصصان مراقبت‌های بهداشتی و بیماران با یکدیگر و/یا نتایج آزمایش متمرکز شده‌اند. بنابراین استفاده از ابزارهای تشخیصی قابل حمل پتانسیل زیادی برای ساده کردن این فرآیندها دارد. خطر جهانی فعلی عفونت‌های مقاوم به ضد میکروبی بسیار زیاد است و نیاز به تشخیص بهبود یافته برای هدایت درمان ضد میکروبی دارد. تشخیص های متصل که می توانند به طور همزمان یک پاتوژن را شناسایی کنند و حساسیت و مقاومت ضد میکروبی را شناسایی کنند، بسیار ارزشمند هستند زیرا می توانند درمان های مناسب را در حین گزارش نتایج به مراکز نظارت انتخاب کنند.

مزایای دستگاه های mHealth شامل صرفه جویی در هزینه است

در محیط‌های محدود به منابع، که خدمات بهداشتی اغلب در حال حاضر تحت فشار قرار می‌گیرند، رویکردهای mHealth نیز می‌توانند بسیار سودمند باشند. انجام تشخیص‌ها در خارج از مراکز بهداشتی رسمی و در جامعه در این شرایط می‌تواند راه‌حلی مقرون‌به‌صرفه و کاربرپسند ارائه دهد.
این مداخلات می‌تواند دسترسی بیمار به داروهای دقیق را بهبود بخشد. در محیط‌های غنی از منابع، سیستم‌های مراقبت بهداشتی متصل از قبل شروع به طبقه‌بندی بیماران در برنامه‌های درمان از راه دور و نظارت بر پاسخ کرده‌اند.
استفاده از برنامه‌های تشخیصی و گزارش علائم متصل، همراه با مجموعه الکترونیکی داده‌های اپیدمیولوژیک و بالینی، پتانسیل زیادی برای افزایش کارایی و سرعت مدیریت عفونت‌های اپیدمی و بومی دارد.
گزارش بی‌درنگ نتایج آزمایش‌های تشخیصی می‌تواند این نظارت را از طریق نقشه‌برداری جغرافیایی عفونت‌ها از طریق نتایج آزمایش برچسب‌گذاری شده، شبکه‌های اجتماعی و تجزیه و تحلیل جستجوی اینترنتی، فراهم کند و ابزارهای جدیدی برای کنترل موثر شیوع بیماری فراهم کند.
با وجود مزایای بالقوه و افزایش تعداد دستگاه‌های تشخیصی، هنوز از نظر پیاده‌سازی این فناوری‌ها در مراحل اولیه قرار دارد. به عنوان مثال، هنوز یک مداخله mHealth که دارای یک تشخیص مرتبط با مسیر مراقبت بالینی و/یا سیستم نظارت برای یک بیماری عفونی باشد، وجود ندارد.
برای دستیابی به یکپارچگی موفق، سیستم هایی برای انتقال، تجزیه و تحلیل و ذخیره ایمن داده های تولید شده باید ایجاد شود. هر نتیجه گیری بر اساس این اطلاعات باید به بیمار، متخصص مراقبت های بهداشتی یا مؤسسه مربوطه گزارش شود و بر اساس آن عمل شود. البته، برای اینکه این امر به خوبی اجرا شود، باید تدابیری برای محافظت در برابر سوء استفاده از اطلاعات محرمانه بهداشتی و شخصی در نظر گرفته شود..

دستگاه های mHealth تشخیص در محل متصل ایجاد می کنند

معیارهای سازمان بهداشت جهانی (WHO) ویژگی های کلیدی را برای تشخیص در محل مشخص می کند. دستگاه های متصل دارای الزامات اضافی هستند که به موجب آن سیگنال تولید شده باید به اطلاعات دیجیتال آماده برای انتقال تبدیل شود. سیستم‌هایی که این نیازها را برآورده می‌کنند قبلاً توسعه یافته‌اند و این فناوری‌ها به طور فزاینده‌ای برای ایجاد تشخیص‌های مراقبتی متصل استفاده می‌شوند. این دستگاه‌ها تمایل دارند از حسگرهای موجود در تلفن استفاده کنند یا از حسگرهای خارجی تلفن استفاده کنند و از قدرت محاسباتی و اتصال آن برای ایجاد یک تشخیص استفاده کنند. یک دوربین گوشی هوشمند به طور بالقوه می‌تواند جای طیف‌سنج‌های پیشرفته مبتنی بر آزمایشگاه را بگیرد و با قابلیت‌های کمی و چندگانه‌سازی آنها از طریق مهندسی نوآورانه مطابقت داشته باشد. چنین پیشرفت‌هایی امکان دسترسی به تجهیزات آزمایشگاهی پرهزینه را فراهم می‌کند و آموزش مورد نیاز برای تفسیر نتایج آزمایش را کاهش می‌دهد.

نمونه ای از  میکروسکوپ مبتنی بر گوشی های هوشمند است که به طور فزاینده ای در عفونت های انگلی استفاده می شود. این میکروسکوپ به سرعت به استاندارد میکروسکوپ‌های آزمایشگاهی نزدیک می‌شود، اما هزینه اولیه آن بسیار پایین‌تر است. میکروسکوپ مبتنی بر تلفن های هوشمند حتی گزینه های قابل حمل و دستی را برای تصویربرداری فلورسنت از ویروس ها و مولکول های DNA ارائه می دهد. حسگرها در گوشی‌های هوشمند نیز در زمینه وسیع‌تری مورد بررسی قرار گرفته‌اند، از جمله شتاب‌سنج برای نظارت بر حرکت بدن، که تغییرات آن می‌تواند با بیماری‌هایی مانند پارکینسون مرتبط باشد، و میکروفون که می‌تواند برای نظارت بر عملکرد ریه مورد استفاده قرار گیرد. با ادامه افزودن قابلیت‌های جدید به گوشی‌های هوشمند، کاربردهای تشخیصی کامل این فناوری‌ها هنوز دیده نشده است. حسگرهای خارجی به ویژه برای غلبه بر مسئله قابلیت همکاری در مراقبت های بهداشتی ارزشمند هستند، که مانع از تصویب توسط تنظیم کننده ها می شود. اینها را می توان در اطراف هر حسگر زیستی یا سیستم انتقال سیگنال مناسب مهندسی کرد و برای اشتراک گذاری داده ها از طریق شبکه های تلفن همراه متصل شد. بسیاری از تولیدکنندگان شروع به ادغام اتصال اینترنت مستقیماً در تجهیزات تشخیصی مبتنی بر آزمایشگاه خود کرده‌اند و دسترسی سریع‌تری به نتایج و ادغام پیشرفته‌تر در سیستم‌های مدیریت اطلاعات آزمایشگاهی فراهم می‌کنند. با کاهش اندازه این دستگاه ها، آنها به طور فزاینده ای در محل مراقبت یا نزدیک به آن مستقر می شوند و اخیراً در پاسخ به همه گیری های اخیر به کار گرفته شده اند. تجزیه و تحلیل خودکار نتایج این پتانسیل را دارد که به طور چشمگیری خطای کاربر را هنگام تفسیر، ضبط و انتقال نتایج آزمایش های تشخیصی کاهش دهد. در حال حاضر تعدادی روش برای خودکارسازی تفسیر بصری تصاویر وجود دارد که مناسب بودن آنها به نوع داده ها و منابع موجود در یک محیط خاص بستگی دارد. برای مثال، روش‌های مبتنی بر ابر برای تحلیل‌های گران‌تر محاسباتی، مانند داده‌های تصویری یا ویدیویی با وضوح بالا، در موقعیت‌هایی که اتصال کافی وجود دارد، بهترین کار را دارند. اگر اتصال کم است، استخراج ویژگی روی تلفن برای کاهش اندازه تصاویر قبل از انتقال آنها و تفسیر مبتنی بر ابر می تواند بر این مشکل غلبه کند. سیستم های مبتنی بر ابر بسیار سودمند هستند، زیرا اجازه می دهند اتصال به پایگاه های داده و الگوریتم ها به طور مرکزی به روز شوند. آنها همچنین بار پردازشی را از دستگاه های تلفن همراه حذف می کنند و در نتیجه دامنه دستگاه های سازگار را افزایش می دهند.

چالش‌های mHealth

تجزیه و تحلیل تلفنی زمانی مناسب است که به تجزیه و تحلیل کمتر پیچیده ای نیاز باشد یا در تنظیمات از راه دور با اتصال شبکه تلفن همراه و پهنای باند محدود. این روش‌ها می‌توانند مقدار داده‌هایی را که باید منتقل شوند کاهش داده و اجازه می‌دهند نتایج روی تلفن ذخیره شوند و متعاقباً یک بار در محدوده شبکه‌های تلفن همراه بارگذاری شوند. این قابلیت‌ها با پیشرفت‌های مداوم در سخت‌افزار پردازش تلفن همراه بیشتر می‌شوند. استفاده از واحدهای پردازش عصبی اختصاصی و چارچوب‌های نرم‌افزاری برای یادگیری ماشینی روی تلفن، طبقه‌بندی تصاویر را به طور فزاینده‌ای کارآمد و ظریف تسهیل می‌کند و همچنین می‌تواند استنتاج خودکار را هنگام استفاده از تجهیزات معیوب یا در شرایط نوری ضعیف بهبود بخشد.

علیرغم پتانسیل عظیم ابزارهای mHealth به عنوان یک منبع ارزشمند داده، آنها با تعدادی چالش همراه هستند. مقررات موضوعی کلیدی است زیرا با سرعت پیشرفت تکنولوژی همگام نبوده است. مقاماتی مانند سازمان غذا و داروی ایالات متحده (FDA) و آژانس تنظیم مقررات داروها و محصولات بهداشتی بریتانیا (MRHA)، رویکردی آزمایشی برای قوانین مربوط به این کاربردها اتخاذ کرده اند. برای پرداختن به این موضوع، نیاز به چارچوب‌های نظارتی وجود دارد که بتواند در طیف گسترده‌ای از فناوری‌های موجود اعمال شود و همچنین هماهنگی بین نهادهای نظارتی مختلف وجود دارد تا قوانین به مانعی برای نوآوری‌های آینده تبدیل نشود. خود دستگاه ها نیز مشکلاتی را ایجاد می کنند. اگر یک تست تشخیصی برای استفاده با طیف وسیعی از تلفن‌های هوشمند طراحی شده باشد، تغییرپذیری آنها در سخت‌افزار و نرم‌افزار ارزیابی ریسک را در فرآیند بررسی نظارتی دشوار می‌کند. این باعث می‌شود که شرکت‌ها یا دستگاه‌های جداگانه‌ای با اجزای تعریف‌شده توسعه دهند یا یک گوشی هوشمند استاندارد را همراه با آزمایش ارسال کنند و در عین حال بر محیط نرم‌افزار نظارت دقیق داشته باشند، که هر دو هزینه را افزایش می‌دهند. حاکمیت بالینی مسیرهای مراقبت مبتنی بر mHealth نیز نیازمند توجه است. در مواردی که بیماران داده‌ها را از راه دور ارائه می‌کنند، ضروری است که قابلیت تشدید برای طیف وسیعی از متخصصان مراقبت‌های بهداشتی و خدمات حضوری در صورت نیاز وجود داشته باشد. این امر مستلزم تضمین کیفیت درختان تصمیم گیری بالینی، مسیرهای مراقبت و تصمیمات تجویز از راه دور، و همچنین یک رابط کاربری امن و کاربرپسند برای استفاده از راه دور است. هزینه و اثربخشی بالینی نیز باید به طور جامع در مقیاس بزرگ برای اجرای موفقیت آمیز این ابزارها در مراقبت های بهداشتی ارزیابی شود. اگرچه این پارامترها در تشخیص های نقطه مراقبت و برخی استراتژی های mHealth ارزیابی شده اند، تشخیص های مرتبط با مداخلات mHealth مرتبط هنوز مورد تجزیه و تحلیل قرار نگرفته اند. این به دلیل پیچیدگی ذاتی در ارزیابی اجزای منفرد این دستگاه هاست که متشکل از تعاملات متقابل وابسته است. در حالی که فن‌آوری‌های mHealth فرصتی برای گسترش دسترسی به تشخیص برای طیف وسیعی از بیماری‌ها فراهم می‌کند، مهم است که کسانی را که ممکن است پشت سر گذاشته شوند، در نظر بگیریم. تخمین زده می شود که 35 درصد از جمعیت جهان به فناوری های تلفن همراه دسترسی ندارند. این در درجه اول به دلیل عدم دسترسی به این ابزارها در کشورهای با درآمد کم و متوسط ​​است، اگرچه کشورهایی که از وضعیت اجتماعی-اقتصادی پایین تر در محیط های غنی از منابع برخوردار هستند نیز تحت تأثیر قرار می گیرند. شواهد نشان می‌دهد که شکاف‌ها در حال کاهش است، اما باید کارهای بیشتری انجام شود تا اطمینان حاصل شود که این فناوری‌ها در دسترس همه هستند، به‌ویژه آنهایی که بیشتر نیاز دارند و بزرگترین موانع برای غلبه بر آنها وجود دارد.