Что может быть прибыльнее, чем вести войну, торговать оружием и промышлять в даркнете? Правильно – лечить людей и продавать лекарства. Рассказываем, что нужно знать и уметь, чтобы влиться в выгодную и легальную индустрию здравоохранения. Обсудить
Кто сталкивался с чем-то посложнее простуды знает, что при нестандартных симптомах шансы на успешное лечение резко падают по нескольким причинам:
Врачи работают по стандартам. С одной стороны, это хорошо, так как в основе стандарта лежит доказательная медицина и врач использует проверенную методологию. С другой стороны, тело и взаимосвязь тела и психики все еще плохо изучены, поэтому при чистых анализах и нестандартных симптомах пациенту вряд ли помогут. В таких случаях намекают на психосоматику и выписывают успокоительные средства. Таким образом врач сообщает: «не знаю, что делать». Ограниченное время на одного пациента. В РФ терапевту выделяется около 15 минут на пациента, за которые толком ничего не узнаешь. Врач может ошибиться, ведь он тоже человек. Врачебные ошибки приводят к осложнениям и в некоторых случаях к смерти в среднем у 70 тыс. россиян в год. Узкая специализация. Врачи узких специализаций рассматривают только свою область компетенций, изолированную от других направлений, в то время как в теле человека все связано и причина болезни может находиться не там, где прописано в стандарте или вообще в другой медицинской области. Как исправить ситуацию: анализ данных Часто одни заболевания по симптоматике похожи на другие и поставить верный диагноз невозможно, особенно на ранних стадиях развития болезни. У врача нет времени днями и ночами читать научные статьи на иностранных языках, чтобы сказать пациенту с редким заболеванием или со смазанными симптомами: «В Японии был похожий случай в 2011 г. Лечили вот так и так». Врач не может за несколько минут просмотреть историю болезней пациента за всю его жизнь и найти корреляцию с его текущим состоянием. А машина может с некоторой долей вероятности.
Работа по стандарту подразумевает наличие алгоритма:
Узнать симптоматику. Провести диагностику и сделать анализы. Определить диагноз. Назначить лечение. Эти четыре шага может выполнить машина на основе массива данных.
Наука о данных использует большие объемы информации, полученной из разрозненных источников, таких как медицинские карты пациентов, результаты диагностики, планы и результаты лечения, чтобы создать базу данных симптомов и успешных планов лечения, которая поможет врачам принимать правильные решения.
Что нужно знать
Питон или язык R; библиотеки Pandas, PyTorch, TensorFlow, Numpy, Matplotlib, Scikit-learn; основы реляционных баз данных. MySQL; обработку естественного языка; прикладную статистику в медицине; уметь визуализировать данные. Бесплатные курсы :
Электронное здравоохранение (eHealth). Основные понятия Персонализированная медицина Биотех: ИИ в медицине Как построить бизнес в фармацевтике Материалы по теме Как наука о данных помогает врачам? ● Самоучитель для начинающих: как освоить Python с нуля за 30 минут?
Чем еще может помочь наука о данных? 1. Фармакология
В контексте фармацевтической промышленности науку о данных можно определить как дисциплину, находящуюся на стыке статистики, информатики и открытия лекарств.
Одной из основных парадигм механизма действия лекарств является теория «замка и ключа». Белок – это «замок», а поиск лекарства заключается в поиске правильного «ключа» для отпирания замка. Лекарство избирательно связывается с определенным местом в белке-мишени, ответственной за заболевание и модулирует – увеличивает или уменьшает – активность мишени.
Что нужно знать Питон на продвинутом уровне; создавать и оценивать модели машинного обучения; обучать нейронные сети; материаловедение, квантовую химию и биологию на начальном уровне. Популярные библиотеки :
DeepChem OpenChem MoleculeNet Бесплатные курсы :
Основы клинического использования антибиотиков Информация о лекарственных средствах для пациента 2. Послеоперационный период
В послеоперационный период IoT-устройства, представленные в виде носимых устройств, могут передавать данные о сердцебиении, потреблении калорий, уровне кислорода в крови и другие медицинские параметры пользователей для контроля состояния здоровья.
Что нужно знать Питон или C/C++ на среднем уровне; основы схемотехники; разбираться в датчиках; уметь паять и собирать контроллеры самому; программировать контроллеры: Arduino, ESP, STM или Raspberry Pi. Бесплатные курсы :
Введение в Интернет Вещей Основы IoT на ArduinoUno Основы программирования микроконтроллеров семейства Arduino Основы робототехники Материалы по теме Что такое IoT-разработка и с чем ее едят? ● Что должен знать начинающий IoT-разработчик в 2021 году? ● 25 ресурсов для изучения IoT-разработки в 2021 году: онлайн-университеты, каналы, блоги и подкасты
3. Геномика
Геномика изучает геном – весь наследственный материал живого организма, совокупность генов. Она изучает функцию генов и строение важных белковых молекул и определяет связь между генами и заболеванием.
Что нужно знать Питон на среднем+ уровне; библиотеки Pandas, NumPy, SciPy, Scikit-learn, PyTorch или TensorFlow; догмы молекулярной биологии; алгоритмы для секвенирования ДНК; математическую биологию на начальном уровне. Популярные библиотеки :
Бесплатные курсы :
Python для науки о геномных данных Введение в Биоинформатику: Метагеномика Введение в молекулярную биологию и биомедицину 4. Распознавание изображений
Наука о данных в здравоохранении используется для поиска патологий на изображениях, полученных в результате лучевой диагностики: рентгена, КТ и МРТ.
Что нужно знать Питон на среднем уровне и выше; принципы ООП, библиотеки NumPy, SciPy и Scikit-learn; алгоритмы и структуры данных на Python; основы высшей математики; уметь работать с библиотекой PyTorch или TensorFlow; строить нейронные сети и проводить сегментацию изображений. Популярные библиотеки :
Mahotas OpenCV scikit-image ITK ONNIX Бесплатные курсы :
Томография: увидеть невидимое Нейронные сети и компьютерное зрение Курс по OpenCV Материалы по теме Распознавание объектов с помощью YOLO v3 на Tensorflow 2.0 ● Учим Raspberry Pi распознаванию лиц ***
Если есть желание использовать науку о данных не только как двигатель капиталистической машины, но и делать что-то полезное для людей, то, медицина – правильный выбор. Образовательная онлайн-платформа GeekBrains проводит набор на факультет Data Science в медицине, на котором студенты научатся с нуля решать задачи в области медицины. Обучение длится 18 месяцев, плюс 6 месяцев занимает практика по медицинской специализации. По итогам получите 15 проектов в портфолио и гарантию трудоустройства .
Интересно, хочу попробовать