ΕΠΕΞΕΡΓΑΣΙΑ ΔΕΔΟΜΕΝΩΝ BIG DATA ΣΤΗΝ ΨΗΦΙΑΚΗ ΕΠΙΔΗΜΙΟΛΟΓΙΑ

Abstract

Επιδημιολογία ονομάζεται η επιστήμη που μελετά τη φύση και τους μηχανισμούς εξάπλωσης των μεταδοτικών ασθενειών. Ένας αρκετά νέος τομέας της επιδημιολογίας είναι η ψηφιακή επιδημιολογία. Στην ψηφιακή επιδημιολογία χρησιμοποιούνται τεχνικές επεξεργασίας και ανάλυσης διαδικτυακών δεδομένων με στόχο τον εντοπισμό και την παρακολούθηση ξεσπασμάτων μεταδοτικών ασθενειών. Τα διαδικτυακά δεδομένα, που χρησιμοποιούνται στην ψηφιακή επιδημιολογία, ονομάζονται και ‘’μεγάλα’’ δεδομένα και διακρίνονται για το πολύ μεγάλο μέγεθος, πολυπλοκότητα και ανομοιομορφία που τα χαρακτηρίζει. Η επεξεργασία των ‘’μεγάλων’’ δεδομένων δεν είναι εύκολη διαδικασία και κατά κύριο λόγο για την ανάλυσή τους χρησιμοποιούνται τεχνολογίες όπως η μηχανική μάθηση, η επεξεργασία φυσικής γλώσσας και η τεχνητή νοημοσύνη. Επίσης, για την επεξεργασία και ανάλυση των μεγάλων δεδομένων απαιτούνται ισχυρά συστήματα με μεγάλη ταχύτητα επεξεργασίας, μνήμη και χώρο αποθήκευσης. Καθώς το μέγεθος των ‘’μεγάλων’’ δεδομένων αυξάνεται τα συστήματα αυτά πρέπει να εξελίσσονται συνεχώς, όμως ο σχεδιασμός και η δημιουργία τέτοιου είδους συστημάτων έχει ιδιαίτερα υψηλό κόστος. Γι’ αυτό το λόγο έχουν εφευρεθεί τεχνικές κλιμάκωσης, με χρήση των οποίων οι δυνατότητες ενός ήδη υπάρχοντος συστήματος επεκτείνονται. Η κλιμάκωση διακρίνεται στην οριζόντια κλιμάκωση και στη κάθετη κλιμάκωση, αλλά για τον σκοπό της επεξεργασίας ‘’μεγάλων’’ δεδομένων χρησιμοποιείται κατά κύριο λόγο η οριζόντια κλιμάκωση. Κατά την οριζόντια κλιμάκωση μεμονωμένα συστήματα διασυνδέονται μεταξύ τους και έτσι η συνολική επεξεργαστική ισχύς αυξάνεται. Υπάρχουν αρκετές πλατφόρμες οριζόντιας κλιμάκωσης συστημάτων οι οποίες αναλαμβάνουν τη διασύνδεση των συστημάτων και, στη συνέχεια, την επεξεργασία των ‘’μεγάλων’’ δεδομένων, κάποιες από τις οποίες είναι το Hadoop, το Storm και το Spark της Apache. Μέχρι σήμερα έχουν δημιουργηθεί αρκετά συστήματα στον τομέα της ψηφιακής επιδημιολογίας τα οποία συμβάλουν στον εντοπισμό νέων ξεσπασμάτων ασθενειών και στη μελέτη της πορείας εξάπλωσής τους. Κάποια από αυτά τα συστήματα ανήκουν σε οργανισμούς υγείας, ενώ κάποια άλλα έχουν δημιουργηθεί από εταιρείες. Μερικά πολύ δημοφιλή τέτοιου είδους συστήματα αποτελούν το HealthMap, το GPHIN, το ProMED-mail και το σύστημα AI της BlueDot. Επίσης, η πανδημία COVID-19, που πλήττει σήμερα το μεγαλύτερο μέρος του κόσμου, ήταν αφορμή για τη δημιουργία αρκετών λογισμικών για την απεικόνιση των κρουσμάτων και των θανάτων εξ’ αιτίας του κορονοίού. Τα λογισμικά αυτά έχουν καθαρά στόχο την ενημέρωση του πληθυσμού και περιλαμβάνουν διαδραστικούς χάρτες και γραφικές παραστάσεις για την πιο λεπτομερή απεικόνιση των δεδομένων που παρέχουν. Το πρώτο από αυτά τα συστήματα που δημιουργήθηκε είναι το COVID-19 Dashboard του Παγκοσμίου Οργανισμού Υγείας (WHO), ενώ ακολούθησαν και άλλα λογισμικά όπως το COVID-19 Dashboard του Πανεπιστημίου Johns Hopkins (JHU). Η ψηφιακή επιδημιολογία είναι ένα πεδίο που συνεχώς εξελίσσεται παράλληλα με την εξέλιξη της τεχνολογίας και όσο βελτιώνεται αυξάνονται και τα ευεργετικά αποτελέσματα στην ποιότητα ζωής των ανθρώπων. Απαραίτητη, όμως, είναι η προσοχή κατά τη λήψη πληροφοριών από ηλεκτρονικά δεδομένα, καθώς η δημοσιοποίηση εσφαλμένων πληροφοριών και η παραβίαση του προσωπικού απορρήτου μπορεί να έχει πολύ δυσάρεστες συνέπειες.