سعید رضا عاملی – استاد گروه ارتباطات دانشگاه تهران
 

مقدمه
در طول تاریخ، همواره شیوع بیماری­های عفونی، از شیوع طاعون در آتن (430 ق.م) که نخستین بیماری عفونی فراگیر بود ( کمیسیون پهن­باند برای توسعه پایدار، 2018) تا کووید 19 که جدیدترین بیماری فراگیر در وسعت جهانی است، خسارت­های جبران ناپذیری بر انسان و حیات اجتماعی و اقتصادی او داشته است. نگاهی به خطر سیر بیماری ­های فراگیر نشان می­ دهد که فاصله شیوع چنین بیماری­ هایی در دهه اخیر نسبت به قبل کوتاه ­تر شده است[1].
در دوره معاصر، در شرایط تهدید ویروس­ های فراگیری مانند کرونا یا حوادث طبیعی مثل سیل و زلزله، خدمات سلامت الکترونیک، امکان مهمی تامین سلامت عمومی، اعم از پیشگیری، رصد، تشخیص، اولویت بندی اقدامات، درمان و پیگیری است. در واقع زمانی که ریسک بیماری به سطح همه مردم نزدیک می­ شود، امکان اتصال مردم  به شبکه ارتباطی مشترک (اینترنت)، که امروز نزدیک به 60 میلیون نفر جمعیت ایران امکان دسترسی به اینترنت و شبکه ­های ملی و بین ­المللی اجتماعی را دارند (مرکز برنامه ­ریزی و نظارت راهبردی سازمان فناوری اطلاعات، 1398)، فرصتی مهم برای کاهش توسعه بیماری­ ها و ارائه خدمات بهداشتی و سلامت عمومی و درمان فراگیر از طریق ارائه دانش ­های لازم عمومی و فردی به حساب می­ آید. بر این اساس، مرور اجمالی ظرفیت ­های سلامت الکترونیک در ارائه مراقبت­ های سلامت در زمان شیوع بیماری­های فراگیر مانند کووید 19 از اهمیت برخوردار است.

شکل 1 خطر سیر بیماری های فراگیر در جهان

اصطلاح «سلامت الکترونیک» نخستین بار در سال 1999 در سطح آکادمیک مطرح شد. تا پیش از آن، این مفهوم در بخش صنعت و بازاریابی در ارتباط با هر چیزی که مرتبط با رایانه و پزشکی بود، مورد استفاده قرار می­ گرفت. ایزنباخ (2001) در مقاله «سلامت الکترونیکی چیست؟» این مفهوم را به عنوان «زمینه در حال ظهوری میان انفورماتیک پزشکی، سلامت عمومی و کسب و کار تعریف کرده که به خدمات و اطلاعات مربوط به سلامت که از طریق اینترنت و فناوری­ های مرتبط با آن ارائه می­ شود یا بهتر می­ شود، اشاره دارد.

سازمان بهداشت جهانی نیز (2019) سلامت الکترونیکی را به عنوان «استفاده مقرون ­به ­صرفه و امن از فناوری­ های اطلاعاتی و ارتباطاتی برای پشتیبانی از سلامت و زمینه­ های مرتبط با سلامت تعریف کرده که شامل خدمات مراقبت سلامت، نظارت بر سلامت، ادبیات سلامت، و آموزش، دانش و تحقیق سلامت است».
ویژگی­ های سلامت الکترونیکی عبارتند از (ایزنباخ، 2001):

در حوزه «سلامت الکترونیکی»، کاربرد فناور­ی ­های موبایل، مفهوم «سلامت همراه» را مطرح کرده که با هدف بهبود سلامت عمومی گسترش یافته است. این مفهوم برای نخستین بار توسط لاکس مینارایان و استپانیان^[2] در سال 2000 مطرح شد و پس از آن عمومیت یافت. در سال 2003، استپانیان و لاکال سلامت همراه را به عنوان «فناوری­ های ارتباطی و شبکه­­ ای همراهِ در حال ظهور برای سیستم­ های مراقبت سلامت» تعریف کردند و در ادامه در سال 2004، استپانیان و دیگر همکارانش در تکمیل مطالعات پیشین خود توضیح دادند که سلامت همراه مفهومی است که «حوزه­ های شبکه ­سازی، رایانش موبایل، سنسورهای پزشکی و دیگر فناوری ­های ارتباطی در مراقبت سلامتی» را پوشش می­ دهد و بر این اساس، سلامت همراه اشاره به «رایانش موبایل، سنسور پزشکی و فناوری­ های ارتباطاتی برای مراقبت سلامت» دارد. همچنین در سال 2006، استپانیان و همکارانش کتاب «سلامت همراه: سیستم­ های در حال ظهور سلامت همراه» را تألیف کردند که در آن، سلامت همراه به عنوان «فناوری­ های در حال ظهور ارتباطات و شبکه موبایل برای سیستم­ های مراقبت سلامت» تعریف شده است. «سازمان جهانی بهداشت» (2011) نیز  سلامت همراه را به عنوان «فعالیت پزشکی و سلامت عمومی که با دستگاه ­های موبایل مانند تلفن ­های همراه، دستگاه ­های کنترل بیمار، دستیار دیجیتال شخصی و دیگر دستگاه ­های بی­سیم پشتیبانی می­ شود»، تعریف کرده­ اند. کمیسیون اروپا (2014، 2015) تعریف سازمان بهداشت جهانی را پذیرفته و در تکمیل آن، علاوه بر دستگاه ­های مذکور، سلامت همراه را شامل «اپلیکیشن ­هایی چون اپلیکیشن­ های سبک زندگی و تندرستی که می­ تواند به دستگاه­ های پزشکی یا سنسورها متصل شود و همچنین سیستم­ های راهنمای شخصی، یادآوری کننده ­های اطلاعات سلامتی و پزشکی که از طریق پیامک فراهم می ­شود و پزشکی از راه دور که به ­صورت بی­سیم تأمین می­ شود»، دانسته است.

سلامت همراه، ابزار پشتیبانی کننده و حمایت­گر برای مدیریت و تأمین مراقبت سلامت بوده و مزایای زیادی دارد که مهمترین آنها عبارتند از:
گسترش سیستم سلامت بیمارمحور: سلامت همراه، مراقبت سلامت را به خانه آورده و این ظرفیت را دارد که بخش سلامت را به سمت «غیرمرکزی شدن» و «مراقبت سلامت بیمارمحور» ببرد و لذا «حق خود تعیین کننده بودن» را تشویق می­ کند. درحقیقت سلامت همراه به توانمندسازی افراد کمک می­ کند و به آنها این توانایی را می­ دهد تا به صورت فعالان ه­ای سلامت خود را مدیریت کنند و با راهکارهای کنترل از راه دور و فناوری­ های مسیریابی^[3] ماهواره ­ای در دستگاه­ های موبایل و خودارزیابی و خودعیب ­یابی، زندگی مستقلانه­ تری داشته باشند (کمیسیون اروپا، 2014، 2015). همچنین فناوری­های همراه می­ توانند عوامل مختلف صنعت علوم سلامت را از طريق «جهت‌دهي الگوي بيمارمحور به سوي اجتماع‌محوري و يكپارچگي و شبيه‌سازي به زندگي واقعي» تسهيل كنند و محيطي مبتني بر «تقاضا» را به وجود آورند (مركز دلويته، 2012، به­ نقل از عاملی، 1396).
عدالت در ارائه خدمات سلامت: امروزه تعداد قابل توجهی از مردم، به اطلاعات و خدمات سلامت از طریق تلفن­ های همراه دسترسی دارند. سلامت همراه امکان دسترسی به خدمات و مهارت­ های سلامت و اطلاعات مربوط به حفظ زندگی حتی در دورافتاده­ ترین نقاط کشورهای کمتر توسعه یافته یا در حال توسعه که دسترسی محدودی به اطلاعات سلامت دارند را فراهم کرده است و در توسعه ارزش­ های همبستگی و برابری نقش مهمی دارد (کمیسیون اروپا، 2015).
ترویج سبک زندگی سالم: یکی از مزایای سلامت همراه، ایجاد دسترسی به خدمات تشویق کننده سلامت است. به عبارت دیگر، سلامت همراه «ایجاد تغییرات مثبت برای انجام رفتارهای سالم» را ترویج می­ کند (سازمان جهانی بهداشت، 2018).
مراقبت سلامت کارآمدتر: سلامت همراه از طریق برنامه ­ریزی بهتر، ارتباطات به­ موقع و کاهش مشاوره­ های غیرضروری و متخصصان آماده­ تر، می­ تواند روش کارآمدتر و مؤثرتری برای ارائه مراقبت سلامت فراهم کند. علاوه بر این، تحلیل­ های بزرگ­داده ­هایی که سلامت همراه تولید می­ کند، می ­تواند به بهبود اثربخشی مراقبت سلامت و پیشگیری از بیماری کمک کند (کمیسیون اروپا، 2014).
افزایش امید به زندگی: ابزارهای خودارزیابی و تشخیص از راه دور سلامت همراه در تشخیص مسائل مربوط به سلامت اهمیت زیادی دارد و داده­ هایی را در اختیار تأمین کنندگان خدمات مراقبت سلامت قرار می­ دهد تا بتوانند به موقع مداخله مؤثری نمایند. چنین رویکردی، ظرفیت بهبود کیفیت زندگی و حتی افزایش امید به زندگی را دارد (کمیسیون اروپا، 2014).
کاهش هزینه ­های سلامت عمومی: نتایج مطالعه سازمان جهانی بهداشت در سال 2011 نشان می­ دهد که سلامت همراه در کشورهای با درآمد بالا برای از میان برداشتن هزینه­ های مراقبت سلامت همراه به پیش می­ رود، اما در کشورهای در حال توسعه، اساسا برای تأمین دسترسی به مراقبت اولیه ارائه می­ شود (کمیسیون اروپا، 2014).
ایجاد پایگاه داده های بزرگ: سلامت همراه «واکاوی^[4] حجم زیادی از داده­های مربوط به سلامت» را تسهیل می ­کند. این داده­ ها می­ تواند در پایگاه­ های داده بزرگی ذخیره شوند و دارای ظرفیت «تقویت پژوهش و نوآوری مراقبت سلامت» هستند. همچنین آنها پژوهشگران و دانشمندان را قادر به «درمان بهتر بیماری از طریق جستجوی الگوها در مقیاسی وسیع و یا رسیدن به نتایج جدید» کرده و به «توسعه مکانیسم ­های پیشرفته ­تری برای تشخیص و پیشگیری از بیماری» کمک می­ کنند و می ­توانند «مدل­ های کسب و کار نواورانه­ ای» را در این زمینه توسعه دهند. علاوه بر این، رایانش ابر، نقش مهمی را در افزایش ظرفیت ذخیره و پردازش داده دارد که برای مدیریت چنین حجمی از داده و اطمینان از دسترس ­پذیری آن در هر زمان و هر مکانی لازم است (کمیسیون اروپا، 2014: 9-10).

 

روند یکپارچگی راهکارهای سلامت الکترونیک و سلامت همراه در سیستم­های سلامت عمومی به دلیل نقش مهمی است که سلامت الکترونیکی و سلامت همراه در تمامی مراحل فرایند ارائه مراقبت سلامت، اعم از پیشگیری، تشخیص، تصمیم­گیری، درمان و پیگیری دارد.

مرحله پیشگیری: در مرحله پیشگیری، سلامت الکترونیک به منظور پیام­ رسانی و  فعالیت­ های آموزشی و اطلاع ­رسانی و آگاهی ­افزایی درخصوص بیماری و نحوه انتشار آن و همچنین نشان دادن و تشویق عادات سالم رفتاری برای جلوگیری از ابتلا به آن استفاده می­ شود. در واقع سلامت الکترونیک با دسترس­ پذیر کردن اطلاعات سلامتی، اثربخشی پیشگیری از بیماری و آموزش امور مرتبط با سلامت عمومی را افزایش می­ دهد و  بهره ­وری سیستم­ های سلامت را از طریق نوآوری­های فناورانه بیشتر می­ کند.
در این مرحله، سایت­ ها و اپلیکیشن ­های سلامت الکترونیک برای آموزش و آگاهی­ بخشی مورد استفاده قرار می­ گیرند و  در آنها به­ طور مستقیم اطلاعاتی در مورد شیوه ­های مراقبت و پیشگیری از ابتلا به بیماری و کاهش استرس، روش ­های آزمایش، خودتشخیصی و خوددرمانی و مدیریت بیماری ارائه شود.
مرحله تشخیص: در مرحله تشخیص بیماری، سلامت الکترونیک می ­تواند با معرفی علایم و نشانه­ های ابتلا به بیماری کووید 19، امکان تشخیص از راه دور را فراهم کند کند. همچنین تعامل با متخصصان و پزشکان در تشخیص سریع­تر بیماری و  بهتر شدن کنترل وضعیت بیماری سودمند  است، زیرا عدم تشخیص به ­موقع می­ تواند اثرات جبران ناپذیری داشته باشد. در این مرحله، سلامت الکترونیک از سایت ­ها و اپلیکیشن­ ها برای تعامل بیمار با پزشک و جمع­ آوری داده­ ها در مورد موارد ابتلا به بیماری استفاده می­ کند که داده ­های جمع ­آوری شده می­ تواند مورد استفاده تأمین کنندگان حوزه سلامت عمومی و سیاست­گذاران باشد. همچنین سایت ­ها و اپلیکیشن­ های سلامت الکترونیک می­تواند برای «پایش^[5] از راه دور» استفاده شود که  شامل پایش شرایط سلامتی شهروندان می­ باشند.
مرحله تصمیم­ گیری: زمانی که تشخیص صورت گرفت، فرد مبتلا شده و پزشک باید تصمیماتی اتخاذ نمایند و سلامت الکترونیک می­ تواند به روش ­های مختلفی در تصمیم ­گیری سودمند باشد. در این مرحله، سلامت الکترونیک در خصوص مراکز درمانی که بیمار باید به آنها مراجعه کرد و نحوه مراجعه به آنها می­ تواند نقش مهمی داشته باشد.
سایت ­ها و اپلیکیشن ­های سلامت الکترونیک می ­تواند برای کارکنان بخش مراقبت سلامت و پزشکی، مشاوره و اطلاعات لازم و مورد نیاز را فراهم کند و به توانمندسازی آنها فرایند تصمیم ­گیری کمک کند.
مرحله درمان: در طول درمان، فناوری جدید می­ تواند برای مدیریت علایم و وضعیت بیمار و یا برای خودمدیریتی بیمار  و کنترل لحظه­ ای بیمار استفاده شود. در این مرحله در صورت ابتلای خفیف به ویروس کرونا که امکان مراقبت در خانه وجود دارد، سلامت الکترونیک فرصت­ هایی برای خودمراقبتی و خودمدیریتی بیماری، مشارکت بیمار در بهبود سلامت خود، ارائه خدمات شخصی شده، اطمینان از رعایت رژیم دارویی و کاهش هزینه ­های درمان فراهم می­ کند.
مرحله پیگیری: در ادامه، پس از اینکه بیمار درمان شد، فعالیت­ های پیگیری مانند اندازه­ گیری علایم بازگشت مجدد بیماری یا اطمینان از رعایت رژیم دارویی و غذایی باید مورد توجه باشد که سلامت الکترونیک می­ تواند از آن پشتیبانی کند.

فناوری ­ها امکان متوقف کردن انتشار بیماری­ های فراگیر را ندارند، اما می­ توان از آنها در سطوح مختلفی استفاده کرد. برخی کاربردهای فناوری­ های جدید که می­ توانند در زمان شیوع چنین بیماری­ های استفاده شوند، در ادامه مطرح می­ شود.  
اینترنت اشیاء و تشخیص آلودگی های محیطی
امروزه مدل ­های تشخیص اپیدمی مبتنی بر اینترنت اشیاء مورد توجه قرار گرفته است (کوشالیا و دیگران، 2019).  فناوری­های مبتنی بر اینترنت اشیاء با استفاده از دیوایس ­ها و سیستم ­های مختلف، امکان کنترل، پیش بینی و پایش دائمی افراد و محدوده های آلوده و تحلیل روابط و رفتارهای افراد را فراهم می ­کنند و قادر به پیش بینی و تشخیص ایپدمی همراه با افزایش آگاهی بخشی عمومی هستند.
برای مثال، ماسودا و هولم[6] ( 2013) یک سیستم پیش­ بینی و کنترل بیماری عفونی را با استفاده از شبکه­ های موقتی[7] طراحی کردند و مطرح می­ کنند که داده ­های موقتی[8]، توانایی فهم پویایی گروه­ های اجتماعی را با توجه به زمان و گسترش بیماری دارد و می­تواند به یافتن روش ­های بهتری برای تجزیه و تحلیل، پیش­ بینی و کنترل بیماری فراگیر کمک کند. شبکه ­های موقتی، چارچوب مدل­ سازی برای فهم گسترش اپیدمی در شبکه­های اجتماعی هستند که ماسودا و هولم از این چارچوب استفاده کرده­ اند تا سیستم کنترل و پیش بینی بیماری عفونی را طراحی کنند. در مطالعه دیگری، سوود و ماهاجان[9]، سیستم مبتنی بر اینترنت اشیاء را برای تشخیص و مدیریت گسترش ویروس چیکونگونیا[10] طراحی کردند که این سیستم تنها برای تشخیص این ویروس بود و برای تشخیص ویروس دیگری ممکن است کاربرد نداشته باشد. همچنین ساندهو[11] و همکارانش سیستم نظارت و کنترل انفولانزا نوع A (H1N1) را با استفاده از تجزیه و تحلیل شبکه اجتماعی طراحی کردند که مکانیسم طراحی شده در جمع ­آوری و تجزیه و تحلیل داده ­های بدست آمده از سنسورهای اینترنت اشیاء و رایانش ابری بسیار سودمند بود. در تحقیق دیگری، تورکو و تورکو[12] اینترنت اشیاء را به عنوان توانمندساز کلیدی برای کاهش خطا در شناسایی و درمان بیماری­ های عفونی دانسته­ اند. آنها توضیح می­ دهند که موارد ثبت شده از بیمار که در جاهای مختلف ثبت شده، می ­تواند به طور اثربخشی جمع آوری شود و با استفاده از فناوری­های پیشرفته بررسی شود. در نمونه دیگری، سارین[13] و همکارانش چارچوب ابر مبتنی بر اینترنت اشیاء را برای کنترل شیوع ویروس Zika طراحی کردند که این چارچوب برای تشخیص این ویروس به کار گرفته می­ شود و در ارتباط با ویروس­ های دیگر نمی­ تواند به کار برده شود (کوشالیا و دیگران، 2019).
بزرگ داده ­ها و یادگیری ماشین راهی برای یافتن الگوی توسعه بیماری های مسری
امروزه از فناوری­های علم داده در مبارزه با شیوع بیماری­ های عفونی استفاده می ­شود. این فناوری ­ها داده­ های مختلف در ارتباط با بیماری فراگیر را جمع آوری می­کند و با نقشه و محل داده­ها ترکیب می­کند و لذا می­تواند به عنوان راهکاری برای شناسایی مسیر گسترش بیماری و جمعیت­ هایی که بالقوه در معرض ابتلا هستند، در نظر گرفته شود.
 در واقع تجزیه و تحلیل بزرگ داده، شامل جمع آوری حجم زیادی از داده­ های ساخت یافته و ساخت نیافته، بیرون کشیدن ارزش از داده­ ها، تجزیه و تحلیل یافته ­ها و استفاده از آن در تصمیم ­گیری است. در ارتباط با بیماری ­های فراگیر، استفاده از چنین فرایندی امکان پاسخ گویی علمی و درست را فراهم می­ کند. همچنین با توجه به پیچیدگی بیماری­ های فراگیر مدرن، راهکاری چندوجهی موردنیاز است و راهکارهایی که صرفاً بر اساس بزرگ داده هستند، ممکن است که خروجی معنادار و ملموسی را ندهد. لذا تلاش­ های اخیر متمرکز بر مبارزه با بیماری­های فراگیر با به کارگیری داده­ های واقعی و به روز از منابع مختلف مانند اینترنت اشیاء یا شبکه­ های اجتماعی است که داده ­های کاربردی ­تری را جمع ­آوری می­ کند و اثربخشی تجزیه و تحلیل داده را بهتر می­کند (کمیسیون پهن­ باند برای توسعه پایدار، 2018).
یادگیری ماشین و داده ­کاوی
داده­ کاوی و مدل یادگیری ماشین در پیش بینی پویایی بیماری فراگیر و همچنین شیوع بعدی آن سودمند است و تکنیک­ های آنها، پیش­ بینی ­هایی را بر اساس الگوهایی که از داده ­ها گرفته ­اند، ارائه می­ دهد.
برای مثال، محققان دانشگاه بریستول انگلستان از توئیتر برای بررسی امکان پیگیری شیوع انفولانزا استفاده کردند. آنها 160 هزار توئیت را روزانه در 24 هفته از 54 منطقه پرجمعیت انگلستان را جمع کردند. این توئیت­ ها حاوی اطلاعاتی بود که کاربران در مورد علایم خود مانند صرفه، تب یا سردرد داشتند. الگوهای مستخرج از این مطالعه، امکان پیش بینی نرخ مبتلایان به آنفولانزا را با دقت بالایی نشان داد. درواقع یادگیری ماشین با الگوریتم­های هوشمند و قدرت رایانشی بالا روی اطلاعات، الگوهایی را برای پیش بینی بیماری و شیوع آن استخراج می کند (کوفود پترسون، 2012).
هوش مصنوعی و رباتیک در بیماری های سرایت پذیر مثل کرونا
پزشکی از راه دور نقش کلیدی را در زمان شیوع بیماری­ های فراگیر داردو دستگاه­ های رباتیک می­ توانند در چنین مواقعی استفاده شوند. برای مثال، می­ توان از ربات­ ها برای نمونه گیری از بیمار و یا بررسی علایم بیماری وی استفاده کرد و یا از هوش مصنوعی در تختخواب­ های بیمارستان­ ها برای کنترل علایم بیمار و یا حرکت خودکار در مواقع نیاز بهره گرفت و از به خطر افتادن پزشک و پرستار و سرایت بیماری مثل کرونا به دیگران جلوگیری کرد.
 همچنین برخی ربات ­ها برای حمل زباله ­های بیمارستانی یا ضد عفونی اتاق­ های آلوده به کار گرفته می­ شوند که در کاهش مرگ و میر پرسنل و کادر درمانی مؤثر است. نمونه­ ای از کاربرد رباتیک را می­توان در امریکا در ارتباط با بیماری کووید 19 دانست که فرد مبتلا شده در اتاقی بستری است که کادر درمانی به اتاق وی نمی­ روند و ربات­ ها کار کنترل بیمار و وضعیت وی و نظافت و ضدعفونی اتاق را انجام می­ دهند  (کنت، 2020).

البته بیماری و ویروس نتیجه یک عدم تعادل، یا عوامل و حوادث غیر مترقبه خارج از اراده انسان و یا عمل ناآگاهانه نسبت به حقیقت هستی و شکستن قوانین الهی در خصوصی طبیعت (آب ها، خاک، هوا،  گیاهان و اشجار)، جسم و رفتار و روح انسان است که منجر به تخریب و آلودگی طبیعت، آب ها، هوا و بیماری های جسمی و رفتار فردی و اجتماعی جامعه انسانی می شود. خداوند حقیقت جهان هستی را تدبیر کرده و هر نوع خروج از این حقیقت که در واقع همان قاعده ها و قوانین هستی است، منجر به بلاهای عمومی می شود کما اینکه در مورد منشاء کرونا خوردن غذاهای حرام مثل خفاش و مار را بعنوان منشاء کرونا ذکر می کنند که البته هنوز امر قطعی نیست. لذا در درجه اول بهداشت و سلامتی زندگی مستلزم تقویت آگاهی و  بازگشت به قوانین الهی و رعایت عدالت فردی و اجتماعی است و در صورت ظهور آلودگی و بیماری باذن الله باید به تدابیر تخصصی و بهره گیری از عقلانیت نظامند و بهره بردن از فناوری های جدید و البته با تقویت علم و دانش تخصصی پزشکی به بهداشت و درمان پرداخت.
بطور حتم فناوری های جدید، الزامات جدیدی را برای سلامت، بهداشت و درمان بوجود آورده که نیازمند به باز مهندسی نظام پزشکی با توجه به شرایط جدید هستیم. ورود به دوره ظهور فناوری­ های جدید و عصر اتصال­ گرایی[14]، هوشمندسازی و اتوماتیک شدن همه انواع ارتباطات و اتصال همه انسان­ها، اطلاعات، اشیاء و فرآیندها به دیوایس ­ها بر بستر الگوریتمی برنامه­ پذیر و  با توانش داده ­پردازی، داده ­کاوی و هوشمندسازی اخطارها، یک نوع ظرفیت اخطار هوشمند برای توجه دادن به بیماری، درمان و خودمراقبتی با ظرفیت همه کاربران متصل به فضای مجازی یا شبکه­ های داخلی ارتباطی فراهم کرده است.  از سوی دیگر، ظهور پزشکی جدید در قالب رادیولوژی مداخله­ای، بیمارستان مجازی، پرستاری از راه دور، جراحی از راه دور، داروخانه از راه دور، توانمندسازی از راه دور، پایش از راه دور و آموزشی پزشکی از راه دور، مشاوره از راه دور و کمک­های اورژانس و اضطراری از راه دوره امکان پذیر شده است.

ظرفیت سلامت و پزشکی از راه دور، اهمیت مکان و فاصله را کمرنگ کرده و در بسیار از موارد اساساً اهمیت مکان و فاصله را از بین برده است. لذا علی رغم توانایی­های قدرتمند و فراگیر سلامت و پزشکی جمهوری اسلامی ایران، نیازمند تقویت قدرت سلامت و پزشکی مرتبط با فناوری­ های جدید هستیم. بدیهی است هرگز از پزشکی حضوری، عینی و فیزیکی بی­ نیاز نمی­ شویم اما بسیاری از عرصه ­ها در پیوند با فناوری ­های جدید و بازتعریف مهندسی پزشکی قابلیت نظاممندتر، محاسبه­ ای­ تر و کارآمدتر پیدا خواهد کرد.

 

اهمیت سلامت و پزشکی دوفضایی در پایش، تشخیص و درمان بیماری­های مزمن، مخاطرات ناشی از حوادث طبیعی مثل سیل و زلزله و بیماری­های سرایت­بخش مثل همین ویروس جدید کرونا و بیماری کووید 19 روشن و بدیهی است. این ظرفیت امکان مهمی است در جهت تأمین همکاری­ های مردمی ناظر بر خودمراقبتی عمومی، خدمات مهارتی در قالب پرستاری از راه دور، مشاوره از راه دور و درمان فراگیر و همه مقوله­های مرتبط با فضای هوشمند مجازی که یک ضرورت جدی است.

عاملی، س. ر. (1396ب). اینترنت و دوفضایی شدن علوم. تهران: ریاست جمهوری: معاونت علمی و فناوری، مرکز روابط عمومی و اطلاع­رسانی، دانش­بنیان فناور.
مرکز برنامه ­ریزی و نظارت راهبردی سازمان فناوری اطلاعات (1398). شاخص­های توسعه فناوری اطلاعات و ارتباطات اتحادیه بین­المللی مخابرات (IDI) به تفکیک استان در سال 98. بازیابی از: https://ito.gov.ir/fa/news/103783/
Broadband Commission  for Sustainable Development (2018). Working Group on Epidemic Preparedness: Preventing the spread of epidemics using ICT. Broadband Commission  for Sustainable Development.
European Commission (2014). On mobile Health ("mHealth"), GREEN PAPER. European Commission.
European Commission (2015). M-health. Digital Single Market. European Commission.
Eysenbach, G. (2001). What is e-health?. Journal of Medical Research, 3 (2).
Istepanian, R. S. H. & et al (2004). Guest editorial introduction to the special section on M-health: beyond seamless mobility and global wireless health-care connectivity. IEEE Transactions on Information Technology in Biomedicine, 8 (4): 405-414.
Istepanian, R. S. H. & et al (2006). Introduction to mobile m-health systems. In E. Micheli-Tzanakou (Ed.), M-health: Emerging Mobile Health Systems. Springer, Nantwich.
Kaushalya, S. A. D. S. & et al (2019). Internet of Things for Epidemic Detection: A Critical Review. In Advances in Computer Communication and Computational Sciences: Proceedings of IC4S 2018. Springer.
 Kent, C. (2020). How are robots contributing to the fight against coronavirus?. Retrieved from: https://www.medicaldevice-network.com/features/coronavirus-robotics/
Kofod-Petersen, A. (2012). Machine learning and data mining for epidemic surveillance. PubMed.
Masuda, N. & Holme, P. (2013). Predicting and controlling infectious disease epidemics using temporal networks. PubMed.
The Vodafone Foundation & United Nations Foundation (2017). M-Health for Development: The Opportunity of Mobile Technology for Healthcare in the Developing World. The Vodafone Foundation and United Nations Foundation.
World Health Organization (2011). Safety and security on the Internet, Challenges and advances in Member States: based on the findings of the second global survey on eHealth. Global Observatory for eHealth series - Volume 4. World Health Organization.
World Health Organization (2018). M-Health: Use of appropriate digital technologies for public health. World Health Organization.
World Health Organization (2019). E-Health. Retrieved from: http://www.emro.who.int/health-topics/ehealth/


  



 

---