مبتدی (مناسب برای درک مفهوم کلی مطلب) 

 اهداف تحقیق
رایانش ابری سلامت می تواند به بهبود اشتراک منابع کمک کند. این سیستم نظارت و مدیریت پزشکی بسیار مؤثری را ارائه می دهد و در عین حال هزینه های عملیاتی عظیم را کاهش می دهد. مبتنی بر ابر فناوری شناسایی فرکانس رادیویی ایمن، موثر و نظارت و مدیریت داده های پزشکی با کیفیت بالا. این می تواند به ارائه نتایج پیشرفته در انتقال، سلامت هوشمند کمک کند نظارت و قرار دادن دقیق IoT Cloud جدیدترین نوآوری است ترکیب چندین فناوری متصل به اینترنت برای ارائه راه حل های بلادرنگ در مکان ها و تنظیمات متعدد. ظهور اینترنت اشیا به هر نحوی کاربرد دارد، از مدیریت بیماری های مزمن گرفته تا اجتناب از آن مسائل مختلف بهداشتی، از بهداشت و درمان بسیار سود برده است. ابر و ادغام اینترنت در بهداشت و درمان چندین مزیت از جمله قابلیت اطمینان بالا، راندمان بالا، مجازی سازی و مقیاس پذیری را ارائه می دهد ، (Salih & Lilien, 2015, Ratnam & Dominic, 2014, Akrivopoulos et al., 2017). چهار هدف عمده این مقاله به شرح زیر است:
RQ1: – مطالعه رایانش ابری و نیاز آن به بهداشت و درمان و فن آوری کمک به رایانش ابری برای بهداشت و درمان؛
RQ2: – برای بحث در مورد مزایای کلیدی رایانش ابری برای صنعت بهداشت و درمان؛
RQ3: – مطالعه موانع و چالش‌ها در اتخاذ رایانش ابری برای بهداشت و درمان.
RQ4: – شناسایی و بحث در مورد کاربردهای مهم رایانش ابری برای بهداشت و درمان.

5. مزایای کلیدی رایانش ابری برای بهداشت و درمان
در دنیای امروز، رایانش ابری دائماً در بهداشت و درمان متحول می شود. بر اساس دیدگاه بازارهای جهانی، ارزش بازار رایانش ابری بهداشت و درمان تا سال 2025 به 55 میلیارد دلار خواهد رسید. علاوه بر مقیاس پذیری و ذخیره سازی، کسب و کارهای بهداشت و درمان امروزی به طور فزاینده ای به فناوری ابر به دلیل قابلیت های چشمگیر آن مانند همکاری، دسترسی، کارایی و امنیت روی می آورند. ابتدا، به عنوان یک نرم‌افزار به عنوان سرویس (SaaS)، ابر ممکن است خدمات میزبانی شده بر اساس تقاضا را برای کسب‌وکارهای بهداشت و درمان ارائه کند، که امکان دسترسی فوری به برنامه‌های کاربردی تجاری و مدیریت ارتباط با مشتری (CRM) را فراهم می‌کند. زیر ساخت به عنوان سرویس (IaaS) می تواند امکانات پزشکی را با رایانش بر اساس تقاضا و ذخیره سازی عظیم فراهم کند. در نهایت، به عنوان یک پلتفرم به عنوان سرویس (PaaS، ابر می‌تواند محیطی امن برای خدمات مبتنی بر وب و استقرار برنامه‌های کاربردی ابری فراهم کند (الزوبیدی، 2016، گلی ملک‌آبادی و همکاران، 2016، پدهی و همکاران، 2012).
ارائه اطلاعات پزشکی از بسیاری از رایانه ها، در هر مکان و هر دستگاه تلفن همراه، در قلب سیستم های ابری است. تحول بهداشت و درمان همچنین در مورد مزایای مراکز پزشکی و کاربران ابری برای به اشتراک گذاشتن داده های سلامت بیمار از طریق اینترنت است. رایانش ابری در بهداشت و درمان مقرون به صرفه و آسان است
برای نصب، با بسیاری از مزایای دیگر که می توان از آنها به خوبی استفاده کرد. در نتیجه، سرویس‌های مبتنی بر ابر کمک ارزشمندی را ارائه می‌کنند و با در دسترس‌تر کردن داده‌ها و قابلیت همکاری، به بهبود زیرساخت‌های سلامت کمک می‌کنند. چندین مزیت فناوری های مبتنی بر ابر در مورد استفاده در سیستم های بهداشت و درمان وجود دارد (دواداس و همکاران، 2017، آستو و همکاران، 2020، جاوید و همکاران، 2020، کومار و همکاران، 2018). شکل 1 برخی از کلیدها را نشان می دهد که مزایای این فناوری ها فناوری‌ها و پروتکل‌های امنیتی پیچیده‌ای در دسترس هستند. سطوح امنیتی اضافی در رایانش ابری به منظور جلوگیری از اطلاعات حساس، ارائه دهندگان ابر باید به مقررات نظارتی پایبند باشند تعهدات مربوط به سوابق پزشکی الکترونیکی فناوری ابری می تواند ارائه بازخورد در مورد اطلاعات پزشکی، تجزیه و تحلیل آن در زمان واقعی، و در نهایت بهداشت و درمان بیمار محور و داده محور را افزایش می دهد. تجزیه و تحلیل داده های مبتنی بر ابر ممکن است به ایجاد بازاریابی دقیق و متمرکز کمپین ها و تبلیغات با استفاده از اطلاعات کسب و کار از چندین منبع کمک کند (الحربی و همکاران، 2016، کو و همکاران، 2011). پزشکان برای کار با بیماران توانسته‌اند برای هر بیمار که درمان می‌کنند یک پرونده پزشکی جداگانه نگهداری کنند که کار را بسیار آسان تر می کند. فناوری ابر این اطلاعات را در زمان واقعی در دفاتر همگام و توزیع می کند. این فناوری به ذخیره سازی بدون مشکل داده ها و مقیاس پذیری پشتیبان کمک می کند و در طول دوره های شلوغ روز کاهش می یابد. علاوه بر این، تاکتیک‌های فاصله‌گذاری اجتماعی نیاز به مشاوره از راه دور با بیماران خردسال دارد (علی و همکاران، 2018، بامیه و همکاران، 2012، رجبیون و همکاران، 2019).
استقرار و ارتقاء ابر سریعتر از نرم افزار میزبانی در محل است. مدیریت خدمات ابری هزینه نسبتاً کمتری دارد و باعث نمی شود مصرف کنندگان خدمات خود را متوقف کنند. ارائه دهندگان بهداشت و درمان و بیماران آنها با خدماتی با بالاترین پهنای باند و سرعت با خدمات سریعتر مواجه می شوند. پلتفرم‌های ابری شامل ML و AI هستند که به شرکت‌ها کمک می‌کنند تا حجم زیادی از داده‌های مشتری را مدیریت کنند و تجزیه و تحلیل داده‌ها را در نقاط تماس متعدد خدمات بهداشت و درمان انجام دهند (Tyagi et al., 2016, Abdelaziz et al., 2018, Seddon & Currie, 2013). استفاده عمومی از فناوری‌های ذخیره‌سازی داده مبتنی بر ابر در بهداشت و درمان پتانسیل افزایش نتایج مراقبت از بیمار را ایجاد کرده است. محققان ممکن است از ابر در زمان خود و با کسری از هزینه برای استفاده از قابلیت های تحلیل ابررایانه استفاده کنند. تمام داده‌هایی که قبلاً در پرونده‌های بایگانی در دسترس نبودند، با استفاده از پیچیده‌ترین الگوریتم‌های رایانه‌ای موجود با ورود رایانش ابری قابل جستجو و تجزیه و تحلیل هستند (Gavrilov & Trajkovik, 2012, Hoang & Chen, 2010.

6. محرک های بالقوه رایانش ابری برای بهداشت و درمان صنعت
شکل 2 نمونه‌ای از محرک‌های مهم و بالقوه مختلف رایانش ابری برای افزایش عملکرد کلی حوزه بهداشت و درمان است. حرکت به ابر دو مزیت دارد بهداشت و درمان. هم پزشکان و هم بیماران از این موضوع بهره مند شده اند که از آن. در جنبه تجاری، رایانش ابری نشان داده شده است به کاهش هزینه های عملیاتی کمک می کند و در عین حال به ارائه دهندگان اجازه می دهد تا درمان با کیفیت بالا و متناسب را ارائه دهند. بیمارانی که دریافت درمان‌ها از این طریق است اکنون می‌توانند همان سطح مراقبت را از پزشک دریافت کنند و بخش سلامت حوزه های اصلی محرک های مشاهده شده مفاهیمی مانند کلان داده، یادگیری مصنوعی و ماشینی، تکنیک های بهداشت از راه دور، بالا تجزیه و تحلیل نیرومند و غیره است. رایانش ابری بیمار را بیشتر درمان کرده است که نتایج با افزایش مشارکت بیماران در برنامه های بهداشتی خود توسط ارائه دسترسی به داده های بهداشت و درمان آنها است (جیندال و همکاران، 2018، سینگ و همکاران،2017، جمال و همکاران، 2015، محمد و همکاران، 2014).
رایانش ابری بهترین راه حل ها را برای نیازهای بهداشت و درمان فراهم می کند که ارزان تر، سریع تر و شخصی تر هستند. به طور قابل توجهی می تواند کمک به تحقیقات پزشکی و اپیدمیولوژیک، پیش بینی بیماری، و آزمایشات بالینی تجزیه و تحلیل ابری از بیمارستان ها از طریق تجزیه و تحلیل ابری، تحلیل های پیش بینی، ابزارهای مبتنی بر هوش مصنوعی و منابع در تصمیم گیری های مبتنی بر شواهد پشتیبانی می کند. تجزیه و تحلیل ابری می تواند به طور مداوم نتایج را نظارت کند تا با تجزیه و تحلیل آنها از تجهیزات پزشکی مرتبط مختلف. بهداشت و درمان ارائه‌دهندگان راه‌حل ‌های مبتنی بر ابر را که می‌توانند برای بازاریابی، تجزیه و تحلیل/تشخیص، نظارت بر بیمار، پیشگیری و مدیریت استفاده شوند تا به اهداف خود برسند: (لیو و همکاران، 2018، نور و مون، 2012).
یک شرکت با یک کارمند از راه دور باید توسعه یابد تا افراد را از راه دور به سرعت مدیریت کند. همچنین مستلزم کاهش هزینه ها و ادامه فعالیت و رعایت قوانین سختگیرانه ایمنی و حفظ حریم خصوصی است. آنجا هیچ انعطافی برای رشد سریع و مؤثر زیرساخت های محلی موجود وجود نداشت و همچنین نمی توانست کاربران اضافی را در یک دوره قابل قبول گنجانده شود. کار استراتژیک شامل ایجاد یک مدل عملیاتی فناوری اطلاعات، ارزیابی پلت‌فرم‌ها و ابزارهای ابری و ایجاد مدرک قوی است. معماری ابری توسعه دهندگان را قادر می سازد تا به سرعت منابع و کار از راه دور، از جمله ایستگاه های کاری مجازی در فضای ابری را تامین کنند. که این کار دشواری مدیریت موجودی سخت افزار، تعمیرات و زیرساخت دسکتاپ مجازی را نیز برطرف می کند. E (Guo et al., 2012, Alshammari et al., 2020, Dzombeta et al., 2014).
ارائه دهندگان بهداشت و درمان لازم نیست نگران مدیریت داده های ابری خود باشند. پزشکان بهداشت و درمان ممکن است با کمک متخصصان توانمند فناوری اطلاعات که سیستم را نظارت و کنترل می کنند، بر زمینه های اساسی بهداشت و درمان تمرکز کنند. رایانش ابری نظارت بر پرداخت ها توسط ارائه دهندگان بهداشت و درمان را تسهیل می کند. علاوه بر این، سرمایه گذاری در زیرساخت های قابل توجه و پرهزینه ضروری نیست. انتخاب یک راه‌حل ابری می‌تواند بسیار مقرون‌به‌صرفه‌تر از ساختن سیستم‌های فیزیکی با شخصی‌سازی برنامه‌ای که مطابق با خواسته‌های آن‌ها باشد. سرورهای ابری می‌توانند اطلاعات را سریع‌تر آپلود، مبادله و بازیابی کنند تا متخصصان بهداشت و درمان، بیمارستان‌ها، تحقیقات و آژانس‌های مالی بتوانند بهتر همکاری کنند (Alphonsa & Amudhavalli، 2018، Agarwal & Sebastian، 2016، John & Shenoy، 2014)
حجم زیادی از داده های ایجاد شده در کسب و کار بهداشت و درمان با موفقیت در درایوهای مجازی ذخیره و قابل دسترسی است. رایانش ابری است برای ارائه خدمات و پلتفرم هایی استفاده می شود که به مدیریت مشتری کمک می کند. در نتیجه، بسیاری از شرکت ها یا سازمان هایی که خدمات بهداشت و درمان ارائه می دهند خدمات رایانش ابری به بیماران خود در نرم افزار، پلتفرم و زیر ساخت نیاز دارند. اینها امکان تبادل اطلاعات و رکورد را بهبود می بخشد و مدیریت و تخصیص منابع در موسسات بهداشتی را با رایانش ابری سرعت می بخشد و کار را برای متخصصان پزشکی ساده می کند تا با هم کار کنند و به صورت تیمی از طریق دستگاه های تلفن همراه درمان کنند واز ویدئو کنفرانس و نرم افزار طراحی شده برای شرکت های بهداشت و درمان استفاده کنند. ظرفیت پزشکان برای ارائه خدمات درمانی در سطح بالا به بیماران با حفظ ارتباط آنها با بیماران و همکاران افزایش یافته است (کازولا و همکاران، 2016، بامیه و همکاران، 2012، ایجاز و همکاران، 2021).

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1886

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
روش ها
نتایج
تمامیت
صحت
انطباق:
توجیه پذیری( معقول بودن)
رواج( به موقع بودن)
بحث
اصطلاحات و ابعاد کیفیت داده ها
روش ارزیابی کیفیت داده ها
مسیر های آینده
محدودیت ها
نتیجه گیری

بخشی از ترجمه فارسی مقاله:

از آنجا که پذیرش و استفاده از پرونده های الکترونیکی سلامت موجب دسترسی آسان تر و ترکیب ساده تر داده های بالینی شده اند، توجه روز افزونی به انجام تحقیقات با داده های جمع اوری شده در طی روند مراقبت های بالینی صورت گرفته است.(1-2). موسسه ملی سلامت، بر افزایش استفاده مجدد از پرونده های الکترونیک برای سلامت تاکید کرده است و انجمن تحقیقات بالینی به طور فعالانه روش هایی را برای استفاده ثانویه از داده های بالینی جست و جو کرده است(3). پرونده های الکترونیک سلامت عملکرد فراتری از رجیستری های موجود و انبار های داده ها از نظر حجم داشته و استفاده مجدد از این داده ها موجب کاهش هزینه ها و ناکارامدی های مرتبط با تحقیقات بالینی می شود. همانند سایر اشکال تحقیقات گذشته نگرانه، مطالعاتی که از داده های پرونده های الکترونیک استفاده می کنند، نیازی به گزینش بیمار یا جمع اوری داده ها ندارند که هر دوی این فرایند ها، پر هزینه و زمان بر هستند. داده های مربوط به پرونده های سلامت الکترونیک نیز زمینه را رای دسترسی به مراقبت های پزشکی، وضعیت و برایند های یک جمعیت متنوع هموار ساخته اند، جمعیتی که معرف بیماران واقعی هستند. استفاده ثانویه از داده های جمع اوری شده در پرونده های الکترونیک سلامت، گامی مهم در کاهش هزینه های تحقیقاتی، افزایش تحقیقات مبتنی بر بیمار و تسریع سرعت کشفیات پزشکی جدید است.
علی رغم این مزیت ها، استفاده مجدد از داده های پرونده الکترونیک از سلامت با تعدادی از عوامل از جمله نگرانی های مربوط به کیفیت داده ها و مناسبت آن ها برای تحقیق، محدود شده است. به طور کلی پذیرفته شده است که، در نتیجه تفاوت ها در اولویت های بین شرایط تحقیقاتی و بالینی، داده های بالینی با دقت یکسان و مشابه با داده های پژوهشی(4) ثبت نمی شوند. به علاوه، بارمن(5) بیان کرده است که ظهور فناوری اطلاعات سلامت نظیر پرونده های سلامت الکترونیک منجر به بهبود کیفیت داده ها به جای ثبت مجدد مقادیر زیادی از داده های بد شده است. به دلیل این نگرانی ها در خصوص کیفیت داده ها، وان در لی(6) در مورد استفاده مجدد از داده های بالینی برای تحقیقات هشدار داده اند و اولین قانون انفورماتیک را پیشنهاد کرده است. داده ها بایستی تنها بر اساس هدفی که جمع اوری شده اند مورد استفاده قرار گیرند. اگرچه این نگرانی ها در خصوص کیفیت داده ها از زمان معرفی و ظهور پرونده های سلامت الکترونیک وجود داشته اند، با این حال هیچ گونه اجماعی در خصوص کیفیت داده های بالینی الکترونیک و یا مفهوم کیفیت داده ها در زمینه پرونده های سلامت الکترونیک وجود نداشته است. یکی از پذیرفته شده ترین مفاهیم کیفیت توسط جوران(7) ارایه شده است که بیان داشته است که کیفیت به صورت ” مناسب بودن برای استفاده” تعریف میشود. در زمینه کیفیت داده ها، این بدین معنی است که داده ها در زمان نیاز دارای کیفیت کافی باشند.
مطالعات گذشته در خصوص کیفیت داده های پرونده سلامت الکترونیک، نتایج بسیار متفاوتی را گزارش کرده اند. هوگان و وگنر(8) در مرور منابع خود در سال 1997، به این نتیجه رسیده اند که صحت داده ها بین 44 و 100 درصد و کامل بودن آن ها بین 1.1 و 100 درصد بسته به مفاهیم بالینی مطالعه شده متغیر است. به طور مشابه، تیرو و همکاران(9) در محاسبه حساسیت انواع مختلف داده های پرونده های سلامت الکترونیک در منابع، به این نتیجه رسیده اند که این مقادیر بین 0.26 و 1.00 متغیر بوده است. چان و همکاران(10) در سال 2010 به بررسی کیفیت مفاهیم بالینی در موسسات مختلف پرداخته و تغییرات زیادی را مشاهده کرده اند. برای مثال، کامل بودن اطلاعات فشار خون بین 0.1 و 51 درصد متغیر است. به دلیل تفاوت ها در سیستم های اندازه گیری، ثبت و اطلاعات و دیدکاه های بالینی، کیفیت داده های پرونده های سلامت الکترونیک بسیار متغیر است. از این روی، ارایه فرضیاتی در مورد یک دیتابیس مبتنی بر EHR بر اساس فرضیات دیگر غیر منطقی است.ما نیازمند روش های سیستماتیک برای ارزیابی کیفیت مجموعه داده های پرونده های سلامت الکترونیک برای یک کار تحقیقاتی معین می باشیم.
مقاله مروری ما از مقالات دیگر از نظر هدف تفاوت دارد. مقالات مروری قبلی به بررسی یافته های مربوط به کیفیت پرداخته اند، در حالی که این مقاله به بررسی روش هایی میپردازد که برای ارزیابی کیفیت داده ها استفاده شده اند. در حقیقت، مقالات قبلی صریحا محدود به مطالعاتی بوده اند که این مطالعات به استفاده از یک معیار مرجع متکی بوده است، در حالی که ما در عوض به بررسی طیف وسیعی از روش های ارزیابی کیفیت داده ها می پردازیم. این مرور منابع یک مدل مفهومی تجربی را از ابعاد کیفیت داده های پرونده سلامت الکترونیک توسط محققان بالینی و یک خلاصه و نقدی از روش های مورد استفاده برای ارزیابی کیفیت داده های پرونده سلامت الکترونیک به خصوص در زمینه استفاده مجدد از داده های بالینی برای تحقیقات، ارایه می کند. هدف ما توسعه یک دانش سیستمی از رویکرد هایی است که برای تعیین مناسبت داده های پرونده الکترونیکی سیستم برای اهداف تحقیقاتی خاص استفاده می شود.

بخشی از مقاله انگلیسی:

As the adoption of electronic health records (EHRs) has made it easier to access and aggregate clinical data, there has been growing interest in conducting research with data collected during the course of clinical care.1 2 The Natonal Institutes of Health has called for increasing the reuse of electronic records for research, and the clinical research community has been actively seeking methods to enable secondary use of clinical data.3 EHRs surpass many existing registries and data repositories in volume, and the reuse of these data may diminish the costs and inefficiencies associated with clinical research. Like other forms of retrospective research, studies that make use of EHR data do not require patient recruitment or data collection, both of which are expensive and time-consuming processes. The data from EHRs also offer a window into the medical care, status, and outcomes of a diverse population that is representative of actual patients. The secondary use of data collected in EHRs is a promising step towards decreasing research costs, increasing patient-centered research, and speeding the rate of new medical discoveries. Despite these benefits, reuse of EHR data has been limited by a number of factors, including concerns about the quality of the data and their suitability for research. It is generally accepted that, as a result of differences in priorities between clinical and research settings, clinical data are not recorded with the same care as research data.4 Moreover, Burnum5 stated that the introduction of health information technology like EHRs has led not to improvements in the quality of the data being recorded, but rather to the recording of a greater quantity of bad data. Due to such concerns about data quality, van der Lei6 warned specifically against the reuse of clinical data for research and proposed what he called the first law of informatics: ‘[d]ata shall be used only for the purpose for which they were collected’. Although such concerns about data quality have existed since EHRs were first introduced, there remains no consensus as to the quality of electronic clinical data or even agreement as to what ‘data quality’ actually means in the context of EHRs. One of the most broadly adopted conceptualizations of quality comes from Juran,7 who said that quality is defined through ‘fitness for use’. In the context of data quality, this means that data are of sufficient quality when they serve the needs of a given user pursuing specific goals. Past study of EHR data quality has revealed highly variable results. Hogan and Wagner,8 in their 1997 literature review, found that the correctness of data ranged between 44% and 100%, and completeness between 1.1% and 100%, depending on the clinical concepts being studied. Similarly, Thiru et al, 9 in calculating the sensitivity of different types of EHR data in the literature, found values ranging between 0.26 and 1.00. In a 2010 review, Chan et al10 looked at the quality of the same clinical concepts across multiple institutions, and still found a great deal of variability. The completeness of blood pressure recordings, for example, fell anywhere between 0.1% and 51%. Due to differences in measurement, recording, information systems, and clinical focus, the quality of EHR data is highly variable. Therefore, it is generally inadvisable to make assumptions about one EHR-derived dataset based on another. We need systematic methods that will allow us to assess the quality of an EHR-derived dataset for a given research task. Our review primarily differs from those highlighted above in its focus. The previous reviews looked at data quality findings, while ours instead focuses on the methods that have been used to assess data quality. In fact, the earlier reviews were explicitly limited to studies that relied on the use of a reference standard, while we instead explore a range of data quality assessment methods. The contributions of this literature review are an empirically based conceptual model of the dimensions of EHR data quality studied by clinical researchers and a summary and critique of the methods that have been used to assess EHR data quality, specifically within the context of reusing clinical data for research. Our goal is to develop a systematic understanding of the approaches that may be used to determine the suitability of EHR data for a specific research goal.

مبتدی (مناسب برای درک مفهوم کلی مطلب) (ترجمه به صورت ناقص انجام شده است)

نظارت از راه دور
تمام ویدئو های مرتبط با اتاق بررسی و بیمار، به سمت متخصص منتقل میشوند ، کسی که روند ها را نظاره میکند و با پایگاه بررسی، با استفاده از لینک های اطلاعاتی تصویر و صوت، تعامل بر قرار میکند.همچنین در این سرویس میتوان از انتقال سیگنال های حیاتی بسیار مهم و دیگر اطلاعات مرتبط با ان ها نیز استفاده کرد که در مورد مراقبت های خانگی بسیار مهم است.در هر صورت، نیاز به ارتباط های چند رسانه ای همزمان، نیاز برای تکنولوژی های بیشتر را روی ساختار موجود تحمیل میکند.

مشاوره از راه دور
فراهم کردن یک محیط کاری اشتراکی بین متخصصانی که دور از هم قرار دارند، یکی از مهم ترین کاربرد های مشاوره از راه د.ر است.این ارائه خدمت نیازمند کار و نظرات همزمان روی مجموعه ای از اطلاعات چندرسانه ای پزشکی است، و همچنین نیازمند معاوضه همزمان نظرات بین افراد درگیر در این بخش است.مشخص است که همزمان بودن رسانه ها و روند های مشاوره از راه دور، نیازمند تراکنش های بسیار پیچیده و مکانیزم های مدیریت منابع است و ازین رو، نیاز هایی اساسی روی برنامه های زیرین، تحمیل میشود.علاوه بر این، طبیعت همزمان بودن خدمات و حجم اطلاعات چندرسانه ای معاوضه شده بین طرف ها، نیازمند یک ساختار پیشرفته فنی است.

مدیریت از راه دور
ترکیب نظارت های از راه دور پیشرفته و خدمات مشاوره از راه دور ، با به اشتراک گذرای منابع ، امکان مدیریت از راه دور برای روند های درمانی و تشخیصی را فراهم می اورد.این خدمت، در حال گسترش و کسب توانایی است ، و همچنین توسعه هایی را در زمینه های ابزار اینترنتی و ارتباطات موبایل،واقعیت مجازی حضور از راه دور را، مورد استفاده قرار داده است.پیشرفت ها در کامپیوتر ها ، به مداخلات پزشکی ، ابزار اتوماتیک و حالت های مختلف بررسی از راه دور بسیار کمک کرده است و اخیرا مسیرش را به سمت خدمات پزشکی از راه دور در آندوسکوپی و جراحی، صاف کرده است.
آموزش از راه دور
آموزش از راه دور در درمان از راه دور، میتواند همچنین با استفاده از جلسه های خاص تعاملی آموزش از راه دور، و با استفاده از توزیع مواد آموزشی آماده شده به طور خاص، مثلا کتاب های متنی تصویری تشخیصی ابر رسانه ای ، انجام شود.آموزش های پزشکی میتواند بهره های بسیار زیادی از توسعه در گستره ی عظیم محیط آموزشی پزشکی رو شبکه های سرعت بالا، به دست بیاورد.

خدماتی با ارزش افزوده
درمان از راه دور فقط به ارتباطات و همکاری میان متخصصین محدود نمیشود.یکی از چیز هایی که در حال مهم شدن است، خدمات درمان از راه دور با ارزش افزوده است ، که به اشتراک گذاری تنوع بسیاری از دیگر منابع لازم برای تعمیم و بهبود کیفیت روند های مراقبت پزشکی را ممکن میسازد.
برای مثال، درمان از راه دور این امکان را فراهم می آورد که دسترسی مستقیم به سیستم های محاسباتی قوی به وجود بیاید و از این طریق پردازش های تصویری و مشاهدات سه بعدی را انجام داد.همچنین دیگر ارزش های افزوده درمان از راه دور را میتوان در بازیابی اطلاعات مرجع پیدا کرد، مثلا مطالعه انتشارات آنلاین و یا استفاده از اطلس های آناتومی بدن در یک دیتابیس دور از محل دسترسی.دسترسی و اشتراک گذاری این چنین اطلاعات پزشکی ، یک ابزار پشتیبانی برای تصمیم گیری های پزشکی فراهم میکند و همچنین یادگیری مداوم پرسنل پزشکی را ممکن میسازد.
ازین رو، کاملا واضح است که درمان از راه دور میتواند منافع بسیاری را عرضه کند.اگر ما بخواهیم این منافع را به طور خلاصه بیان کنیم، میگوییم :
• حقوق برابر برای دسترسی به خدمات سلامتی برای تمام شهروندان
• خدماتی با کیفیت بالا برای شهروندانی که در مناطق دورافتاده هستند.
• راه حلی برای مدیریت و سازماندهی مشکلات در ناحیه های دور، بدون خدمات و کم خدمه
• مدرن سازی محیط کاری ، بررسی های متقابل تشخیصی و انتشار اطلاعات پزشکی ، مدیریت هوشمند منابع پزشکی، کاهش قیمت، کاهش سفر های بی فایده
زیرسازی های فنی
کاملا واضح است که همانطور که نیاز برای خدمات درمان از راه دور به طور ثابت افزایش میابد و حتی بیشتر مورد نیاز میشود، لایه زیرین ساختار ها، اصطلاحا لایه زیربنایی باید بتواند به طور معادل ، توانایی فراهم کردن این چنین خدماتی را داشته باشد.این چنین نیازی ، نیاز به پهنای باند موجود شبکه های ارتباطات از راه دور است.در پاراگراف های بعدی، نقش مشهودی که نسل سوم شبکه های ارتباطات از راه دور که تنها اخیرا در اروپا برای کاربرد های درمان از راه دور مورد استفاده قرار گرفته است، بیان خواهد شد.تبدیل از 2G به 2.5G و به 3G ، میتواند مخصوصا در رابطه با درمان های اورژانسی از راه دور بسیار مهم باشد.

کاربرد ها
استفاده از شبکه های موبایل نسل سوم، حوزه های جدیدی را برای ارتباطات بیسیم و مخصوصا برای تحویل خدمات پزشکی از راه دور، به وجود آورده است.سیستم های 3G ، میتواند نرخ تبادل اطلاعات بالاتری را پشتیبانی کند و ازین رو امکان استفاده از کاربرد هایی متنوع تر را به دست میدهد.یکپارچه سازی شبکه های نسل سوم در پزشکی میتواند برای بسیاری از جنبه های این زمینه در فراهم کردن مراقبت های پزشکی بسیار مهم باشد، که شبکه های فعلی که مورد استفاده هستند ( GSM یا GPRS)نمیتوانند پشتیبانی کنند.این چنین سیستم هایی میتواند برای تشخیص از راه دور، نظارت از راه دور، و مشاوره از راه دور در زمینه های مختلف پزشکی مورد استفاده قرار گیرد.
ازین رو برای مثال، یکی از مهمترین زمنیه های پزشکی که نیازمند استفاده از خدمات اینترنتی ضروری برای مراقبت های پزشکی مدرن است، در مورد درمان های اورژانسی از راه دور است ؛ پیراپزشکان که در صحنه تصادف شرکت میکنند، تخصص کافی برای حل کردن مشکلات اورژانسی را ندارند.انتقال همزمان و فوری پارامتر های فیزیولوژیکی بیمار ، مانند سیگنال های ECG، اشباع اکسیژن و فشار خون، بین پیراپزشکان در یک آمبولانس و یک دکتر متخصص، چه داخل بیمارستان و یا یک مرکز پزشکی یا حتی در راه، میتواند کمک بسیار مهمی برای دکتر باشد تا پیراپزشکان را برای روند های بازیابی قلبی، و یا فراهم کردن دارو برای بیمار، راهنمایی کند.