Intersystems uutisia

Tekoäly auttaa lääkäriä Saksassa valitsemaan antibiootin

Saksassa on edistetty terveydenhuollon digitalisaatiota laaja-alaisessa hankkeessa jo vuodesta 2015 lähtien. Jenan yliopistosairaala näyttää tietä tekoälyn hyödyntämiseen tutkimuksessa ja potilastyössä.

Kolme saksalaista yliopistoa, kymmenen yliopistosairaalaa, kaksi tutkimuskeskusta ja neljä yritystä on mukana SMITH-hankkeessa (Smart Medical Information Technology for Healthcare), jossa kehitetään innovatiivisia IT-sovelluksia saksalaisen terveydenhuollon käyttöön. 

SMITH on yksi neljästä Saksan valtion tukeman Medical Informatics Initiative Germany -ohjelman (MII) työryhmästä. MIIssä ovat mukana kaikki Saksan yliopistosairaalat ja suuri määrä muita tahoja. Sen tavoitteena on mahdollistaa terveydenhuollossa kertyvän datan tutkimuskäyttö ja tulevaisuudessa myös yksilöllinen hoito samalla, kun potilaalla säilyy määräysvalta omien tietojensa käytöstä. 

Hankkeissa on parhaillaan käynnissä perustus- ja verkostoitumisvaihe, joka sisältää muun muassa potilastietojen integrointikeskusten (Data Integration Centres eli DIC-keskusten) perustamisen. Seitsemän SMITHissä mukana olevaa sairaalaa on perustamassa DIC-keskukset, jotka mahdollistavat tietojen jakamisen sairaaloiden kesken.

Suostumus tietojen tutkimuskäyttöön yhdellä lomakkeella

Jenan yliopistosairaalan DIC-keskusta johtaa lääketieteen ja tietotekniikan tohtori Danny Ammon, joka on myös koko SMITH-ekosysteemin puheenjohtaja. Hän huomauttaa, että ratkaistavat ongelmat ovat terveydenhuollon tietojärjestelmiä rakennettaessa erilaisia kuin vaikkapa valmistavassa teollisuudessa. Potilassuostumus on terveydenhuollon erityispiirteistä yksi.

Saksassa on vuodesta 2020 alkaen ollut käytössä niin kutsuttu tutkimukseen soveltuva potilasasiakirja. Sen avulla potilas voi antaa suostumuksen tietojensa käsittelyyn tutkimustarkoituksessa ilman, että lupa rajataan yhteen tiettyyn tutkimukseen. Tämän ansiosta DIC-keskusten potilastietoja voidaan käyttää tutkimushankkeissa ajasta ja paikasta riippumatta. Tohtori Ammon pitää tätä tärkeänä MII-hankkeen virstanpylväänä.

Jotta riittävä yksityisyyden suoja voidaan taata, potilastiedot pseudonymisoidaan ja anonymisoidaan. Ne luovutetaan uskotulle tietojenkäsittelijälle, jotta tiedot voidaan myöhemmin yhdistää potilaaseen ja poistaa täysin, mikäli tämä halua perua suostumuksensa.

Yhteensopivuus avainasemassa

Dataa voidaan hyödyntää paikasta riippumatta vain, kun se on yhteensopivaa. MII valitsi yhteensopivuuden perustaksi HL7 FHIR -standardin, joka on kehitetty terveydenhuollon tietojen esittämiseen. Kun tiedot ovat samassa muodossa, niiden tutkimuskäyttö helpottuu. Kansainvälisten termien käyttäminen tekee tiedoista maailmanlaajuisesti selkeästi tunnistettavia.

Yhteensopivuuteen tähdätään myös käyttämällä IHE-profiileja. IHE-yhteisön määrittelemissä integrointiprofiileissa määritellään tietyssä työnkulussa sovellettavat standardit. 

Ammon kertoo, että käyttämällä tekoälyavusteista sovellusta, joka ei ole toimipaikkaan sidottu, voidaan esimerkiksi laboratorionäytteistä luoda tarkkoja rakenteisia ja semanttisia laboratoriotuloksia. Näistä tiedoista voidaan koneoppimisen avulla havaita yksilöllisten hoitokulkujen trendejä.

InterSystems HealthShare on SMITH-arkkitehtuurin ydinosa

Tutkijat ovat jatkossa yhteydessä DIC-keskusten potilastietojärjestelmään Smart Service -alustan kautta. Tutkimussuunnitelmat kirjataan järjestelmään sen avulla. Tätä kautta on mahdollista myös esimerkiksi selvittää, onko tietyllä alueella riittävästi tutkimuspotilaita.

Sairaaloiden yhteistyökumppaneita potilastietojärjestelmän rakentamisessa ovat InterSystems, jonka InterSystems HealthShare on SMITH-arkkitehtuurin ydinosa, sekä März, joka konfiguroi ja laajentaa olemassa olevia InterSystems HealthShare-toimintoja. Ammon kertoo, että InterSystems HealthShareen voidaan integroida niin tarkastuspisteet, metatiedot, tunnistus- ja varmennustoiminnot kuin potilassuostumuksetkin. 

Päätöksenteon tuki auttaa antiobiootin valinnassa

Yksi tekoälyn kliinisistä hyödyntämistavoista Jenan yliopistosairaalassa on verisuonten infektioihin liittyvä päätöksenteon tukijärjestelmä HELP. Sen tavoitteena on optimoida antibioottien käyttö. Verisuonten infektio voi johtaa sepsikseen, joka on hengenvaarallinen tila, ja antibiootin valinta on keskeistä hoidon onnistumisen kannalta. Tavallisesti antibiootin valitsee infektiolääkäri, mutta aina erikoislääkäriä ei ole saatavilla. 

”Tästä se idea lähti. Päätimme kehittää yhdessä infektiolääkäreiden kanssa päätöksenteon tukijärjestelmän, joka ottaa huomioon myös tutkimustietoa, jota ei ole vielä saatu integroitua kliinisiin rutiinitoimiin. Tukijärjestelmän avulla osastonlääkärin on entistä helpompi päätellä, miten tulee toimia”, Ammon kertoo.

Tekoäly varoittaa tehohoitopotilaan tilan muutoksista

HELP-sovelluksen hyödyt aiotaan todentaa kliinisen tutkimuksen avulla. Sama pätee ASICiin, joka on tekoälyavusteinen menetelmä tehohoidossa olevien hengitystiepotilaiden valvontaan. Potilaan tilasta kertyy tehohoidossa jatkuvasti huomattavasti enemmän tietoa kuin tavallisella osastolla. Vertaamalla potilaan tietoja virtuaaliseen potilasmalliin tekoäly pystyy ottamaan huomioon myös vaikeasti havaittavia, heikkoja trendejä ja varoittamaan lääkäreitä lähestyvistä kriittisistä vaiheista jo etukäteen. 

”Covid-19-pandemia tarjoaa ASICille akuutin sovellusalueen. Pystymme pelastamaan henkiä digitaalisen diagnostiikka-asiantuntijamme avulla”, Ammon toteaa.

Virtuaalisia potilasmalleja voidaan jatkossa kehittää myös muiden potilasryhmien hoitoa helpottamaan. Tekoälyn laajempi käyttö edellyttää kuitenkin Ammonin mukaan aukotonta laadun- ja riskinhallintaa, hyvää käytettävyyttä sekä ohjelmistojen hyväksymistä lääkinnällisinä laitteina. 

Odotettavissa mittavia edistysaskelia

”Yhtenäiset potilastietojärjestelmät ja DIC-keskusten verkosto antavat meille avaimet ja avainteknologiat, joiden avulla terveydenhuollossa voidaan ottaa mittavia edistysaskelia seuraavina vuosina ja vuosikymmeninä”, Ammon tiivistää.

”Terveydenhuollossa tuotetun datan määrä kasvaa 60 prosenttia nopeammin kuin muiden alojen data. Ihminen kykenee kuitenkin ottamaan huomioon päätöksenteossa samanaikaisesti vain seitsemän faktaa. Tästä syystä tarvitsemme päätöksentekoa tukemaan tekoälyn algoritmeja. SMITH-ekosysteemin kehittämät pilotit ovat hyviä esimerkkejä nopeista tekoälytoteutuksista, jotka vastaavat terveydenhuollon tarpeisiin”, kommentoi InterSystemsin Saksan terveydenhuolto-osaston johtaja Volker Hofmann.

 

Aiheita

Artikkelit

Tapahtumat

Materiaalit

pdf
Caché, Ensemble ja InterSystems IRIS

Tästä oppaasta saat vinkit Caché- ja Ensemble-tietokantatuotteiden migroinniksi InterSystems IRIS-alustalle. Löydät tietoa uusista InterSystems IRIS -alustan tarjoamista uusista ominaisuuksista ja kyvykkyyksistä.

OPAS
pdf
Forrester-tutkimus

Lataa tutkimusyritys Forresterin raportti, jossa se arvioi 15 eri data-alustan toimittajaa 26 eri kriteerin perusteella kolmessa eri kategoriassa: nykyinen tarjooma, strategia ja läsnäolo markkinoilla.

RAPORTTI
pdf
Learning Services -uutiskirje

Tilaa nyt  InterSystems Learning Services -uutiskirje, joka käsittelee muun muassa FHIR:ää, analytiikkaa ja yhteentoimivuutta. Kirjeen avulla pysyt aina ajan tasalla.

UUTISKIRJE