Siemens: Borba s mnoštvom zdravstvenih podataka

U protekle dve decenije, zdravstveni sektor pretrpeo je brzu i dalekosežnu digitalnu transformaciju. Međutim, digitalizacija je pružila i novi izazov: preopterećenje informacijama. Siemens nudi rešenja.

Prema jednoj proceni, obim podataka vezanih za zdravstvenu zaštitu koji se generišu digitalno udvostručuje se svaka 73 dana. Veći deo se čuva u diskretnim prostorima za skladištenje – kao što su sistemi za obradu digitalne slike i komunikacije u medicini (DICOM), izveštaji, multimedijalni podaci i podaci iz različitih izvora na više odeljenja – što ujedno otežava pristup svima njima.

U međuvremenu, moćnim dijagnostičkim alatima često nedostaje interoperabilnost. Rezultat: umesto podrške informisanom i aktivnom donošenju odluka, digitalna revolucija često ometa efikasniju dijagnozu ili poboljšanu negu pacijenata.

Poboljšanje produktivnosti pomoglo je širokom spektru delatnosti – osim zdravstvenoj zaštiti. Od 1999. do 2014. godine produktivnost u sektoru zdravstvene zaštite povećana je za samo osam odsto, dok su druge delatnosti ostvarile daleko veće rezultate u efikasnosti od 18 odsto. Mada poređenja produktivnosti između delatnosti imaju tendenciju da budu neprecizna, ona pokazuju da zdravstvena zaštita zaostaje daleko za drugim industrijama u smislu produktivnosti i potencijala.

Da bi se operativno poboljšala produktivnost u zdravstvu, moraju da se dese dve stvari. Prvo, podaci moraju biti shvaćeni kao strateško sredstvo. Podaci moraju da se koriste kroz inteligentna i sveobuhvatna rešenja tokom procesa rada, kao i veštačka inteligencija (AI) – pospešujući automatizaciju i stavljanje pacijenta u centar lanca vrednosti.

Drugo, da bismo uopšte mogli da govorimo o lancu vrednosti, polja kompetencija moraju biti povezana. Veza mora biti što neprimetnija, otvorenija i bezbednija. Cilj je da se osigura da svi relevantni podaci budu dostupni kada su potrebni pacijentima, zdravstvenim radnicima i medicinskim istraživačima.

Savremenom softverskom rešenju za obradu slika prioritet moraju biti optimizacija ishoda, unapređena dijagnostika i poboljšana saradnja.

Zdravstvena zaštita danas: praznine, uska grla, skladišta

Troškovi i posledice trenutnog fragmentarnog stanja podataka o zdravstvenoj zaštiti su dalekosežni: operativna neefikasnost i nepotrebno dupliranje, greške u lečenju i propuštene mogućnosti za osnovna istraživanja. Moderna medicinska literatura ispunjena je primerima propuštenih prilika – a pacijenti su u opasnosti zbog nedostatka deljenja podataka.

Više od četiri miliona pacijenata svake godine bude otpušteno u kvalifikovane ustanove za negu (eng. SNFs). Većina njih su stariji pacijenti sa složenim stanjima, a tranzicija može biti opasna. Prema studiji iz 2019. godine objavljenoj u Američkom žurnalu za upravljanje negom, jedan od glavnih razloga zbog kojih pacijenti slabo prolaze tokom ove tranzicije jeste nedostatak deljenja zdravstvenih podataka – uključujući i nedostatne, odložene ili teško upotrebljive informacije – između bolnica i takvih ustanova. „Slabe prakse tranzicione nege između bolnica i ustanova za negu utiču na kvalitet i bezbednosne ishode za ovu populaciju”, istakli su istraživači.

Čak i unutar bolnica deljenje podataka ostaje veliki problem. Studija Američke bolničke asocijacije iz 2019. godine, objavljena u časopisu Healthcare, analizirala je funkcije interoperabilnosti koje su deo programa Promovisanja interoperabilnosti, kojim upravljaju Američki centri za medicinske i medicinske usluge (CMS) i koji su usvojile kvalifikovane bolnice u SAD. Studija je pokazala da je među 2.781 nefederalnom ustanovom za akutnu negu, samo 16,7 odsto usvojilo svih šest osnovnih funkcionalnosti potrebnih za ispunjavanje ciljeva programa Etape 3 sertifikovane elektronske zdravstvene tehnologije (CEHRT). Interoperabilnost podataka u zdravstvu, naravno, nije bila u pitanju.

Skladišta podataka i nekompatibilni skupovi podataka predstavljaju još jednu prepreku. U članku iz 2019. godine u časopisu JCO Clinical Cancer Informatika, istraživači su analizirali podatke iz Arhive za snimanje raka (TCIA), posebno posmatrajući devet skupova podataka o plućima i mozgu koji sadrže 659 polja podataka kako bi razumeli šta bi bilo potrebno za usklađivanje podataka za pristup unakrsnom proučavanju. Napori su trajali više od 329 sati tokom šest meseci, samo da bi se identifikovalo 41 polje podataka koje se preklapa u tri ili više datoteka, kao i da bi se uskladilo njih 31.

Kao što su istraživači napisali u članku iz avgusta 2019. u časopisu Nature Digital Medicine: „U 21. veku, veku podataka i veštačke inteligencije, svaka zdravstvena ustanova je izgradila sopstvenu infrastrukturu podataka kako bi podržala sopstvene potrebe, obično koristeći računarske mreže i skladišta na licu mesta. Podaci se grupišu duž organizacionih granica, ozbiljno ograničavajući mogućnost pružanje usluga pacijentima širom kontinuuma nege unutar jedne organizacije ili više organizacija”.

Fokusirajte se na ishode i budite pametni

Šta možemo uraditi da premostimo ove nedostatke? Tehnološki inovatori i IT stručnjaci za zdravstvenu zaštitu već su se uhvatili ukoštac sa izazovom. Važan napredak primećuje se na mnogim frontovima. Usput se pojavilo nekoliko ključnih najboljih praksi, uključujući:

• Obezbedite adekvatno povezivanje podataka o pacijentu i lanac vrednosti za inteligentnu obradu slike: istorijski gledano, digitalna slika i drugi podaci su skladišteni u okviru određenog odeljenja – radiologije, kardiologije, ortopedije ili onkologije, na primer. Ubuduće će podaci pacijenta pratiti tog pacijenta u svim susretima sa zdravstvenom zaštitom i svim specijalnostima, koristeći otvoreni model podataka pacijenata. To podrazumeva i klinička odeljenja koja su upravo započela digitalnu transformaciju, kao što je patologija.
• Upravljajte opterećenjem podataka da biste podržali dijagnostičke ishode: Veoma često klinički lekari moraju da se probiju kroz mnoštvo nebitnih podataka da bi pronašli ključne informacije koje su im potrebne da bi doneli odluke. Softver za podršku u odlučivanju dokazuje se kao moćan alat za identifikovanje i isticanje ključnih dijagnostičkih nalaza, isporučujući podatke koji su potrebni lekarima pomoću klika. Pokazalo se da su integrisane vrhunske AI tehnologije ključni pokretač za automatizaciju posla i da dovode do benefita na kliničkom polju.
• Bezbedan pristup i povezivanje s različitim standardima interoperabilnosti: Da bi se rešio stalni izazov interoperabilnosti i obezbedilo da svi delovi sistema koriste istu sintaksu i govore istim jezikom, centralni osnovni softverski moduli će se koristiti za prevođenje podataka koji dolaze iz različitih izvora, uključujući i one od nezavisnih dobavljača. Kako se ovi softverski moduli budu širili, moći će da prave sve više veza, uključujući sve više podataka i funkcionalnosti u medicinskim specijalnostima. Istovremeno, standardizacija povećava bezbednost pružanjem zajedničke tehnološke osnove. Takođe, obezbeđuje kontinuirana ažuriranja i poboljšanja u svim oblastima u najkraćem mogućem roku.
• Povežite sisteme nege i povežite saradničke ishode: cilj je da se, zajedno u jednom sveobuhvatnom interfejsu, obezbede podaci koji su potrebni lekarima, alati koji su im potrebni za analizu dostupnih podataka i da zahtevaju akcionu odluku. Isti princip pozicionira svakoga, iz svake specijalnosti, kao ravnopravne igrače u nezi pacijenta. Koristeći jedan interfejs, svi članovi tima za negu moći će da učestvuju tokom pružanja nege. Nije važno s koje lokacije se pristupa podacima i uređajima. Daljinska rešenja će biti suštinski osnov svega.

Šta je sledeće?

Svi osećamo potrebu za promenom u zdravstvu. Pitanje nije da li nešto mora da se promeni, već kako oblikujemo ovaj proces. Softver je, kao i u mnogim drugim delatnostima, osnova na kojoj će se zasnivati zdravstvena zaštita u 21. veku. A put do te zaštite zavisi najviše od strategija pružalaca zdravstvenih usluga.

Syngo Carbon, Siemens Healthineers

• Poboljšano interdisciplinarno deljenje slika i izveštaja
• Fleksibilna, modularna IT infrastruktura
• Integrisane AI alatke i automatizacija poboljšavaju efikasnost
• Strukturirani podaci izveštaja olakšavaju, između ostalog, korišćenje smernica za lečenje

Uz Syngo Carbon, Siemens Healthineers pruža lak pristup svim relevantnim podacima generisanim u procesima obrade slika i izveštavanja. Podaci iz različitih odeljenja izvlače se iz različitih memorija i integrišu se kao deo objedinjenog okruženja, uključujući dijagnostiku i procenu, pojednostavljujući procese i olakšavajući različitim oblastima zajednički rad. „Naše dnevno kliničko okruženje je veoma fragmentarno”, komentariše Christian Zapf, šef poslovne linije Syngo Simens Healthineers. „Međutim, suočavamo se sa zahtevom da kliničke slike i skupovi podataka budu sveobuhvatno pripremljeni i poboljšani korišćenjem veštačke inteligencije, kao i da omogućimo deljenje znanja. Mnoga klinička odeljenja imaju sopstvene sisteme za upravljanje slikom, arhiviranje i izradu nalaza. To znači da se izveštaji mogu umnogome razlikovati, a podaci nisu uvek univerzalno dostupni. Syngo Carbon nudi našim korisnicima modularno rešenje za više odeljenja koje može da upravlja i predstavlja sve vrste imidžinga i da izveštava o podacima na način koji je usmeren na pacijenta. Strukturirani podaci se automatski generišu i stavljaju na raspolaganje putem standardizovanih interfejsa kao što je FHIR (Fast Healthcare Interoperability Resources). Besprekoran prenos merenja na kliničkim slikama takođe ubrzava i pojednostavljuje dijagnostički proces. Zahvaljujući Syngo Carbon-u, izveštaji koji su ranije postojali samo kao slobodan tekst dostupni su svim odeljenjima u kvantifikovanom obliku pogodnom za automatizovanu obradu, npr. za primenu terapijskih smernica. Sve to pruža veću dijagnostičku bezbednost, manju redundantnost i veću efikasnost u našim svakodnevnim kliničkim aktivnostima.”

Syngo Carbon štiti postojeće investicije integrišući i nastavljajući da koristi postojeće tehnologije i podatke. Takođe uključuje postojeća Syngo rešenja pogodno i neprimetno. Njegov koncept otvorenih podataka još jedan je ključni aspekt u omogućavanju uključivanja rešenja trećih lica, omogućavanju kombinovanja i konsolidovanja sistema upravljanja podacima i arhiviranja iz različitih odeljenja unutar bolnice. Integrisane AI alatke pomažu u efikasnom izvođenju imidžing dijagnostike. Za razliku od tradicionalnog sistema za arhiviranje i deljenja slika (PACS), fokus se u ovom slučaju pomera s medicinskih slika zasnovanih samo na DICOM-u. Syngo Carbon radi sa svim podacima vezanim za sliku a koji su relevantni za dijagnostiku i donošenje odluka. Primeri uključuju slike s polja patologije, endoskopije i kardiologije, kao i informacije generisane kao deo dužeg procesa, npr. slike kamerom sa operacije kako bi se dokumentovalo stanje povrede.

Syngo Carbon je polazna tačka za novi tip sistema za obradu slika i izveštavanja, koji kombinuje postojeće tehnologije za formiranje jedinstvenog rešenja. Fine dorade se izrađuju u bliskoj saradnji s korisnicima. Zahvaljujući svojoj otvorenoj arhitekturi, može da se prilagodi uslovima koji se stalno menjaju, moduli i funkcije mogu da se prošire, a sistem može da se podesi tako da odgovara potrebama kupaca.

Saznajte kako su Syngo Carbon i Siemens Healthineers napravili sistem za obradu slika (ODIS) zasnovan na ciljevima da bi ostvarili ovu promenu.

www.siemens-healthineers.com/medical-imaging-it/about/syngo-carbon-story