Korištenje OpenEHR-a za istraživanje

U prethodnom smo postu ukratko predstavili pristup otvorenim standardima semantičke interoperabilnosti u zdravstvu, naime, OpenEHR. Opisali smo OpenEHR kao »dogovoreni skup obrazaca za različite specijalnosti, definiran od strane kirurga za potrebe kirurgije, kardiologa za potrebe kardiologije i tako dalje. OpenEHR nije standard za inženjere, nego standard za medicinske stručnjake. «. Korištenjem zajedničkog vokabulara i struktura podataka možemo osigurati da različiti sustavi mogu razumjeti podatke koji se razmjenjuju. Ovdje se obično usredotočujemo na kliničke podatke o pacijentima koji su srž kliničke informatike.

Od medicine utemeljene na dokazima do umjetne inteligencije

Kao što svi znamo, medicinski profesionalci obično su i istraživači, što je osnova medicine utemeljene na dokazima. Pored toga, sve više istraživača iz drugih područja također se fokusira na istraživanje temeljeno na zdravstvenim podacima. To uključuje ne samo akademsku već i mnoge industrije poput farmacije, informatike, genomike itd. Očito ima puno zainteresiranih strana od kojih bi koristi koristi zdravstvenih podataka pa ćemo sada pogledati kako točno OpenEHR može pomoći. To ćemo učiniti pregledom nekoliko primjera.

Slučaj 1: Projekt genoma NHS-a

Digitalna zdravstvena internetska platforma opisana u nedavnom postu NHS se sprema koristiti OpenEHR u svrhu prikupljanja podataka iz 17 različitih povjerenja u NHS. Brzo su se mogli implementirati jer su 70% OpenEHR arhetipa već bili dostupni. Osim što su uštedjeli puno resursa sa samo potrebom da se modeliraju preostalih 30% arhetipova, bili su u mogućnosti i brzo uvesti otvoreni standard u NHS - nešto što dosad nije učinjeno u takvoj mjeri. Imajući OpenEHR kao osnovu za podatke, zaista je razvoj novog softverskog rješenja koje je usredotočeno na poseban slučaj upotrebe - poput genomike u ovom slučaju - može biti mnogo učinkovitiji i dugovječniji.

Slučaj 2: Prednosti za javno zdravlje - nacionalni registri, screening programi itd.

U Sloveniji se OpenEHR koristi za modeliranje nacionalnog skupa podataka Sažetak pacijenata. Ovaj skup podataka predstavlja skup podataka koji su potrebni za spašavanje života pacijenta u hitnim slučajevima. Pored toga, ovi se podaci mogu upotrijebiti za populacijske studije (stvaranje upita stanovništva na jeziku upita OpenEHR arhetipa nije osobito teško učiniti). Nacionalni registar cijepljenja dobiva podatke izravno iz Sažetka o pacijentima koji očito uključuje i skup podataka o cijepljenju. Čak štoviše, podaci o cjepivima kodirani su s SNOMED kodovima cjepiva što takve podatke podataka čini korisnim za međunarodno istraživanje koje se često provodi npr. farma industrija.

Drugi primjeri korištenja OpenEHR-a za istraživanje je nacionalni program probira kao dio prevencije raka u Sloveniji. Oni rade na uspostavljanju OpenEHR informacijskog sustava koji uključuje stotine zdravstvenih djelatnika koji su dio ove mreže.

Slučaj 3: Prediktivna analitika - predviđanje mjerenja glukoze godinu dana unaprijed?

U radu „Modeliranje vremenske serije mjerenja glukoze u bolesnika s dijabetesom koji koriste drveća prediktivne klasteriranja“ predstavljeni su neki zanimljivi rezultati za bolesnike s dijabetesom. Na temelju bogatog skupa zdravstvenih podataka utemeljenih na OpenEHR-u i uprkos malom broju pacijenata u konačnom skupu podataka, istraživanje je pokazalo kako se pacijenti mogu grupirati u mali broj skupina na temelju njihovog ponašanja s obzirom na dijabetes kronično stanje. Skupine su se kretale od pacijenata koji su s jedne strane imali dobro upravljan dijabetesom, do onih koji su se neprestano ponavljali i tako pokazali neuredan dijabetes. Takve skupine bolesnika opisane su njihovim zdravstvenim parametrima i mogu se upotrijebiti za predviđanje budućeg dijabetesnog stanja za bolesnike sa sličnim vrijednostima parametara. Takva istraživanja spadaju u polje Predictive Analytics. Bogatiji opis pacijenta može potencijalno poboljšati postojeće istraživanje koje često ima problema s valjanošću zbog malih veličina uzorka. Dobivanje tako bogatih podataka olakšava se zasnivanjem algoritama na korištenju OpenEHR-a. Mogućnost dobivanja podataka u ispravnom formatu radikalno povećava broj primjeraka korištenih u različitim algoritmima i smanjuje napor potreban za predradnju - zadatak koji je najzahtjevniji.

OpenEHR kao konsenzus potreban za osiguravanje ponovljivih istraživanja?

Prednosti korištenja OpenEHR pristupa za istraživanja su ogromne. Ovdje smo samo dotakli površinu ogromnog potencijala koji može donijeti svim dionicima u zdravstvu, u rasponu od pacijenata, kliničara, farmaceuta, plaćača itd. Sjetite se da je to moguće jer je OpenEHR dizajniran za medicinske profesionalce, a ne za IT ljudi. Time se podržava proces postizanja konsenzusa stručnjaka različitih medicinskih specijalnosti do razine koja je korisna za razvoj interoperabilnih IT rješenja. Uz to su i sami podaci zapravo odvojeni od aplikacija i s time postaju otporni na budućnost. Iako je aplikacija isključena ili se više ne koristi, podaci će i dalje biti čitljivi i upotrebljivi u drugom sustavu. Koristeći ovu značajku u kontekstu istraživanja, brzo se može vidjeti da se temeljeći na istraživačkim pitanjima na OpenEHR modelima može se osigurati i veća ponovljivost zbog zajedničkog razumijevanja podataka.

U slučaju da vas zanimaju samo ekonomski aspekti korištenja OpenEHR, obratite pažnju na omjer 70/30 naveden u ovom tekstu. Takav se omjer dogodio u mnogim projektima, što znači da bi projekt mogao ponovno koristiti 70% arhetipova i proizvesti 30% preostalih. Čak je i to velika korist s obzirom na financije. S vremenom se taj omjer poboljšava jer se u zajedničku bazu znanja dodaje sve više arhetipova.

Više o Iryo: Telegram | Web stranica | Whitepaper | Twitter | Newsletter