DRG SOTEN, UUSIEN HOITOPROSESSIEN, TEKNOLOGIAN JA DIGITALISAATION PURISTUKSESSA Mikko Rotonen HUS-TIETOHALLINTO 3.12.2015 SISÄLTÖ 1.SOTE 2.HOITOPROSESSIT 3.TEKNOLOGIA 2 1. SOTE - Muutos koskee erityisesti terveydenhuollon ja sosiaalihuollon palvelujen yhdistymistä - Terveydenhuollon palvelukartta muuttuu - Palvelut muuttuvat ja yhtenäistyvät - Monikanavaisuus - Julkinen, yksityinen ja kolmassektori 3 HOITOPROSESSIT JA PALVELUKARTTA 4 4 eTERVEYSPALVELUT Palvelu kasvokkain Nykyprosessissa tunnistetut eTerveyspalveluiden potentaaliset kohteet 5 TEKNOLOGIA - Pilvi - BigData - Sääntökone - Keinoäly / Koneoppiminen - IOT - Sensorit - Ennustava analytiikka 6 INNOVATION, BIG DATA AND THE INTERNET OF THINGS Kymmeniä vuosi sitten 15 vuotta sitten Nykyisin Lähitulevaisuudessa Posti Email Instagram Implantti viestintä Lennätin (sähke) Puhelin & mobilipuhelin Implantti Implantti Junat Autot ja lentokoneet Virtuaali kokoukset Implantti Metelli, Puu, Lasi Muovi 3D prittaus kotona Virtuaali todellisuus, Bio tulostus Valokuva Digikuva Googlelasit Implant tallennus Tietokone Älypuhelin, tabletti Apple Watch, IOT IOT, implantti yhteys Disketti, Zip-levy USB-muisti Pilvi Nopeampi pilvi Tietosanakirja Wikipedia Implantit, robotiikka 7 INNOVATION, BIG DATA, AND THE INTERNET OF THINGS Palvelinten määrä tällä hetkellä Google 1 000 000 palvelinta Microsoft 1 000 000 palvelinta Amazon 450 000 palvelinta HP 380 000 palvelinta Facebook 100 000 palvelinta YAHOO 100 000 palvelinta Softlayer 100 000 palvelinta Intel 75 000 palvelinta Ebay 54 000 palvelinta Teknisen kapasiteetin muutos ja nopeuksien muutos Kapasiteetti Nopeuden muutos 8 bit -> 16 bit 1 mailia tunnissa 16 bit -> 32 bit 65 K mailia tunnissa 32 bit -> 64 bit 300 T mailia tunnissa 64 bit -> 128 bit 5T*T*B mailia tunnissa 8 SENSORIT JA IOT • • • • • • Sensorit ovat halpoja Tietoliikenne on halpaa Prosessointi on edullista Kännykkä on joka ihmisellä yhteysvälineenä BigData louhii ja analysoi asioita mitä ennen ei pystytty ipv6 antaa kaikille laitteille ja sensoreille yksilölisen osoitteen 9 BIG DATA TERVEYDENHUOLLOSSA • Ennustava analytiikka perustuen potilaskertomukseen. Tutkimukseen, hoitomerkintöihin ja reaaliaikaiseen mittaustietoon • Hoitohenkilöstön yhteistyö ja hoidon laadun parantaminen • Tiedon hyödyntäminen • Hoitohenkilöstön, potilaan ja potilastietojärjestelmän yhdistämien • Potilasdatan tietovaranto • Potilaan sitouttaminen omien hoitotietojen tuottamiseen • Tietojen hallinta laadukkaasti ja kustannustehokkaasti BigData analytiikka BigData sovellukset BigData hallinta BigData Integraatiot • Mobiililaitteiden integrointi • Sensorit ja etälääketieteelliset mittalaitteet • Streaming (jatkuva mittaus) ja erädata seuranta 10 Terveystiedon uusi ekosysteemi 11 Tiedonjalostus ja sen tasot Informaation merkitys Optimointi Ennustava mallinnus BigDatan tiikerin loikka Puhdistettu data Raaka data Vakioraportti Mikä olisi parasta mitä voisi tapahtua? Kuvaileva mallinnus Mitä tulee tapahtumaan? Kuutiot ja kyselyt Miksi niin tapahtui? Mitä tapahtui? Data Perus järjestelmät Informaatio Tietovarasto Tietämys BigData Ymmärrys 12 Case Hyks LNS: Watson keinoäly tehohoidon tukena (1/3) Tietojärjestelmäarkkitehtuuri ja integraatiot Potilaan elintoimintatietojen käsittelyvaihtoehdot ja niiden ajantasaisuus ja validointi Philips potilasmonitori GE Clinisoft digiConnect/ ebox GE Clinisoft database IBM WATSON Watson database 13 Case Hyks LNS: Watson keinoäly tehohoidon tukena (2/3) Käytetyt • • • Data potilaiden elintoimintoja kuvaavat muuttujat Syke (HR) Hengitystaajuus (RESP) Happisaturaatio (SaO2) Reaaliaikainen sepsisriskin arviointi Tulosten visualisointi 14 Case Hyks LNS: Watson keinoäly tehohoidon tukena (3/3) Päätöspuun avulla voitiin datasta tunnistaa korrelaatioita, jotka ennustavat sepsistä Algoritmi valitsee ja optimoi päätöspuussa näkyvät raja-arvot automaattisesti käytössä olevan datan perusteella Esimerkiksi päätöspuusta voidaan nähdä kuinka alhainen sykkeen vaihtelu (HR_VAR10) kasvattaa sepsisriskiä Havainto on yhtenevä alan muiden tutkimusten kanssa, joissa käytetty reaaliaikaista potilasmonitorointi dataa Medianisoidussa datassa näkyy jo merkkejä siitä, että sepsis voidaan ennustaa 24 h ennen kuin kliinikko tilaa verinäytteen 15 ”Interactive Intent Modeling” Mitä nyt jo tiedossa? Mitä oleellista vielä pitäisi tietää? Mitkä kriteerit täyttyvät? Taustatietoon yhdistyvä SÄHKÖISTEN OIRENAVIGAATTOREIDEN TASOT Tunnistautumispyyntö/ suostumus: Tarkentaaksemme analyysiä, pyydämme tunnistautumaan sähköisesti Oirenavi osa I: Oireinen kansalainen avoin, ei tunnistautumista Virtuaalisairaalaplatform Oirenavi osa II: Hetu, Jatkokysymykset + Potilasdatan nouto (mm. potilaskertomukset, eri labrat, PAD, kuvantaminen, genomitieto) Tieto tallentuu HUS:n arkistoon. Oirenavi osa III: Ammattilaisen käyttöliittymä eHoitajan vahvistus Ehdotus lähetteeksi tarkemmista kliinisistä tutkimuksista. Hyväksyntä kyllä/ei Virtuaalisairaala hoitosuhde (Oma polku) Potilaan ohjaus sopimusten mukaisesti hoitopaikkaan n. 100-250 kysymystä Ei syytä huoleen. Jos oireet kuitenkin jatkuvat, yhteys terveyskeskukseen. Epäilemäsi XXX- sairaus on kuitenkin epätodennäköinen. Ajanvarausehdotus ja valinta vapaista ajoista hoitajalle/lääkärille Ei syytä huoleen… Voit kuitenkin tulostaa itsellesi vastauksesi tai tallentaa tiedot Omakanta- palveluun. 16 Tekniset ratkaisut: I- taso: Sharepoint/koodaus/dynaaminen kysely II- taso: Sääntökone+ dataroaming+koneäly III- taso: Koneoppiminen/keinoäly 16 CASE HYKS LNS IOT (1/4) 17 CASE HYKS LNS IOT (2/4) 4.12.2015 18 18 CASE HYKS LNS IOT (3/4) 19 CASE HYKS LNS IOT (4/4) 20 Verensokerin etäseurantapalvelu (Medtronic insuliinipumppu ja-sensori potilaat) “Tuotannossa” Tietokantapalvelu Sovelluspalvelu Analyysit & raportit Potilastiedot (HL7 v3 / ADT) Käyttäjätunnistus (AD, IDM konnektori) Verensokeri Potilaan mittaustulokset pdf-tiedosto IHE-profiililla Seuranta Hälytykset Raportointi Potilastietojärjestelmä / Arkisto Tietokone Potilas Potilaskertomustiedot IHE-profiililla KELAn Potilastiedon 21 Etädiagnosointi ja –seuranta Medtronic sydäntahdistin potilaat “Tuotannossa” Tietokantapalvelu Sovelluspalvelu Analyysit & raportit Mobiiliverkko 3G/4G Tahdistin Potilastiedot (HL7 v3 / ADT) Käyttäjätunnistus (AD, IDM konnektori) WLAN Langaton verkko Potilas / kansalainen Nettitikku Potilaan mittaustulokset pdf-tiedosto IHE-profiililla Seuranta Hälytykset Raportointi Potilastietojärjestelmä / Arkisto Potilaskertomustiedot IHE-profiililla KELAn 22 Potilastiedon 22 Etädiagnosointi ja –seuranta joko ResMed tai/ja Philips uniapnea potilaat “Pilotoitu, kilpailutuksessa” Tietokantapalvelu Sovelluspalvelu Analyysit & raportit Mobiiliverkko Hengitys 3G/4G Potilastiedot (HL7 v3 / ADT) Käyttäjätunnistus (AD, IDM konnektori) WLAN Potilaan mittaustulokset pdf-tiedosto IHE-profiililla Seuranta Hälytykset Raportointi Langaton verkko Potilas / kansalainen Lääkintälaite Potilastietojärjestelmä / Arkisto Potilaskertomustiedot IHE-profiililla KELAn 23 Potilastiedon 23 Kivun seuranta (Kipupäiväkirja) “Pilotoinnissa Tietokantapalvelu Sovelluspalvelu Potilas Analyysit & raportit Potilastiedot (HL7 v3 / ADT) Käyttäjätunnistus (AD, IDM konnektori) Potilaan seutantatiedot pdf-tiedosto IHE-profiililla Seuranta Hälytykset Raportointi Potilastietojärjestelmä / Arkisto Potilaskertomustiedot IHE-profiililla KELAn 24 Potilastiedon 24 Pohdintaa (1/2) • ”I’m a robot, I’m planned to pass you” • Kehittäjien tulee keskittyä kehittämään ratkaisuja, jotka toimivat ensisijaisesti pilvessä, jotta selviävät tulevasta • Se, missä olet nyt, ei ratkaise sitä, missä olet tulevaisuudessa -> innovoi ja kehity • Bimodal IT, tunnusta, että toiset ovat kehittäjiä ja toiset ylläpitäjiä • Hanki ja käytä teknologiaa, joka mahdollistaa innovoinnin • 90% datasta on luotu 2 viimeisen vuoden aikana • Miksi BigData? Koska nyt tiedän jotain sellaista, jota en aiemmin tiennyt • Täsmälääkitys ja yksilöllinen hoito lisääntyy 25 Pohdintaa (2/2) • Biomarkkerit ovat kriittinen tekijä terveydenhuollon lääkityksen muutoksessa • 82% projekteista, joissa on biomarkkeita mukana ovat testausvaiheessa IIa • 85% projekteista sisältää personoidun hoitosuunnitelman strategian • Mobiililaitteet terveydenhuollossa kohdentuvat useisiin toimintoihin: • Fysiologinen mittaus • Suorituskykymittaus • Potilaan oma raportointi • Hoitotulosten analysointi perustuu Mobiililaitteisiin, IOT:n ja BigDataan • Oma tietotekninen kapasiteetti ei tule riittämään kasvavaan määrää mobiilisti tuotetun datan tallennukseen ja analytiikkaan 26 DRG, potilaat, avohoito ja vuodeosastohoito • Ajalla 1-10/2015 HUSissa kävi hoidossa 489 840 eri potilasta • Näistä potilaista 99 649 sai hoitoa sekä avohoidossa että vuodeosastolla • Kaikista potilaista 390 191 eri potilasta sai vain avohoitoa, joka on 80% potilaista • Ajalla 1-12/2005 HUSissa kävi hoidossa 439 871 eri potilasta • Näistä potilaista 146 207 sai hoitoa sekä avohoidossa että vuodeosastolla • Kaikista potilaista 293 664 eri potilasta sai vain avohoitoa, joka oli 67% potilaista • Avohoidettavien ja tulevaisuudessa etädiagnosoitavien ja etäseurattavien potilaiden lukumäärä ei ole tule ainakaan laskemaan ja mutta palkitseeko avohoidon voimakas käyttö esim. sairaaloiden tuottavuusvertailussa ja kuvaako DRG tuotteistuksena hoitokäytäntöjen muutosta riittävästi? MITÄ DRG PYSTYY KUVAAMAAN JO NYKYISISTÄ AVOHOIDOISTA SAATIKA LISÄÄNTYVISTÄ SÄHKÖISISTÄ PALVELUISTA ? DRG:LLE TARVITSEE TEHDÄ JOTAIN JA PIAN !
© Copyright 2024