CI maakt nieuwe diagnostische mogelijkheden in de gezondheidszorg mogelijk

Zorgorganisaties zijn gezegend met een schat aan gegevens om de toestand van patiënten te evalueren en een behandelplan voor te schrijven. Het vermogen om snellere, nauwkeurigere diagnoses te stellen, vereist steeds vaker continue intelligentie (CI) die is afgeleid van de realtime analyse van streaminggegevens.

Twee factoren zijn de drijvende kracht achter deze verandering. Ten eerste veranderen de verwachtingen van patiënten. De kwaliteit van zorg wordt steeds belangrijker – patiënten beginnen hun recht uit te oefenen om te kiezen hoe en met wie ze omgaan voor hun zorg. Ze eisen transparantie van gegevens en processen. Daarom moeten zorgorganisaties zich richten op hoe kwaliteitsresultaten op een zinvolle manier voor patiënten kunnen worden bereikt.

Zie ook: AI die geestelijke gezondheidsbegeleiding biedt? Niet zo snel, zeggen psychiaters

Tegelijkertijd maakt de zorg grote veranderingen door door de beschikbaarheid van nieuwe databronnen. Specifiek is er de opkomst van internet of things (IoT) wearables en aangesloten medische apparaten. Nu zorgorganisaties meer geconnecteerde apparaten, elektronische medische dossiers (EPD's) en virtuele bezoeken aan patiënten gebruiken, stromen er steeds meer gegevens binnen.

Die gegevens bevinden zich echter meestal in een silo en verbeteren de patiëntenzorg niet totdat ze zijn beoordeeld en opgeslagen voor gebruik in de toekomst. Vooruitgang boeken vereist oplossingen die gemakkelijk gebruik kunnen maken van de verschillende gegevensbronnen en realtime analyses op die gegevens kunnen toepassen.

Realtime gegevens voor diagnose

Oplossingen die de dataobstakels overwinnen, openen nieuwe kansen. Het gebruik van streaminggegevens kan bijvoorbeeld helpen bij een vroege diagnose van een verscheidenheid aan gezondheidsproblemen op vele gebieden. Een voorbeeld is de toepassing van spraakcommunicatie om medische aandoeningen te diagnosticeren.

Overweeg het volgende scenario:Een vrouw maakt zich zorgen over de gezondheid van haar moeder omdat ze onlangs problemen heeft gehad met geheugenverlies. De moeder belt naar de triagelijn van haar kliniek, waar haar verpleegster vijf vragen stelt om informatie voor diagnose te verzamelen. Sentimentanalyse wordt uitgevoerd op de spraakcommunicatie met de verpleegkundige. De informatie die uit die analyse wordt afgeleid, wordt gecombineerd met de gezondheidsgegevens die zijn vastgelegd op het draagbare apparaat van de moeder (dat de verpleegkundige in realtime kan bekijken). De verpleegkundige gebruikt vervolgens de informatie om vast te stellen dat de ziekte van Alzheimer binnen een hoge mate van waarschijnlijkheid is. Als gevolg hiervan helpt deze interactie de dochter bij het bepalen van de volgende stappen voor de gezondheidszorg van haar moeder.

Met een overvloed aan verbonden apparaten die tegenwoordig beschikbaar zijn, is zoiets eenvoudigs als spraakcommunicatie die wordt gebruikt om een ​​diagnose te stellen (de waarschijnlijkheid van een diagnose te bepalen) de ultieme medische bot.

Het gebruik van analyses in spraakcommunicatie voor de vroege diagnose van bepaalde medische aandoeningen ligt dicht bij de realiteit van vandaag. Zo wordt de Apple Watch nu geleverd met een functie voor elektrocardiogram (EKG), die gebruikers informatie geeft over hun hartslag die hen kan helpen waarschuwen voor niet-gediagnosticeerde aandoeningen. De realtime gegevens die worden geleverd door wearables zoals de Apple Watch kunnen dienen als een eerste stap bij het diagnosticeren van bepaalde gezondheidsproblemen en het waarschuwen van patiënten om hun zorgverlener te raadplegen wanneer gegevens aangeven dat er iets mis is.

Realtime analyse combineren met AI

Het gebruik van realtime analyses om aandoeningen te diagnosticeren, tilt medische behandeling naar nieuwe niveaus. Nog geavanceerder zijn toepassingen die voorspellende analyses en kunstmatige intelligentie (AI) gebruiken om het uitbreken van een ziekte of aandoening te voorkomen.

Een voorbeeld van de toepassing van deze preventieve technologie is het werk van HCAHealthcare om de dreiging van overlijden door sepsis te verminderen.

Sepsis is een meedogenloze aandoening die grote schade kan aanrichten aan het lichaam. Het kruipt vaak, als een dief in de nacht, naar boven nadat mensen al in ziekenhuizen zijn opgenomen om andere aandoeningen te behandelen. Het barst los als het lichaam infecties bestrijdt, veroorzaakt door een onbalans in de biochemicaliën die het lichaam in de bloedbaan stuurt om infecties te bestrijden. Als sepsis overgaat in septische shock, worden organen beschadigd en daalt de bloeddruk - een potentieel dodelijke situatie. Sepsis is alleen al in de Verenigde Staten verantwoordelijk voor 270.000 doden per jaar.

Doorgaans is het diagnosticeren van sepsis alleen mogelijk op basis van handmatige beoordeling van patiëntendossiers tijdens ploegenwisselingen. Het probleem is dat tegen de tijd dat sepsis op deze manier wordt gedetecteerd, het te laat kan zijn. "Elk uur vertraagde diagnose verhoogt het risico op overlijden met vier tot zeven procent", zegt dr. Jonathan Perlin, president voor klinische diensten en medisch directeur voor gezondheidszorg bij HCA Healthcare.

Deze vertraging was niet acceptabel. Een team van clinici, datawetenschappers en technologieprofessionals sloegen de handen ineen om een ​​realtime voorspellend analysesysteem te creëren om sepsispatiënten nauwkeuriger en sneller te detecteren.

De uitdaging was het vastleggen van de gegevens met betrekking tot pre-sepsiscondities. Er werd veel gegenereerd door de meer dan 30 miljoen jaarlijkse patiëntinteracties van het zorgbedrijf per jaar op 1800 zorglocaties. Veel ervan was echter opgesloten in verschillende systemen en applicaties.

De meeste bestaande data-infrastructuren zijn niet ontworpen voor grootschalige business intelligence en rapportage. Wat nodig is, is een manier om realtime gegevens van al onze faciliteiten te verzamelen, analyseren en delen, zodat levensreddende actie snel kan worden ondernomen. Om deze uitdaging aan te gaan, heeft het team een ​​realtime voorspellend analysesysteem ontwikkeld met de naam SPOT (Sepsis Predictionand Optimization of Therapy).

Met SPOT kunnen clinici sepsis nauwkeuriger en sneller detecteren bij patiënten. Het platform verzamelt en analyseert klinische gegevens - zoals patiëntlocatie, vitale functies, apotheek- en laboratoriumgegevens - en geeft in realtime signalen aan zorgverleners om vroege sepsiszorg te starten.

Met de SPOT-tool kan HCA Healthcare de vroege detectie verbeteren. Artsen kunnen de eerste indicatoren van sepsis tot 20 uur eerder detecteren en identificeren dan traditionele screeningsmethoden.

De rol van analisten bij vroege opsporing van medische fraude

Naast diagnose wordt er ook aandacht besteed aan realtime analyses voor andere toepassingen in de gezondheidszorg. Een van de belangrijkste problemen in de hedendaagse gezondheidszorg is bijvoorbeeld de hoeveelheid medische fraude die plaatsvindt. In 2017 waren er $ 1,3 miljard aan valse facturen, volgens het Office of Inspector General van het Amerikaanse ministerie van Volksgezondheid en Human Services. Analyses kunnen een belangrijke rol spelen bij het opsporen van medische fraude en helpen bij de vroege diagnose van medische aandoeningen.

Stelt u zich een medisch callcenter voor dat spraakanalysetechnologie gebruikt tijdens een oproep van een patiënt die medische fraude probeert te plegen. Met analyses die in de software zijn ingebed, kunnen rode vlaggen in de toon van de patiënt worden gelokaliseerd. De persoon die de oproep afhandelt, kan dan worden gewaarschuwd voor de bezorgdheid die wordt gesignaleerd via de analyses, waardoor deze de situatie op een dieper niveau kan onderzoeken. Analytics zou op een dag een sleutelrol kunnen spelen bij de vroege detectie van medische fraude, door organisaties al bij het plannen van afspraken op de hoogte te stellen van mogelijke fraude.

De echte uitdaging:werken met gegevens

Bij alle inspanningen is de belangrijkste uitdaging hoe het grote aantal databronnen efficiënt kan worden gebruikt. Een geschikte oplossing kan:

Voortdurend verschillende gegevensbronnen samensmelten: Medische apparaten bieden visuele weergaven van vitale functies door middel van fysiologische stromen zoals een elektrocardiogram (ECG), hartslag, bloedzuurstofsaturatie (SpO2) en ademhalingsfrequentie. Initiatieven voor elektronische medische dossiers over de hele wereld creëren meer bronnen van medische gegevens. Levensbedreigende aandoeningen zoals nosocomiale infectie, pneumothorax, intraventriculaire bloeding en periventriculaire leukomalacie kunnen worden opgespoord met behulp van analyses die verschillende gegevensbronnen samensmelten.

Bied zeer persoonlijke zorg: Detecteer signalen eerder om de patiëntresultaten te verbeteren en de verblijfsduur te verkorten. Geautomatiseerde, door clinici aangestuurde kennisontdekking om nieuwe relaties tussen gegevensstroomgebeurtenissen en medische aandoeningen te identificeren.

Ondersteun proactieve behandeling: Bouw voor elke patiënt een profiel op op basis van gepersonaliseerde datastromen en ontvang continu inzichten

Conclusie

Simpel gezegd, het realtime potentieel voor analyses om een ​​verscheidenheid aan uitdagingen in de hedendaagse gezondheidszorg te verlichten, is enorm. Met alle vooruitgang die is geboekt bij het creëren van nieuwe technologie om de gezondheidszorg naar de volgende generatie patiëntervaringen te katapulteren, is het niet meer dan normaal dat de inzet van realtime analyses voor vroege medische diagnose, medische fraude en andere toepassingen zal volgen .