Forståelse af data i et sundhedsmiljø

Brugen af de data vi indsamler 

I sundhedsvæsnet står vi ofte mellem to vigtige opgaver: at håndtere den direkte patientbehandling (primær dokumentation) og indsamling af data til forskning, kvalitetsforbedring eller administration (sekundær dokumentation). Primær patientbehandling skal altid have vores førsteprioritet, men de sekundære data, vi indsamler, giver os et afgørende bredere perspektiv.

Den reelle værdi af sekundær data kommer fra deres effektive udnyttelse. Et datadrevet sundhedssystem omformer rå data til indsigter, som vi kan handle på og giver os en bredere forståelse af mønstre for pleje af patienter, behandlingsresultater og sundhedstendenser. Alligevel kan dette bredere perspektiv nogle gange blive sløret, når data ikke flyder nemt og standardiseret  på tværs af forskellige sundhedsenheder. For eksempel kan en praktiserende læge ikke have adgang til en patients hospitalsdata, eller patienter kan have svært ved at få adgang til deres egne data.

At løse disse udfordringer kræver integrerede og, smarte elektroniske sundhedsjournalsystemer (EPJ) samt fokus på kvaliteten frem for mængden af data. Ved at gøre det, kan vi gøre dataindsamlingen under interaktioner med patienten mere effektiv. Derudover kan AI-teknologier understøtte ved at lette dataindsamlingen og hjælpe med at identificere vigtige mønstre og tendenser.

Effektiv håndtering af data kan derfor integrere dokumentation som en del af patientbehandlingen. På den måde kan det anvendes som et  værktøj til at se det større billede i stedet for blot som en ekstra opgave for sundhedspersonalet.

European Health Data Space

Eftersom vi sigter mod at strømline brugen og udvekslingen af sundhedsdata, har initiativer som European Health Data Space (EHDS) potentiale til at spille en væsentlig rolle. EHDS er det første fælles EU-dataområde og har til formål at frigøre det fulde potentiale af sundhedsdata. Denne ramme er designet til at gøre dataudveksling sikker og problemfri mellem medlemslande, hvilket gør sundhedsdata mere tilgængelige og nemmere at genbruge. Ved at levere en sikker og problemfri ramme for dataudveksling mellem medlemslande baner EHDS vejen for øget tilgængelighed og genbrug af sundhedsdata.

Med omfattende og integrerede data kan sundhedspersonale få mere dybtgående indsigt, hvilket gør dem i stand til at træffe beslutninger på et bedre grundlag, forudsige sundhedstendenser og tilpasse patientbehandlingen. Initiativer som EHDS har således potentialet til ikke kun at fremme bedre datahåndtering, men også bidrage til et mere effektivt og handlekraftigt sundhedsvæsen. Med andre ord, at et større datagrundlag fra flere lande og patienter, vil gøre os klogere på en række forskellige sygdomme.

Databeskyttelse og informationssikkerhed 

Når du bruger digitale platforme, er det afgørende at sikre, at de overholder landets og organisationens databeskyttelsesregler, såsom EU’s General Data Protection Regulation (GDPR) retningslinjer og anden relevant lovgivning.

Et eksempel er stigningen i antallet  af videokonsultationer, hvor sundhedspersonale nu kan arbejde hjemmefra. Denne bekvemmelighed medfører dog nye hensyn til privatliv og databeskyttelse. For eksempel kan private helbredsoplysninger være i fare, hvis en computer efterlades uden opsyn, hvis brugeren undlader at logge ud, eller hvis konsultationer udføres i en ikke-privat indstilling, hvor andre kan overhøre en samtale.

For at mindske disse risici bør der gives klare retningslinjer. Disse kunne indeholde information om vigtigheden af at gennemføre konsultationer i private omgivelser, bruge sikre netværk, anvende kryptering og to-faktor autentificering og sørge for at logge ud, når de systemerne ikke er i brug.

Kunstig intelligens – at udnytte potentialet ved data

Brugen af kunstig intelligens (AI) i sundhedsvæsnet anses for meget lovende og forventes at kunne skubbe til det fremtidige sundhedssystem. En styrke ved AI er evnen til at behandle enorme mængder data og udvikle algoritmer baseret på forskellige definerede parametre, der kan opdage mønstre i data. Algoritmer i sundhedsvæsnet er ikke begrænset til klinisk brug, men kan også bruges til at forudsige administrative processer som patientfremmøde. Radiologi er et af de områder, der er på forkant med den nye AI-teknologi. Algoritmer er blevet udviklet, så de kan behandle røntgenscanninger for at påvise for eksempel kræftsvulster og knoglebrud. Implementeringen af kunstig intelligens i en klinisk kontekster dog ikke uden barrierer og kræver en tværfaglig tilgang. For inspiration, tjek MAS-AI, som er en evalueringsramme for medicinsk teknologivurdering, der understøtter introduktionen af AI-teknologier i sundhedsvæsnet inden for røntgen, scanninger og andet medicinsk billedmateriale.