eMedLab

Käesoleva multidistsiplinaarse uuringu "Düslipideemia patsientide ravisoostumus ja ravi efektiivsus ning ravi tulemustele orienteeritud uudne patsiendi digitaalne tugirakendus" lõppeesmärk on vähendada kardiovaskulaarset suremust Eestis läbi ravisoostumuse suurendamise ja patsiendi võimestamise, luues toetav isejuhtimise keskkond terviseplaani jälgimiseks ning aktiivseks raviprotsessis osalemiseks. Esmalt analüüsitakse Põhja-Eesti Regionaalhaigla patsientide LDL-kolesterooli väärtuseid, leidmaks aladiagnoositud ja alaravitud patsiendid. Uuritakse lipiidisisaldust vähendavaid ravimeid kasutavate patsientide ravisoostumust ning defineeritakse patsientide grupid, kes vajavad täiendavat tuge. Pilootprojekti raames töötatakse välja uudne patsiendi tugirakendus, mis koos personaalse toega aitab tõsta ravisoostumust. Rakenduse uudsus seisneb Eesti tervise infosüsteemi, retseptikeskuse ja haigla andmebaasi andmete ühendamises patsiendi enda poolt sisestatud andmetega ning võimaldades kahesuunalist kommunikatsiooni patsiendi ja meditsiinipersonali vahel. Uuringu viimases etapis viiakse läbi tugirakenduse projekti mõju-uuring.

Projekti "Terve Ühiskonna Digitervishoid" üldiseks eesmärgiks on suurendada elanikkonna tervena elatud aastate arvu. Hetkel on Eestis tervena elatav eluiga üks Euroopa lühemaid. Eesmärgi saavutamiseks uuritakse, arendatakse ja piloteeritakse kolme omavahel tihedalt seotud digitervise suunda. Esiteks kasutame Eesti tervise infosüsteemi standardiseeritud andmevahetuskeskkonda ja digiandmeid, et arendada rakendusi, mis suurendavad inimese enda poolt kogutud andmete tõenduspõhist kasutust tervisedenduse, ennetuse ja krooniliste seisundite kontrolli all hoidmise eesmärgil. Teiseks keskendume sensoritele ja tehisintellektiga toetatud digirakendustele, et võimaldada inimesel koguda nii funktsionaalseid näitajaid kui edastada tervisemuresid masinloetava tekstina. Sellega kiirendame terviseriskide märkamist ja vähendame meditsiinitöötajate rutiinseid tegevusi. Kolmandaks arendame erinevaid tehisintellekti meetodeid kombineerides tervise infosüsteemis ja Tervisekassa andmebaasis olevaid ning inimese enda kogutud andmeid.

Elektrooniliste terviseandmete (EHR) integreerimine tervishoidu on toonud kaasa olulise muutuse patsientide andmete haldamises, parandades ravi järjepidevust ning seeläbi ka patsientide ravitulemusi. Vaatamata potentsiaalile on EHR-süsteemide kasutuselevõtt ja rakendamine korduvalt silmitsi seisnud probleemidega, mis piiravad nende rakendsmist. Peamisteks takistusteks on keerukas andmehaldus ja -omand, erinevad õigusaktid, piiriüleste andmevahetuste keerukus ning tõelise koostalitlusvõime saavutamine süsteemide vahel. Lisaks toovad arenevad tehnoloogiad, nagu kantavad seadmed, telemeditsiin ja tehisintellektipõhised tööriistad, kaasa pideva arengu tervishoiuvaldkonnas, esitades olemasolevatele EHR-raamistikele uusi kohanemis- ja integreerimisväljakutseid. Käesoleva ajakirja "Frontiers in Medicine" eriväljaande eesmärk on käsitleda olulisi väljakutseid, millega EHR-id kokku puutuvad, tõstes esile lahendusi, mis toetavad kliinilisi töövooge, süsteemide koostalitlust, tagavad privaatsuse ja andmekaitse ning suudavad paindlikult vastata nii patsientide kui ka tervishoiuteenuse osutajate vajadustele.

AIRE projekti "AI ja ML vahendite testimine struktureerimata meditsiinitekstide struktureerimiseks" eesmärk on testida radioloogiliste tekstide automaatset struktureerimist ja valideerimist arstide poolt andmete sisestamisel, kasutades võimalusel RDF-i, SNOMED-i ja ContSys-i. Projektis uuritakse ja võrreldakse erinevaid AI tehnoloogiaid, sealhulgas loomulikku keeletöötlust (NLP), süvaõpet ja semantilist analüüsi, et teha kindlaks kõige tõhusamad meetodid meditsiiniliste tekstide vormistamiseks. Tegevused jagunevad kaheks põhietapiks: 1) olemasolevate tehnoloogiate katsetamine, ning 2) prototüübi kavandamine. Projekti edu korral peaks vähendama meditsiiniandmete töötlemisele kuluva aeg, suurenema meditsiiniliste otsuste täpsus ning hõlbustama andmetele semantiliselt koostalitlust, mis lõppkokkuvõtteks võib vähendada tervishoiu – ja teadusasutuste andmeanalüüsi kulusid koos suurema efektiivsuse ja parema andmekvaliteediga nii esmasel kui ka teisesel kasutamisel.

Rakendusuuringu eesmärk oli TermX kavandamine, TermX on avatud lähtekoodiga terminoloogia arendamise, haldamise ja jagamise platvorm, mis sisaldab terminoloogia serverit, wiki-keskkonda, mudelikujundajat, teisenduste redaktorit ning koostamise ja avaldamise tööriistu. TermXi peamised arenduseesmärgid on parandada koostalitlusvõimet, lihtsustada terminoloogia kättesaadavust, mugandada andmemudelite kujundamist ning võimaldada andmete teisendamist mudelite vahel, kasutades uusimat tervishoiustandardit FHIR. TermX teemal kaitses Igor Bossenko doktoritöö.

Projekti "Universaalse andmemudeli ja raviteekondade järjepidevuse standardi väljatöötamine lähtudes rahvusvahelisest uue põlvkonna terviseinfosüsteemide standarditest" eesmärk on leida sobiv mudel digitaalsetele terviseandmetele, mida saaks kasutada andmete kogumiseks ja säilitamiseks uue põlvkonna tervise infosüsteemis ja rakendada sama mudelit teistes suuremahulistes elektroonilistes terviselugudes. Andmemudel on aluseks tervishoiutöötajatele digitaalsete otsuste tugisüsteemide kasutamiseks elektroonilise terviseloo kontekstis. Andmemudeli määratlemine tooks kaasa elektrooniliste terviselugude protsesside väljatöötamise, kus iga eriala/terviseprobleemi kohta määratletakse minimaalne terviseseisundi andmete komplekt, et võimaldada tõenduspõhiste otsuste tegemist. Määratletud terviseseisundi andmeid on omakorda vaja ravi järjepidevuse protsesside arendamiseks ja tehisintellekti treenimiseks ning intuitiivsete elektrooniliste terviselugude arendamiseks.