ÚJ ADATMODELLEZÉSI ÉS –ELEMZÉSI MÓDSZEREK EGÉSZSÉGÜGYI ALKALMAZÁSOKKAL
Habilitációs tézisek
Dr. Vassányi István
Informatikai Tudományok Doktori Iskola Villamosmérnöki és Információs Rendszerek Tanszék Műszaki Informatikai Kar Pannon Egyetem Veszprém
2017
1
Motiváció és célkitűzés A fejlett világ társadalmainak elöregedése a gyakorlatban azt jelenti, hogy egyre kevesebb eltartóra egyre több eltartott fog jutni. A jelenlegi egészségügyi ellátó rendszer ezért már középtávon sem lesz a mai formájában fenntartható. Az egyre újabb, fejlett képalkotó, diagnosztikai és kezelési módszerek lényegesen költségesebbé tehetik a nagy esetszámú, krónikus betegségek, mint például a rák, szív-érrendszeri betegségek, cukorbetegség, időskori neurológiai betegségek kezelését, ami tovább nehezíti a rendszer fenntarthatóságát. Magyarország, rossz népegészségügyi helyzete és alacsony hatékonysággal működő ellátó rendszere miatt különösen kedvezőtlen helyzetben van, ezért a mindenhol jelentkező problémák itt várhatóan még előbb fognak jelentkezni. A problémára adható reális válasz kulcsszavai az öngondoskodás és az információs technológia. Az öngondoskodás alapgondolata a betegség kialakulásának a megelőzése a személyesen kontrollálható rizikófaktorok csökkentésével, illetve a már kialakult krónikus betegség személyre szabott menedzselése. A gyakorlatban ez az életmód helyes kialakítását és fenntartását jelenti. Nagy létszámú követéses vizsgálatok sora igazolta az életmódi intervenció egészségügyi és gazdasági hatékonyságát a jelenleg elterjedt, gyógyszerezésre és műtéti beavatkozásra épülő megközelítéssel szemben. A személyre szabott helyes életmód meghatározásához és napi szinten való fenntartásához nagy segítséget tud nyújtani a modern, mobil eszközökre alapozott információs technológia, mivel a jellemzően több évtized alatt berögzült táplálkozási, mozgási stb. szokások hibái az egyén számára nehezen felismerhetők, és az egészségügyi rendszerből érkező néhány paraméteres utasítások, melyek például a napi elfogyasztandó kalória vagy szénhidrát mennyiségre vonatkoznak, az egyén számára megfoghatatlanok. Természetesen az életmód-változtatás iránt azok a leginkább fogékonyak, akik krónikus betegséggel élnek, elsősorban a cukorbetegek, vesebetegek, obesitassal küzdők. A probléma nagyságára jellemző az Országos Egészségfejlesztési Intézet becslése, amely szerint 2015-ben egymillió cukorbeteg lehetett Magyarországon [1], és a szám rohamosan nő. A cukorbetegek túlnyomó többsége az úgynevezett II. típusú diabétesztől szenved, amely jellemzően a hibás életmód miatt alakul ki, és az esetek 90 százalékban helyes életmóddal megelőzhető lenne. Mivel a felmérésünk szerint a cukorbetegek egyre nagyobb hányada használ okostelefont, a személyre szabott tanácsokat és azonnali visszajelzést adó mobil életmódnapló szolgáltatás nagy tömegeknek, nagy mértékben könnyíthetné meg az életét. Az életmód-támogató szakértői rendszerrel kapcsolatos eredményeket az 1. tézispont (Életmód-támogató szakértői rendszer tervezése és megvalósítása) foglalja össze. Az információs technológiáknak kulcsfontosságú szerep jut az egész egészségügyi ellátó rendszer hatékonyságának növelésében is. Történeti, gazdasági és politikai okok miatt azonban a kórházi információs rendszerek kiépítése szinte minden országban, így Magyarországon is, szigetszerűen történt még ez egyes ellátó intézményeken belül is, ami rendkívül heterogén, és ezért igen alacsony hatékonysággal együttműködő információs rendszert eredményezett. Ennek köszönhetően számos területen még most is dominál a nem strukturált, papír alapú információcsere. Az iparági szabványok kialakítását nem pusztán a rendszerházak és egyéb szereplők politikai-gazdasági ellenérdekeltsége nehezítette, ennél mélyebben fekvő ok az orvostudomány, mint alkalmazási terület nagyfokú komplexitása és rendkívül gyors változása. Ezek miatt, még ha az időbeli változástól 2
el is tekintünk, az ellátási protokollok, a diagnosztikai módszerek, következésképpen a tárolandó adatok köre és szerkezete még egy időpontban sem egységes akár egy szűkebb szakterületen vagy egy intézményen belül sem. Ezért az adatcsere és adatföderáció más műszaki, tudományos területeken alkalmazott módszerei, mint például a mező alapú üzenő szabványok, itt jellemző módon csődöt mondanak a hatalmas kormányzati ráfordítások ellenére is: a heterogén információs rendszerek fogalmi egyeztetésére szemantikus technológiai támogatás szükséges. Az ezen a területen elért új tudományos eredményeket foglalja össze a 2. tézispont (Fogalmi adatmodellek alkalmazásai az egészségügyben). Az egészségügyi ellátás, mint komplex rendszer folyamatai egyre nehezebben láthatók át heurisztikus megközelítéssel, mégis az egészségügy területén a más iparágakban megszokott üzleti intelligencia módszereinek alkalmazása általában nem jellemző. Az ellátás hatékonyságának javítását célzó strukturális átalakítások előkészítése és hatásának validálása ritkán történik populáció szintű szakirányú adatelemzések alapján. Az Állami Egészségügyi Ellátó Központ adattára minden államilag finanszírozott esetről tartalmaz évtizedekre visszamenő, értékes adatokat [2]. Bár ezen központilag rendelkezésre álló ellátási adatok gyűjtése nem orvos-szakmai, hanem finanszírozási szemlélettel történt (és történik), mégis ez az adattár a klinikai esetkódolási gyakorlat ismeretében rendkívül értékes rendszer szintű információkat tartalmaz és kiválóan felhasználható (lenne) az ellátó rendszer hatékonyságának javítására és stratégiai tervezésére, különösen a hosszú lefutású, nagy költség-ráfordítást igénylő betegségek területén. Magyarországon a helyzet azért különösen szerencsés, mert az egy biztosítós rendszernek köszönhetően az adatbázis teljesnek mondható. Ennek ellenére az adattár elemzési célokra való felhasználása csak a közelmúltban kezdődött el. Az ellátási eseménysorok populáció-szinten való elemzésének területén elért eredményeket a 3. tézispont (Kórházi ellátási eseménysorok innovatív elemzésére alkalmas informatikai módszertan kidolgozása és megvalósítása) mutatja be.
1. tézispont: Életmód-támogató szakértői rendszer tervezése és megvalósítása Előzmények és korábbi eredmények Az életmód-kutatás legnagyobb létszámú célcsoportját a cukorbetegek alkotják, akik szervezete különösen érzékeny a vércukorszint-ingadozására. Ennek elkerülése érdekében szigorú étrendi előírásokat kell(ene) betartaniuk, és a vércukorszint tervezhetősége érdekében tájékozottaknak lenniük az egyes ételek pontos hatásáról, valamint naplózniuk kell(ene) a fogyasztásukat. Bár különösen az amerikai kultúrkörben számos olyan mobil alkalmazás elérhető, mely valamilyen formában az étrend, életmód tervezését támogatja, ezekre általában jellemző a táplálkozás elemzésének igen korlátozott támogatása és az orvosi intelligencia alacsony színvonalú vagy egyáltalán nem validált alkalmazása [3]. Egy több mint 650 okostelefonos, cukorbetegeknek ajánlott alkalmazást áttekintő 2014-es tanulmány szerint az alkalmazásoknak csak mindössze 8.8%-a tartalmaz bármilyen személyre szabott életmód-tanácsadási funkciót, szegényes étel-adatbázissal rendelkeznek, és természetesen az sem a magyar étkezési gyakorlathoz igazodik [4]. Jellemző módon a cukorbetegek csak mintegy 5%-a használ valamilyen informatikai megoldást, mivel az elérhető alkalmazások funkcionalitása gyenge, ezért a felhasználó szempontjából az előny nincs arányban a befektetett energia és idő mennyiségével.
3
A magyar cukorbetegek számára jelenleg nem elérhető olyan szolgáltatás, mely az életmód (különösen a mozgás, táplálkozás és gyógyszerezés), mint bemeneti adatok alapján a vércukorszint várható alakulásának megbízható, rövid távú (néhány órás) előrejelzésére lenne képes. Ez a szolgáltatás jelentősen könnyíthetné és biztonságosabbá tehetné a cukorbetegséggel élők mindennapi életét, ugyanis a kritikusan alacsony vércukorszint életveszélyes állapotot jelent, azonnali beavatkozás szükséges, a túl magas szint pedig, bár nem érzékelhető, de hosszútávon felelős a cukorbetegség súlyos szövődményeiért. Ha tehát a felhasználó például az ebéd naplózásakor a mobil alkalmazástól veszélyes szintre utaló előrejelzést kapna, módosíthatná az inzulin-dózist vagy az ebéd összetételét. A kontrollált, alacsonyabb vércukorszint alacsonyabb gyógyszer- és inzulindózist tesz lehetővé. A hosszútávon várható jobb életminőség a felelősen gondolkodó cukorbetegek számára pedig még inkább motiváló hatású lehet, mint az alacsonyabb gyógyszer-dózisból származó pénzügyi nyereség. A vércukorszint-vezérlés modellezésére az irodalom sok különböző komplexitású modellt javasol [5], azonban ezeket a paraméterkészlet identifikálásának nehézségei miatt döntő módon csak kontrollált klinikai körülmények, például intenzív osztályon fekvő betegek esetén használják, leginkább a mesterséges hasnyálmiriggyel kapcsolatos kutatásokban. A mi célkitűzésünk a járóbetegek életmód-támogatása. A vércukorszint-előrejelzés mellett hasonlóan előnyös lenne az étrendi harmónia azonnali kiértékelése és visszajelzése, például a naplózott étkezésben a vércukor vezérlési rendszert erősen terhelő ún. magas glikémiás indexű ételek, élelmiszerek azonosítása, mivel ez által néhány hónap alatt megtanulható lenne a helyes étrend összeállítása. Ezen szolgáltatások előfeltétele azonban egy olyan, validált táplálkozási adatbázis és szakértői rendszer, mely a kutatás kezdetekor—különösen a magyar kultúrára—a problématér komplexitása miatt egyáltalán nem létezett. Még a dietetikusok számára készített speciális étrendtervező segédprogramok (például a Nutricomp DietCAD [6]) is lényegében csak véletlenszerűen összeállított étrend-javaslatokra és a szakértő által bevitt menük tápanyagainak összegzésére szorítkoznak. Eredmények Az Egészségügyi Informatikai Kutató-Fejlesztő központban több mint 13 éves munka során a témavezetésemmel kidolgozásra került egy olyan komplex szakértői rendszer, amely elsősorban az életmód-naplózást és a naplók automatizált értékelését támogatja. A szolgáltatás fő célcsoportja az I. és II. típusú cukorbetegek illetve fogyni/hízni vágyó személyek. Az általam kidolgozott informatikai modell elemei a tápanyagok, élelmiszerek, gyógyszerek, fizikai aktivitások, egymásba ágyazható receptek, betegségek illetve betegtípusok, mint fő entitások, és az ezekre épített hierarchikus taxonómiák/ontológiák illetve az egyes osztályok kapcsolataira definiálható szakértői szabályok. A szakértői rendszert relációs adatbázis illetve dokumentum-tár formájában valósítottuk meg, a logika egy része az adatbázison, más része alkalmazás-szerveren fut [7]. A szakértői rendszer adatbázisát a dietetikus/orvos szakértő grafikus felületen szerkesztheti. A mobil kliensekre a központi szakértői adatbázis előfeldolgozott kivonata kerül, a mobil eszközökön lévő életmód-naplók szinkronizálása a központ és a mobil eszközök között megoldott. A mobil alkalmazás a klinikai paraméterek alapján a felhasználó célját (pl. fogyás) is figyelembe véve meghatározza a napi tápanyag-célértékeket, támogatja a gyógyszerezés, mozgás, étkezés hatékony naplózását, és az életmód-napló tételeinek rögzítésekor azonnali grafikus visszajelzést ad, illetve figyelmeztet, alternatívát javasol a kerülendő tételek bevitelekor. Ezen kívül lehetőség van hosszabb időszakok áttekintő értékelésére is. 4
A vércukorszint-előrejelzés támogatására egy robosztus, két kompartmentes felszívódási modellt kapcsoltunk össze egy jól paraméterezhető irodalmi vércukorszint-vezérlési modellel, majd a vércukorszint-vezérlési modell paramétereit különféle keresési technikákkal (genetikus algoritmusok, szimplex módszer) a felhasználó folytonos vércukorméréséből illetve életmód-naplójából származó tanító minta alapján személyre szabtuk. A felszívódási modellnek köszönhetően ez a kombinált modell alkalmas lett a táplálkozási naplót vezető, inzulinnal kezelt járóbetegek mindennapos támogatására, ami nagy előrelépés a csak klinikai körülmények között alkalmazható modellekhez képest. A felszívódási modell figyelembe tudja venni az élelmi rost és a zsír felszívódást módosító hatását. További, nemzetközi szinten is jelentős újítás a hosszú hatású, ún. bazális inzulin modellezése, illetve a napszakonként változó személyes paraméterkészlet használata a modell előrejelzési hibájának csökkentése érdekében. Mindezekkel elértük, hogy egy pontosan naplózó, napi életét élő járóbeteg felhasználó adatsorán a becslés hibája a klinikailag elfogadható hibatartományban van az idő 92.5%-ában, 1.98 mmol/l átlagos hibával 2.76 és mmol/l RMSE értékkel, az 1 órás előrejelzés hibája pedig 1.62 mmol/l RMSE. A személyre szabott modellünk teljesítménye ezzel eléri, sőt bizonyos esetekben felül is múlja a jelenleg publikált legjobb, ám csak klinikai felhasználásra alkalmas előrejelző modellek teljesítményét [8]. Az életmódnaplót kiértékelő szakértői rendszert dietetikus és orvos szakértők közreműködésével töltöttük fel, és több klinikai vizsgálatban teszteltük magyar cukorbetegek körében, a Lavinia nevű okostelefonos alkalmazással.
A Lavinia néhány jellemző felhasználói felülete. Baloldalon a napi összesítést és egy étkezés kibontását mutató naplózó felület, a színes korongok a glikémiás indexekre, illetve az étkezés glikémiás terhelésére utalnak, a falevél az élelmirost-tartalommal töltődik. Középen az adott időszakra a napló alapján számított személyes táplálékpiramis. Jobboldalon az inzulin (narancs) illetve az étkezések (kék) számított felszívódási görbéi, a piros csillag a kézzel mért naplózott vércukorszintet jelzi. A matematikai modellen alapuló 180 perces előrejelzést a méréstől indítja az alkalmazás (szaggatott piros vonal). Az első mérés után látható a piros háttérrel jelzett túlságosan magas, de a beteg által nem érzékelhető vércukorszint.
5
A klinikai vizsgálatok igazolták a tanácsadó rendszer használatához köthető egészségnyereséget és az általános felhasználói elégedettséget: •
•
A Honvédkórház Balatonfüredi Kardiológiai Rehabilitációs Intézetével együttműködve 4, egyenként 20 fős kísérletet végeztünk a rehabilitáción részt vevő cukorbetegek részvételével [9, 10]. Ezek tapasztalatai: o
A Lavinia gyors kereső felületeinek köszönhetően a táplálkozási naplózás időszükséglete kb. napi 5 percre csökkenthető még a mobil technológiában nem jártas, idősebb betegek esetén is.
o
A naplózással elérhető pontosság az ételválasztási, súlybecslési és adatbázishibákat tekintetbe véve kb. 14-20% az energia-tápanyagok (zsír, szénhidrát, fehérje) tekintetében.
o
Minden résztvevő ajánlaná a Lavinia használatát másoknak, egynegyedük számára pedig kifejezetten élményt jelentett a naplózás.
A veszprémi Vanderlich Egészségcentrum vezetésével mintegy 20 járóbeteg használta a Laviniát 3 hónapon keresztül. A betegek lelkesedése, a naplózási hajlandóság nem csökkent le az időszak végére sem, többen további használatra is jelentkeztek, és a felhasználók által mért vércukorértékek szórása, tehát a veszélyesen magas és alacsony értékek előfordulási gyakorisága kimutathatóan csökkent. További eredmények: 0.24% átlagos HGA1C csökkenés, 0.81 átlagos BMI csökkenés, 0.37 kg átlagos testsúlycsökkenés, melyek mind a betegek állapotának általános javulását jelzik [11].
Az életmód-támogatással kapcsolatos kutatások tudományos eredménye a publikációk mellett két, a témában szerzett PhD fokozat, egy nemzetközi szabadalom, két OTDK I. és egy II. helyezés, egy Pro Scientia aranyérem, és számos diplomadolgozat. A szakértői rendszer a „Lavinia életmód-tükör” nevű mobil alkalmazás formájában a Pannon Egyetem által licenszált piaci hasznosításra is került 2016-ban [12]. További és folyamatban lévő kutatási irányok A felhasználó bevonódásának és kitartásának fokozása céljából folyamatban van a felhasználó viselkedési mintázatainak automatizált értékelését segítő, szabálybázisú megoldás kidolgozása. Ez annyiban különbözik az étrend dietetikai harmóniáját leíró jelenlegi szabályoktól [13], hogy e szabályok tetszőleges felhasználói eseményre kimondhatók, és nem csak a strukturális, hanem hosszú, illetve rövid távú temporális viszonyok definiálását is támogatják (például „dicséretet adunk a felhasználónak, ha az utóbbi héten legalább öt napon 15%-os hibán belül teljesítette a napi energia-célérteket”, vagy „figyelmeztetjük a felhasználót, ha a reggeli vércukorszintjét és inzulin-dózisát egy órával a reggeli után még nem vitte be”). A vércukorszint-becslő modell további finomításán is dolgozunk elsősorban a stressz [14], hosszabb távon a fizikai aktivitás figyelembe vételével. A másik specializált kutatási ág az adott elvárásokat kielégítő, személyre szabott étrendgenerálás több szintű, több szempontú genetikus algoritmusok segítségével, melyekkel a felhasználók számára modell-étrendeket lehetne ajánlani, vagy a megkezdett naplót az orvosilag ajánlható irányban kiegészíteni.
6
2. Tézispont: Fogalmi adatmodellek alkalmazásai az egészségügyben 2.1 Két szintű adatmodellek alkalmazása az egészségügyi adatcserében Előzmények és korábbi eredmények Az egészségügyi informatikai iparág számos alacsony hatékonyságú, mező-orientált egészségügyi üzenő szabványt használt és használ még ma is. A hatékony, flexibilis és időtálló egészségügyi adatmodellezésre Thomas Beale javasolt lényegesen új megközelítést 2003ban. Az openEHR koncepció lényege, hogy a fogalmi modellt két részre bontjuk, egy referencia információs modellre (RIM) és egy ún. archetípus-modellre (AM) [15]. A RIM elemei informatikai struktúrák, mint például mappák, tömbök, idősorok, bejegyzések stb., melyek lehetséges kapcsolódási módjait a RIM, mint informatikai modell specifikálja. A RIM elemeiből a területi szakértők úgy építhetik fel a szakterület számára szükséges szabványos fogalmi modellt, például egy kardiológiai fekvőbeteg eset archetípusát, mint ahogy LEGOelemekből lehet összerakni egy építményt, az elemek megengedett kapcsolódási módjainak betartásával. Az ilyen, két szintű modellek előnye, hogy az AM flexibilisen változtatható a RIM változtatása nélkül, az üzeneteket kezelő protokollok és szoftverek lényegi változtatása nélkül. A heterogén rendszerek fogalmi illesztése az AM modell szintjén, a területi szakértők által érthető, magas absztrakciós szintű fogalmakkal, informatikai tudás nélkül megoldható. A kétszintű modell-koncepció alkalmazására és megvalósítására azonban a kutatás idején nem volt még példa. Eredmények Megmutattam, hogy az XML/XSD technológia megfelelő módon alkalmazva elegendő leíró erővel rendelkezik mind a referencia információs modell, mind a ráépülő archetípusok megvalósítására. A koncepció helyességét egy hazai egészségipari kommunikációs protokoll, a Medinet két szintű megvalósításával demonstráltam [16]. A későbbiek során szakértőként részt vettem a két szintű modellt használó MSZ 22800 egészségügyi üzenő szabvány kidolgozásában. Ez a szabvány a jelenleg Magyarországon bevezetés alatt álló Elektronikus Egészségügyi Szolgáltatási Tér (EESZT) [17] egyik alappillére. További és folyamatban lévő kutatási irányok Hosszú út vezetett a két szintű modellre épülő iparági szabvány elfogadásáig. Az EESZT bevezetése a jogszabályi környezet véglegesítése után 2017 februárjában éppen csak elkezdődött, és várhatóan évekbe fog telni, míg az egészség-ipar összes szereplőjét egyesíteni tudja majd. A modellezéssel kapcsolatos további feladat a szakterületi archetípusmodellek létrejöttének segítése. Bár az archetípusok karbantartása az orvos-szakmai testületek felelőssége, tudás-mérnöki segítségre várhatóan nagy szükségük lesz. 2.2 Neurológiai ontológiára alapozott adatföderációs megoldás tervezése és megvalósítása Előzmények és korábbi eredmények A klinikai adatbázisok közötti fogalmi heterogenitás nem csak a konkrét eset ellátásának hatékonyságát javító strukturált adatmegosztást nehezíti, hanem a populáció szintű orvostudományi kutatást is. Az evidencia alapú kutatás alapja a minél nagyobb és minél inkább homogén eset-adatbázis. Egy szűkebb szakterületen, mint például az agyi érkatasztrófa (stroke) ellátása, az egyes klinikákon tipikusan nem keletkezik statisztikailag 7
releváns mennyiségű homogén eset, ami erősen korlátozza az adatvagyon kutatási célokra való felhasználhatóságát. A klinikai adatbázisok föderációja ezért minden, orvostudományi kutatásban érintett klinika érdeke lenne. Az adatföderációt gátló tipikus problémák közül egyesek, mint például a kódkészletek különbözősége vagy az eltérő kategorizálási szabályok, a hagyományos adattisztítási módszerekkel megoldhatók, de a nagyobb fogalmi eltérések, mint például az implicit vs. explicit információ megadása, vagy jelentős absztrakciós hézagok áthidalása, már fejlett és flexibilis információs technológiák alkalmazását igényli. A kutatás kezdetekor ilyen megoldás a neurológiai szakterületre nem volt elérhető. Eredmények A Neuroweb nemzetközi együttműködés célja egy új, flexibilis neurológiai információmegosztó és –feldolgozó keretrendszer és lekérdező eszköz prototípus létrehozása volt, elsősorban a szemantikus technológiákra támaszkodva. Az együttműködésben egy holland, egy olasz, egy görög és agy hazai klinika vett részt. A Neuroweb rendszer alapját egy formalizált szakértői tudástár (ontológia) alkotta, mely a különböző absztrakciós szintű fogalmak formális definícióját és kapcsolataikat tartalmazta. Egy-egy magasabb szintű fogalom (ún. fenotípus), mint például „a betegnek infarktusa volt” értéke egy konkrét esetben számos alacsony szintű mérési eredményből, megfigyelésből következtethető ki. A nehézséget az jelenti, hogy minden klinikai adatbázis másmilyen felbontásban tartalmazza ezeket a megfigyeléséket. A probléma megoldására megvalósítottam a központi ontológia összekapcsolását a relációs sémákba konvertált klinikai adatbázisokkal. A kidolgozott megoldás újdonsága, hogy automatizálja a különböző szintű fenotípusok felbontását a klinikai adatbázisok által támogatott adatelemekre, ezáltal lehetővé teszi a magas absztrakciós szintű lekérdezések automatikus leképezését és kiszolgálását a távoli klinikai adatbázisok tartalma alapján [18]. A másik irányban az ontológia alkalmazásával lehetővé vált olyan speciális irodalom-kereső motor fejlesztése, mely a túlságosan kevés találatot adó keresések esetén a fogalmakat automatikusan általánosítani tudta a szakterületi logika szerint. További és folyamatban lévő kutatási irányok A különböző hazai és nemzetközi szakterületi adatbázisok, regiszterek építése még ma is tipikusan standardizált eset-kérdőívek bekérésével történik, jelentős költségekkel, párhuzamos adminisztrációval és sokszor alacsony hatásfokkal. Az általunk javasolt, tudásmodell alapú megoldás konkrét alkalmazása talán az Országos Klinikai Idegtudományi Intézet által koordinált országos stroke regiszter, vagy annak utódja lehet. A regiszter megvalósítása 2017 áprilisában kezdődött el, a próbaüzemet 2017 októberében indítjuk.
8
3. tézispont: Kórházi ellátási eseménysorok innovatív elemzésére alkalmas informatikai módszertan kidolgozása és megvalósítása Előzmények és korábbi eredmények Magyarországon az Állami Egészségügyi Ellátó Központ (ÁEEK) gondozásában rendelkezésre állnak ez egészségügyi rendszer anonimizált ellátási esemény rekordjai több évtizedre visszamenőleg a Tételes Egészségügyi Adattárban (TEA) [2]. Bár az adatszolgáltatási kötelezettség pénzügyi elszámolási szempontú, és számos, orvosszakmai szempontból torzító jellegű hatástól terhelt (például esetkódolási anomáliák), mégis az egy biztosítós modellnek, a nagy esetszámnak és a teljességnek köszönhetően alkalmas lehet az ellátó folyamatok minősége és egyéb jellegzetességei térbeli és időbeli változásának elemzésére, ezáltal a hosszú távú egészségügyi fejlesztési koncepciók támogatására. Ennek ellenére nagyon kevés olyan kezdeményezés ismeretes, mely akár egy szűkebb részterületen belül szisztematikusan foglalkozott volna ezen adatvagyon feldolgozásával, elemzésével. Eredmények Dr. Kósa István kardiológus orvos szakértővel közösen olyan adatelemzési módszertant dolgoztunk ki 2010 óta, melynek eredeti célja az iszkémiás szívbetegséggel (ISzB) hospitalizált betegek ellátásának elemzése volt. A bemenetet a TEA kutatási célú adatszolgáltatásából származó, finanszírozási célú törzs-, eset-, diagnózis- és beavatkozástáblái alkotják. Az adatfeldolgozás első eredménye a betegenként összeállított, javított, szűrt és kategorizált, időben annotált eseménysor, mely alapján az egyedi ellátási folyamatok tipizálhatók, a tipizált folyamatok spektrumával pedig az egyes egészségügyi ellátók jellemezhetők, csoportosíthatók, területileg elemezhetők. Bár az adatfeldolgozás egyes lépései az adatelemzési szakmában ismertek, mégis a kidolgozott módszertan egyedinek tekinthető, és—az egy biztosítós modellnek köszönhetően—még nemzetközi viszonylatban is újszerű és úttörő vállalkozás [19][20]. Az eljárás fő lépései: 1.
ellátási események kategorizálása diagnózis (BNO) és ellátási (OENO) kódok alapján,
2.
események összevonása és átalakítása (aggregálása) ismert kórházi esetkódolási ’technikák’ és egyéb anomáliák kezelésére
3.
az ellátási folyamatot indító index esemény meghatározása, betegút építése betegenként és epizódonként
4.
betegutak tipizálása és csoportosítása szakmai szempontok, pl. az invazív jelleg alapján
5.
időegységenként, tipikusan évenként és területi egységenként, tipikusan irányítószám-körzetenként, és ellátási szintekként a de facto domináns ellátók meghatározása az összevont eseménysorból, szavazásos technikával
6.
a domináns ellátók betegúttípus-gyakoriságok alapján vett ellátási spektrumának meghatározása
7.
a spektrum-korrelációk alapján hierarchikus hálózati modell építése, a hálózat klaszterezése, az alhálózatok véleményformálóinak meghatározása
9
8.
betegút-típusok, ellátók, ellátó-csoportok/-alcsoportok és földrajzi területek jellemzése kimeneti változók (pl. mortalitás, ellátási költség, stb.) alapján, mindezek időbeli változásaival együtt
A fenti módszertan az időablakok célszerű megválasztásával lehetőséget ad a rendszerbe bevitt ismert változások, pl. új ellátó centrumok megnyitása, új ellátási protokoll bevezetése stb. hatásának időbeli és térbeli elemzésére is. Az általam megvalósított, relációs adatbázis alapú informatikai modellre jellemző az egész adatfeldolgozási folyamat paraméterezhetősége és a nagy adattömegek hatékony kezelése. A módszer alkalmazásával több olyan kérdést vizsgáltunk meg, melyre eddig nem volt ismeretes statisztikailag megalapozott válasz: •
A betegút-típusok túlélési görbéinek elemzésével kimutattuk a terheléses EKG, mint nem invazív jellegű betegút dominanciáját a valós klinikai praxisban [19]
•
A különböző betegút-típusok területi eloszlásának nagy felbontású vizsgálatával megállapítottuk, hogy a nagy kockázattal és költséggel járó direkt invazív jellegű betegutak gyakoriságában nagy, akár tízszeres különbségek fordulnak elő az országban a de facto ellátó klinika gyakorlatától függően, melyek nem magyarázhatók a különböző kockázatú beteganyaggal, továbbá hogy az egy éves túlélési arány (mortalitás) negatívan korrelál a direkt invazív betegút gyakoriságával, ami a betegkiválasztás anomáliáira utal [21].
•
Mivel pozitív korreláció mutatható ki a noninvazív vizsgálatra való térségi átlagos várakozási idő, illetve a térségek revaszkularizációs mutatója között, ezért megállapítottuk, hogy a noninvazív képalkotó vizsgálatok időbeli hozzáférhetősége egyértelműen befolyásolja a kivizsgálási sor jellemzőit [20].
•
A szakirodalomban elsőként tudtuk populáció szintű vizsgálattal kimutatni, hogy a primer és tercier ellátó klinikák földrajzi távolsága negatívan korrelál a kezelt beteg életkorával és a direkt invazív betegút választásának gyakoriságával. Míg az utóbbi eredmény kézenfekvő (ha közel a szolgáltatás, nagyobb eséllyel használják), az első ismét a betegszelekciós mechanizmus anomáliájára utalhat [22].
•
A domináns tercier ellátókat a hozzájuk rendelhető tipizált betegutak spektrumával jellemezve és a spektrumok közti korreláció alapján az ellátókból hálózatot képezve megállapítottuk, hogy az ellátókból hálózatelemzési módszerekkel három jól elkülöníthető csoport képezhető. A csoportok földrajzilag is elkülönülnek annak ellenére, hogy a kialakításukhoz csak ellátási jellegzetességeket használtunk fel, ami a módszer jó valóság-leíró erejét bizonyítja (lásd az ábrán). A csoportok további elemzésével megállapítottuk, hogy a klinikai praxis tekintetében az egyetemi klinikák a csoport véleményformálóinak tekinthetők [23].
10
A de facto tercier centrumokból alkotott csoportok ellátási zónáinak elhelyezkedése 2003-2013 között. A színek a három karakterisztikus centrum-csoporthoz való tartozást jelentik, a kék markerek a 3000 esetszámot meghaladó klinikák. Jól látható az ország ellátási szempontból három zónára való elkülönülése. A 0., dunántúli csoport jellemzője az invazív képalkotók relatív preferenciája, a kelet-magyarországi 1. csoport preferálja a noninvazív képalkotást, a közép-magyarországi 2. csoport jellemzője az invazív ellátás utáni noninvazív kezelés.
Bár a javasolt módszer—az egészségügy közérdek lévén—közvetlen üzleti alkalmazásra nem alkalmas, a bevezetése az első publikálása óta jelentős hatást váltott ki a hazai tudományos életben. A módszer kardiológiai alkalmazása után onkológiai területen is alkalmazásra került a PE MIK egy másik kutatási projektjében [24], és az OKITI felügyelete alatt megkezdődött a stroke ellátó rendszer ugyanilyen elvű elemzése is. A Neumann János Számítógép-tudományi Társaság Orvos-biológiai Szakosztálya a kezdeményezésünkre 2011-től kezdve minden évben megrendezi az Egészségügyi adatvagyon hasznosítás workshopot, ezen a rendezvényen keresztül pedig a módszer több más, egészségügyi adatelemzéssel foglalkozó hazai kutatócsoportra volt hatással.
11
További és folyamatban lévő kutatási irányok Az eredeti ISzB adatkészleten jelenleg folyamatban lévő, publikálás alatt álló vizsgálatok: •
•
Hosszabb (11 éves) ellátási esetsor vizsgálatával az ezen időszak alatt a tercier ISzB ellátásba belépő új centrumok hatását vizsgáljuk az általuk lefedett területen várható ellátási betegút jellemzői és a túlélési paraméterek szempontjából. A vizsgálat alapkérdését, hogy az üzembe helyezett 8 új centrum hogyan változtatta meg az ellátási mintázatot, tudomásunk szerint nem vizsgálták még statisztikai módszerekkel. A kardiológiai rehabilitációra okot adó esetek és a rehabilitációs kezelések, illetve gyógyszerkiváltások adatsorát elemezve azt vizsgáljuk, vajon a rehabilitációs beutalások mennyire követik a szakmai elvárásokat a valóságban, illetve azt, hogy a rehabilitációs kezelés és a gyógyszerszedési fegyelem javítja-e a halálozási mutatókat az érintett betegek körében [25].
12
Hivatkozások [1]
OEFI, “Országos Egészségfejlesztési Intézet.” [Online]. Available: http://www.webbeteg.hu/cikkek/cukorbetegseg/16899/rohamosan-terjed-acukorbetegseg.
[2]
Állami Egészségügyi Ellátó Központ, “Tételes Egészségügyi Adatok,” 2017. [Online]. Available: http://tea.gyemszi.hu/.
[3]
B. Szálka, I. Kósa, I. Vassányi, and E. Mák, “Diabetesesek dietoterápiájának és önmenedzselésének támogatása mobilapplikációk használatával,” Orv. Hetil., vol. 157, no. 29, pp. 1147–1153, 2016.
[4]
M. Arnhold, M. Quade, and W. Kirch, “Mobile applications for diabetics: a systematic review and expert-based usability evaluation considering the special requirements of diabetes patients age 50 years or older,” J Med Internet Res, vol. 16, no. 4, p. e104, 2014.
[5]
P. Palumbo, S. Ditlevsen, and A. Bertuzzi, “Mathematical modeling of the glucoseinsulin system: a review,” Math. Biosci., vol. 244, no. 2, pp. 69–81, 2013.
[6]
NutriComp, “DietCAD automatikus étrendtervező program,” 2017. [Online]. Available: https://www.nutricomp.hu/. [Accessed: 01-Jan-2017].
[12]
EIKFK, “Lavinia életmód-tükör.” [Online]. Available: http://lavinia.hu.
[15]
Ocean Informatics, “The openEHR Reference Model,” 2017. [Online]. Available: http://openehr.org/what_is_openehr.
[17]
Állami Egészségügyi Ellátó Központ, “Elektronikus Egészségügyi Szolgáltatási Tér,” 2017. [Online]. Available: https://ugyintezes.magyarorszag.hu/szolgaltatasok/eeszt.html.
[24]
K. Tóth, I. Kósa, and Á. Fogarassyné Vathy, “Onkológiai ellátási eseménysorok automatikus generálása az egészségügyi finanszírozási adatbázis adatai alapján,” in Orvosi Informatika 2016. A XXIX. Neumann Kollokvium konferencia-kiadványa, 2016.
13
A tézisekhez kapcsolódó fontosabb publikációk [7]
I. Vassányi, I. Kósa, B. Pintér, and B. Gaál, “Personalized Dietary Counseling System Using Harmony Rules in Tele-Care,” Eur. J. Biomed. Informatics, vol. 10, no. 2, pp. 17–22, 2014.
[8]
Peter Gyuk, T. Lorincz, R. A. H. Karim, and I. Vassanyi, “Diabetes Lifestyle Support with Improved Glycemia Prediction Algorithm,” in Proc. of the Seventh International Conference on eHealth, Telemedicine, and Social Medicine, 2015, pp. 95–110.
[9]
I. Vassanyi, I. Kosa, R. A. . Karim, M. Nemes, and B. Szalka, “Effectiveness of mobile personal dietary logging,” in Proc. of the 13th Int. Conf. e-Society, 2015, pp. 288–292.
[10]
I. Kósa, I. Vassányi, M. Nemes, K. Kálmánné, B. Pintér, and L. Kohut, “A fast, android based dietary logging application to support the life style change of cardio-metabolic patients,” in Med-e-Tel Conference, 2014, pp. 553–556.
[11]
I. Kósa, I. Vassányi, B. Szálka, M. Nemes, and M. Cseténé Szűcs, “Fiziológiai paraméterek változása életmód támogató informatikai rendszer használata során,” in Új alapokon az egészségügyi informatika. A XXVIII. Neumann Kollokvium kiadványa, 2015, pp. 78–82.
[13]
B. Pintér, B. Gaál, and I. Vassányi, “Formalizing harmony rules for nutrition counseling,” Egypt. Comput. Sci. J., vol. 37, no. 7, pp. 24–28, 2013.
[14]
M. Salai, I. Vassányi, and I. Kósa, “Stress Detection Using Low Cost Heart Rate Sensors. Journal of Healthcare Engineering,” J. Healthc. Eng., vol. 2016, no. 1, p. DOI 10.1155/2016/5136705, 2016.
[16]
I. Vassanyi, J. Barcza, and T. Tobak, “Making two-level standards work in legacy communication frameworks,” in Proc. XIXth Int. Congress of the European Federation for Medical Informatics (MIE2005), 2005, pp. 689–695.
[18]
G. Colombo et al., “An ontological modeling approach to cerebrovascular disease studies: The NEUROWEB case,” J. Biomed. Inform., vol. 43, no. 4, pp. 469–484, 2010.
[19]
I. Kósa, I. Vassányi, A. Nemes, J. Hortobágyi, and G. Kozmann, “Stress ECG utilization in the evaluation of patients with chest pain: The real practice in Hungary with 10 million inhabitants,” Int. J. Cardiol., vol. 149, no. 1, pp. 137–139, 2011.
[20]
I. Vassányi, G. Kozmann, I. Kósa, A. Nemes, and J. Hortobágyi, “Egészségügyi adatvagyon hasznosítása a stabil coronaria betegek ellátásának elemzésére,” IME, vol. 11, no. 4, pp. 41–45, 2012.
[21]
I. Kósa, A. Nemes, É. Belicza, F. Király, and I. Vassányi, “Regional differences in the utilisation of coronary angiography as initial investigation for the evaluation of patients with suspected coronary artery disease,” Int. J. Cardiol., vol. 168, no. 5, pp. 5012–5015, 2013.
[22]
A. Nemes, F. Király, I. Vassányi, and I. Kósa, “The impact of geographical distances to coronary angiography laboratories on the patient evaluation pathways in patients with suspected coronary artery disease. Results from a population-based study in 14
Hungary,” Adv. Interv. Cardiol., vol. 10, no. 38, pp. 270–273, 2014. [23]
Z. Vassy, I. Kósa, and I. Vassányi, “Correlation clustering of stable angina clinical care patterns for 506 thousand patients,” Submitt. Publ., 2017.
[25]
I. Kósa et al., “Rehabilitációra érdemes és ténylegesen rehabilitációra kerülő betegellátási utak elemzése,” in Orvosi informatika 2014. A XXVII. Neumann Kollokvium kiadványa, 2014, pp. 9–13.
15
