Polskie placówki ochrony zdrowia chcą korzystać z analityki predykcyjnej

Polskie placówki ochrony zdrowia chcą korzystać z analityki predykcyjnej
Fot. Pixabay

Szpitale na całym świecie zaczynają się chwalić tym, że są tzw. databased. Oznacza to, że decyzje zarządcze dotyczące szpitala, decyzje finansowe czy organizacyjne, są podejmowane w oparciu o dane, które gromadzi placówka. To prowadzi do zwiększenia ich efektywności – mówi Ligia Kornowska, dyrektor Polskiej Federacji Szpitali. Potencjał w wykorzystaniu danych w działalności zarządczej, ale przede wszystkim w celu poprawy diagnostyki i leczenia pacjentów dostrzegają również polscy liderzy ochrony zdrowia. Jak wynika z raportu Philipsa „Future Health Index 2022”, ponad 60 proc. chce wdrażać analitykę predykcyjną w ciągu najbliższych lat. Najpierw jednak muszą wyeliminować przeszkody utrudniające uwolnienie pełnego potencjału danych.

– Analityka predykcyjna to po prostu analiza dużych zbiorów danych, które gromadzimy, przetwarzamy i na tej podstawie możemy wyciągać pewne wnioski. Może ona wspomóc zarówno część „białą”, medyczną, czyli elementy diagnozy i leczenia pacjentów, jak i część organizacyjną – w aktywnościach zarządczych, organizacyjnych czy finansowych – mówi agencji Newseria Biznes Ligia Kornowska, dyrektor zarządzająca Polskiej Federacji Szpitali, liderka Koalicji AI w Zdrowiu.

Jak pokazuje raport „Future Health Index 2022”, opracowany przez Philipsa, polscy liderzy ochrony zdrowia (kadra zarządzająca, dyrektorzy szpitali, placówek medycznych etc.) widzą w analityce predykcyjnej duży potencjał. Ponad dwie trzecie (68 proc.) jest zdania, że pozwoli ona poprawić doświadczenia pacjentów, 64 proc. uważa, że jej wdrożenie przyczyni się do poprawy wyników leczenia, a 63 proc. – że zmniejszy nierówności w opiece zdrowotnej. Co ciekawe, polscy liderzy ochrony zdrowia dużo częściej, niż wynosi średnia światowa (40 proc. w Polsce vs. 21 proc. globalnie), dostrzegają też korzyści płynące z zastosowania analityki predykcyjnej w procesie zdalnego monitorowania pacjentów i analizie danych klinicznych.

– Analityka predykcyjna w ochronie zdrowia pozwala na przewidywanie pewnych zmian, tendencji, pomaga prognozować zdarzenia, które będą miały znaczenie z punktu widzenia klinicznego bądź strategicznego. To rozwiązanie opiera się na dużych zasobach danych, pozyskiwanych np. bezpośrednio z łóżka pacjenta, z systemów elektronicznej dokumentacji medycznej czy baz danych dotyczących działalności operacyjnej szpitala – mówi Michał Kępowicz, członek zarządu, dyrektor ds. relacji strategicznych i market access Philips Healthcare CEE.

– Korzyści z tego rozwiązania są związane przede wszystkim z diagnozą i leczeniem pacjentów, ponieważ zaawansowane metody analityki predykcyjnej i algorytmy sztucznej inteligencji mogą pomóc diagnozować i leczyć w sposób, który jest obecnie nieosiągalny dla człowieka, czyli lekarza czy pielęgniarki. Znamy takie przykłady, gdzie algorytmy potrafią zmniejszyć liczbę fałszywie ujemnych wyników nawet o 10 proc. przy diagnozowaniu nowotworów. To potencjalnie oznacza setki tysięcy uratowanych istnień ludzkich lub przedłużonych lat w zdrowiu – dodaje Ligia Kornowska.

Polscy liderzy ochrony zdrowia dostrzegają potencjał analityki predykcyjnej również w aspekcie zarządczym i operacyjnym. 60 proc. uważa, że ułatwi ona pracę personelu medycznego i zarządzanie placówkami medycznymi. Ponad połowa (53 proc.) dostrzega jej potencjał w planowaniu i wykorzystaniu zasobów, a 48 proc. sądzi, że analityka predykcyjna może ułatwić zarządzanie procesem serwisowania aparatury medycznej. Co istotne, jest to narzędzie pomocne również w redukcji kosztów związanych z opieką zdrowotną i rosnących nakładów na utrzymanie szpitali i placówek medycznych. W Polsce ten pogląd podziela aż 67 proc. liderów sektora zdrowotnego.

– Opieka zdrowotna generuje ogromne koszty. Około 2030 roku będzie potrzeba globalnie 18–19 trylionów dolarów na opiekę nad pacjentami. To nadchodzące tsunami zapotrzebowania – a przy tym coraz większa świadomość pacjentów odnośnie do tego, jak chcieliby być leczeni – powoduje to, że modele w poszczególnych systemach ochrony zdrowia muszą transformować z podejścia typu wolumen w stronę jakości. Chcemy mieć coraz lepsze leczenie, lepsze jego wyniki, lepszą wartość kliniczną i finansową. Dlatego właśnie predykcja, przewidywanie trendów klinicznych i trendów dotyczących działalności operacyjnych szpitali to jest odpowiedź na te zmieniające się warunki – mówi Michał Kępowicz.

Mimo długiej listy zalet analityki predykcyjnej polscy liderzy ochrony zdrowia wdrażają tę technologię wolniej, niż ma to miejsce w innych krajach.

– Około 50–60 proc. liderów opieki zdrowotnej w Polsce to entuzjaści tego rozwiązania, którzy chcieliby mieć je już teraz. Jednak tylko 9 proc. zrealizowało bądź realizuje w tej chwili takie projekty mające na celu predykcję trendów klinicznych czy operacyjnych. Na świecie jest pod tym względem znacznie lepiej. Pozytywny jest jednak fakt, że w ciągu trzech–czterech lat chęć do wdrażania tych predykcyjnych projektów deklaruje grupa ok. 60 proc. – mówi dyrektor ds. relacji strategicznych i market access Philips Healthcare CEE.

Chcąc uzyskać rzeczywiste korzyści z zastosowania tej technologii, liderzy polskiego sektora zdrowotnego muszą jednak zadbać o usunięcie barier, takich jak problemy z interoperacyjnością i pozyskiwaniem danych czy brak infrastruktury technologicznej.

– W Europie brakuje pewnych ram wykorzystania dużych zbiorów danych. Bardzo je chronimy i to dobrze, ale musimy też umiejętnie nimi zarządzać, żeby przynosiły one korzyści. Ponadto liderzy wskazują też na problem braku specjalistów od modelowania danych, którzy mogliby tę analitykę doprowadzić do poziomu, na którym uzyskalibyśmy możliwie największą wartość – wyjaśnia dyrektor ds. relacji strategicznych Michał Kępowicz. – Kolejną barierą, na którą wskazują medycy w Polsce, jest również to, że jakość danych generowanych w systemach nie jest zbyt dobra. Ponad połowa deklaruje, że chcieliby z nich korzystać, ale one nie są odpowiednio skonfigurowane, nie są jakościowo dobre. To pokazuje, że potrzebujemy, po pierwsze, poprawy tych danych, ich weryfikacji i walidacji, a po drugie – potrzebujemy edukacji i specjalistów, którzy mogliby nam pomóc w analizie, przygotowaniu odpowiednich paczek danych i wiedzy, żeby na tej podstawie podejmować decyzje.

– Analityka predykcyjna będzie coraz popularniejsza w polskich szpitalach i w ochronie zdrowia na całym świecie. Jednak trzeba mieć na względzie, że ona wymaga dostępu do dużej ilości jakościowych danych medycznych. Obecnie ten dostęp – zarówno w Polsce, jak i w całej Europie – jest utrudniony ze względu na brak systemowych, skalowalnych rozwiązań. Dlatego jako Polska Federacja Szpitali we współpracy z ponad 20 innymi instytucjami pracujemy obecnie nad ideą tzw. dawstwa danych medycznych, która pozwala pacjentowi podarować swoje dane medyczne na cele badawczo-rozwojowe, tak samo jak przekazuje krew czy szpik. Wierzymy, że właśnie w taki sposób zapewnimy dane potrzebne do rozwoju analityki predykcyjnej i algorytmów machine learningu – dodaje Ligia Kornowska.

Jak wynika z raportu Deloitte Digital „Phygitalowy pacjent przyszłości. W jaki sposób technologia cyfrowa ukształtuje pacjenta nowej generacji?”, pacjenci widzą korzyści z udostępniania swoich danych medycznych, ale w różnym stopniu darzą zaufaniem podmioty, którym mieliby te dane przekazywać. Państwowej służbie zdrowia w tej kwestii ufa 71 proc. ogółu pacjentów, laboratoriom – 68 proc., a prywatnym placówkom – 65 proc. Nieco większe obawy towarzyszą natomiast przekazywaniu danych big techom i start-upom. Tutaj deklaracje różnią się w zależności od tego, w jakim stopniu dany pacjent korzysta z kanałów cyfrowych i aplikacji zdrowotnych. W grupie pacjentów otwartych na technologiczne nowinki (Deloitte nazywa tę grupę pacjentami phygitalowymi) zaufanie do tych podmiotów deklaruje odpowiednio 44 i 29 proc. badanych. Natomiast w grupie pacjentów tradycyjnych jest to 27 i 14 proc.

Pacjenci phygitalowi w większym stopniu zdają sobie też sprawę z korzyści, jakie może przynieść udostępnianie swoich danych medycznych. 54 proc. zadeklarowało, że motywuje ich do tego możliwość zmniejszenia ryzyka wystąpienia poważnej choroby w przyszłości. Wśród pacjentów tradycyjnych odsetek ten wynosi 41 proc. Jednocześnie 18 proc. badanych z tej grupy i 39 proc. pacjentów phygitalowych ma poczucie, że dzięki udostępnianiu danych wspierają rozwój medycyny.

Print Friendly, PDF & Email