Data-driven care pathways: augmenting clinical process design with decision support

Elektroniske pasientjournaler (EPJ) er en sentral del av dagens helsetjenester. De gir helsepersonell rask tilgang til viktig pasientinformasjon, og lar dem samarbeide på tvers av enheter og sykehus for å behandle pasienter. Samtidig ivaretar de også personvernet til pasienter gjennom å begrense hvem som får tilgang til pasientjournalen, og ved å loggføre hvem som har fått tilgang til den. I tillegg til å lagre klinisk informasjon, spiller også EPJ-systemer viktige roller for organiseringen av helsevesenet, som å lagre timebøker og medisinske koder som sørger for at helsetjenester blir kostnadsført riktig. EPJ-systemer er nødt til å håndtere mange ulike pasientsituasjoner samtidig som de oppfyller alle disse rollene. Det gjør at de ofte får kompliserte grensesnitt, som igjen gjør at de krever opplæring for å kunne bruke dem effektivt, og også lager ekstra arbeid med inntasting av data. Dette arbeidet utføres ofte av klinikerne selv, som gir dem mindre tid til å følge opp pasienter. EPJ-systemene gir også ansvaret til brukeren for å ivareta god behandlingspraksis og å følge opp at de nødvendige stegene i behandlingen faktisk er utført, som gjør dem mer krevende å bruke. Dette prosjektet vil undersøke om EPJ-systemer kan lære fra pasientnotater, tilgangs- og ytelseslogger for å oppdage vanlige kliniske prosesser ved sykehuset. Disse prosessene kan automatiseres og integreres i EPJ-systemene for å la de tilpasse seg arbeidsflyten til sykehusene. Prosessene kan også danne grunnlaget for nye pakkeforløp, og dermed gi anledning for å dele og etablere gode behandlingsrutiner. Prosjektet vil også undersøke om prosessene kan brukes for å gi snarveier til oppgaver som utføres ofte i EPJ-systemet. Disse snarveiene kan potensielt kutte repetitivt inntastingsarbeid, og gi dem mer tid til å følge opp pasienter. Ved å gi snarveier til relevante oppgaver, kan de også gjøre systemene enklere å lære og mindre krevende å bruke.

Elektronisk pasientjournal (EPJ) er aktivt i bruk i norske sykehus, og gjør det enklere for helsepersonell å lagre viktig medisinsk informasjon og å sørge for at pasienter blir fulgt opp. Samtidig krever EPJ-systemer mye tid fra helsepersonell: ofte må klinikere selv taste inn pasientinformasjon, og mange EPJ-systemer krever at brukeren har fullstendig oversikt over behandlingsløpet til pasienten. Dette lager ekstraarbeid for helsepersonell, og gir dem mindre tid til å følge opp pasienter. Derfor er det ønskelig å bruke EPJ for å tilby prosesstøtte som gir en felles oversikt over behandlingsforløpene en pasient er del av. Å lage slik støtte krever ekspertise på flere områder: man må vite hvordan behandlingen skal gjennomføres, hvilke ressurser sykehuset har til rådighet, og hvordan prosessen skal vises i EPJ-systemet. Dermed er det viktig å ha et godt rammeverk for å vurdere hvilke prosesser som kan automatiseres gjennom EPJ. EPJ-systemer lagrer store mengder informasjon om pasienters behandlingsforløp. Utfordringen er at mye av denne informasjonen ligger i tekstnotater som er ment for annet helsepersonell, og ikke i en form som umiddelbart lar seg tolkes maskinelt. Samtidig har maskinlærings- (ML) og språkgjenkjenningsteknikker (NLP) utviklet seg særdeles raskt, og er modne nok til å trekke ut informasjon om behandling og diagnoser fra slike tekstnotater. Ved å anvende disse teknikkene for å jevnføre pasientdata med bruksdata fra EPJ-systemet, håper vi å finne muligheter for å automatisere vanlige prosesser og redusere det administrative arbeidet for klinikere.