Suomen laboratorioissa syntyy valtava määrä dataa, jolla on hyvin oleellinen rooli terveydenhuollossa: Jopa 70 prosenttia hoitopäätöksistä tehdään laboratoriotutkimusten perusteella.
Suomessa on totuttu siihen, että valtaosa laboratoriodatasta kulkee sujuvasti toimijalta toiselle, eri alojen laboratoriotulosten dataa voi yhdistää ja vertailla ristiin ja vuosia vanhoja tietoja voi käyttää tarvittaessa vertailuun. Tämä ei kuitenkaan ole itsestäänselvyys.
Mikä meille on tällaista normiarkea on monissa muissa maissa vielä haaveilun tasolla, toteaa tamperelaisen laboratoriotietojärjestelmäyritys Mylabin Chief Product Officer Juha Högmander.
Yhtenäinen tietomalli on edellytys datan ja tekoälyn tehokkaalle käytölle
Kotimaisen sujuvan toimintamallin takana on fiksu IT-ratkaisu. Noin 80 % laboratorioista Suomessa käyttää Mylabin My+-laboratoriotietojärjestelmää, joka pohjautuu ainutlaatuiseen yhtenäiseen tietomalliin. Se tarkoittaa, että laboratoriotietojärjestelmien data on normeerattua eli keskenään yhteensopivaa sekä strukturoitua eli rakenteeltaan yhteismitallista. Tämä mahdollistaa datan laajamittaisen ja tehokkaan hyödyntämisen.
Mylab on yhdessä asiakkaidensa kanssa jo 40 vuotta rakentanut yhteistä ymmärrystä laboratorioiden toimialasta, diagnostiikasta ja siitä, minkälaista dataa diagnostiikassa tarvitaan. Jo vuosia yritys on kehittänyt määrätietoisesti tulevaisuudenkestävää pohjaa datan tehokkaalle käytölle.
Monilla yrityksillä heikkolaatuinen data on este tekoälyn käyttöönotolle. Meillä tätä ongelmaa ei ole, vaan jatkossa voimme hyödyntää tekoälyä tehokkaasti laboratoriodatan analysointiin. Olemme nimittäin viimeiset kymmenen vuotta keränneet dataa yhtenäisen tietomallin mukaisestiyhteistyössä merkittävien kotimaisten asiakkaiden kanssa nykyiseen, uuden sukupolven My+-järjestelmäämme, Högmander sanoo.
Yhtenäisen tietomallin ansiosta pystymme tuomaan My+:aan myös historiatiedon muista järjestelmistä ja hyödyntämään sitä yhtälailla, hän mainitsee.
Dataa rikastamalla terveydenhuollosta ennakoivampaa
Suomessa on yhtenäisen tietomallin takia erinomaiset mahdollisuudet päästä hyödyntämään diagnostiikassa tekoälyä todella tehokkaasti.
Olemme tällä matkalla vasta alussa. Diagnostiikka voidaan viedä tekoälyn avulla aivan uudelle tasolle ja samalla kyetään parantamaan terveydenhuollon vaikuttavuutta huikeasti. Tämä jos joku on tekoälyn viisasta hyödyntämistä, Högmander sanoo.
Jatkossa laboratoriodataa voidaan rikastaa ja tehdä näin potilaiden hoidosta ennakoivampaa.
Tekoäly pystyy ennakoimaan esimerkiksi kakkostyypin diabeteksen puhkeamista yhdistämällä esimerkiksi tietoja potilaan verensokerin ja painon kehityksestä. Tai se voi tehdä kuvantamistutkimuksista syöpään viittaavia havaintoja jopa solutasolla.
Väestötasolla yhtenäinen tietomalli tarjoaa valtavia mahdollisuuksia. Kun dataa saadaan lähes koko populaatiosta, voidaan mallintaa erilaisten sairauksien tai pandemian kehittymistä.
Datasta on potilashoidon lisäksi apua myös laboratorioiden operatiivisen toiminnan ohjauksesta.
Datan avulla voidaan seurata ja ohjata laboratorioiden arkityötä, siitä nähdään esimerkiksi kuinka nopeasti laboratoriotulokset lausutaan. Samoin voidaan vaikka ennakoida laboratorioiden kuormitusta ja resurssitarpeita: Jos esimerkiksi positiivisten influenssatuloksien määrä alkaa kasvaa, osataan varautua ennakolta potilasruuhkaan, Högmander havainnollistaa.
Uskon, että jatkossa laboratorioiden rooli terveydenhuollossa korostuu ja vahvistuu nykyisestä.
Malli on uniikki vientituote
Miten muualla toimitaan? Monissa maissa sairaaloiden laboratorioissa saatetaan käyttää jopa kahdeksaa eri laboratoriotietojärjestelmää, jokaiselle erikoisalalle kuten patologialle ja mikrobiologialle omaansa. Lisäksi eri kuvantamis- ja testauslaitteet tuovat komboon omat järjestelmänsä.
Tilanne on sama kuin esimerkiksi jossain tuotantoyrityksessä olisi useampi toiminnanohjausjärjestelmä ja lisäksi ne järjestelmät, jotka syöttävät dataa siihen, Högmander vertaa.
Vaikka järjestelmät keskustelisivat keskenään, niin datan hyötykäyttö on hankalaa kun jokaisessa järjestelmässä on oma tapansa kerätä dataa, eikä yhtenäistä tietomallia ole. Ongelma on ekosysteemin tasolla – terveydenhuollon toimijoiden on käytännössä mahdoton ratkaista tai muuttaa tällaista tilannetta yksin, Högmander vertaa.
IT-arkkitehtuurista tulee myös valtavan raskas ja elinkaarikustannuksiltaan kallis, kun ylläpidetään ja kehitetään useita hajanaisia järjestelmiä, joiden dataa ei pystytä hyödyntämään ristiin.
Varsinkin jos maissa eri alueet ja kaupungit käyttävät vielä keskenään eri järjestelmiä, datan tehokas ja laajamittainen käyttö ei yksinkertaisesti onnistu, Högmander toteaa.
Mylab toimii Suomen lisäksi myös Ruotsissa ja Tanskassa.
Näemme, että Suomen malli hyödyttäisi monia muitakin maita, jotka tällä hetkellä alihyödyntävät laboratoriodataansa, hän summaa.