Typ om te zoeken

ICT

Clinical datawarehousing in het UZ Brussel. Het EPD en meer. 

Delen

Het Elektronisch Patiëntendossier (EPD) is aan de orde van de dag in de gezondheidssector. Onder impuls van de overheid zijn de Belgische ziekenhuizen in meer of mindere mate gevorderd met de invoering van een EPD. In het UZ Brussel werkt men al 20 jaar met zo’n EPD om alle gegevens over een bepaalde patiënt makkelijk te kunnen oproepen en delen. Maar daar houdt het niet op. Met het oog op klinisch en farmaceutisch onderzoek wil men in Brussel meer halen uit de (geanonimiseerde) data uit het EPD. Yves Thorrez, software engineer & lead clinical intelligence en Rudi Plas, IT-coördinator voor het Medisch Dossier, vertellen.
 
Yves Thorrez: “Stel dat een arts of onderzoeker de volgende vraag stelt: ‘Is het mogelijk om een lijst te verkrijgen van alle patiënten die een acuut coronair syndroom (instabiele angor, NSTEMI, STEMI) hebben doorgemaakt?’ Met de huidige stand van zaken kunnen de meeste ziekenhuizen daar geen gefundeerd antwoord op geven. Met tools als het Clinical Data Warehouse (CDW) en het iKnow-portaal kunnen wij de data uit het EPD beter ontsluiten en zo artsen en onderzoekers meerwaarde bieden ten opzichte van de tijd en inspanning die zij investeren om de data in het EPD in te brengen.”
 

Naar bruikbare data

Rudi Plas: “Enerzijds heb je de vragen van onderzoekers naar bruikbare informatie, anderzijds moeten zorgverleners van overheidswege almaar meer rapporteren en registreren. Zorgverleners willen daarom een volledig geïntegreerd systeem waarin je één keer de gegevens inbrengt en ze daarna op een makkelijke manier kunt opvragen en delen. Dit heeft natuurlijk eerst en vooral een positieve impact op de kwaliteit van de zorg, maar verhoogt ook de mogelijkheden inzake rapportering en onderzoek.”
 
“Met Primuz, het intern ontwikkeld EPD van het UZ Brussel, komen we daar al een heel stuk aan tegemoet. We bieden de artsen en hun medische diensten een gepersonaliseerde user interface aan voor het beheren van het medisch dossier van de patiënt. Dit betekent dat de registratie nauw aansluit bij het zorgproces om zo maximaal relevante gegevens te capteren.
 
Maar er zijn een aantal valkuilen. Eerst en vooral is er een verschil tussen data registreren in een klinische context en gegevens opslaan in een researchcontext. Anderzijds zijn er grote verschillen qua bruikbaarheid van de data. Gestructureerde (i.e. codeerbare of indexeerbare) data zijn te verkiezen boven ongestructureerde data, zoals vrije tekst. Vele zorgverleners verkiezen hun bevindingen nog altijd in vrije tekst in te geven. Gestructureerd inbrengen neemt meer tijd in beslag en voor hen primeert het contact met de patiënt natuurlijk. Met onze ‘self service clinical intelligence tools’ proberen wij deze dubbele kloof te overbruggen.”
 

Eenmalig registreren, meervoudig gebruiken

Yves Thorrez: “Veel Belgische ziekenhuizen slagen er absoluut niet in om medische data bruikbaar te maken voor bijvoorbeeld klinisch onderzoek of zelfs maar terugkoppeling naar de artsen. Dat komt omdat ze nog met datasilo’s werken, waarin data uit verschillende systemen in aparte databanken worden opgeslagen. Met ons geïntegreerd EPD hebben we al het voordeel dat alle laboresultaten, medicatie, orders, diagnoses en andere informatie uit het medisch dossier in een enkele databank beschikbaar is. Op die manier komen we tegemoet aan de vraag van de artsen naar eenmalige registratie en meervoudig gebruik, maar het verkleint ook de stap naar een Clinical Data Warehouse. Op die manier kunnen we de geanonimiseerde data indexeren en ter beschikking stellen voor klinisch en wetenschappelijk onderzoek.”
 
“Wat zijn de vereisten voor zo’n systeem? Het systeem moet query’s ondersteunen over alle patiënten, daar waar een EPD patiëntgecentreerd en operationeel/transactioneel is. Je moet er complexe vragen mee kunnen formuleren en verwerken via een effectieve en intuïtieve user interface, waarvoor geen inside kennis nodig is. Het moet klinische EPD-data kunnen integreren met andere (toekomstige) bronnen als genetische data en klinisch onderzoek. En het moet natuurlijk de privacy van de patiënten beschermen door het verwijderen van alle patient identifiers. Op die manier krijg je één eenvoudig, robuust en schaalbaar model.”
 
Rudi Plas: “Het ontwikkelen van ons ETL-platform heeft zo’n 80% van onze totale inspanning opgeëist. We hebben nu de data van 2 miljoen patiënten, goed voor 400 miljoen observaties. We doen een maandelijkse update, maar we streven ernaar om dat wekelijks te gaan doen. Er blijven uiteraard nog andere uitdagingen. Zo is nog niet alle informatie gecodeerd. Enkele disciplines die waardevolle klinische data genereren, moeten nog voorbereid worden op het CDW. Verder wordt een thesaurus van concepten onderhouden. Zoals gezegd kunnen we voor de specialismen immers gepersonaliseerde schermen maken waarmee ze tijdens hun consult hun bevindingen kunnen ingeven. Deze klinische en andere observaties van de patiënt worden via een thesaurus vertaald naar concepten voor ons klinisch datawarehouse. Deze thesaurus moet dan wel up-to-date en consistent gehouden worden.”
 

Gestructureerde data zijn maar het topje van de ijsberg

Yves Thorrez: “Hoewel artsen nog veelal vrije tekst verkiezen, is er toch een omslag aan de gang. Artsen gaan overstag als ze merken dat ze gestructureerde of zelfs gecodeerde data veel sneller en eenvoudiger kunnen consulteren en delen. Dat brengt ons bij het sluitstuk van ons systeem: ‘Hoe ontsluiten we ook de informatie in de vrije tekst van zogenaamde clinical narratives en waarom is dat zo belangrijk?’ Om met het laatste te beginnen, de gestructureerde of gecodeerde data zijn eigenlijk het topje van de ijsberg. Daaronder zit nog een schat aan informatie over het medisch verleden van patiënten: radiologieprotocollen, verslagen van kliniek en dagkliniek, OK-verslagen, verpleegnota’s, ontslagbrieven,… Om uit die vrije teksten relevante data te halen volstaan de klassieke ‘bag of words’-technieken niet. Ze zijn te weinig precies en leveren te veel valse positieven en valse negatieven op. Daarom zijn we drie jaar geleden in zee gegaan met Intersystems en hun iKnow-technologie.  iKnow doet aan ‘smart indexing’ door aan de hand van linguïstische modellen betekenisvolle woordgroepen te identificeren. Het voordeel is dat het systeem daarvoor geen domeinkennis in de vorm van een ontologie of dictionary nodig heeft. Op dit moment hebben we met iKnow zo’n 23 miljoen teksten geïndexeerd.”
 

‘Verloren’ diagnoses recupereren

Yves Thorrez: “De concrete gebruikstoepassingen van het systeem zijn legio: van het samenvatten van dossiers en opnameverslagen tot het aanbrengen van structuur in clinical narratives. Naar ROI toe is het recupereren van onopgemerkte (en dus niet door de overheid gefinancierde) diagnoses interessant. Een voorbeeld is het vinden van transiënte diagnoses, die niet door de Medische Registratie (MG-MZG) gecodeerd werden, van elektrolietenstoornissen tijdens een opname. Dit gebeurt door middel van het doorzoeken van alle opnamegerelateerde teksten op beschrijvingen van hypokaliëmie. Via iKnow kunnen we het codeerteam helpen om zulke diagnoses op te sporen. Naar research toe is het kunnen voorschrijven van een bijkomende MRI met nieuw contrastmiddel aan patiënten met gekende contrastcapterende hersenletsels, terwijl ze nog in het ziekenhuis verblijven, een mooi voorbeeld. We kunnen dagelijks zoeken naar patiënten die door hun pathologie hiervoor in aanmerking komen.”
 
Rudi Plas: “De geanonimiseerde data in ons CDW kunnen het klinisch en wetenschappelijk onderzoek echt vooruithelpen, denk maar aan het ontwikkelen van nieuwe therapieën, het makkelijker rekruteren van patiënten voor klinische studies, het beter voorlichten van patiënten inzake nieuwe behandelingsmethoden. Bovendien kunnen zij artsen helpen meer inzicht te verwerven in ziektebeelden op basis van data als: ‘Hoeveel patiënten hebben een bepaalde diagnose? Waar bevinden zij zich en hoe evolueert hun conditie in de tijd?’”
 

Goed voor iedereen

“Samenvattend kunnen we stellen dat ons CDW een pak voordelen biedt aan ons ziekenhuis en de ziekenhuizen waarmee we samenwerken. Vroeger moest elke vraag naar data via de IT-dienst gaan. Het gevolg was dat de informatie onderbenut werd, bijvoorbeeld voor klinische studies. Nu kunnen artsen en vorsers van het UZ Brussel zelf en op een snelle manier informatie opzoeken, zoals bijvoorbeeld selecties van cohortes van patiënten. Op die manier gaan we naar een zo goed als volledige ontsluiting van geanonimiseerde klinische data. Daarbij doet iedereen zijn voordeel: de overheid (omdat ze haar beleid beter kan afstemmen op de noden), de farmaceutische industrie (omdat ze haar time to market voor nieuwe geneesmiddelen kan verkorten), het wetenschappelijk onderzoek en niet in de laatste plaats de ziekenhuizen zelf, zeker als  ze op dit vlak gaan samenwerken.”
 

Geef een reactie