Anpassningar av Autonomy IDOL för medicin, hälsa &

Transkript

1 Anpassningar av Autonomy IDOL för medicin, hälsa & vård Robin Melin/ April 23, 2013 Det här hade vi tänkt oss idag Lite kort om HP Autonomy, 5 min Bakgrund & referenser Demo> Autonomy Explore Demo> Auminence Exempel på Use Case inom vård, hälsa & medicin, 15min SNOMED Predektiv analys Klassificering av receptinstruktioner Knowledge Discovery Tool Avrundning och diskussion, 5min

2 Autonomy's Meaning Based Healthcare initiative provides healthcare organizations a unique opportunity to leverage the sprawling nature of medical information Brian Harris, Executive Director, Loma Linda University of Health Sciences Autonomy & HP: Leading the Healthcare Market Om Autonomy: - Grundat 1996 vid Cambridge University. - Del av HP sedan oktober kunder - Rankas som ledande av oberoende analytiker inom varje område vari företaget utvecklar produkter patent som gör oss unika inom hantering av ostrukturerad information. - Myntat begreppet Meaning Based Computing. IDOL är The OS of Human Information. - Används av ledande organisationer och företag inom vård, hälsa och medicin runt hela världen. 4

3 HP Next Generation Information Platform Big Data Enterprise Search Customer Interaction Records Mgmt Optimization Autonomy Social Media Video Audio Texts Mobile Transactional Data Documents IT/OT Search Engine Images 400+ connectors, file types File Systems Databases Mail Servers CRM/ERP/BI LDAP 5 DEMO: Meaning Based Computing - Autonomy Explore - Auminence

4 Enterprise search with SNOMED CT correlations IDOL indexes SNOMED CT, the international standard for 344,000+ clinical concepts with 2M specific terms and relationships between them This standard clinical taxonomy is applied to add structure to the unstructured clinical data IDOL provides full text indexing of clinical content within each record Search capabilities are based on key words, medical concepts, specific codes, and colloquial terms Data, documents, and patients are quickly located, with relevant text highlighted for quick identification and review 7 Use case :Textanalys med SNOMED navigering Utmaning: Det är tidskrävande att arbeta med journalanteckningar oavsett om det är inom en patientjournal eller över tusentals. 8 Journaler och övrigt patientinformation består till stor del av ostrukturerad fritext som måste genomsökas och analyseras manuellt. Det ostrukturerade innehållet är svårt att använda för uppföljning och analys. Fritext är inte standardiserad. Varje användare har sin egen individuella stil och terminologi. Lösning: Autonomy IDOL kan sätta all indexerad (ostrukturerad) data i relation till SNOMED oavsett den exakta terminologin, IDOL förstår koncept. Med IDOL kan man använda SNOMED för att konceptuellt söka i alla indexerade journaler och övrig dokumentation för att snabbt identifiera informationen som finns relaterat till de begrepp eller kombination av begrepp man är intresserad av. Identifierat data kan automatiskt sammanfattas, highlightas och länkas vidare (till patient eller annan dokumentation)

5 Mångfalden av ostrukturerad klinisk data Progress Notes Mentions identification of particular concepts in the unstructured data Admission Nursing IDOL maps colloquial search terms to precise standard taxonomy Query for heart attack -> (synonym) -> myocardial infarction -> (is a) -> myocardial disease Allergies Integrated Health System e Patient Discharge Summary Negation ability to differentiate between positive and negative findings when a concept is mentioned CCD Problem List Medications History & Physical Query for malignancy should not return a result with no evidence of malignancy in the result set Entity extraction ability to extract positive or negative test results from forms with checked responses 9 Use case: Textanalys med SNOMED navigering Nytta: Snabb holistisk överblick av patient inför och/eller under kontakt. Identifierar diagnoser som är dokumenterade men ej kommunicerade. Se samband och identifiera trender baserat på större mängder av journaler. Proaktivt kunna agera i större skala på data i journalanteckningar Finna unknown unknowns 10

6 Exempel: Konceptuel sök med SNOMED Searching the data for a keyword of depression allows direct mapping into the SNOMED taxonomy of depressive disorders. Even clinical definitions of depression can be used to identify depressive disorders in the absence of a formal diagnosis in the structured fields. 11 Exempel: Konceptuel sök med SNOMED User requests notes related to depression 12 IDOL culls the clinical data for records that contain depression concepts in the structured or free text notes IDOL correlates to SNOMED CT concept, synonyms, definitions, and relationships

7 Use case: Predektiv analys Utmaning: Återinskrivingar kostar mycket pengar och kan förebyggas i en större skala. För att kunna förebygga återinskrivningar effektivt så behövs mer information än den strukturerade information som finns att tillgå i journalsystemen. Det är ekonomiskt ohållbart att fokusera på alla som skrivs ut från sjukhus, men om det i större utsträckning går att förutsäga vilka som befinner sig i riskzonen kan lämpliga åtgärder vidtas. Exempel: Hjärtsvikt (från Massachuset General Hostpital) 25% av alla patienter återinskrivs inom 30 dagar, 45% inom 3 till 6 månader. Mycket kostsamt. Samtidigt vet vi att ett antal förebyggande åtgärder kan minska frekvensen, exempelvis: Upplysning/utbildning av patient och en närmare kontakt mellan vårdgivare och patient efter utskriving. Hembesök, samarbete med primärvård, remote monitoring Vi vet att vissa faktorer (ex. depression, dementia, ångest) ökar risken, men dessa faktorer är svåra att identifiera då de sällan spåras i sjukvårdsystemen som strukturerad data. 13 Use case: Predektiv analys Metod: Vårdpersonal som endast träffat en patient en kort tid har svårt att bilda sig en helhetsuppfattning om patienten (även om de har tillgång till all data). Genom att automatiskt matcha tillgängling data mot en profil kan patienter i risk identifieras. 14 Med hjälp av strukturerad och ostrukturerad patientdata identifiera riskförhöjande faktorer. Exempelvis: - Från strukturerad data (ex: kön, ålder, civilstånd, missade läkarbesök) - Från ostrukturerad data (ex: compliance, dementia, depression, ångest) Resultat, ex: Genom att analysera även ostrukturerad data kan riskgrupper enklare identifieras och förebyggande åtgärder vidtas. The Unknown Unknowns vissa faktorer som till synes är relaterade var beviseligen oberoende av varandra. Analys av stukturerad data kombinerat med analys av ostrukturerad data kompleterrar varandra bra. Det den ena analysen inte fångar upp, fångar den andra upp till en stor utsträckning.

8 Use case: Klassificering av receptinstruktioner RX_CT SIG_DESCRIPTION 3,296,839 TAKE 1 TABLET ORALLY DAILY 548,772 TAKE 1 TABLET DAILY 527,952 TAKE 1 TABLET ORALLY DAILY AT BEDTIME 437,032 TAKE 1 TABLET ORALLY 2 TIMES A DAY 423,471 TAKE 1 TABLET ORALLY 2 TIMES DAILY 180,183 TAKE 1 TABLET 2 TIMES A DAY IDOL översätter textinstruktioner och mappar dem till till värden. Nytta: - Beräkna compliance, hämtas utskriven medicin ut? - Förutse behov före eventuell brist. - Kan användas som påminnelse. RX_CT SIG_DESCRIPTION # UNITS PER DAY 3,296,839 TAKE 1 TABLET ORALLY DAILY 1 548,772 TAKE 1 TABLET DAILY 1 527,952 TAKE 1 TABLET ORALLY DAILY AT BEDTIME 1 437,032 TAKE 1 TABLET ORALLY 2 TIMES A DAY 2 423,471 TAKE 1 TABLET ORALLY 2 TIMES DAILY 2 180,183 TAKE 1 TABLET 2 TIMES A DAY 2 15 Use case: Knowledge Discovery Tool Utmaning: Vi har i våra system samlat på oss oerhörada mängder ostrukturerad data. Oanvänd är denna data inte till värde. Men information är en värdefull resurs. Det gäller bara att utnyttja den. 16 Informationen finns ofta samlad i s.k informationssilos och i vitt skilda system. Även om informationen är tillgänlig så är den ofta svår att tillgodogöra sig p.g.a. teknik, användargränssnitt och responstider. Den stora massan av informatiomn är också en utmaning i sig. Lösning: Med IDOLs integrationer, logik och presentationsgränssnintt så kan data från i princip alla system tillgodogöras. Med eller utan SNOMED kan enstaka patienter eller grupper därav analyseras utifrån symptom, diagnos, ordinering, vårdtid och resultat. Resultaten används för vård, forskning och ekonomistyrning.

9 Thank you