02-03-2021

Het is dinsdagochtend ergens begin 2020, van Covid-19 weten we nog weinig. We hebben een overleg met een coassistent en een student van Radboud Universiteit die een afstudeer onderzoek doet op het onderwerp waarvoor we bij elkaar zitten.

 

Multi Disciplinair Overleg

We krijgen een boeiende presentatie over een innovatieproject waar we inmiddels ook onderdeel van uitmaken, maar nu belicht vanuit gebruikers perspectief. Het doel van het project is om op basis van medische informatie patronen te herkennen en adviezen te geven. Het proces waarbinnen dit plaatsvindt is het zogenaamde Multi Disciplinair Overleg (M.D.O.). Een overleg waarin alle zorgspecialisten zich buigen over een dossier van een patiënt om vervolgens te diagnosticeren en eventueel een behandelplan vast te stellen. Nu wordt alle informatie vooraf door een voorbereider bij elkaar gezocht, eventueel gefilterd op relevantie en vervolgens bruikbaar gemaakt voor het M.D.O. In het M.D.O. wordt die informatie met elkaar besproken en vanuit éénieders referentiekader (lees opgedane ervaring op basis van eerdere dossiers) worden er verbanden gelegd en conclusies getrokken. Hieruit volgt dan een diagnose, of een behandelplan, of beide. De referentiekaders van de deelnemers aan zo’n M.D.O. lopen uiteen van een paar jaar en tientallen dossiers, tot tientallen jaren en honderden dossiers. De scope van de pilot van dit project beperkt zich tot het ziektebeeld ‘prostaat carcinoom’.

 

Diagnosticeren met A.I.

Het project voorziet in IT hulpmiddelen waarbij deze informatie wordt opgehaald en door intelligente software wordt beoordeeld op basis van het referentiekader van de beschikbare data. Dat referentiekader is zo groot als de beschikbare data zelf, daarmee is het potentieel enorm. Stel je voor dat deze software in staat gaat zijn om de data van duizenden, misschien wel tien of honderdduizenden dossiers te analyseren, hoe betrouwbaarder kan dan bijvoorbeeld de diagnose zijn. Artificiële Intelligentie in deze toepassing, geeft de presentator aan, is overigens wel precair. Een arts beschikt ook altijd over de ‘zachte’ data, hoe voelt de patiënt zich, wat wil hij etc.. Daarmee heeft het project ook zeker niet als doelstelling om zelfstandig te gaan diagnosticeren, de bedoeling is vooral om de specialisten een geautomatiseerd advies te kunnen geven, de eind beoordeling ligt altijd bij de specialisten zelf. Wat een gaaf project is dit. Ik zou bijna zeggen helaas is onze rol in dit project beperkt, wij zijn als integratie specialisten gevraagd om in dit project de informatie vanuit het Elektronisch Patiënten Dossier (E.P.D.) en aanpalende systemen gestructureerd aan te leveren aan de applicatie die de intelligente analyses gaat doen.

 

F.H.I.R.

Maar ook hier ligt een enorme uitdaging, want je kunt alleen duizenden dossiers met elkaar vergelijken als de informatie allemaal in dezelfde of vergelijkbare structuren wordt aangeleverd. Hier komt Fast Healthcare Interoperability Resources ofwel FHIR om de hoek kijken. De medische wetenschap worstelt al decennia met de uitdaging; hoe ga je ervoor zorgen dat dossiers van patiënten in dezelfde structuur beschikbaar komen. FHIR is het antwoord op deze vraag, althans FHIR is het model wat inmiddels de standaard is om medische informatie deelbaar te maken met de buitenwereld. Alleen al het bereiken van internationale consensus over dit model is een enorme uitdaging geweest, maar de medische wereld is er in geslaagd om dit model unaniem te accepteren als de waarheid. En dan ben je er natuurlijk nog steeds niet, want lang niet alle data weggestopt in systemen is opgeslagen in een FHIR structuur. Sterker nog, een heleboel data is niet eens digitaal beschikbaar, of wordt gedestructureerd in de vorm van een rapport alvorens het gedeeld wordt met anderen.

 

Van systeemdata naar bedrijfsinformatie

Terug naar onze rol, wij mogen Radboudumc gaan helpen om de data uit het E.P.D. (De applicatie Epic) met behulp van MuleSoft om te zetten naar medische informatie in de FHIR structuren. Het doel is hier hetzelfde als bij vele van onze klanten waar we een MuleSoft implementatie begeleiden; het beschikbaar maken van systeem data in de structuur van bedrijfsinformatie, alleen hier is de structuur wat meer internationaal. We doen dit project samen met architecten, ontwikkelaars en andere specialisten vanuit Radboudumc. Daarnaast hebben we ook de opdracht om de interne medewerkers van Radboudumc bekend te maken met de MuleSoft software en architectuur, met als extra doel dat Radboudumc op lange termijn autonoom de MuleSoft software optimaal kan uitnutten om een Radboudumc API eco-systeem te gaan creëren waarbij alle bedrijfsinformatie via eenvoudige services (API’s) beschikbaar is voor alle soorten consumers (mensen of systemen).

 

Samenwerking

Hier wil ik me beperken tot een quote van Wietske Huizenga, Informatiemanager: “Ik vind het indrukwekkend hoe snel jullie je ‘onze’ wereld eigen hebben gemaakt. Dit is natuurlijk ook waar je goed in moet zijn vanuit jullie vakgebied, maar er kwam wel erg veel over jullie heen dat totaal anders was dan waar jullie ervaring mee hadden.”

 

Tot slot

Inmiddels zijn we een klein jaartje verder en is dit project geslaagd opgeleverd, niet alles is gegaan zoals gepland, ook hier heeft Covid-19 hard toegeslagen. Wij zijn nog altijd betrokken bij projecten van Radboudumc waarin zij verder bouwen aan het API eco-systeem.

Indien u ook geïnteresseerd bent in bedrijfsinformatie creëren vanuit systeemdata of anders vrijblijvend eens van gedachten wilt wisselen neem dan contact met ons op.