Určitě se nejedná o novodobou hrozbu. První zmínky o tom, že si lékaři mají při ošetřování a operacích mýt ruce, jsou známy už z poloviny 18 století. Nicméně v souvislosti s důrazem na zvyšování kvality zdravotní péče se stále zvyšuje i význam účinné obrany před HAI infekcemi. Faktory, které s infekcemi souvisí, jsou přitom dnes už velmi dobře zmapovány. Je jich ale opravdu mnoho.
HAIDI pomáhá zrychlit evidenci a snížit výskyt HAI
| Zdroj: Datlowe.cz
V českých nemocnicích jsou dlouhodobě zavedeny postupy a mechanismy, které mají rizika infekcí systematicky snižovat. Mají se také podílet na zmenšení jejich dopadů na pacienty a provoz zdravotnického zařízení. Jedním ze základních úkonů jsou včasná hlášení výskytů HAI, jejich evidence, zavádění opatření a vyhodnocování jejich účinnosti.
Brzy k nim ale také může běžně patřit HAIDI, inteligentní řešení k odhalování výskytů HAI ve zdravotnickém zařízení, které vyvinul start-up Datlowe. K tomu, aby HAIDI pomohla nemocnicím výskyt škodlivých infekcí spojených se zdravotní péčí snížit, využívá umělou inteligenci. Díky tomu provozovatel zdravotnického zařízení lépe odhaluje slabá místa, rizika a možné příčiny výskytu nebezpečných infekcí.
V čele startupu Datlowe stojí Jakub Kozák, který se analýze dat ze zdravotní dokumentace věnuje už od dob studií na MFF UK.
Technologie HAIDI zvládají infekce
Systém HAIDI využívá prvky umělé inteligence, aby pomohl nemocnicím snížit výskyt škodlivých infekcí, spojených se zdravotní péčí. | Zdroj: Datlowe.cz
Ve zdravotnickém zařízení prochází HAIDI v klinických informačních systémech dostupná zdravotnická data. Díky tomu pomáhá při analýze rizik spojených s HAI.
Tyto analýzy v rámci procesů hodnocení kvality zdravotní péče HAIDI i provádí. Na základě jejich výsledků se pak následně hodnotí, upravují a doplňují opatření, která mají výskyt HAI snižovat. Průběžně získané výsledky mohou být rovněž využitelné pro management zdravotnického zařízení.
Technologické tajemství úspěchu HAIDI je ukryto v unikátních postupech při tzv. zpracování přirozeného jazyka. To je využití umělé inteligence při zpracování a analýze velkého množství textových dat. Aby mohly být zdravotní záznamy zpracovány, je HAIDI připojena ke klinickým informačním systémům zpravidla přes integrační platformy, které jsou stále častější součástí nemocničních infrastruktur.
Aby HAIDI dobře porozuměla lékařské terminologii, vychází při zpracování zdravotních záznamů ze standardu SNOMED CT neboli SNOMED Clinical Terms. To je systematicky uspořádaná sbírka lékařských termínů, která obsahuje kódy, termíny, synonyma a definice, používané v klinické dokumentaci a výkazech. K tomu vývojáři Datlowe dále využívají svůj vlastní propracovaný přístup pro zpracování záznamů lékařů. Zde vytěžují hledaný text z jejich zápisů, textů nebo zpráv.
Vlastní lingvistické jádro řešení HAIDI je postaveno nad neuronovou sítí. Tu pak doplňuje pokročilý expertní systém.
Jak si HAIDI vede v praxi
.png)
| Zdroj: Datlowe.cz
Jeden z prvních pilotů řešení od Datlowe běžel už v roce 2017 v Nemocnici Jihlava. Od té doby je HAIDI v provozu ve 12 nemocnicích v Česku a v trnavské nemocnici na Slovensku. Společnost Krajská zdravotní z Ústí nad Labem využívá HAIDI dokonce už v pěti ze svých nemocnic.
Důležitým obchodním cílem je také rozšíření služeb HAIDI v zahraničí. Datlowe se zapojila do technologického hubu zdravotnických startupů Healthhub Vienna. Rakouská spolupráce je slibným akcelerátorem obchodních aktivit, zaměřených právě na země DACH (Deutschland, Austria, Switzerland). Další pilotní projety se již rozbíhají ve Walesu a USA.
Co se má řídit, musí se dát měřit
Inteligentní systémy se stále častěji uplatňují při řízení firem či organizací. Ani zdravotnictví není výjimkou, zvlášť dnes, kdy se data díky široce probíhající digitalizaci využívají stále více k efektivnímu řízení zdravotnických zařízení.
Jak řešení HAIDI od Datlowe dokazuje, optimální využití takového nástroje je při přímém zabudování do řízení procesu zdravotní péče. Díky němu se včas odhalují kritická místa a příčiny nákaz pacientů a nastavují se efektivní opatření včetně prevence. To pomáhá šetřit finance, čas a kapacity potřebných zdravotníků. Stejně tak to umožňuje snižovat rizika a zvyšovat kvalitu potřebné zdravotní péče.
Zdroj: Datlowe, Healthhub Vienna
7 foto
