Trong khi Hồ sơ Y tế Điện tử (EMR) đã được quảng cáo trong nhiều thập kỷ là tấm vé vàng cho việc chăm sóc, nghiên cứu và cộng tác đặc biệt với bệnh nhân, thì các hệ thống hỗ trợ EMR đã không thể thực hiện được lời hứa đó. Vấn đề không nằm ở bản thân hệ thống mà nằm ở chất lượng dữ liệu nằm trong chúng, điều này đi kèm với một loạt vấn đề riêng. Lượng nhập có thể có vấn đề, đặc biệt khi được nhập bằng tay.
Điều này có thể và thường dẫn đến dữ liệu không chính xác – cho dù đó là lỗi chính tả, thông tin bị bỏ sót hoặc mục nhập trùng lặp. Trong lĩnh vực chăm sóc sức khỏe, điều này càng trở nên trầm trọng hơn do thuật ngữ phức tạp và đa dạng được sử dụng bởi các bệnh viện, cơ sở chăm sóc lâm sàng và các tổ chức nghiên cứu lâm sàng. Dữ liệu không hoàn hảo – hoặc bẩn – thậm chí còn trở nên ít hữu ích hơn khi bị khóa trong các kho chứa EMR. Điểm mấu chốt? Khi dữ liệu bị bẩn và mất kết nối, nó sẽ mất đi giá trị vốn có.
Để giải quyết các vấn đề về dữ liệu chăm sóc sức khỏe này và khai thác tầm quan trọng thực sự của dữ liệu, các tổ chức phải tập trung vào chất lượng và sự hài hòa của dữ liệu. Chỉ khi đó những rào cản do dữ liệu bẩn gây ra mới có thể được khắc phục. Phần mềm có tri giác có thể giúp chuyển đổi dữ liệu bị ngắt kết nối thành dữ liệu hài hòa, tích hợp và có thể tìm kiếm sâu.
Cách dọn dẹp nó để mở khóa khả năng khám phá thuốc, hợp tác, nghiên cứu, y học cá nhân hóa, v.v.
Từ dữ liệu y tế biệt lập đến thông tin có thể hành động
Dữ liệu nghiên cứu lâm sàng và chăm sóc sức khỏe trong thế giới thực rất có giá trị nhưng cũng rất phức tạp và đa dạng. Dữ liệu nghiên cứu khoa học đời sống và lâm sàng có thể sử dụng các thuật ngữ khác nhau, khiến ngay cả những thực hành lâm sàng kỷ luật nhất cũng tạo ra dữ liệu bẩn. Các công cụ cải thiện chất lượng dữ liệu có thể giúp tối ưu hóa dữ liệu đó. Tìm kiếm các giải pháp sử dụng nguồn dữ liệu tham chiếu chính, bản thể tham chiếu và lý luận máy để xác định và thiết lập chính xác các thuật ngữ, đơn vị và định dạng chung.
Các công cụ lập hồ sơ, xác minh, loại bỏ trùng lặp và làm giàu chất lượng dữ liệu thông minh, sắc nét áp dụng trí tuệ nhân tạo (AI), lý luận máy và các chiến lược ngữ nghĩa nâng cao để khám phá các kết nối trong dữ liệu phức tạp, luôn thay đổi. Những công cụ này có thể được khai thác thông qua API hoặc quy trình làm việc dựa trên máy chủ để mở khóa giá trị thực sự ẩn trong dữ liệu lâm sàng phức tạp và luôn thay đổi. Kết quả? Dữ liệu có giá trị thấp trước đây được chuyển đổi thành bộ dữ liệu có chất lượng nghiên cứu và ứng dụng.
Thông qua việc áp dụng các ontology, các tổ chức có thể xác định các khái niệm ngữ nghĩa và các mối quan hệ cần thiết trong việc áp dụng lý luận máy và nhận dạng mẫu. Dữ liệu tích hợp cho phép khám phá nhận dạng mẫu và mối quan tâm; điều này có thể có lợi trong việc quản lý dữ liệu sâu hơn hoặc các phương pháp hỗ trợ quyết định nâng cao.
Không còn dữ liệu bẩn: Từ sạch đến làm phong phú đến tuân thủ FAIR
Tự động hoàn thành và xác thực dữ liệu thuốc trong quá trình nhập giúp tiết kiệm thời gian, giảm thiểu lỗi nhập dữ liệu và tránh nhầm lẫn. Việc xác nhận cũng cải thiện thông tin về dược lý và chăm sóc sức khỏe bằng cách xác minh tên dược phẩm, các biến thể và cách viết theo dược điển. Chất lượng dữ liệu và khả năng suy luận của máy có thể được sử dụng để kiểm tra và xác minh tên thuốc cũng như tìm ra các tên và biến thể thay thế thông qua liên kết được suy ra.
Dữ liệu thuốc phải được bổ sung thêm thông tin về thuốc hoặc danh sách thuốc, chẳng hạn như liều lượng, đường dùng, chỉ định bệnh, v.v. Kho lưu trữ dữ liệu có thể được cải tiến thường xuyên với thông tin thuốc mới, cảnh báo đã ban hành, phát hiện gần đây, DDI (Tương tác thuốc-thuốc) và ADE (Tác dụng phụ của thuốc).
Dữ liệu tham khảo toàn diện và tích hợp, cùng với thuật ngữ và bản thể luận về thuốc, bệnh tật, protein và gen, cũng phải là những yêu cầu bắt buộc của EMR. Chúng cho phép các tổ chức chuẩn hóa dữ liệu một cách hiệu quả theo các thuật ngữ ưa thích, ánh xạ dữ liệu tới các bản thể nghiên cứu hữu ích và kết nối nó với thông tin bổ sung từ các nhóm và tiêu chuẩn như FDA, NDC, UMLS và các tổ chức khác.
Nếu được yêu cầu chia sẻ hoặc cộng tác xung quanh dữ liệu nghiên cứu lâm sàng và được công bố, cần phải tuân thủ các tiêu chuẩn cộng tác và khả năng tương tác. Để đáp ứng các nguyên tắc FAIR, dữ liệu phải có thể tìm thấy, truy cập được, tương tác và tái sử dụng được – đồng thời duy trì tuân thủ quy định đối với thông tin sức khỏe được bảo vệ, tuân thủ hợp đồng và kinh doanh, bảo mật và bảo mật. Bạn có thể xuất bản và chia sẻ (hoặc cộng tác) dữ liệu của mình một cách dễ dàng và hiệu quả hơn bằng cách gặp gỡ hướng dẫn CÔNG BẰNG và tất cả các tiêu chuẩn cần thiết để xuất bản và chia sẻ dữ liệu.
Hiện thực hóa lời hứa của EMR
Môi trường dữ liệu lâm sàng sạch và tích hợp cho phép các bệnh viện và phòng khám cải thiện dịch vụ chăm sóc với chi phí thấp hơn, chia sẻ dữ liệu với các cộng đồng nghiên cứu hàng đầu và nhận được doanh thu đáng kể từ việc hợp tác môi giới dữ liệu và thử nghiệm lâm sàng hiệu quả hơn.
Với dữ liệu đáng tin cậy, các chuyên gia y tế và nghiên cứu có những gì họ cần để hiện thực hóa các mục tiêu EMR. Các bác sĩ và bệnh viện có thể điều trị bệnh nhân một cách thông minh hơn và tiết kiệm chi phí hơn thông qua “cái nhìn 360 độ” toàn diện về bệnh nhân. Bác sĩ lâm sàng hoặc nhà nghiên cứu lâm sàng có thể tìm kiếm thông tin được “liên kết” một cách có ý nghĩa trên các nguồn dữ liệu được kết nối trước đó. Người dùng lâm sàng, hành chính và khoa học được hưởng lợi từ khả năng dễ dàng đặt hầu như bất kỳ câu hỏi nào trên tất cả dữ liệu được phép trong phòng khám, thu được kết quả sau vài giây. Các bác sĩ lâm sàng có thể tránh mất thời gian gặp mặt quý giá với bệnh nhân trong khi nghiên cứu các phần mềm và báo cáo in khác nhau, không kết nối. Các nhà nghiên cứu có thể đặt những câu hỏi quan trọng, nhận được báo cáo rõ ràng sau vài giây thay vì vài tháng.
Ngoài việc xác định và đánh giá những người tham gia thử nghiệm lâm sàng nhanh hơn, nguồn dữ liệu tích hợp, sạch sẽ giúp có thể thu hút quan hệ đối tác dựa trên dữ liệu với các công ty công nghệ sinh học và dược phẩm. Dữ liệu lâm sàng tích hợp có chất lượng nghiên cứu đang có nhu cầu cao trong ngành công nghệ sinh học và dược phẩm.
Kể từ thời điểm dữ liệu đi vào hệ thống, nó bắt đầu xuống cấp. Cách duy nhất để giải quyết vấn đề này là thông qua cam kết mạnh mẽ về chất lượng dữ liệu và thực hành hài hòa hóa. Với trọng tâm là giữ cho dữ liệu luôn sạch sẽ và cập nhật, các tổ chức có tiềm năng cải thiện việc chăm sóc bệnh nhân và hỗ trợ nghiên cứu y học chính xác, tham gia vào các quan hệ đối tác nghiên cứu dược phẩm được trả lương cao, hiện thực hóa tài sản trí tuệ mới từ dữ liệu thực hành lâm sàng, thu thập và báo cáo dữ liệu thử nghiệm lâm sàng có chất lượng nghiên cứu với chi phí thấp hơn và đạt được doanh thu mới bằng cách tận dụng tối đa dữ liệu lâm sàng.
