Οφέλη από την ψηφιακή υποδομή υγείας από την αρχιτεκτονική Cloud-to-Edge

Κατά τη διάρκεια του COVID-19, η ψηφιακή υγεία απογειώθηκε καθώς οι απαιτήσεις φυσικής απόστασης έγιναν υψίστης σημασίας.

Ορισμένοι πάροχοι είδαν αυξήσεις στις εικονικές επισκέψεις στο δεκάδες χιλιάδες, άλλα εξαρτήματα, συμπεριλαμβανομένης της απομακρυσμένης παρακολούθησης ασθενών και της τεχνολογίας φορητών συσκευών, έγιναν πιο συνηθισμένα.

Πριν από την εμφάνιση της πανδημίας, το 88% των παρόχων υγειονομικής περίθαλψης hδιαφήμιση που επενδύεται σε σύστημα απομακρυσμένης παρακολούθησης ασθενών (RPM)., το οποίο θα μπορούσε να περιλαμβάνει συσκευές παρακολούθησης γλυκόζης αίματος ή οξύμετρα. Και μέχρι το 2022, το αριθμός φορητών συσκευών στις ΗΠΑ αναμένεται να ξεπεράσει τα 67 εκατομμύρια.

Ωστόσο, για να καταστεί η ψηφιακή υγεία προσβάσιμη στους ασθενείς και χρήσιμη για τους παρόχους, απαιτείται η σωστή υποδομή και ενσωμάτωση με ηλεκτρονικά αρχεία υγείας (ΗΜΥ).

Επί του παρόντος, το ψηφιακό χάσμα κλείνει. Το 83% των κατοίκων των ΗΠΑ σε αγροτικές περιοχές έχουν πλέον πρόσβαση σε ευρυζωνικές υπηρεσίες. Λιγότερο από το 10% δεν έχει πρόσβαση σε ευρυζωνική σύνδεση κινητής τηλεφωνίας. Το Edge computing μπορεί να προσφέρει περαιτέρω ψηφιακές υπηρεσίες υγείας στους ασθενείς αποκεντρώνοντας δεδομένα σε μικρότερα κέντρα δεδομένων προσαρμοσμένα για συγκεκριμένους σκοπούς ή πληθυσμούς.

Στο Cloud ή στο Edge για την ψηφιακή υποδομή υγείας;

Η υποδομή Cloud είναι ζωτικής σημασίας για την ανάπτυξη εφαρμογών και τη σύνδεση συσκευών ασθενών με EHR. «Η παραδοσιακή πηγή αλήθειας για τα νοσοκομεία είναι τα ιατρικά αρχεία, αλλά αυτό είναι ένα εξαιρετικά μικρό τμήμα των δεδομένων σε σχέση με αυτά που συλλέγουν οι εφαρμογές και οι συσκευές RPM», δήλωσε ο Mike McSherry, Διευθύνων Σύμβουλος της Xealth.

Ωστόσο, όταν πρόκειται για τα wearable και τους ίδιους τους αισθητήρες, ο υπολογισμός άκρων μπορεί να διευκολύνει τη μετάδοση δεδομένων από wearables και αισθητήρες όπως συνδεδεμένες συσκευές παρακολούθησης γλυκόζης αίματος, οξύμετρα, ζυγαριά, περιχειρίδες αρτηριακής πίεσης ή άλλες οθόνες που χρησιμοποιούνται από διαβητικούς ασθενείς.

Σύμφωνα με το Journal of Diabetes Science and Technology, αυτές οι συσκευές ανεβαίνουν σε smartphone και tablet, τα οποία χρησιμεύουν ως κόμβοι υπολογιστών αιχμής. Τα δεδομένα υποβάλλονται σε επεξεργασία σε μία από αυτές τις κινητές συσκευές και στη συνέχεια μεταφορτώνονται είτε σε ένα κέντρο δεδομένων edge είτε σε ένα κεντρικό αποθετήριο cloud για ανάλυση. Το μειονέκτημα είναι ότι τα δεδομένα δεν μεταφορτώνονται σε πραγματικό χρόνο εάν το smartphone ή το tablet του ασθενούς είναι εκτός σύνδεσης.

Τα εμπόδια τεχνικής γνώσης μπορεί επίσης να εμποδίσουν τον συγχρονισμό δεδομένων σε πραγματικό χρόνο. "Εάν περιμένετε από τον ασθενή να συγχρονίσει μέσω Bluetooth το τηλέφωνό του με μια συσκευή, δεν είναι όλοι τόσο τεχνικά ικανοί", σημείωσε ο McSherry. Περισσότερες συσκευές εξοπλίζονται με τσιπ κινητής τηλεφωνίας για να χειρίζονται τη συνδεσιμότητα δεδομένων και τον έλεγχο ταυτότητας, πρόσθεσε. Αυτά βοηθούν να διασφαλιστεί ότι τα δεδομένα μεταφορτώνονται σε πραγματικό χρόνο και βοηθούν στη συμμόρφωση των ασθενών για σκοπούς αποζημίωσης.

Εκεί είναι που το edge computing μπορεί να κάνει τη διαφορά. Ενεργοποιήθηκε από το 5G, ορισμένες από τις εφαρμογές για υπολογιστές αιχμής περιλαμβάνουν επικοινωνίες κλειστού βρόχου με βηματοδότες, απινιδωτές και ακόμη συστήματα μηχανικού αερισμού.

Η ενσωμάτωση με το EHR μπορεί να δημιουργήσει προκλήσεις

Οι περισσότερες από τις προκλήσεις ολοκλήρωσης με τους EHR μπορούν να ξεπεραστούν με τη διεπαφή προγραμματισμού εφαρμογών FHIR (API), σύμφωνα με τον Josh Claman, Διευθύνοντα Σύμβουλο της Rimidi. Το FHIR API είναι ένα API με εντολή της κυβέρνησης που επιτρέπει τη διαλειτουργικότητα δεδομένων, η οποία δημιουργήθηκε ως μέρος του Κανόνας τελικής πράξης του 21st Century Cures από τα Κέντρα Υπηρεσιών Medicare & Medicaid και το Γραφείο του Εθνικού Συντονιστή για την Υγεία Πληροφορικής.

Ωστόσο, εμπορικά και πρακτικά ζητήματα εξακολουθούν να υπάρχουν με τη διαλειτουργικότητα και την ολοκλήρωση. Οι εταιρείες EHR «θεωρούν τα δεδομένα ως δεδομένα τους», είπε ο Claman. «Προσπαθούν να δημιουργήσουν μια αμυντική τάφρο γύρω από αυτό που κάνουν».

Τα σημεία τριβής όπως αυτά θα πρέπει να εξαφανιστούν μέσω των κυβερνητικών κανονισμών και της αυξανόμενης συνειδητοποίησης ότι αυτές οι συνεργασίες είναι καρποφόρες για τρίτους προγραμματιστές τεχνολογίας RPM και ψηφιακής υποδομής υγείας και προμηθευτές EHR, πρόσθεσε ο Claman.

Ενεργή παρακολούθηση στη ροή κλινικών εργασιών

Είναι σημαντικό να σημειωθεί ότι επειδή δεν υπάρχουν ενιαίες λύσεις για όλους τους ασθενείς, οι γιατροί και οι νοσηλευτές θα πρέπει να ειδοποιούνται όταν οι μετρήσεις κινούνται προς τη λάθος κατεύθυνση, σύμφωνα με τον McSherry της Xealth. Η ροή εργασίας θα πρέπει να ενσωματωθεί στο ΗΜΥ και οι ασθενείς θα πρέπει να γνωρίζουν πώς να εγγραφούν σε διαφορετικά εργαλεία ή υπηρεσίες για να βεβαιωθούν ότι ανεβάζουν τα δεδομένα τους εγκαίρως. Θα χρειαστεί επίσης να συνεχιστεί η ροή εργασίας εκτός των ειδοποιήσεων, είτε πρόκειται για ειδοποίηση μιας εταιρείας logistics για αποστολή περισσότερων φαρμάκων ή συσκευής στον ασθενή είτε για παρακολούθηση της συμμόρφωσης του ασθενούς με το θεραπευτικό πρόγραμμα.

Μια άλλη πτυχή είναι η ροή εργασιών που σχετίζεται με τη φροντίδα του ασθενούς, όπως πριν ή μετά από μια διαδικασία ρουτίνας. Για παράδειγμα, πριν από μια κολονοσκόπηση, οι περισσότεροι ασθενείς λαμβάνουν μια εκτύπωση οδηγιών. Μια ροή εργασίας θα μπορούσε να στείλει υπενθυμίσεις SMS στον ασθενή, όπως ειδοποιήσεις για να σταματήσει να τρώει ή να πίνει σε μια συγκεκριμένη ώρα και υπενθυμίσεις για να καταναλώσει τα ποτά προετοιμασίας του, σημείωσε ο McSherry. «Αυτό που προσπαθούμε να κάνουμε είναι να κλείσουμε τον κύκλο και να κάνουμε περισσότερα από αυτά τα ψηφιακά σημεία επαφής και δεσμεύσεις πιο αυτοματοποιημένα», είπε.

Η τεχνητή νοημοσύνη βρίσκεται ακόμα σε στάδια γέννησης

Σύμφωνα με τον McSherry, όταν πρόκειται για AI και μηχανική μάθηση στην ψηφιακή υγεία, αυτά είναι πιο εμφανή σε διακριτά επίπεδα υπηρεσιών. Για παράδειγμα, είπε ότι μια εφαρμογή που παρακολουθεί τη συμπεριφορά της υγείας θα έχει προγνωστική μοντελοποίηση με βάση τις απαντήσεις των ασθενών και τις συννοσηρότητες.

Σε πολλές περιπτώσεις, Η τεχνητή νοημοσύνη παίζει περισσότερο ρόλο στην έμμεση φροντίδα των ασθενών, όπως η προληπτική διάγνωση για εξωτερικούς ασθενείς που είναι πιο πιθανό να έχουν επιπλοκές, είπε ο McSherry. «Βλέπουμε επίσης φαρμακευτική έρευνα και άλλες εξελίξεις σε φάρμακα και συσκευές σε αυτό το μέτωπο», σημείωσε.