Tieto on jo järjestelmissä – miten ennakoiva terveydenhuolto muuttaa sote-dataa hoitoteoiksi?

Järjestimme SOTE AI Hackathonin 13.–14.10. Espoossa yhdessä Länsi-Uudenmaan hyvinvointialueen ja Sitran kanssa. Hackathonissa mukana olleet tiimit rakensivat konkreettisia tekoälyratkaisuja hyvinvointialueen tunnistamiin sosiaali- ja terveydenhuollon arjen haasteisiin.

Tapahtuman yhteydessä järjestimme lisäksi Verticalin vetämän ennakoivaan terveydenhuoltoon syventyvän ohjelmakokonaisuuden, jossa pureuduimme tulevaisuuden soten keskeisimpään kysymykseen: miten sote-järjestelmissä jo oleva tieto saadaan johtamaan oikea-aikaisiin hoitotoimenpiteisiin?

Olemassa oleva data ei vielä yksin pelasta henkiä tai säästä resursseja, jos tiedon pohjalta ei toimita.

Käyttötapauksista ratkaisumalleiksi

Ennakoivan terveydenhuollon kokonaisuudessa mallinsimme, miten olemassa oleva tieto olisi mahdollista johtaa oikea-aikaisiin toimenpiteisiin. Intensiivisen työskentelyn tuloksena muotoilimme neljään haasteeseen seuraavat ratkaisukonseptit, jotka esittelimme lopuksi lavalla ennakoivan terveydenhuollon ohjelman huipentuessa:

Krooninen munuaistauti

Haaste: Miten tunnistetaan riskiryhmien potilaat, joilta munuaistaudin laboratoriokokeet puuttuvat tai joiden tulokset viittaavat munuaistautiin ilman diagnoosia, ja ohjataan heidät hoitoon?

Sydämen vajaatoimintapotilaat ovat korkean riskin ja korkeiden kustannusten potilasryhmä, jolla on kohonnut riski sairastua krooniseen munuaistautiin. Vaikka laboratoriomittaukset on monilta tehty ja arvot löytyvät potilastiedoista, diagnoosi jää usein tekemättä. Tiimin ideoima riskiperusteinen takaisinkutsumalli korjaisi tämän diagnoosi- ja hoitovajeen. Potilaalle se tarkoittaisi oikea-aikaista hoitoa ja vähemmän sairaalapäiviä, hyvinvointialueelle merkittäviä säästöjä. Tiimin laskelmissa säästöpotentiaali oli Länsi-Uudenmaan hyvinvointialueelle 22 M€ vuodessa erikoissairaanhoidossa ja 13 M€ perusterveydenhuollossa. Kirjaamatta jääneiden KMT-diagnoosien rahoitusvaje on laskennallisesti noin 27 M€, eikä se poistu ilman järjestelmällistä tunnistamista, koska piiloon jää jatkuvasti uusia potilaita.

Sydän- ja verisuonisairauksien hoidon jatkuvuus

Haaste: Miten varmistetaan, että todetun korkean LDL-kolesterolin jälkeen seuranta jatkuu ja hoito arvioidaan uudelleen?

Arviolta kymmenillä tuhansilla Länsi-Uudenmaan asukkailla kolesterolin seuranta on katkennut tai hoito jää arvioimatta reseptin uusinnan yhteydessä. Tiimin ratkaisussa nämä potilaat tunnistettaisiin tekoälyllä ja priorisoitaisiin kokonaisriskin mukaan, laboratoriolähete lähtisi automaattisesti potilastietojärjestelmästä ja ammattilainen tekisi hoitopäätöksen tuloksen perusteella. Jokainen 1 mmol/l lasku LDL-kolesterolissa vähentää vakavia sydän- ja verisuonitapahtumia noin viidenneksellä. Infarktien ensimmäisen vuoden hoito maksaa alueelle arviolta 40 M€ vuodessa, joten potilaalle ratkaisu tarkoittaisi pienempää infarktin riskiä ja hyvinvointialueelle merkittäviä säästöjä.

C- ja B-hepatiitti sekä HIV

Haaste: Miten terveyspalvelut tunnistavat riskiryhmiin kuuluvat olemassa olevista tiedoista tai ammattilaisen havainnosta ja ohjaavat heidät testaukseen ja hoitoon?

Riskiryhmiin kuuluvilla ei usein ole säännöllistä kontaktia terveydenhuoltoon, jolloin potentiaaliset tartuntataudit jäävät tunnistamatta tarpeeksi ajoissa. Tekoälyllä olisi mahdollista tunnistaa kohderyhmään kuuluvat satunnaisten sote-asiointien yhteydessä ja muistuttaa lääkäriä testauksen tarpeesta. Tämä ratkaisu ei lisää kohtaamisten määrää, vaan tekee jokaisesta kohtaamisesta vaikuttavamman.

Alihoidettu migreeni

Haaste: Miten tunnistetaan työikäiset, joilla on migreeni mutta huono hoitotasapaino, ja ohjataan heidät hoidon arvioon ja seurantaan?

Migreeniä sairastavista 80 % on naisia, ja se aiheuttaa arviolta jopa 14 % sairauspoissaoloista. Migreenin kokonaistaloudellisista vaikutuksista Suomessa ei ole vielä kattavaa arviota. Ruotsissa tehtyjen kustannusselvitysten perusteella migreenin vuotuiset kokonaiskustannukset Suomessa voisivat kuitenkin olla arviolta jopa 1,7 miljardia euroa. Reaktiivisesti hoidettu migreeni voi kroonistua, mikä kasvattaa edellä mainittuja kuluja. Ratkaisuehdotuksemme on automatisoitu digihoitopolku, jossa potilas kirjaa kohtauksensa, algoritmi seuraa tilanteen kehitystä ja ammattilainen saa herätteen, jonka tulee johtaa toimintaan, vain silloin, kun hoitoa on tarve arvioida.

Mukana mahdollistamassa

Vertical vastasi kokonaisuudessaan ennakoivaan terveydenhuoltoon syventyvän ohjelman sisällöstä, asiantuntijoista, tuotoksista sekä jatkokehityksestä. Kokonaisuuden kumppaneina toimivat AbbVie, Boehringer Ingelheim ja MSD Finland.

SOTE AI Hackathonin järjestivät Länsi-Uudenmaan hyvinvointialue, Sitra ja Vertical. Sitra oli hackathonin pääyhteistyökumppani.