Der genereres enorme mængder data i de finske laboratorier, og disse data spiller en afgørende rolle i sundhedsvæsenet. Op mod 70 % af de kliniske beslutninger er baseret på resultater fra laboratorieundersøgelser.

I Finland er det almindeligt, at laboratoriedata flyder effektivt mellem forskellige aktører. Data fra forskellige laboratoriediscipliner kan kombineres og sammenlignes, og historiske data kan efter behov anvendes til longitudinelle analyser. Denne grad af interoperabilitet er dog langt fra en selvfølge i mange andre lande.

Det, der er en naturlig del af hverdagen for os, er stadig et mål i mange andre lande,” siger Juha Högmander, Chief Product Officer hos Mylab, en virksomhed med speciale i laboratorieinformationssystemer.

En fælles datamodel som fundament for effektiv anvendelse af data og AI

Den velfungerende model i Finland bygger på en gennemtænkt IT-løsning. Omkring 80 % af laboratorierne i Finland anvender Mylabs My+ laboratorieinformationssystem, som er baseret på en unik, fælles datamodel.

Det betyder, at data i laboratorieinformationssystemerne er standardiserede og dermed interoperable på tværs af systemer samt strukturerede i et ensartet format. Det gør det muligt at anvende store datamængder effektivt og i stor skala.

Mylab har i mere end 40 år sammen med sine kunder opbygget en fælles forståelse af laboratorieområdet, diagnostik og de data, der er nødvendige for diagnostikken. Virksomheden har gennem mange år systematisk udviklet et fremtidssikret fundament for effektiv anvendelse af data.

I mange organisationer er dårlig datakvalitet en hindring for at tage AI i brug. Det problem har vi ikke. Fremover kan vi effektivt udnytte AI til analyse af laboratoriedata. I løbet af de seneste ti år har vi sammen med vores største kunder i Finland samlet data efter en fælles datamodel i vores nuværende næste generation af My+ systemet,” siger Högmander.

Takket være den fælles datamodel kan vi også overføre historiske data fra andre systemer til My+ og anvende dem på samme måde,” tilføjer han.

Berigede data muliggør et mere prædiktivt sundhedsvæsen

Takket være den fælles datamodel har Finland særdeles gode forudsætninger for at udnytte AI effektivt inden for diagnostik.

Vi er kun i begyndelsen af denne udvikling. Med AI kan diagnostikken løftes til et helt nyt niveau, samtidig med at effektiviteten i sundhedsvæsenet forbedres markant. Det er netop den form for meningsfuld anvendelse af AI, vi ønsker,” siger Högmander.

I fremtiden kan laboratoriedata beriges, så patientbehandlingen bliver mere prædiktiv. AI kan eksempelvis forudsige udviklingen af type 2-diabetes ved at kombinere data om blandt andet udviklingen i patientens blodsukkerniveau og vægt. AI kan også identificere fund, der kan indikere kræft, i billeddiagnostiske undersøgelser, helt ned på celleniveau.

På befolkningsniveau skaber en fælles datamodel betydelige muligheder. Når data er tilgængelige fra næsten hele befolkningen, bliver det muligt at modellere udviklingen af sygdomme og pandemier.

Ud over patientbehandlingen kan data også understøtte den operationelle ledelse af laboratorier.

Data kan bruges til at følge og styre laboratoriernes daglige drift. De kan eksempelvis vise, hvor hurtigt laboratoriesvar rapporteres. På samme måde kan laboratoriernes arbejdsbelastning og ressourcebehov forudses. Hvis antallet af positive influenzasvar eksempelvis begynder at stige, kan vi på forhånd forberede os på en stigning i antallet af patienter,” forklarer Högmander.

“Jeg tror, at laboratoriernes rolle i sundhedsvæsenet fremover vil blive mere synlig og stærkere, end den er i dag.”

En unik model med globalt potentiale

Hvordan ser det ud i andre lande? I mange lande kan hospitalslaboratorier anvende op til otte forskellige laboratorieinformationssystemer med separate systemer til de enkelte specialer, såsom patologi og mikrobiologi. Dertil kommer forskellige systemer, der følger med billeddiagnostisk udstyr og analyseinstrumenter.

Det svarer til en produktionsvirksomhed, der anvender flere forskellige ERP-systemer sammen med de systemer, der leverer data til dem, sammenligner Högmander. Selv når systemerne kan kommunikere med hinanden, er det vanskeligt at udnytte data effektivt, fordi hvert system indsamler data på sin egen måde, og der ikke findes en fælles datamodel. Udfordringen findes på økosystemniveau, og den enkelte sundhedsorganisation kan derfor ikke realistisk løse eller ændre situationen alene.

IT-arkitekturen bliver samtidig meget kompleks og omkostningstung gennem hele sin livscyklus, når flere fragmenterede systemer skal vedligeholdes og videreudvikles, uden at data kan udnyttes på tværs af systemerne.

Især hvis forskellige regioner og byer anvender forskellige systemer, er effektiv anvendelse af data i stor skala ganske enkelt ikke mulig,siger Högmander.

Ud over Finland er Mylab også aktiv i Sverige og Danmark.

Vi mener, at den finske model kan skabe værdi i mange andre lande, som i dag ikke udnytter potentialet i deres laboratoriedata fuldt ud,” afslutter han.