En stor mängd data genereras i finländska laboratorier och spelar en avgörande roll i hälso- och sjukvården. Upp till 70 procent av de kliniska besluten baseras på laboratorieresultat.

I Finland är det etablerad praxis att laboratoriedata flödar smidigt mellan olika aktörer inom vården. Data från olika laboratoriemedicinska specialiteter kan kombineras och jämföras och historiska data kan användas för analyser över tid, vid behov. Den här graden av interoperabilitet är dock långt ifrån självklar i många andra länder.

Det som är vardag för oss är fortfarande något många andra länder strävar efter, säger Juha Högmander, Chief Product Officer på Mylab.

En enhetlig datamodell som grund för effektiv dataanvändning och AI

Den välfungerande modellen i Finland bygger på en genomtänkt IT-arkitektur. Cirka 80 procent av laboratorieverksamheterna i Finland använder Mylabs laboratorieinformationssystem My+, som baseras på en unik, enhetlig datamodell.

Det innebär att data i laboratorieinformationssystemen är standardiserad, det vill säga interoperabel mellan system och vårdgivare, och strukturerad med ett enhetligt format. Det möjliggör ett effektivt och storskaligt nyttjande av data inom såväl klinisk verksamhet som uppföljning och utveckling.

Tillsammans med sina kunder har Mylab under mer än 40 år byggt upp en gemensam förståelse för laboratorieverksamhet, diagnostik och vilken data som krävs för att stödja vårdens processer. Under lång tid har bolaget systematiskt utvecklat en robust och framtidssäker grund för effektiv datahantering.

I många organisationer är bristande datakvalitet ett hinder för att kunna använda AI. Den utmaningen har inte vi. Vi har goda förutsättningar att använda AI effektivt i analysen av laboratoriedata. Under de senaste tio åren har vi, tillsammans med våra största kunder i Finland, samlat in data enligt en enhetlig datamodell i vårt nästa generations system My+, säger Högmander.

Tack vare den enhetliga datamodellen kan vi även integrera historiska data från andra system i My+ och använda dem på samma sätt, tillägger han.

Databerikning möjliggör en mer prediktiv vård

Den enhetliga datamodellen ger mycket goda förutsättningar för att utnyttja AI effektivt inom diagnostik i Finland.

Vi är fortfarande i början av den här utvecklingen. Med hjälp av AI kan diagnostiken ta ett stort kliv framåt och samtidigt bidra till en mer effektiv och proaktiv hälso- och sjukvård. Det är ett konkret exempel på meningsfull användning av AI, säger Högmander.

Framöver kan laboratoriedata berikas ytterligare, vilket skapar bättre förutsättningar för en mer prediktiv vård. AI kan till exempel förutse risken att utveckla typ 2-diabetes genom att kombinera data om blodsockernivåer och viktutveckling. Den kan också identifiera cancerindikationer i bilddiagnostik, ända ner på cellnivå.

På populationsnivå skapar en enhetlig datamodell stora möjligheter. När data finns tillgänglig för en stor del av befolkningen blir det möjligt att modellera sjukdomsutveckling och spridning av epidemier eller pandemier, vilket är centralt för planering och styrning inom hälso- och sjukvården.

Utöver att stödja patientvården bidrar data även till styrning och resursplanering inom laboratorieverksamheten.

Data kan användas för att följa upp ledtider, till exempel hur snabbt provsvar rapporteras. Det går också att prognostisera arbetsbelastning och resursbehov. Om antalet positiva influensaprover ökar kan verksamheten förberedas i god tid inför ett ökat patientflöde, förklarar Högmander.

Jag är övertygad om att laboratoriernas roll i hälso- och sjukvården kommer att bli ännu viktigare framöver.

En unik modell med global potential

Hur ser det då ut i andra länder? I många fall använder sjukhuslaboratorier upp till åtta olika laboratorieinformationssystem, med separata system för olika specialiteter, såsom patologi och mikrobiologi. Därtill kommer olika analysinstrument och bildsystem som introducerar ytterligare system i IT-miljön.

Det kan liknas vid en organisation som arbetar med flera parallella verksamhetssystem, tillsammans med de system som levererar data till dem, säger Högmander.

Även om systemen kan kommunicera med varandra är det svårt att utnyttja data effektivt, eftersom varje system har sin egen datastruktur och det saknas en gemensam datamodell. Utmaningen är systemövergripande, och enskilda regioner eller vårdgivare har i praktiken begränsade möjligheter att själva förändra situationen, fortsätter han.

IT-arkitekturen blir dessutom komplex och kostsam över tid när flera fragmenterade system ska förvaltas och vidareutvecklas, samtidigt som data inte kan utnyttjas fullt ut över systemgränser.

Särskilt när olika regioner använder olika system blir ett effektivt och storskaligt datautnyttjande mycket svårt, konstaterar Högmander.

Utöver Finland är Mylab verksamt i Sverige och Danmark. Vi ser att den finländska modellen har stor potential att skapa värde även i andra länder som i dag inte utnyttjar sin laboratoriedata fullt ut, avslutar han.