Page 19 - ANAESTHESIA_ABSTRACT_BOOK
P. 19

    ΠΕΡΙΛΉΨΕΙΣ ΟΜΙΛΙΏΝ
ΣΥΝΕΔΡΙΑ 4
ΕΝΤΑΤΙΚΗ ΘΕΡΑΠΕΙΑ (ΣΕ ΣΥΝΕΡΓΑΣΙΑ ΜΕ ΤΗΝ ΕΑΕΙΒΕ)
Η επιστήμη της Πληροφορικής στην Υγεία βρίσκεται στα πρόθυρα της πιο συναρπαστικής περιόδου της μέχρι σήμερα, αφού εισέρχεται σε μια νέα εποχή όπου η τεχνολογία έχει αρχίσει να διαχειρίζεται τα μεγάλου όγκου δεδομένα, προσφέροντας απεριόριστες δυνατότητες για την εκμετάλλευση και βέλτιστη αξιοποίηση των πληροφοριών (4η βιομηχανική επανάσταση). Παρόλα αυτά είναι γεγονός ότι τα δεδομένα που παράγονται κατά τη διαδικασία της ιατρικής περίθαλψης ιστορικά δεν αξιοποιούνται σήμερα επαρκώς.
Τα σημαντικά φυσιολογικά και παθοφυσιολογικά φαινόμενα ταυτόχρονα εκδηλώνονται σαν αλλαγές/μεταβολές στις πολλαπλές ροές κλινικών δεδομένων. Αυτό προκύπτει από την ισχυρή σύζευξη μεταξύ των διαφόρων συστημάτων εντός του σώματος (π.χ., αλληλεπιδράσεις μεταξύ του καρδιακού ρυθμού, της αναπνοής, και πίεσης αίματος) παράγοντας έτσι πιθανούς δείκτες για κλινική αξιολόγηση. Με αυτό τον τρόπο, η κατανόηση και η πρόβλεψη της εξέλιξης των ασθενειών απαιτούν μια πιο μεθοδική και συγκεντρωτική προσέγγιση, όπου τα δομημένα και αδόμητα δεδομένα που προκύπτουν από μια μυριάδα κλινικών και μη κλινικών λεπτομέρειών χρησιμοποιούνται για μια πιο ολοκληρωμένη άποψη των νοσηρών καταστάσεων.
Το γεγονός αυτό στην ιατρική έχει οδηγήσει τη διαχείριση των μεγάλου όγκου δεδομένων (big data analytics) να κερδίζει ολοένα και μεγαλύτερο έδαφος. Μια έκθεση του Παγκόσμιου Ινστιτούτου McKinsey έδειξε ότι αν η υγειονομική περίθαλψη των ΗΠΑ χρησιμοποιούσε τα μεγάλου όγκου δεδομένα δημιουργικά και αποτελεσματικά, ο τομέας θα μπορούσε να δημιουργήσει περισσότερα από $ 300 δισεκατομμύρια σε αξία έσοδα/οφέλη κάθε χρόνο.
Από αυτή την άποψη, οι προκλήσεις της αποτελεσματικότερης (πληρέστερης, μεθοδικότερης, ταχύτερης) διαχείρισης της κλινικής πληροφορίας θα μπορούσαν να απαντηθούν με τα εξής:
1. ενοποίηση και με ομοιογενή τρόπο οπτικοποίηση (visulitation) δεδομένων (πχ, σε έναν υπολογιστή)
2. προ-επεξεργασία σημάτων (πχ ηλεκτροκαρδιογράφημα κλπ) για την επαλήθευση των δεδομένων και τη μείωση των ψευδών συναγερμών (false alarm elimination)
3. επεξεργασία των δεδομένων πολλαπλών παραμέτρων για την παρακολούθηση της φυσιολογικής κατάστασης και την έγκαιρη ανίχνευση των κρίσιμων γεγονότων
4. ερμηνεία των δεδομένων σύμφωνα με τα παθοφυσιολογικά μοντέλα της ασθένειας και μέσω των τεχνικών επεξεργασίας σήματος.
5. δυνατότητα ανάκλησης και εμφάνισης δεδομένων, χρονικής περιόδου, με εναλλακτικούς τρόπους, που υποστηρίζουν αποτελεσματικότερα τη διαδικασία εκτίμησης του ιατρού.
6. εφαρμογή νέων μεθόδων αποθήκευσης πληροφοριών σε μικρότερο όγκο για εξοικονόμηση χώρου στο ψηφιακό μέσο αποθήκευσης
Η εφαρμογή σύγχρονων τεχνικών ανάλυσης δεδομένων (αλγοριθμική επεξεργασία) μαζί με τη συνεχή καταγραφή-αξιολόγηση των φυσιολογικών δεδομένων θα μπορούσε να αλλάξει τη μέθοδο (με στόχο τη μείωση του χρόνου) της έγκαιρης διάγνωσης και στη συνέχεια, την έγκαιρη θεραπεία, όπως απεικονίζεται στον παρακάτω πίνακα.
       12
         DATA SCIENCE AND SMART ICU: ΒΙΟ-ΙΑΤΡΙΚΗ ΜΗΧΑΝΙΚΗ ΚΑΙ ΕΡΓΑΛΕΙΑ ΙΑΤΡΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ
Βασίλειος Παπαϊωάννου
Αν. Καθηγητής Εντατικής Θεραπείας & Υπολογιστικής Ιατρικής Δ.Π.Θ., Διευθυντής ΜΕΘ Π.Γ.Ν.Α.
     Συμβατική Μέθοδος
Στατικά & Διακριτά Δεδομένα Off-line καθυστερημένη επεξεργασία
Καθυστερημένη διάγνωση – ακατάλληλη χρονικά για κρίσιμη κατάσταση
Επεξεργασία ενός καναλιού Χειρωνακτική Διάγνωση Ανθρώπινα Σφάλματα
Νέα Μέθοδος
Δυναμικά & Συνεχή Δεδομένα
On-line επεξεργασία σε πραγματικό χρόνο
Έγκαιρη διάγνωση – κατάλληλη χρονικά για κρίσιμη κατάσταση
Επεξεργασία πολλαπλών καναλιών Αυτόματη Διάγνωση - Μείωση των περιττών εργασιών Ελάττωση ανθρωπίνων λαθών - Πιο ακριβής απόφαση
               19
   






































































   17   18   19   20   21