כללי
כיום, כשליש מהמאושפזים בבתי חולים כלליים הם בני 65 ומעלה. בגילאים אלה עולה שכיחות המחלות הכרוניות והמורכבות הקלינית. שכיח למצוא מאושפזים בני 75+ עם ריבוי מחלות רקע כמו יתר לחץ דם, סכרת, אי ספיקת לב, מחלת ריאות כרונית ומחלת כליות. חולה מעין זה נחשב "חולה מורכב" (Patient with complex Multimorbidity).
פעמים רבות הטיפול בסיבה העיקרית בגינה אושפז החולה, עלול להחמיר את תפקוד המערכות / איברים אחרים (לדוגמה, טיפול באנטיביוטיקה מסוימת עלול להחמיר את תפקוד הכליות).
הטיפול הרפואי בחולה המורכב מחייב הערכת מצב בסיסית בעת קבלתו לאשפוז, הכוללת את פרטי התלונה העיקרית, בדיקה גופנית, בדיקות מעבדה ודימות. בנוסף פעמים רבות קיימת מעורבות של מומחים מדיסציפלינות קליניות שונות. לצורך השלמת האנמנזה/המידע פונים הקלינאים למקורות מידע מגוונים לדוגמה: המטופל ומשפחתו, רשומה רפואית קודמת ומידע מהקהילה. בהמשך, נדרש עיבוד של כל המידע שנאסף, קביעת האבחנה ותוכנית הטיפול המתייחסת גם למחלות הרקע והמורכבות הקלינית הבסיסית.
במהלך האשפוז נדרשת הערכה חוזרת למכלול הבעיות הרפואיות של המטופל שכן ההסתמנות הקלינית עשויה להשתנות במהירות. החסמים העיקריים הם: נגישות, זמינות ואינטגרציה של מגוון הנתונים הקליניים החיוניים לקביעת האבחנה, עד כדי עיכוב/איחור בזיהוי סימני החמרה מוקדמים ולעיתים רק לאחר הדרדרות המטופל - אלה באים לביטוי בתוצאים קליניים תת-מיטביים.
תחום זה מהווה אתגר מבחינת השימוש בשיטות הבינה המלאכותית לצרכי מניעה, שיפור וייעול הטיפול. מתוך כך, המרכז הרפואי איכילוב שם דגש על פיתוח תשתיות מידע המסייעות באיסוף ועיבוד נתונים הנתונים בהיקף ומגוון עצומים (Big data) ופועל לפיתוח כלים מבוססי בינה מלאכותית (AI). כיום מרבית נתוני המטופל מאוגדים בענן. הקמת תשתית חדר המחקר מאפשרת שימוש בשיטות הבינה המלאכותית (AI) לזיהוי וחיזוי מצבים ומגמות קליניות ומניעת הדרדרות במצבו הבריאותי של המטופל וחיזוי תוצאות.
נתונים
הנתונים הקליניים הייחודיים
לתחום זה כוללים: ניטור רציף וא.ק.ג, נתוני פעולות הנעשות במכונים (דוגמת
קרדיולוגיה, גסטרואנטרולוגיה, דיאליזה, אנדוקרינולוגיה וכיוב'), שיטות הדמיה
ייחודיות בסיסיות ומתקדמות ומידע על טיפול בקהילה. מחוברים לכך נתוני הרשומה
הקלינית המלאה, מעקב מדדים פיזיולוגיים, מאזן נוזלים, אומדנים קליניים, אבחנות
ופרוצדורות, נתוני מעבדה, דימות, טיפול תרופתי שגרתי, כמו גם נתונים תפעוליים
ואחרים.
שיטה
.(Unstructured Data) ושאינו מובנה(Structured Data) הוא מובנה (Sandbox ) המידע המאוגד מצוי בענן במבנה
ארגז חול
.(NLP דוגמת P ) סוג מידע זה מחייב שימוש במתודולוגיות שונות לעיבוד וניתוח טקסט חופשי
סך המידע מאפשר שימוש בכלים מתחום הלמידה החישובית (Machine Learning), הלמידה העמוקה (Deep Learnin), עיבוד טקסט וכדומה.
שיתופי פעולה:
הטיפול בחולה המורכב מהווה כר נרחב לשיתופי פעולה, פיתוחים ומחקרים. דוגמאות לשיתוף פעולה:
- חברת AnyVision (זיהוי מוקדם, חיזוי, DSS)
- חברת Biobeat ((זיהוי מוקדם, חיזוי, DSS)
