Epic CarePATHとOracle Cloudによる患者体験の向上 (2021/06/30)
Epic CarePATHとOracle Cloudによる患者体験の向上 (2021/06/30)
投稿者：Jason Monden
患者体験、臨床成果、研究、教育の分野で世界をリードする企業が、Epic と Epic CarePATH データの使用を近代化しようとしていました。この組織は、従来の患者のワークフローを把握するためにEpicを導入しました。Oracle Cloud Infrastructure (OCI) と Oracle Healthcare Foundation (OHF) を組み合わせることで、最新の医療ワークフローを導入するための統合されたシームレスなアプローチを実現しました。その結果得られたデータは、統合されたデータ・レイクに取り込まれ、患者体験、間接費、資本コスト、医療の改善などにプラスの影響を与えることができます。
典型的な患者のワークフローに対応した設計
この世界的な医療機関の課題は、患者が退院した後のワークフローのキャプチャとケアを拡大し、エンドツーエンドのケアを提供することでした。この問題を説明するために、次の例では、膝の手術のために来院した患者を取り上げています。
Epic CarePATHでは、次のようなワークフローをキャプチャして管理しています。
- 入院前：患者がどの医師に相談したか、X線や検査を行ったか
- 緊急外来と入院前：画像診断や薬局など、治療に関わる様々な部門から、すべての患者データを組み合わせます。
- 入院患者：人工膝関節の手術で何が起こったのか、患者さんがどんな薬を説明されたのか、などなど。
しかし、在宅ケアやモニタリングプログラムを利用して患者が退院すると、以下のようなワークフローが把握・管理されます。
- リハビリプログラム：Oracle Service Cloudを使って開発したカスタム画面で患者の理学療法の内容を把握し、OHFに保存する
- ホームケア訪問：訪問時にタブレットで収集した在宅医療のデータをOHFにメッセージバックする
- ウェアラブル：Oracle Internet of Things (IoT)クラウドサービスを使ってデータを取得し、OHFに配信
データがクラウドで出会い、高度なヘルスケアインサイトを実現
医療業界をリードする革新的な企業は、Oracle Healthcare Foundation (OHF)とOCIのクラウド・サービスを利用して、これらのワークロードを取り込むことができます。OCI内に一元化されたデータレイクを作成し、最初の3つのワークフローについてはEpic CarePATHに統合されているデータを統合し、残りの3つのワークフローについては既にOHFにあるデータを適用することができます。すべての利用可能なソースからのデータメトリクスを組み合わせることで、OCIのより多くの機能を適用することができます。分析、機械学習、ハイパフォーマンスコンピューティング（HPC）、データサイエンスプラットフォームなどのOCIサービスを利用することで、有害事象をより正確に予測・検出し、臨床結果を改善し、再入院のリスクを低減し、全体的なコストを削減することができます。
この未来の状態を実現するためのアプローチ
ステップ1：統一された360度の患者様の全体像を作成する
データソースを以下の領域に分類する
| nternal structured data |
Epic Data ARK (data warehouse) PeopleSoft |
|---|---|
| Internal unstructured data |
Clinical notes Call notes Logs Machine data and Blackbox for OR |
| External structured data |
Workday Info Oracle ERP Partners |
| External unstructured data |
Sensors Devices Social Media Geolocation services |
ステップ2: データ統合
Oracle Integration Cloudを使用してさまざまなデータ・ソースを引き出すか、REST APIを使用してOracle Healthcare Foundationに保存されている臨床データやゲノム・データにアクセスします。
ステップ3: データ・ファブリック層
データ・ファブリック層は、異種データや急成長するデータの保存、処理、分析、管理をサポートする統合プラットフォームを構築します。データ・ファブリックの中核となるのは、OHFとOracle Cloud Infrastructure（OCI）のData Lakeソリューションです。どちらも、構造化データや非構造化データなどのソースから直接データを取り込むことができます。OHFのソリューションで処理されたデータは、データレイクに移行する前にさらに洗練されます。
データレイクには、セキュリティ、プライバシー、ログが組み込まれており、コンプライアンスのためにすべてのデータを監査することができます。データの分類とデータガバナンスは、データレイクのための共通のメタストアである OCI Data Catalogによって提供されます。
ステップ4：人工知能と機械学習
データが保護され、整理され、監査され、データレイクに入ると、貴重なデータセットとなります。無限のデータセット上で、HPC、Data Science Platform、Autonomous DatabaseなどのOCIテクノロジーの上で、ディープラーニング、自然言語処理（NLP）、データマイニング、アナリティクスなどの機械学習（ML）や人工知能（AI）のアルゴリズムを適用することができます。
ステップ5：データマーケットプレイス
データマーケットプレイスを確立することで、医療機関の内外でデータを共有するための、簡単で安全かつ効果的な方法を提供します。
すべてが揃うまで 心臓の緊急事態の例
Johnは退職したばかりの教師で、友人と運動をしているときに胸の痛みを感じ始めました。救急車が呼ばれ、ジョンは緊急治療室に運ばれ、診断を受けることになりました。
病院への搬送
Johnを病院に搬送する救急車には、IoTによるデータ収集機能が搭載されています。ERの臨床スタッフは、搬送中に収集されたリアルタイムの臨床測定値（ECGなど）を表示するモニタリングダッシュボードへのデータのライブフィードと対話することができます。この機能により、ERの医師は、Johnが病院に到着する前にトリアージ活動を開始することができます。医師は、分析パッケージやAIを使ってストリーミングデータを分析し、重要な臨床データポイントを特定し、臨床的価値のある通常のデータポイントからの逸脱を識別することができます。この分析により、臨床医が利用できる収集したストリーミングデータの要約が作成されます。生のストリーミングデータは、将来の分析のために保持することができます。また、ストリーミング・データの臨床的なサマリーをEpicの医療記録にメッセージで追加することもできます。
緊急治療室と入院前
Johnのデータはすべて、画像診断や薬局など、ジョンを治療するさまざまな部門から集められます。データには、ケアフローを最適化するための次のような臨床的相互作用のタイミングが含まれています。
- 検査は具体的にどの数字の順番で行われたか？
- 各治療エリア間の移動に遅れはなかったか？
- 治療、検査、投薬の指示と実施のタイミングはどうでしたか？
- どのような薬が投与されましたか？
- 短期間に複数の投薬が指示された場合、投与のタイミングと順番は？
- 薬の投与に関連して、臨床値や検査値に変化がありましたか？
データには、アナリティクスやAIを応用した、発生したすべての臨床的相互作用のモニタリングも含まれており、次のような例があります。
- 単独では重要ではないが、特定の組み合わせで発生した場合にモニタリングのトリガーとなるべき臨床上の兆候があったか？
- ケアエピソード全体にわたる大規模な患者データ群をレトロスペクティブに比較することで、有害事象につながるパターンを特定し、ケアパスの中でミスが発生しやすい領域を特定し、ケアパスを最適化することで、患者のアウトカムを改善し、コストを削減することができます。
入院患者と処置
Johnが入院した時点から、すべての投薬、処置、観察、患者から報告された苦情、検査データなどを、彼のエピソードオブケア内で、またより大きな患者コホートと比較することができます。このリストには、以下の例のように、複数の部門のケアを含めることができます。
- おそらくJohnは手術を受けます。そして、術前、手術、術後のデータを収集します。手術ケアパス全体のすべてのデータとイベントの縦断的な記録を作成することができます。値が期待された結果を超えた場合、この値をこの同じケアパスの他の患者のパターンと比較します。機器が正常に機能していなかったために、その日のリカバリールームのすべての患者データが歪んでしまったのかもしれません。
- Johnのケアの要素と、介入に対する臨床反応を、スタッフの配置などの管理データと相関させることで、ケア提供の流れを最適化することができます。投薬の指示から投薬までの時間が予想以上に長かったエピソードでは、フロアに何人のRN、LPN、看護助手がいましたか？この数字を、その時点でフロアにいたすべての患者の集合的なアキュイティスコアと比較する。この事例を、スタッフの比率が似たり寄ったりの他の部署での同様のイベント期間と比較します。
- IoTとモニタリングデータを使用して、ジョンが入院中にどれだけ活動しているかを追跡し、それを当時のスタッフのレベルや臨床結果、入院期間と関連付けることができます。
退院と心臓リハビリ
Johnは心臓リハビリプログラムに退院し、様々な遠隔監視装置をつけて帰宅します。電子医療記録（EMR）データは、すべての診療所や緊急医療機関などのモニタリングおよびデータ収集システムと結合されます。ホームケアの訪問から生成されたデータは、訪問中にタブレットを介して収集され、Epicにメッセージで返されます。IoTリモート・モニタリング・デバイスからのストリーミング・データが収集されます。このデータには、血圧計、スマートピルボックス、スマートウォッチ、スパイロメーター、スマートフォンによる患者の健康状態の調査、体重計などが含まれます。
このデータは、分析とAIが臨床的に重要なパターンを特定できる集約環境に流れます。パターン、データの平均値、値が予想を超えたデータポイントは、Epicに戻すことができます。集計環境では、生データや部分的に分析されたデータを利用して、患者の集団間で比較分析を行うことができます。ナースモニタリングのダッシュボードには、各患者のIoTデータ、心臓治療に関連するEpicデータ、スケジュール管理などのデータが表示されます。
Johnは薬を飲んでいますか？
もし飲んでいなければ、スマートフォンのチャットボットで思い出させるか、それとも電話をかけるか？監視装置によると、Johnの脈拍は過去12時間にわたって高くなっています。私たちは彼に電話しますか？当初の予定よりも早く予約を入れますか？ジョンは今日、予約を取りに来るべきでしょうか？
まとめ
これらのデータを個々の患者さんについて複合的に分析し、患者さんのコホートと比較することで、再入院リスクの増加を示す重要な指標をより効率的に表示することができます。これらのリスクスコアの上昇は、心臓病治療チームによるアクションのきっかけとなるだけでなく、Epicにアラートとしてメッセージを送り返すこともできます。利用可能なすべてのソースからのデータ指標を組み合わせることで、有害事象をより正確に予測・検出し、臨床結果を改善し、再入院のリスクを低減し、コストを削減することができます。
オラクルによるヘルスケアの変革についての詳細は、こちらまでお問い合わせください。
コメント
コメントを投稿