Tema: Mod et bæredygtigt digitalt sundhedsvæsen

Corona-pandemien har forstærket de udfordringer, vores sundhedsvæsen i forvejen stod overfor. Ældrebølgen og kronisk sygdom er på ingen måde forsvundet, snarere tværtom. Presset på sygehusene, de praktiserende læger og kommunernes sundhedsfunktioner stiger, mens det samtidigt bliver vanskeligere at skaffe kvalificeret arbejdskraft.

Aldrig har behovet for sammenhæng på tværs af sundhedsvæsenets sektorgrænser og et velfungerende nært sundhedsvæsen været større.

Mød vores specialister inden for sundheds-it til en dialog om dine digitale muligheder.

Event: Koncept for dataopsamling og anvendelse

Torsdag den 13. oktober kl. 16.30

Sundhedsdata genereres og opsamles i dag med eksponentiel fart. Alle disse data ender i dag typisk i dedikerede databaser målrettet de klinikere i de specifikke specialer, der bruger dem og fortolker dem. I flere specialer er der i dag for få hænder/hoveder til at behandle det stigende antal patienter og datamængder, så der ønskes mere teknologisk hjælp. Mange har - også i denne forbindelse – store forhåbninger til kunstig intelligens (AI).

Der tegner sig et mønster omkring AI, at teknologierne fungerer bedst, hvis de trænes på:

  • data fra patienter i geografisk nærhed af behandlingsstedet
  • et stort datavolumen
  • et bredt datagrundlag, der rækker ud over de speciale specifikke data, vi har i dag.

En let adgang til at kunne træne og gentræne AI systemer på sådan et datagrundlag vil derfor være vigtig.

Et andet potentiale i store sammenhængende realtids datasæt er muligheden for at præsentere bedre kliniske overblik og beslutningsstøtte i alle faser af patientbehandlingen.

Dette indlæg vil beskrive et generisk dataplatformskoncept, som vil beskrive de forskellige processer, sådan en platform kan understøtte. Det omfatter bl.a.:

  • opsamling af de rå data fra registreringssystemerne spændende fra dikteret/tastet tekst til billeder og analyseresultater
  • Kvalitetssikring af de rå data
  • Sammenstilling i sammenhængende datamodel
  • Kvalitetssikring af datamodellen
  • Anonymisering af data til forskning mm

Håber, vi ses.