Hvor går utviklingen?

Det finnes to anerkjente internasjonale modeller for å beskrive hvor avanserte eller omfangsrike EPJ-systemer kan være. Analyseselskapet Gartner har en «Electronic Health Record generasjonsmodell» og HIMSS’ har en modell kalt EMRAM. Begge er beskrevet i rapporten «Alternativanalysen» fra utredningen av Én innbygger – én journal.

I utredningen skrives: «Generasjon 1-systemer er enkle systemer som ­essensielt opererer som et resultat­rapporteringsverktøy. De gjør det ­mulig for flere brukere å få tilgang til kliniske data som tidligere kan ha blitt spredt blant flere systemer eller bare har vært tilgjengelig på papir for én person om gangen. Generasjon 2-sys­temer er systemer som kan brukes både for tilgang til informasjon og til dokumentasjon av kliniske data. Generasjon 3-systemer har funksjonalitet og egenskaper som tilgjengeliggjør evidensbasert beslutningsstøtte til brukerne og støtter flere fagområder og spesialiteter. Generasjon 4 kjennetegnes av mer avanserte systemer som gir mer sofistikerte og relevante kliniske datasyntese-, presentasjons- og navigasjonsmuligheter, sammen med rikere og mer kompleks klinisk beslutningsstøtte.» (Helsedirektoratet; Utredning av «Én innbygger – én journal»; V4 Alternativanalyse; Desember 2015.)

Antagelig vil man bruke avanserte systemer som innehar en kognitiv eller tenkende evne, ofte omtalt som «kunstig intelligens» for å nå opp til generasjon 4 og 5. Systemet trenes opp til å gjenkjenne mønstre, termer og synonymer. Etter noen runder med forsøk og korrigerende læring blir systemet presist med sensitivitet og spesifisitet på nivå med meget erfarne klinikere – men med en helt annen hastighet. Dette kan brukes som grunnlag for beslutningsstøtte, jamfør de meste avanserte eks­emplene beskrevet i rapporten Beslutningsstøtte Definisjoner, status og forvaltning av ulike former for IKT-­basert klinisk støtte (Helsedirektoratet, Mars 2014). I rapporten beskrives hvor- dan systemet leter opp like eller lignende pasienter som den aktuelle og frem­- s­tiller hvilken behandling som kan være mest effektive for den aktuelle pasienten. Det er fortsatt et stykke igjen før tekno­- logien er implementerbar i bred skala, men det går fremover. Et eksempel i Norge er prosjektet der maskinen leser gjennom radiologiske beskrivelser på Ahus for å finne andelen undersøk­elser med positivt funn. (http://www.tu.no/artikler/tenkende-teknologi-avdekker-bruken-av-straling-pa-norsk-­sykehus/363930.)

HIMSS, Healthcare Information and Management Systems Society er en organisasjon finansiert av IT- bransjen. De har utarbeidet en modell som brukes for å score sykehus og helsesystemers utbredelse og modenhet innen kliniske IKT-systemer. ­Modellen kalles «Electronic Medical Record Adoption Model» (EMRAM) og brukes til å benchmarke internasjonalt helseorganisasjonenes løsninger. HIMSS hevder at man kan dokumentere kliniske effekter på nivåene 6 og 7. Dog er forskning på dette vanskelig å gjennomføre, fordi bruken i klinisk praksis vil være avhengig av alle IKT-systemer man bruker lokalt og opp­settet av dem. Det er ganske få sykehus som har nådd nivå 7 enda. En kritikk mot modellen er at hvis man implementerer systemene i en annen rekkefølge vil man score uriktig lavt, slik at mindre avanserte sykehus vil få høyere score selv om kliniske IT-systemer ikke er like avanserte. EMRAM-modellen ble også oversatt i arbeidet med utredningen av Én innbygger – én journal. (Helsedirektoratet; Utredning av «Én innbygger – én journal»; V4 Alterna­tivanalyse; Desember 2015.)

I Norge vil de fleste sykehus scores på EMRAM nivå 2. Sykehus med elektroniske kurvesystemer, p.t. Ahus, SØF, Haukeland og snart OUS, vil scores på nivå 5. Hvis SØF lykkes med å innføre lukket legemiddelsløyfe OG legge til avansert beslutningsstøtte, slik som varsling ved mulig sepsis, kan de antag­elig scores på EMRAM nivå 6.

Løsningsstrategi

Funksjonaliteten klinikeren blir tilbudt er også avhengig av løsningsstrategien. Løsningsstrategi er de valg man tar for å etablere en komplett løsning. I sykehusene i Norge har løsningsstrategien fulgt prinsippene «Best-of-breed», altså at man for hvert spesialområde har egne spesialiserte systemer som skal integreres og representere en komplett journalløsning.

Integrasjonen innebærer at data skal flyttes og synkroniseres mellom system­- ene. Utfordringen er manglende stand­arder, systemenes lukkede datamodeller, manglende grensesnitt for utveksling, oppstykkede brukergrensesnitt og konflikter om hvilket system som skal være autorativt for hvilken informasjon. På toppen kommer kompleksi­teten med testing. Kompleksiteten øker eksponensielt med et økende antall systemer som skal integreres. Eksempler fra norske forhold er ut­fordringene med legemiddelinformasjon på tvers av DIPS og MetaVision på Sykehuset Østfold, mellom Partus og DIPS på OUS. Det er verdt å merke at Gartner hevder ingen helsesystemer har klart å nå Generasjon 3 basert på en «best-of-breed»-strategi. (Gartner (2014): Engagement for the Norwegian Directorate of Health – Commissioned by the Ministry of Health and Care Services. Rapport for Helsedirektoratet.)

Lett vs. tung IKT

Forskere ved Universitetet i Oslo har presentert en modell med «lette» og «tunge» IKT-systemer (Bygstad, Bendik, «The Coming of Lightweight IT» (2015). ECIS 2015 Completed Research Papers. Paper 22.) «Tunge systemer» er typisk bankenes grunnsystemer, reiselivsbransjens «Amadeus» og PAS/EPJ i helsetjenesten. På toppen av disse kan man legge «lettvektssystemer» slik som en app for mobilbank, flyselskapets app og lignende spesialiserte apper. Uten grunnsystemet har man ingenting å lage apper og lettvekssystemer for. Modellen krever også grensesnitt for kommunikasjon fra grunnsystemet. Større EPJ-leverandører forsøker nå å etablere egne app-markeder for sitt system for å støtte denne utviklingen.

Motforestillinger

Felles for systemene er behovet for mer strukturert dokumentasjon. Dette vil garantert ha konsekvenser for doku­- mentasjonpraksisen. På den ­annen side vil strukturert informasjon kunne gjenbrukes slik at man slipper å dokumentere på nytt og på nytt. Dette er godt beskrevet i Legeforeningens ­policynotat om strukturert journal (Om strukturering av medisinsk informasjon i elektroniske pasientjournaler Legeforeningens IT-utvalg, februar 2015). Fra organisasjoner som har ­implementert beslutningsstøtte opp­leves ofte varslene som påtrengende og ute av kontekst. Klinikeren blir «alarmblind» (alert fatigue) og rea­gerer ikke lenger på relevante alarmer. Utfordringen blir altså å finne den rette balansen for hva slags type alarmer, deres sensitivitet og spesifisitet og til slutt hvordan de integreres i EPJ-systemet. Professor Robert ­Wachter har beskrevet mange gode betraktninger om dette i en meget lesverdig bok kalt «The digital Doctor.» (The Digital Doctor: Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age, Robert M. Wachter, MD, 2015)

Oppsummering

Hvis vi skal oppsummere disse rapport­- ene og funnen i utredningene ser trend­ene slik ut: Kliniske gevinster kommer først med en ganske komplett digital dokumentasjon med klinisk beslutningsstøtte. Dette krever avanserte systemer med mer strukturert dokumentasjon som kan bruke disse dataene individuelt for å gi varsler og støtte til behandling i EPJ-systemet. I fremtiden forventes også å få strukturerte data ved maskintolkning av tekst-notater. De som har lykkes hittil har basert seg på store, integrerte systemer og etablert kliniske grupper og strukturer som hyppig gjør små forbedringer på oppsett og algoritmer etter hvert som erfaringen kommer. Enkelte av disse systemene åpner nå opp grensesnitt for å tillate 3.parts «lettvekts IKT», altså apper og spesialiserte systemer som supplement til den etablerte ­funksjonaliteten. •