Utveckling av vård-IT stöd

Bakgrund

Sverige behöver fortsätta digitalisera och använda hälsodata mer effektivt för att göra information tillgänglig i hela vårdkedjan, oavsett vårdgivare.
AI, artificiell intelligens utvecklas snabbt och kan förbättra diagnostik, behandling och patientvård genom att lösa komplexa problem och effektivisera vårdens IT-system. Exempel på AI-användning är analys av röntgenbilder, individanpassade behandlingsplaner och övervakning av patientens hälsa i realtid.


Men AI-utvecklingen fortsätter…

… och utveckling av innovationer som kan bidra till bra vård-IT lösningar kräver att vårdens behov och säkerheten för patienten tillvaratas och stärks.
Detta kräver redan från planeringsstadiet ett nära samarbete mellan olika kompetenser inom bland annat hälso- och sjukvården, systemutvecklare och verksamhetsutvecklare.

Ja, och det är så att…

MedSafe kan bidra med vårdkompetens och kunskaper om utveckling, kravställning, uppbyggnad och testning av den aktuella vårdspecifika informationen vid utveckling av olika sjukhusövergripande nationella vård-IT stöd.

Utveckling av vård-IT stöd kräver samarbete inom olika kompetenser.
Vill du veta mer? Klicka här

Vård-IT utveckling inom hälso- och sjukvård

Under de kommande åren behöver olika typer av hälsodata utvecklas och göras tillgängliga. Utan data av hög kvalitet kan vi inte förenkla processer och göra vårdinformation lätt att nå.
AI-stöd kan förbättra vårdkvalitet, öka patientsäkerheten, förenkla arbetsprocesser och minska
administration. 

För att utveckla AI-stöd som automatiskt kan hitta och bearbeta både strukturerade och ostrukturerade data i ett journalsystem krävs data av högsta kvalitet och att termer och begrepp används, struktureras och tolkas på samma sätt.

Den data som AI-verktyget tränas på (maskininlärning) måste utgå från riktiga data för att IT-stödet ska kunna agera när det är i produktion vilket kräver stora mängder övningsdata i inlärningsfasen.

Tillsammans kan vi skapa bra vård-IT verktyg som fungerar inom hälso- och sjukvård.

Erfarenheter av vård-IT utveckling

Jag har medverkat både som projektledare och projektdeltagare i utveckling och implementering av olika sjukhusövergripande och nationella vård-IT stöd.

Nationella databasen för Markörbaserad journalgranskning (MJG) vid Sveriges Kommuner och Regioner

Delprojektledare för utveckling och implementering för en nationell databas vilken innehöll respektive sjukhus inrapportering av granskningsresultat från MJG samt möjlighet till olika sammanställningar och statistikuttag.
Statistikuttagen presenterades på nationell-, regional- och sjukhusnivå. Även granskningsresultat från specifika verksamheter kunde rapporteras in med möjlighet till olika statistikuttag.

Medverkan i framtagande av RIV  ”Informationsspecifikation för Markörbaserad Journalgranskning (MJG)” vid
Sveriges Kommuner och Regioner

Informationsspecifikationen har tagits fram för att underlätta för regionerna att använda IT-stöd i arbetet. Den kan användas både för att göra sökningar i befintliga vårdsystem och för att skapa inmatningsstöd för en mera strukturerad dokumentation och registrering av journaluppgifter som har betydelse för patientsäkerheten. Med utgångspunkt i handboken för MJG har en arbetsgrupp med patientsäkerhetsexperter och informatiker analyserat varje enskild markör och tagit fram informationsmodeller och specifikationer av informationsinnehåll.

Målgrupp för informationsspecifikationen är informatiker, systemförvaltare och systemutvecklare inom regionerna,  systemleverantörer samt personer med vårdkompetens.

Implementering av TakeCare  journalsystem vid Karolinska Universitetssjukhuset i Solna

Varit delprojektledare och utbildningsledare för införandet av TakeCare journalsystem vid Karolinska Universitetssjukhuset i Solna i samband med ihopslagningen av Huddinge och Solna till ett Universitetssjukhus

Regionala vård-IT stödet WebCare, vid Region Stockholm och Huddinge Universitetssjukhus

Medverkan i utveckling och implementering av en webbaserad applikation för informationsöverföring mellan vårdgivare i vårdkedjan för de patienter som är i fortsatt behov av insatser från kommun och primärvård efter utskrivning från sjukhus. Informationen omfattade både administrativa och medicinska data.

Medverkan i olika utvecklingsinsatser av patientjournalsystemet TakeCare vid
Huddinge Universitetssjukhus 

Olika sjukhusövergripande och verksamhetsspecifika utvecklings- och utbildningsinsatser av TakeCare journalsystem.

Medverkan i utvecklingen av Intranätet ”Husnet” och ett enkätverktyg vid Huddinge Universitetssjukhus

Intranätet ”Husnet” utvecklades i samverkan med sjukhusets olika verksamheter.

Vård-IT stödet Modifierad Automatisk Granskning (MAG) vid Karolinska Universitetssjukhuset

Delprojektledare för utveckling och implementering av ett automatiserat journalgranskningsstöd som automatiskt sökte ut strukturerade och ostrukturerade data från patientjournaler utifrån definierade markörer med syfte att identifiera skador och vårdskador.

Se vidare fliken ”Exempel på utvecklingsarbete” för vidare information om i vilka olika moment som Karolinska Universitetssjukhuset bidrog med specifik kompetens för att vård-IT stödet skulle kunna förverkligas.


Ett exempel från utvecklingsarbetet av vård-IT stödet Modifierad Automatisk Granskning (MAG)

Bakgrund
Syfte

  • Automatiskt identifiera skador och vårdskador genom att söka ut ostrukturerade och strukturerade data från patientjournaler.

  • Skapa systematik vid utsökning av markörer, effektivisera resurser, ge överblickbarhet och generera statistik för snabbare förbättringsåtgärder.


MAG utvecklades av Karolinska Universitetssjukhuset, SAS Institute och BearingPoint, finansierat av Hälso- och sjukvårdsförvaltningen i region Stockholm (dåvarande Stockholms läns landsting). Arbetet genomfördes i team med olika kompetenser:

  • Karolinska Universitetssjukhuset: Bidrog med vårdkompetens och genomförde identifiering av data, textmining, utbildning och användardesign.

  • SAS Institute: Bidrog med IT-kompetens inom textmining och analys.

  • BearingPoint: Bidrog med projektledarskap och integration mot journalsystemet TakeCare.

Även Capio Sankt Görans Sjukhus ingick i projektet. De utvecklade MAG tillsammans med SAS Institute och BearingPoint utifrån deras journalsystem Cosmic, vilket begränsades till att endast kunna söka ut strukturerade data.

MAG funktioner

MAG sökte automatiskt ut specifika markörer från journaler, där identifierade markörer registrerades med detaljer som typ, beskrivning, typ av journalanteckning, datum, etc.

Vid påträffade markörer genomfördes manuell granskning av identifierade journalanteckningar för att identifiera skada eller vårdskada, vilken dokumenterades i MAG med typ av skada, allvarlighetsgrad och andra relevanta detaljer.


Bifogat finns en schematisk processkarta över arbetsfördelningen mellan
Karolinska Universitetssjukhuset, SAS Institute och BearingPoint
vid utvecklingen av vård-IT stödet MAG 

Processkarta över utvecklingen av vård-IT stödet MAG

Nedan visas två vyer från MAG med
olika patientdata utifrån den automatiska utsökningen

Vy över vissa grunduppgifter för en specifik patient.
Uppgifter om påträffade positiva markörer, i vilken typ av journalanteckning, läkemedelsmodul, labdata, m.m samt uppgift om datum och klockslag.

Mina kunder om mig

Här lägger du in rekommendationer från dina riktiga kunder. Hela sektionen kan döljas om du ännu inte har rekommendationer. När du har fått rekommendationer öppnar du upp sektionen. Vi visar dig hur.
Namn
Designer
Här lägger du in rekommendationer från dina riktiga kunder. Hela sektionen kan döljas om du ännu inte har rekommendationer. När du har fått rekommendationer öppnar du upp sektionen. Vi visar dig hur.
Namn
Designer
Här lägger du in rekommendationer från dina riktiga kunder. Hela sektionen kan döljas om du ännu inte har rekommendationer. När du har fått rekommendationer öppnar du upp sektionen. Vi visar dig hur.
Namn
Designer

Vanliga frågor

De olika moment som finns dokumenterade i de ljusare blå boxarna genomfördes av Karolinska Universitetssjukhuset och BearingPoint. 
De moment som finns dokumenterade i de mörkblå boxarna genomfördes av SAS Institute.

Journagranskningsmetoden Global Trigger Tool (GTT) som kommer från USA togs till Sverige 1996. Metoden översattes till svenska och var den som användes vid uppbyggnaden av vård-IT stödet.

Vid Karolinska Universitetssjukhuset användes MAG i granskningsarbetet, både på sjukhusövergripande nivå och av samtliga kliniker med slutenvård. 

Capio St:Görans sjukhus använde MAG på sjukhusövergripande nivå i första hand.

I databasen dokumenterades födelseår, kön, vårdspecialitet, antal vårddagar samt andra data som är av vikt för utfallet av skador och vårdskador. Vid skada/vårdskada anges typ av skada, allvarlighetsgrad, specialitet alternativt annat sjukhus/öppenvård där skadan uppkom samt uppskattning om antal vårddagar för när skadan/vårdskadan inträffade.

Val av granskningsperiod (antal månader/år). Antal samt procentuellt antal skador och vårdskador. Skadetyp, allvarlighetsgrad, undvikbarhetsbedömning, köns- och åldersfördelning samt totalt, typ av skador/vårdskador köns- och åldersuppdelat mm.

Ovanstående statistik kunde även tas ut på sjukhus-, regions- samt på nationell nivå.

Varje sjukhus kunde även få ut sina egna data i en Excelfil. Från Excelfilen kunde sjukhusen ta ut betydligt mer data för egna sammanställningar. 

Det fanns även möjlighet för kliniker/verksamheter att rapportera in sina egna resultat och uttag av resultat.

Varmt välkommen att höra av dig så kan jag berätta mer om de olika projekt som jag medverkat i inom vård-IT stöd.

 Vi kan även boka in ett helt kostnadsfritt möte
(digitalt eller hos er) för vidare samtal
på vilka sätt MedSafe kan stödja er.

Jag nås via kontaktformuläret här

© 2025 All rights reserved

INTEGRITETSPoLICY

Medsafe