Dataan on ladattu suuria odotuksia: sitä on sanottu milloin uudeksi kullaksi, milloin uudeksi öljyksi. Sitä se onkin – mutta vain, jos sitä hyödynnetään. Jos dataa ei osata käyttää, se on arvotonta. Paljon on siis pelissä myös terveydenhuollossa, missä datavarannot ovat valtavat.
Jotta datasta saadaan hyöty irti, tarvitaan data scientisteja eli datatieteilijöitä. Sellainen on myös Juhani Aakko, joka aloitti työt Medaffconilla viime lokakuussa. Hänen vastuulleen kuuluvat sosiaali- ja terveydenhuollolle tehtävien tiedolla johtamisen projektien datan käsittely ja analysointi. Lisäksi hän on data-analyytikkona lääketeollisuudelle tehtävissä RWE-tutkimusprojekteissa eli tosielämän tietoon perustuvissa tutkimuksissa.
Aakko auttaa siis Medaffconin asiakkaita hyödyntämään dataa ja ymmärtämään sen avulla omaa toimintaansa, omia asiakkaitaan ja potilaitaan paremmin. Kun dataa analysoidaan, siitä voi esimerkiksi tunnistaa pullonkauloja hoitoketjuissa tai -käytännöissä sekä havaita entistä aiemmin ihmiset, joilla on suuri riski sairastua johonkin tiettyyn sairauteen.
”Sairauksien ennaltaehkäisy helpottuu, kun esimerkiksi riskitapaukset havaitaan aikaisemmin ennakoivan analytiikan keinoin”, Aakko sanoo.
Ennakoiva analytiikka tarkoittaa historiadataa, perinteistä tilastotiedettä ja koneoppimista yhdisteleviä laskennallisia menetelmiä, joiden avulla voidaan luoda ennusteita tulevaisuuden tapahtumista ja trendeistä. Terveydenhuollossa tämä voi tarkoittaa esimerkiksi ihmisen terveydentilan tai sairauden kehittymisen tarkkaa ennustamista potilashistorian perusteella.
”Datan perusteella voidaan tehdä parempia päätöksiä kuin jos mentäisiin mutu-tuntumalla. Data mahdollistaa sen, että terveydenhuollossa ei tarvitse arvailla, miten asiat ovat”, Aakko toteaa.
Aakko on koulutukseltaan tekniikan tohtori. Medaffconille hän siirtyi konsultointiyritys CGI:stä, missä hän työskenteli data scientistina sosiaali- ja terveydenhuollossa.
Hän on erikoistunut koneoppimiseen perustuvien ennustemallien tekemiseen eri tarkoituksiin eri datalähteistä, joihin sisältyivät sekä yksittäiset ihmisestä mitattavat signaalit että laajemmat kokonaisuudet kuten potilastietojärjestelmistä saatava data. Yksittäisiä ihmisistä mitattavia signaaleja ovat muun muassa aivosähkökäyrä (EEG) ja happisaturaatio (SpO2)
Hän toteaa, että koneoppiminen ja siihen perustuvat menetelmät ovat tulevaisuudessa keskeisiä ennakoivassa analytiikassa. Ne mahdollistavat myös entistä yksilöllisemmät hoidot.
”Niiden avulla voidaan hallita suurempia tietomassoja ja ottaa huomioon huomattavasti monipuolisemmin suuria määriä eri muuttujia, joiden avulla voidaan luoda entistä tarkempia potilaskohtaisia ennusteita sen sijaan, että oletetaan jokaisen potilaan olevan niin sanotusti keskivertosuomalainen.”
Aakon näkemyksen mukaan Suomen valmiudet datan hyödyntämiselle ovat hyvät, sillä dataa löytyy paljon pitkältä ajalta ja lainsäädäntö on suhteellisen suopea datan hyödyntämiselle. Viime vuosien lakimuutokset, esimerkiksi toisiolaki, mahdollistavat tietojärjestelmien datan hyödyntämisen laajasti tiedolla johtamisessa.
Toisaalta järjestelmien, tietoaltaiden ja tietovarastojen rakentaminen on vielä kesken, joten järjestelmien sisältämää tietoa ei pystytä käyttämään tarpeeksi monipuolisesti. Datan laatu vaihtelee, data on harvoin helposti saatavilla eivätkä asiakkaat aina itsekään tiedä, mitä kaikkea dataa niiden tietojärjestelmissä on.
Sairaanhoitopiirit ovat Aakon mukaan eri tasoilla tiedolla johtamisen kehittämisessä. Eri piireissä asiantuntijat ymmärtävät tiedolla johtamisen eri tavoin.
”Tiedolla johtaminen voi olla vanhanaikaista raporttien ja kustannuslaskelmien luontia menneestä, vaikka nykyisin voi jo toteuttaa dynaamisempaa ja ajantasaisempaa seurantaa ja ennakointia. Ei riitä, että esimerkiksi tunnistetaan riskipotilaat tai pullonkaulat hoitoketjuissa, vaan niille pitäisi tehdä jotain ja sen jälkeen vielä mitata toimenpiteiden vaikutusta”, Aakko kertoo.
Siihen suuntaan ollaankin menossa. Kymmenen vuoden kuluttua datan hyödyntäminen on vielä helpompaa ja entistä arkipäiväisempää kuin nykyisin.
”Ennakoivaa analytiikkaa hyödynnetään sosiaali- ja terveydenhuollon eri osa-alueilla organisaation johdosta yksittäisen potilaan hoitoon.”
Lue lisää Juhani Aakosta asiantuntijaprofiilista.
Ensi viikolla Kööpenhamina täyttyy terveystaloustieteen osaajista, yli viisituhannen lääketeollisuuden ja terveydenhuollon ammattilaisen kokoontuessa ISPOR-konferenssiin. Terveystaloustieteen konferenssina tunnetussa ISPORissa tosielämän tieto ja tosielämän näyttö ovat tänä vuonna keskeisessä roolissa.
Lääkehoidot tulisi sisällyttää osaksi sosiaali- ja terveydenhuollon järjestämisen ohjausta, jotta niiden valtakunnallinen ohjaus tehostuisi. Tämä on asetettu keskeiseksi tavoitteeksi, kun lääkehoidon ohjausta ja rahoitusta uudistetaan.
Ylijohtaja emerita Sinikka Rajaniemi pitää välttämättömänä lääkeasioiden saamista hallitusohjelmaan. Hän selvitti viime vuonna lääkehoidon ohjauksen kehittämistä.