E-ZDRoWIE NA ŚWIECIE

Stat Clinicians open their notes to patients in a grand experiment in medical care

klinicyści udostępniają notatki pacjentom w ramach wielkiego eksperymentu w opiece medycznej

W przeciwieństwie do dokumentacji medycznej, do której pacjenci coraz częściej zyskują dostęp, notatki lekarzy pozostają niedostępne. Te luźne wpisy i uwagi w kartotece, które pozwalają śledzić pracę i komunikować się z innymi specjalistami, często są pełne żargonu i nieformalnych spostrzeżeń. Od kwietnia tego roku, zgodnie z postanowieniami amerykańskiej ustawy 21st Century Cures Act, dostawcy usług medycznych są zobowiązani do zapewnienia wszystkim swoim pacjentom elektronicznego dostępu do większości notatek medycznych. Wcześniej pacjenci mieli prawo wnioskować o udostępnienie swojej dokumentacji medycznej, z kolei wyniki badań i niektóre inne dokumenty były dostępne za pośrednictwem portali elektronicznych. Ale fakt, że każdy pacjent może teraz zalogować się w Internecie i zobaczyć notatki klinicystów stanowi ogromną zmianę – i to zarówno dla pacjentów, jak i klinicystów. Niektórzy lekarze mają nadzieję, że dzięki transparentności zapisów świadczeniodawcy zaczną ostrożniej dobierać słowa. Pozytywnym efektem może być też bardziej kompletna i zrozumiała dokumentacja medyczna. To na pewno skłoni ich do unikania nieformalnych czy niestosownych zwrotów, prowadząc do poprawy standardów opieki. Naukowcy od lat badają wpływ „otwartych notatek”. Nie potwierdziły one obaw o wzrost obciążenia pracą. Pacjenci bardzo cenią sobie wgląd do tego, co zanotował lekarz, podkreślając, że czują się współodpowiedzialni za opiekę. Żaden ze 105 badanych lekarzy nie zdecydował się na zaprzestanie dzielenia się swoimi notatkami po zakończeniu badania. Nie jest jednak jasne, czy wszyscy starają się, aby ich notatki były bardziej czytelne. Badanie analizujące zwroty w notatkach onkologicznych sugeruje, że około połowa lekarzy uprościła swój sposób pisania po wprowadzeniu otwartych notatek, podczas gdy w przypadku drugiej połowy stały się on bardziej skomplikowane. Sposób na zmianę przyzwyczajeń jest prosty – lekarzom zaleca się, aby wyobrazili sobie, jak opisaliby problem medyczny koledze, gdyby pacjent był w pokoju. 

The Verge A hospital algorithm designed to predict a deadly condition misses most cases

Algorytm szpitalny zaprojektowany do przewidywania terminalnych stanów pacjentów myli się w większości przypadków

Największa amerykańska firma IT w ochronie zdrowia, Epic Systems, jeszcze do niedawna twierdziła, że jej systemy AI są w stanie precyzyjnie rozpoznać oznaki sepsy – powikłania infekcji, które może prowadzić do niewydolności organów i śmierci. Sepsa pozostaje główną przyczyną zgonów w szpitalach. Jednak opracowany algorytm nie działa tak dobrze, jak wykazano w badaniu opublikowanym w JAMA Internal Medicine. Epic twierdzi, że jego system alarmowy potrafi prawidłowo rozróżnić pacjentów, którzy mają i nie mają sepsy z 76-proc. dokładnością. Jednak nowe badanie wykazało, że system ten miał rację tylko w 63 procentach przypadków. Sepsę bardzo trudno rozpoznać na wczesnym etapie, a czas odgrywa tutaj ogromne znaczenie – szybkie rozpoczęcie leczenia może zwiększyć szanse pacjentów na przeżycie. System Epic, oraz podobne zautomatyzowane systemy ostrzegawcze, skanują wyniki badań pacjentów w poszukiwaniu wskazówek sugerujących rozwój choroby. W badaniu przeanalizowano dane z prawie 40000 hospitalizacji w Michigan Medicine w 2018 i 2019 roku. Pacjenci rozwinęli sepsę w 2552 przypadkach hospitalizacji. Narzędzie Epic przeoczyło 1709 z nich – około dwie trzecie z nich zostało jednak zidentyfikowanych manualnie. Narzędzie poprawie zaklasyfikowało jedynie 7 procent przypadków sepsy, które zostały niezauważone przez lekarza. Analiza wykazała również wysoki odsetek fałszywych alarmów – kiedy u pacjenta włączał się alarm, szansa na to, że rzeczywiście rozwinie się u niego sepsa, wynosiła 12%. Część problemu leży w sposobie, w jaki opracowano algorytm. Analizuje on informacje o rachunkach za leczenie sepsy, aby określić, którzy pacjenci już ją mieli. Oznacza to, że wyłapuje on przypadki, w których lekarz już zidentfikował problem. Jest to niejako próba przewidzenia tego, co lekarze już wiedzą. Narzędzia, które wykorzystują dane pacjentów, aby przewidzieć, co może się stać z ich zdrowiem, są powszechne i mogą być przydatne dla lekarzy. Ale są one tylko tak dobre, jak dane, na podstawie których zostały opracowane. 

MIT Intelligent carpet gives insight into human poses

inteligentny dywan pozwala monitorować postawę ciała

Dywan stworzony w Laboratorium Informatyki i Sztucznej Inteligencji Massachusetts Institute of Technology (MIT) może określać postawę ciała bez użycia kamer. To ważny krok w kierunku ulepszenia spersonalizowanej opieki zdrowotnej oraz inteligentnych domów. Wiele z naszych codziennych czynności wymaga fizycznego kontaktu z podłożem: chodzenie, ćwiczenia czy odpoczynek. Część z nich może dostarczyć wartościowych danych. „Można sobie wyobrazić wykorzystanie tego dywanu i modelu AI do stworzenia systemu monitorowania stanu zdrowia osób z grupy wysokiego ryzyka, wykrywania upadków, kontrolowania poprawności procesu rehabilitacji” – mówi Yiyue Luo, główny autor wynalazku. Dywan, który jest tani w produkcji, został wykonany z folii wrażliwej na nacisk, nici przewodzących i ponad 9000 miniaturowych czujników. Każdy z nich przetwarza siłę nacisku człowieka na sygnał elektryczny poprzez fizyczny kontakt między stopami, kończynami, tułowiem i dywanem. System został specjalnie wytrenowany na zsynchronizowanych danych dotykowych i wizualnych, takich jak wideo i odpowiadająca mu mapa cieplna osoby wykonującej pompki. Algorytmy AI tworzą trójwymiarowy model postawy człowieka. Przykładowo, po wejściu na dywan i wykonaniu zestawu pompek, system jest w stanie wygenerować obraz lub wideo osoby. W badaniach model był w stanie przewidzieć pozę ciała z marginesem błędu mniejszym niż 10 centymetrów. W przypadku klasyfikacji konkretnych działań, system był dokładny w 97 procentach przypadków. „Można sobie wyobrazić wykorzystanie dywanu do celów treningowych. Opierając się wyłącznie na informacjach dotykowych, system może rozpoznać aktywność, policzyć liczbę powtórzeń i obliczyć ilość spalonych kalorii” – mówi doktorant MIT CSAIL, Yunzhu Li, współautor pracy. Naukowcy pracują nad kolejnymi wersjami dywanu, aby uzyskać więcej informacji, takich jak wzrost czy waga człowieka. 

Nature Everyone should decide how their digital data are used – not just tech companies

każdy powinien decydować o tym, jak wykorzystywane są jego dane cyfrowe – nie tylko firmy technologiczne

W świecie cyfrowym, każdy z nas pozostawia tzw. cyfrowe ślady – dane generowane przez komputery, smartfony, inteligentne urządzenia. Część z nich jest dostępna tylko dla firm, które oferując określone rozwiązania zbierające dane. Według naukowców z Nature, takie podejście monopolu ogranicza możliwość prowadzenia badań ważnych z punktu widzenia interesu społecznego. Firmy komercyjne nie mają też obowiązku udostępniania danych do celów naukowych. I nie robią tego, zwłaszcza, gdy badania na ich podstawie mogłyby zagrozić reputacji lub zyskom dostawcy danych. W najgorszym przypadku badacze mogą odczuwać presję, by dostosować wyniki do priorytetów firm technologicznych. Poleganie na hojności prywatnych firm również podważa zasady naukowego rygoru i odpowiedzialności. Niewiele można zrobić, aby rozwiązać te problemy bez zmian na poziomie legislacyjnym. Tak jak opatentowana wiedza przechodzi do domeny publicznej po wygaśnięciu praw własności intelektualnej, tak samo dane behawioralne gromadzone przez firmy powinny po pewnym czasie być uwalniane do celów naukowych. Pojawiają się pierwsze inicjatywy w tym zakresie. W 2017 r. Barcelona utworzyła tzw. „miejską wspólnotę danych”, dając mieszkańcom narzędzia do zarządzania zgromadzonymi na nich temat danych. Portal Open Data zawiera obecnie 503 zbiory danych o gminie, w tym przykładowo informacje na temat korzystania z miejskiego systemu rowerów publicznych. Taki model pomaga chronić prawa ludzi i może być podstawą nowej, sprawiedliwej ekonomii danych. Oczywiście, posiadanie danych przez instytucje publiczne wiąże się z wyzwaniami. Rządy czasami wykorzystują dane do własnych interesów politycznych. Naukowcy postulują trzy kroki w celu zabezpieczenia danych behawioralnych jako dobra publicznego: rozbudowa infrastruktury publicznej, przejęcie kontroli na danymi (regulacje umożliwiające przekazywanie danych generowanych przez podmioty prywatne instytucjom publicznym), nowy model zarządzania (stworzenie instytucji, które będą zarządzać danymi w interesie publicznym). 