Sundhedsdata

I dag er det muligt at diagnosticere og behandle sygdomme, som var ukendte for blot en generation siden. Alligevel er der nogle ting, der ikke har ændret sig. Vores praktiserende lægeklinikker fungerer stadig grundlæggende på samme måde, som den altid har gjort: Lægen interviewer patienten og stiller en diagnose på grundlag af feedback, test og yderligere spørgsmål.

Dette resultetrer i en række problemstillinger i klinikkerne, som kan forbedres teknisk og som dette innobooster-projektet fokuserer på.

Figuren viser problemstillingerne ved manglende datadeling fra patientent i almen praksis (kilde: Kvalitetsrapport 2021)

Systemet er designet til at forbedre eksisterende EHR-systemer for praktiserende læger ved automatisk at udtrække og præsentere relevante patientoplysninger fra smartphones/watches, fordele opgaver og dermed strømline beslutningstagningen for den enkelte læge.

SundVision og SDU oversætter et forespørgselsmønster til alle dets logiske ækvivalenter og evaluerer dem i forhold til databasen. Dette omfatter, men er ikke begrænset til, udledning af typer, relationer, kontekst og mønsterkombination. Eks. Pulsmålinger fra den native app på iphones behandles til Hvilepuls gennemsnit, Tachycardia, bradycardia og pulsvarians så det give læge beslutningsgrundlag.

Der er forskellige typer forespørgsler til rådighed i algoritmebygningen: tmatche mønstre i knowledge-grafen, indsætte eller slette typer og forekomster og til at beregne nyttige oplysninger om grafen, f.eks. statistik eller korteste vej mellem knuder.

Teknisk er det afgørende at der udvikles en protokol i et sekundært lag, der muliggør krypterede sundheds-datastømme (streams) fra smartphones og watches.

1. Samler data fra flere kilder
Streams organiserer data fra enhederne og kombinerer dem med supplerende datapunkter

2. Adgangstilladelser for at styrke privatlivetspolitik og sikkerhed
Streams giver tilpassede adgangskontrol-konfigurationer til følsomme datastrømme. Patient samtykke modul.

3. Sikring af dataenes integritet og autenticitet
De data, der ligger til grund for Streams, gemmes på DAG for at garantere dataintegriteten til enhver tid

Udvikling af data transfer protokol baseret på standarder fra danske Medcom og FIHR samt matematisk integration i DAG med ”End-to-end encryption”. Dette sikrer en analyse og tilpasning af data-format til journalsystem.

Directed Acyklisk graf (DAG) sikrer hurtig valideret data transaktion, hvilket er helt unikt i forhold til traditionel blockchain (se ovenstående figur), hvor der opstår flaskehals i forhold til validering.

Projektledere

Torben R. Uhrenholt, MD, PhD
Læge, Asso. professor, Direktør  i SundVision ApS