Рубрикатор |
Статьи | ИКС № 01-02 2017 |
Владимир ТУРИН | 09 марта 2017 |
Идентификация пациента в виртуальной среде
Почему классический подход не работает в России?
Виртуальное здравоохранение – мировой тренд в медицине. Современные технологии могут дать множество выгод: сокращение затрат, решение проблемы дефицита медработников, повышение доступности медицинской помощи для жителей удаленных регионов. На рассмотрении в Госдуме находится проект закона о телемедицине, который узаконит удаленные консультации и обеспечит необходимый юридический статус телемедицинских услуг.
Важной базовой задачей, которую необходимо решить для практического внедрения виртуальной медицины на уровне страны или региона, является наполнение интегрированной электронной медицинской карты (ИЭМК). Для того чтобы выбрать оптимальную тактику лечения с учетом сопутствующих заболеваний и противопоказаний, врачу необходимо ознакомиться с историей болезни пациента: предшествующими диагнозами, назначениями лекарственных средств, результатами лабораторных и диагностических исследований. В ИЭМК, к которой по планам Минздрава в 2018 г. будет подключено 98% врачей, передаются записи из всех медучреждений, куда обращался пациент.
Мастер-индекс
Как удостовериться, что переданная запись относится к нужному пациенту? Больше того, можно ли быть уверенным, что в электронную историю болезни по ошибке не попали чужие данные?
Для этого необходимо решить непростую задачу идентификации пациента. Все записи, поступающие в ИЭМК из медицинских организаций, должны быть проанализированы и корректно отнесены к тому или иному человеку. С этой проблемой сталкиваются специалисты по всему миру, и однозначного решения пока не найдено. Сложность заключается в том, что структура и состав данных в информационных системах в сфере здравоохранения сильно различаются. Для МИС поликлиники, например, критично иметь полную информацию о пациенте: его место жительства для прикрепления к участку, номер полиса ОМС для оплаты оказанной услуги, информацию о предыдущих диагнозах ܺ для правильного лечения. Другим системам требуется намного меньше информации: для проведения лабораторного исследования может быть достаточно номера заявки и номера медицинской карты пациента. Тем не менее информация из всех систем, имеющая разную полноту и детализацию, должна быть доступна врачу в ИЭМК. Отдельную сложность представляет человеческий фактор: ошибки, опечатки, дубликаты карточек встречаются очень часто. Естественным образом возникают расхождения в данных при изменении статуса, скажем, при переходе из детской поликлиники во взрослую, при смене паспорта или фамилии.
Классическое решение задачи идентификации предполагает использование мастер-индекса пациентов (master patient index) – единой базы данных для ведения, просмотра и управления демографическими данными в медицинских организациях. Индекс пациентов гарантирует однозначную идентификацию человека и реализует персоноцентрированный подход в здравоохранении, когда все медицинские данные рассматриваются в привязке к основному субъекту оказания медицинской помощи – пациенту.
Индекс широко применяется в развитых странах, в частности, в США. В этой стране система медицинской помощи состоит из территориально распределенных госпиталей, имеющих множество филиалов. При обращении пациента в один из филиалов информационная система запрашивает идентификатор пациента в центральном индексе пациентов (enterprise master patient index, EMPI). EMPI представляет собой общедоступный и достоверный источник данных, который хранит глобальный идентификатор пациента и ссылки на идентификаторы пациента в локальных индексах, т.е. в системах филиалов. По запросу EMPI сообщает глобальный идентификатор пациента, который в дальнейшем используется внешними системами. Универсальным идентификатором в США служит номер полиса социального страхования, аналог российского СНИЛС.
Особенности национальной идентификации
В России ситуация несколько иная. Записи о посещении пациентом медицинской организации поступают из медицинских информационных систем (МИС МО) в региональную медицинскую информационную систему (РМИС), а затем консолидируются на уровне страны с помощью федерального сервиса ИЭМК. При этом единый источник данных о пациенте, который содержал бы достоверную информацию и был бы свободно доступен для запросов из внешних систем, на сегодняшний день отсутствует. То есть построить идентификацию на основе такой базы данных невозможно.
Отсутствует и универсальный идентификатор – ни СНИЛС, ни номер полиса ОМС на эту роль не годятся, так как эти документы есть не у всех. В июле 2016 г. премьер-министр РФ Дмитрий Медведев утвердил создание нового электронного регистра населения и единого идентификатора. Завершить создание базы планируется к 2025 г., однако вопрос идентификации пациентов требует решения уже сейчас.
Какие подходы к идентификации могут быть применены в этой ситуации? Одна из распространенных точек зрения состоит в том, что решением могла бы стать единая МИС на весь регион. В этом случае данные во всех медицинских организациях вносятся в одну систему по одинаковым правилам, что должно упростить задачу идентификации. Конечно, это не избавляет от проблем, связанных с человеческим фактором, а также от необходимости интегрировать данные из смежных систем: лабораторных, радиологических, систем частных и ведомственных клиник.
На практике информация о пациенте разрознена: ИС поликлиник, очевидно, содержат наиболее актуальную информацию о месте жительства и контактных данных пациента, ИС ТФОМС и страховых организаций – о номерах полиса ОМС, миграционной службы – о номере паспорта, Пенсионного фонда – о СНИЛС. Это значит, что в реалиях российского здравоохранения индекс пациентов должен уметь сопоставлять и объединять данные пациента, полученные из разных источников.
На необходимом и достаточном уровне
Идентификация в этом случае должна производиться в региональных системах управления здравоохранения без вмешательства в процессы оказания медицинской помощи в медицинских организациях. Такой подход имеет ряд преимуществ относительно классической схемы с использованием глобального идентификатора. Во-первых, при взаимодействии внешних систем используется ровно тот набор данных, который необходим и достаточен для оказания медицинской услуги. Если в больницу поступил экстренный пациент, ему будут проведены все необходимые исследования с минимальным обязательным набором данных – достаточно порядкового номера или номера карты. Если позже появится возможность идентифицировать его более точно, все записи этого пациента будут корректно отнесены к электронной истории болезни. Как следствие, при таком подходе к идентификации процессы медорганизаций не зависят от наличия связи с центральным индексом, данные будут переданы, как только появится такая возможность.
При этом работа систем-клиентов не нарушается. Нет необходимости принимать и хранить глобальный идентификатор, отсутствует проблема синхронизации данных между локальным и центральным индексами пациентов. Алгоритмы анализа и сопоставления данных не отличаются от классических. К данным, поступающим в ИЭМК из внешних систем, применяются вероятностные и детерминированные алгоритмы, с помощью которых определяется схожесть записей. Для текстовых данных – по звучанию, написанию, для числовых – по результатам сравнения контрольных сумм. Данные с высокой степенью схожести связываются автоматически. Спорные случаи разбирает администратор системы.
В 2015 г. такой подход к построению индекса пациентов был опробован в Санкт-Петербурге. С помощью индекса пациента, который разработала петербургская компания «Нетрика», были обработаны 30 млн медицинских записей. Количество пациентов в этих записях первоначально составляло 18 млн. После анализа и объединения записей количество пациентов сократилось до 6 млн. Ручная обработка потребовалась только в 3% случаев. Таким образом, использование индекса пациентов на уровне региона способно радикально повысить качество данных, отображаемых в ИЭМК, и существенно приблизить информационные системы в сфере здравоохранения к решению практических задач врачей.
Стоит отметить, что задача идентификации актуальна не только в здравоохранении, но и везде, где требуется сбор данных о человеке из разных учреждений. Аналогичные задачи возникают и могут быть решены с помощью описанных принципов идентификации, например в образовании, когда человек переходит из дошкольного учреждения в школу, затем в среднее специальное учреждение или вуз.
Читайте также:
Искусственный интеллект в здравоохранении: от анализа медицинских снимков к расшифровке СЭМД
Культура управления медицинскими данными: долгий путь от собирательства к возделыванию
Интеграция, киберустойчивость и телемедицина – слагаемые медицины будущего
Новая эра: ЭДО в медицинских организациях
Системы цифровизации здравоохранения: интеграционная платформа vs моноМИС