Health Informatics Development and Application in Organization (August 3, 2019)
•
2 gostaram•179 visualizações
Presented at the Faculty of Pharmacy, Silpakorn University, Bangkok, Thailand on August 3, 2019
Recomendados
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a Health Informatics Development and Application in Organization (August 3, 2019)
Semelhante a Health Informatics Development and Application in Organization (August 3, 2019) (20)
Mais de Nawanan Theera-Ampornpunt
Mais de Nawanan Theera-Ampornpunt (20)
Health Informatics Development and Application in Organization (August 3, 2019)
- 1. Health Informatics Development & Application in Organization: Efforts toward Digital Health Policy & Transformation in Thailand For Faculty of Pharmacy, Silpakorn University (August 3, 2019) Nawanan Theera-Ampornpunt, M.D., Ph.D. www.SlideShare.net/Nawanan
- 2. 2 2003 M.D. (First-Class Honors) 2011 Ph.D. (Health Informatics), Univ. of Minnesota Assistant Dean for Informatics Lecturer, Section for Clinical Epidemiology & Biostatistics Faculty of Medicine Ramathibodi Hospital Mahidol University Interests: Health IT for Quality of Care, Social Media IT Management, Security & Privacy nawanan.the@mahidol.ac.th SlideShare.net/Nawanan นวนรรน ธีระอัมพรพันธุ์ (Nawanan Theera-Ampornpunt) Line ID: NawananT Introduction
- 3. 3 What words come to mind when you hear... Digital Health Transformation
- 5. 5 http://www.ibtimes.com/google-deepminds-alphago-program-defeats-human-go-champion-first-time-ever-2283700 http://deepmind.com/ http://socialmediab2b.com An Era of Smart Machines
- 6. 6englishmoviez.com Rise of the Machines?
- 8. 8 “Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it...” -- Dan Ariely @danariely (2013) Substitute “Big data” with “AI”, “Blockchain”, “IoT” of your choice. -- Nawanan Theera-Ampornpunt (2018)
- 9. 9 Hype vs. Hope Jeremy Kemp via http://en.wikipedia.org/wiki/Hype_cycle http://www.gartner.com/technology/research/methodologies/hype-cycle.jsp
- 10. 10 Gartner Hype Cycle 2017 https://www.gartner.com/smarterwithgartner/top-trends-in-the-gartner-hype-cycle-for-emerging-technologies-2017/
- 12. 12 A Real-Life Personal Story of My Failure (as a Doctor and as a Son) in Misdiagnosing My Mom Would AI Help?
- 13. 13 • Nothing is certain in medicine & health care • Large variations exist in patient presentations, clinical course, underlying genetic codes, patient & provider behaviors, biological responses & social contexts Why Clinical Judgment Is Still Necessary?
- 14. 14 • Most diseases are not diagnosed by diagnostic criteria, but by patterns of clinical presentation and perceived likelihood of different diseases given available information (differential diagnoses) • Human is good at pattern recognition, while machine is good at logic & computations Why Clinical Judgment Is Still Necessary?
- 15. 15 • Machines are (at best) as good as the input data –Not everything can be digitized or digitally acquired –Not everything digitized is accurate (“Garbage In, Garbage Out”) • Experience, context & human touch matters Why Clinical Judgment Is Still Necessary?
- 17. 17 Let’s take a look at these pictures...
- 18. 18Image Source: https://en.wikipedia.org/wiki/Industrial_robot (KUKA Roboter GmbH) “Smart” Manufacturing
- 20. 20ER - Image Source: nj.com Healthcare (On TV)
- 21. 21 (At an undisclosed hospital) Healthcare (Reality)
- 22. 22 • Life-or-Death • Difficult to automate human decisions – Nature of business – Many & varied stakeholders – Evolving standards of care • Fragmented, poorly-coordinated systems • Large, ever-growing & changing body of knowledge • High volume, low resources, little time Why Healthcare Isn’t (Yet) “Smart”?
- 23. 23 “To computerize the hospital” “To go paperless” “To become a Digital Hospital” “To Have EHRs” Why Adopting Health IT?
- 24. 24 • “Don’t implement technology just for technology’s sake.” • “Don’t make use of excellent technology. Make excellent use of technology.” (Tangwongsan, Supachai. Personal communication, 2005.) • “Health care IT is not a panacea for all that ails medicine.” (Hersh, 2004) Some “Smart” Quotes
- 25. 25 Being Smart #1: Stop Your “Drooling Reflex”!!
- 26. 26 Being Smart #2: Focus on Information & Process Improvement, Not Technology
- 27. 27 If not “Digital Hospital” or “Paperless Hospital” Then What Should We Aspire to Be?
- 29. 29 So How is a “Smart Hospital” Different from a Digital or Paperless Hospital?
- 30. 30 Smart Healthcare For Policymakers? Image Source: http://healthdata.moph.go.th/kpi/2557/ProvinceKpiTopicListAll.php?provincecode=99
- 31. 31 Smart Healthcare For Health Promoters? Image Source: http://www.hiso.or.th/hiso/picture/reportHealth/ThaiHealth2014/thai2014_3.pdf
- 32. 32 Smart Healthcare For Clinicians? Image Source: http://www.medscape.com/viewarticle/780298
- 33. 33 Smart Healthcare For Patients & Consumers? Image Source: Agence France-Presse/Getty Images
- 34. 34 So What Exactly Is Smart Healthcare? Image Source: http://cdn2.hubspot.net/hub/134568/file-1208368053-jpg/6-blind-men-hans.jpg
- 36. 36 To treat & to care for their patients to their best abilities, given limited time & resources Image Source: http://en.wikipedia.org/wiki/File:Newborn_Examination_1967.jpg (Nevit Dilmen) What Clinicians Want?
- 37. 37 Why Aren’t We Talk About These Words? http://hcca-act.blogspot.com/2011/07/reflections-on-patient-centred-care.html
- 38. 38 The Goal of Health Care The answer is already obvious... “Health” “Care”
- 39. 39 • Safe • Timely • Effective • Patient-Centered • Efficient • Equitable Institute of Medicine, Committee on Quality of Health Care in America. Crossing the quality chasm: a new health system for the 21st century. Washington, DC: National Academy Press; 2001. 337 p. High Quality Care
- 40. 40 Information Is Everywhere in Healthcare
- 41. 41 41 41 WHO (2009) Components of Health Systems
- 42. 42 42 42 WHO (2009) WHO Health System Framework
- 43. 43 (IOM, 2001)(IOM, 2000) (IOM, 2011) Landmark Institute of Medicine Reports
- 44. 44 • Humans are not perfect and are bound to make errors • Highlight problems in U.S. health care system that systematically contributes to medical errors and poor quality • Recommends reform • Health IT plays a role in improving patient safety Summary of These Reports
- 45. 45 Image Source: (Left) http://docwhisperer.wordpress.com/2007/05/31/sleepy-heads/ (Right) http://graphics8.nytimes.com/images/2008/12/05/health/chen_600.jpg To Err is Human 1: Attention
- 46. 46Image Source: Suthan Srisangkaew, Department of Pathology, Facutly of Medicine Ramathibodi Hospital To Err is Human 2: Memory
- 47. 47 • Medication Errors –Drug Allergies –Drug Interactions • Ineffective or inappropriate treatment • Redundant orders • Failure to follow clinical practice guidelines Common Errors
- 48. 48 Being Smart #3: “To Err is Human”
- 49. 49 External Memory Knowledge Data Long Term Memory Knowledge Data Inference DECISION PATIENT Perception Attention Working Memory CLINICIAN Elson, Faughnan & Connelly (1997) Clinical Decision Making
- 50. 50 Example of “Alerts & Reminders” Reducing Errors through Alerts & Reminders
- 51. 51 Being Smart #4: Link IT Values to Quality (Including Safety)
- 53. 53 ภาพรวมของงานด้าน Health IT Intra-Hospital IT • Electronic Health Records & Health IT for Quality & Safety • Digital Transformation • AI, Data Analytics • Hospital IT Quality Improvement (HA-IT) Inter-Hospital IT • Health Information Exchange (HIE) Extra-Hospital IT • Patients: Personal Health Records (PHRs) • Public Health: Disease Surveillance & Analytics Patient at Home
- 54. 54 Strategic Operational ClinicalAdministrative LIS Health Information ExchangeBusiness Intelligence Word Processor Social Media PACS Personal Health Records Clinical Decision Support Systems Computerized Physician Order Entry Electronic Health Records Admission-Discharge-Transfer Master Patient Index Enterprise Resource Planning Vendor-Managed Inventory Customer Relationship Management 4 Quadrants of Hospital IT
- 55. 55 ภาพรวมของงานด้าน Health IT Intra-Hospital IT • Electronic Health Records & Health IT for Quality & Safety • Digital Transformation • AI, Data Analytics • Hospital IT Quality Improvement (HA-IT) Inter-Hospital IT • Health Information Exchange (HIE) Extra-Hospital IT • Patients: Personal Health Records (PHRs) • Public Health: Disease Surveillance & Analytics Patient at Home
- 57. 57 Hospital A Hospital B Clinic D Policymakers Patient at Home Hospital C HIE Platform Health Information Exchange (HIE)
- 58. 58 Areas of Health Informatics Patients & Consumers Providers & Patients Healthcare Managers, Policy- Makers, Payers, Epidemiologists, Researchers Copyright Nawanan Theera-Ampornpunt (2018) Clinical Informatics Public Health Informatics Consumer Health Informatics
- 59. 59 Incarnations of Health IT Clinical Informatics Public Health Informatics Consumer Health Informatics HIS/CIS EHRs Computerized Physician Order Entry (CPOE) Clinical Decision Support Systems (CDS) (including AI) Closed Loop Medication PACS/RIS LIS Nursing Apps Disease Surveillance (Active/Passive) Business Intelligence & Dashboards Telemedicine Real-time Syndromic Surveillance mHealth for Public Health Workers & Volunteers PHRs Health Information Exchange (HIE) eReferral mHealth for Consumers Wearable Devices Social Media Copyright Nawanan Theera-Ampornpunt (2018)
- 60. 60 Where We Are Today... Copyright Nawanan Theera-Ampornpunt (2018) Clinical Informatics Public Health Informatics Consumer Health Informatics Technology that focuses on the sick, not the healthy Silos of data within hospitalPoor/unstructured data quality Lack of health data outside hospital Poor data integration across hospitals/clinics Poor data integration for monitoring & evaluation Poor data quality (GIGO) Finance leads clinical outcomes Poor IT change management Cybersecurity & privacy risks Few real examples of precision medicine Little access to own health data Poor patient engagement Poor accuracy of wearables Lack of evidence for health values Health literacy Information Behavioral change Few standards Lack of health IT governance
- 61. 61 Healthtech Startup Ecosystem www.facebook.com/HealthTechThailand/ No endorsements implied
- 62. 62WHO & ITU Achieving Health Information Exchange (HIE)
- 64. 64 Myths • We don’t need standards • Standards are IT people’s jobs • We should exclude vendors from this • We need the same software to share data • We need to always adopt international standards • We need to always use local standards Theera-Ampornpunt (2011) Myths & Truths about Standards
- 65. 65 Being Smart #5: Go for Systems that Use Standards, Not a Unified, Conquer-the-World System Image Source: https://www.businessinsider.in/google-let-users-play-with-thanos-destructive- power/articleshow/69054170.cms
- 66. 66 • CDS as a replacement or supplement of clinicians? – The demise of the “Greek Oracle” model (Miller & Masarie, 1990) The “Greek Oracle” Model The “Fundamental Theorem” Model Friedman (2009) Wrong Assumption Correct Assumption Clinical Decision Support Systems (CDS)
- 67. 67 Being Smart #6: Don’t Replace Human Users. Use ICT to Help Them Perform Smarter & Better.
- 68. 68 ภาพรวมของงานด้าน Health IT Intra-Hospital IT • Electronic Health Records & Health IT for Quality & Safety • Digital Transformation • AI, Data Analytics • Hospital IT Quality Improvement (HA-IT) Inter-Hospital IT • Health Information Exchange (HIE) Extra-Hospital IT • Patients: Personal Health Records (PHRs) • Public Health: Disease Surveillance & Analytics Patient at Home
- 69. 69 • โรงพยาบาลจะพัฒนาระบบสารสนเทศของตัวเองให้เข้มแข็งได้อย่างไร • เมื่อไรข้อมูลผู้ป่วยจะเชื่อมถึงกันได้ระหว่างโรงพยาบาลต่างๆ โดยเฉพาะข้ามสังกัด และนอก สธ. // ควรมีซอฟต์แวร์เดียวใช้ทั้งประเทศหรือไม่ • มาตรฐานข้อมูล 43 แฟ้มไม่ครอบคลุมการใช้งาน จะปรับปรุงได้อย่างไร • จะเลือกมาตรฐานข้อมูลยาที่เหมาะสมมาใช้งานใน รพ. ได้อย่างไร • โครงสร้างการออกแบบ Data Center ระดับจังหวัด, เขต และประเทศ ควรเป็น อย่างไร (Centralized, Decentralized, Distributed, Hybrid, etc.) • การนาข้อมูลระดับ รพ. มาใช้ประโยชน์ในระดับจังหวัด เขต และประเทศ ควรเป็น อย่างไร และออกแบบ Infrastructure Data Model อย่างไร • Disruptive technology (AI, Blockchain, etc.) ควรมีบทบาทใน Healthcare ไทยอย่างไร มากกว่าการเป็น buzzwords • ความก้าวหน้าและยั่งยืนของกาลังคนด้าน Health IT เมื่อไรจะได้รับการแก้ไข คาถามที่เจอบ่อยๆ ในวงการ Health IT ไทย
- 70. 70 • ระบบข้อมูลการส่งต่อผู้ป่วยควรใช้โปรแกรมใด • ระบบ IT การแพทย์ฉุกเฉินมีข้อจากัดการเชื่อมต่อ • ระบบ IT PCC ควรเป็นอย่างไร • ทาอย่างไรจึงจะมีระบบ PHRs ที่ครอบคลุมผู้ป่วยส่วนใหญ่ มีการใช้ ประโยชน์อย่างเต็มที่ • ข้อมูล Precision Medicine & Genomics จะ integrate ในการดูแล ผู้ป่วยอย่างไร • ข้อเสนอ: ควรเป็น Platform เดียวกัน คาถามที่เจอบ่อยๆ ในวงการ Health IT ไทย
- 71. 71 ข้อเสนอของสมาคมเวชสารสนเทศไทย ต่อ รมว.สธ. (ศ. นพ.รัชตะ รัชตะนาวิน) เมื่อ พ.ศ. 2557
- 72. 72 ข้อเสนอของสมาคมเวชสารสนเทศไทย ต่อ รมว.สธ. (ศ. นพ.รัชตะ รัชตะนาวิน) เมื่อ พ.ศ. 2557
- 73. 73
- 74. 74 Necessary Standards in Health IT Functional Semantic Syntactic Technical Standards (TCP/IP, encryption, security) Exchange Standards (HL7 V2, HL7 V3 Messaging, HL7 CDA, HL7 FHIR, DICOM) Vocabularies, Terminologies, Coding Systems (ICD-10, ICD-9, CPT, SNOMED CT, LOINC) Information Models (HL7 V3 RIM, ASTM CCR, HL7 CCD) Standard Data Sets Functional Standards (HL7 EHR Functional Specifications) Some may be hybrid: e.g. HL7 V3, HL7 CCD Unique ID
- 75. 75 • Health IT ต้อง Follow และ Support Health System Vision (Health Goals นา Technology) • ต้องครอบคลุมทั้ง Health System (ไม่จากัดเฉพาะกระทรวง สาธารณสุข) • ควร Align National Health IT Master Plan กับยุทธศาสตร์ ชาติและแผ่นแม่บท แผนการปฏิรูปประเทศด้านสาธารณสุข (ประเด็นปฏิรูปด้านระบบเทคโนโลยีสารสนเทศสุขภาพ และด้าน อื่นๆ ที่เกี่ยวข้อง) แผนด้านดิจิทัลของรัฐบาล แผนยุทธศาสตร์ กระทรวงสาธารณสุข และแผนอื่นๆ ที่เกี่ยวข้อง หลักการสาหรับ National Health IT Master Plan
- 76. 76 • ควรพยายามทาทุกอย่างให้เป็นเรื่องเดียวกัน เช่น Health Information Exchange (HIE), Personal Health Records (PHRs), ระบบสารสนเทศใน PCC, ระบบสารสนเทศในการแพทย์ ฉุกเฉินและระบบส่งต่อ ฯลฯ • Balance Quick Wins กับ Long-Term Changes โดยพยายาม ทาคู่ขนานกัน • มุ่งเน้น Digital Transformation แต่ไม่ใช่เพียง Digitization หลักการสาหรับ National Health IT Master Plan
- 77. 77 • ไม่ยึดติดเทคโนโลยีใดเทคโนโลยีหนึ่ง เพราะทุกเทคโนโลยีมีข้อดี ข้อเสีย จึงต้องเอาโจทย์ (Health Goals) นา วิเคราะห์ Information Needs & Information Gaps และข้อดีข้อเสียของ แต่ละ Technology Alternatives แล้วตัดสินใจ • Policymakers กับ Academics ต้องทางานด้วยกัน • คานึงถึงประโยชน์ต่อทุก Stakeholders • ขอบเขตของสุขภาวะ (Health) ใหญ่กว่าการแพทย์ (Medicine) หลักการสาหรับ National Health IT Master Plan
- 78. 78 • มอง Information เป็นองค์ประกอบหนึ่งของระบบสุขภาพ (WHO Six Building Blocks) ที่สัมพันธ์กับองค์ประกอบอื่น หลักการสาหรับ National Health IT Master Plan
- 79. 79 Envisioning a Smart Health Thailand
- 80. 80 • ควรผลักดันการสร้าง National Health Information Platform โดยพิจารณาออก พ.ร.บ. เพื่อ • ปลดล็อกข้อจากัดเรื่องการแลกเปลี่ยนข้อมูลของผู้ป่วย • มีอานาจสั่งการทั้งสถานพยาบาลของรัฐ (ในและนอก สธ.) และเอกชน • Ensure resource allocation • Establish permanent governance body • เทียบเคียงกับ พ.ร.บ.ระบบการชาระเงิน พ.ศ. 2560 ข้อเสนอเชิงนโยบาย