Liigu edasi põhisisu juurde
Sisukaart

Patsiendipõhised otsustustoed Eesti personaalmeditsiinis

Tervisehoiuvaldkonnas suureneb dokumentide hulk järjepidevalt ja ilma abistavate lahendusteta ei käi töötajatel sellisest andmehulgast jõud üle. Seetõttu analüütilistest lahendustest edaspidi mööda vaadata ei saa ja ka otsustustoed on abivahend selleks, et toetada tervishoiutöötajate kliinilisi otsuseid.

Liis Kruus
Liis Kruus, Tervisekassa arendusosakonna projektijuht

Personaalmeditsiini (ingl personalised medicine) termini all oleme harjunud rääkima genoomi kaardistamisest ja selle tulemusena haiguste põhjuste mõistmisest. Sotsiaalministeerium tegi 2015. aastal põhjaliku eeluuringu, mille raames vaadeldi personaalmeditsiini mõistet lähemalt. Selgus, et personaalmeditsiini mõiste määratlus teadusartiklites on väga varieeruv ja ajas muutuv, ulatudes väga laiast väga kitsani. Osa artikleid ja lähenemisi liigitavad ka patsiendipõhised kliinilised otsustustoed personaalmeditsiini alla.[1]

Projektis „Personaalmeditsiini rakendamine Eestis“ defineeritakse personaalmeditsiini kui lähenemisviisi, mis aitab leida igale inimesele võimalikult individuaalse ennetus- või raviplaani, analüüsides inimese ja vajadusel tema lähedaste terviseandmeid koos elustiili- ja ümbritseva keskkonna andmetega. Selle lähenemise alusel on osa personaalmeditsiinist ka patsiendipõhised otsustustoed, mis võivad, aga ei pruugi, põhineda geeniandmetel. Elsevieri hiljuti avaldatud raporti järgi hindab 77% küsitletud tervishoiutöötajatest, et reaalajas toimuv patsiendipõhine analüütika on edaspidi nende töö oluline osa ja tagab personaliseeritud otsused.[2]

Otsustustugede mõiste ja jaotus

Otsustustoed on infotehnoloogilised lahendused, mis on loodud toetama tervishoiutöötajate kliinilisi otsuseid. Järjest enam räägitakse ka nn patsiendi otsustustugedest, mis on mõeldud patsientidele ja oma tervisest huvitatud inimestele terviseotsuste hindamiseks.

stetoskoop, personaalmeditsiin

 

Tervishoiutöötajatele mõeldud otsuste tugisüsteemid saab jaotada kolme eri põhimõtte alusel toimivateks lahendusteks: 1) patsiendipõhised otsustustoed, mis annavad eriteavitusi kindla inimese kohta, lähtudes elektroonilises haigusloos olevatest patsiendi andmetest; 2) teabepõhised otsustustoed ehk n-ö ravijuhendite raamatukogud, mis sisaldavad kiiret ligipääsu kliinilistele juhistele või digitaalsetele andmebaasidele; 3) elektrooniliste haiguslugudega liidestatud kliinilised kalkulaatorid ja automaatsed saatekirjad ning korraldused. Viimased on eraldi arendatud algoritmid või tarkvarad, mis aitavad tervishoiutöötajal konkreetses kliinilises töös oma tegevust kiirendada või vältida võimalikke vigu.

Personaalmeditsiini toetava lahendusena saab käsitleda eelkõige just esimest tugisüsteemide gruppi.

Eestis kasutatavad isikupõhised otsustustoed on maailmas ainulaadsed

Eesti alustas otsustustugede teekonda 2015. aastal, kui tervisekassa otsustas hankida ravimite koos- ja kõrvaltoimete patsiendipõhise andmebaasi. Otsus tugines Tartu Ülikooli teadlaste uurimistööl, milles järeldati, et ravimite koostoimed moodustavad ligi 15 protsenti kõigist ravimite kõrvaltoimete juhtudest, ja koostoimetest on eriti ohustatud eakad ning mitmeid ravimeid samaaegselt tarvitavad patsiendid.[3] Ravimite koos- ja kõrvaltoimete andmebaas Riskbase (endine SFINX PHARAO) integreeriti retseptikeskuse külge. Digiretsepti peetakse üheks õnnestunumaks e-tervise projektiks – kõrge retseptide digitaliseerituse määr, lihtne andmevahetusloogika ja hästi struktureeritud andmed võimaldasid suhteliselt lihtsa vaevaga andmebaasi kasutusele võtta. Siiski tuli ka koostoimete andmebaasi kasutusele võtmisel teha muudatusi retsepti koostamise standardis. Kui seni oli võimalik annustamise infot märkida vaba tekstiga, siis pärast muudatusi sai ravikuuri täpse kestuse märkimine kohustuslikuks. Nii sai arst märkida, kas ravikuur on pidev või fikseeritud ja viimase korral täpsustada, mitu päeva tuleb ravimit tarvitada. Selline muudatus tagas koostoimete võimalikult täpse arvestamise. Näiteks võetakse antibiootikumi kuurina tarvitatavat võimalikku koostoimet teise ravimiga arvesse 10 päeva varasema 30 päeva asemel. Kõnealune muudatus on hea näide sellest, kuidas otsustustoe juurutamiseks võib olla vaja muuta andmestandardit ja kuidas targad lahendused aitavad parandada andmekvaliteeti.

Järgmine otsustustugi rakendati ravijuhendite valdkonnas. Ravijuhendis on kindla metoodika alusel välja töötatud tõenduspõhised soovitused tervist mõjutavate tegevuste kohta. Ravijuhend toetab tervishoiutöötajat patsiendi diagnoosimisel ja ravimisel, et teha parimaid otsuseid. Patsiendil on võimalik saada tänapäevane, tõenduspõhine ravi ja parem ravitulemus. Ravijuhendeid töötatakse välja nii rahvusvaheliselt kui ka riigiti. Eestis koordineerib ravijuhendite koostamist Tartu Ülikool ja igal aastal valmib 7–8 uut juhist. Üks suurimaid probleeme ravijuhendite soovituste rakendamisega, millele viitas 2016. a ka Maailmapank, oli ravijuhendite puudulik järgimine.[4] Põhjuseks perearstide suur töökoormus ja ravijuhendites orienteerumisele kuluv aeg. Perearstide töö lihtsustamiseks võetigi 2020. a kasutusele otsustustoe lahendus EBMeDS. Otsustustoe tehniline lahendus koondab kokku keskses terviseinfosüsteemis ja arsti süsteemis olevad patsiendi andmed, suunab need analüüsimiseks n-ö otsustustoe mootorisse ja annab tervishoiutöötajale patsiendi ravimise või diagnoosimise kohta soovituse. Soovitused ehk algoritmid töötab pidevalt välja rakenduse rahvusvaheline meeskond teaduskirjanduse ja tõenduse alusel. Tervisekassa töötab välja Eesti ravijuhendite algoritmid. Näiteks on praegu töös HIV-testimine, mis on meie kohalikku probleemi arvestav algoritm. Algoritmi abil saab edaspidi kuvada HIV-testimise vajalikkuse sõnumit perearstidele nende inimeste kohta, kellel on varasemalt määratud diagnooside (HIVile viitavad indikaatorhaigused ja -seisundid) alusel statistiliselt suurem tõenäosus olla HIVi nakatunud.

Selliste isikupõhiste otsustustugede rakendamisega oleme Eestis väga erilises olukorras. Osas riikides on sarnaseid lahendusi rakendatud piirkonna- või haiglapõhiselt, kuid üleriigilises rakendamises oleme maailmas meile teadaolevalt ainsad. Meie olukorra teeb ainulaadseks Eesti tervise infosüsteemi olemasolu, mis võimaldab rakendada otsustustugesid, võttes arvesse patsiendi kõiki digitaalseid terviseandmeid. Ühtne digitaalne keskkond on eelduseks ka sarnaste diagnostika- ja ravijuhendite rakendamisele.

Otsustugede mõju on vaja hinnata

Nii kasutajaid kui ka avalikkust huvitab kindlasti see, kuidas ja kas on sellised keerukad ja kallid süsteemid end ära tasunud. Otsustustugedel on potentsiaalselt väga tugev mõju nii ravikvaliteedi parandamisele kui ka patsiendiohutuse tagamisele, see on ka nende süsteemide kasutusele võtmise peamine põhjus. Mitmed uuringud näitavad selget mõju ravitulemustele (nt hospitaalinfektsioonide vähenemine, rehospitaliseerimise vähenemine, suremuse ja patsiendiohutusjuhtumite vähenemine) ja protsessikvaliteedi paranemisele (nt välditavad uuringud, õigeaegne suunamine). Samas, korduvate metaanalüüsidega otsustustugede selget mõju ravikvaliteedile tuvastatud ei ole. Põhjuseid võib olla mitu, kuid tõenäoliselt mängib rolli sarnaste lahenduste küllaltki vähene kasutusaeg, ebaühtlus ja keerukatest tehnilistest lahendustest põhjustatud raskused mõju mõõtmisel.

Eestis kasutatavate süsteemide mõju mõõtmine on osutunud ootuspäraselt keerukaks. Lahendused on integreeritud kasutajate infosüsteemidesse, olles samal ajal X-tee kaudu suhtluses kesksete andmebaasidega. Soovituse nägemine ja sellele järgnev arsti otsus (nt muuta ravitaktikat, ravimit või diagnoosi) ei pruugi ajaliselt seostatavalt terviseinfosüsteemis epikriisil või retseptil kajastuda ja see teeb soovituse mõju mõõtmise pea võimatuks. Mõningad kaudseid mõõdikud mõlemate süsteemide puhul on siiski rakendatud.

Ravimite koostoimete andmebaasi mõju saame hinnata, vaadeldes tõsiste koostoimetega ravimipaaride väljakirjutamist ja praktika muutust ajas. Näeme, et nt C4 taseme hoiatused on 2019. ja 2016. aasta võrdluses vähenenud ca 6,7%, D3 ja D4 taseme koostoimed on aga 2019. ja 2017. a võrdluses vähenenud lausa 41,7%. Muutusi on näha ka ravimipaaride lõikes, näiteks väheneb iga aastaga populaarse valu- ja põletikuvastase ravimi diklofenaki esinemine koostoimetes.

Ravijuhendi soovitusi sisaldava otsustustoe puhul on peamiseks mõõdikuks kasutajate statistika. Esimest tagasisidet perearstidelt ja -õdedelt küsisime vahetult pärast rakendamist, teist korda kogusime tagasisidet selle aasta märtsikuus. Kokku vastas küsimustikule 165 kasutajat, neist enamik (93%) olid perearstid. Näiteks küsisime, kas otsuste tugisüsteemist saadud teave on pannud oma esialgset raviotsust ümber hindama. 62% kinnitas seda, 9% vastajatest arvas, et mõnikord. Süsteemist on abi olnud ravi valikul, diagnoosimisel ja uuringu valikul, mitme vastanu hinnangul suunas see konsulteerima eriarstiga. Peamiseks süsteemi mittekasutamise põhjuseks on ajapuudus, kuid on ka kasutajaid, kes otsustustoest endale kasu ei näe. Tervisekassa ravijuhendi süsteemi pakkumise jätkamist soovis 88% vastanutest.

Oluline on ka kasutajate koolitamine. Ei piisa sellest, et juhendmaterjalid on kodulehel kättesaadavad. Koolitamine peab olema pidev ja koolitada on vaja nii ravijuhendite, otsustustugede kui ka perearstide endi tarkvarade osas.

Järgmised sammud: geneetilise info lisamine ja ülekeskuseline terviseanalüütika

Projekti „Personaalmeditsiini rakendamine Eestis“ käigus luuakse eeldused, et geneetilistel andmetel põhinevad soovitused jõuaksid edaspidi tervishoiutöötajani. Tehniliselt ei ole suurt vahet, kas räägime Eesti enda ravijuhenditel põhinevatest kliinilistest algoritmidest (nt enne toodud HIVi algoritmi näide) või geneetilistel andmetel põhinevatest algoritmidest. Need saab viia EBMeDS otsustustoe koosseisu ja näidata õigel hetkel soovitust tervishoiutöötajatele. Selles suunas liigumegi ja esimesed geneetilistel andmetel põhinevad soovitused puudutavad tõenäoliselt rinnavähki ja teatud haigusvaldkondades ka farmakogeneetikat. Praegu ei ole veel selge, millal need soovitused päriselt tervishoiutöötajateni jõuavad, kuid töö selles suunas käib.

Patsiendipõhisele analüütikale ja otsustugedele lisaks on vaja ka kogu perearstikeskust või haiglat hõlmavat terviseanalüütikat. Vajadust perearstikeskuse nimistupõhise vaate ja analüüsi järele on rõhutanud ülemaailmse perearstide organisatsiooni WONCA digitervise poliitika 2016. a deklaratsioon: „Tervise infosüsteemid peaksid võimaldama perearstil analüüsida kõigi tema nimistusse kuuluvate inimeste kliinilisi andmeid, et tuvastada abivajajaid, kes saaksid sekkumismeetmete rakendamisest enim kasu, ning aidata inimesi, kellel on kõige suurem vajadus tervishoiuteenuste järele.“[5] Eestis kasutataval EBMeDS otsustustoel on nimistupõhine analüütikamoodul olemas ja kindlasti soovime selle rakendamisega järgmistel aastatel edasi liikuda.


[1] Sotsiaalministeerium. (2015). Personaalmeditsiini juhtprojekti eeluuring.

[2] Elsevier Health. (2022). Clinician of the future.

[3] Irs, A, Lass, J, Raag, M. (2014). Konverentsi ettekanne.

[4] Maailmapanga Grupp. (2017). Ravi juhtimine: suurenenud ravivajadusega patsientide ravi koordineerimine Eestis. 

[5] WONCA. (2016). Policy Statement on e-health.