Διαχείριση ηλεκτρονικών φακέλων υγείας διαβητικών και Covid-19 ασθενών με την χρήση υπηρεσιών μηχανικής μάθησης και διαλειτουργικότητας δεδομένων

Přispěvatelé: Κυριαζής, Δημοσθένης, Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων, Προηγμένα Συστήματα Πληροφορικής
Jazyk: Greek, Modern (1453-)<br />Greek
Rok vydání: 2023
Předmět:
Popis: Στην εποχή μας, είναι γεγονός ότι ο τομέας της υγείας και πιο συγκεκριμένα ο χώρος της υγειονομικής περίθαλψης, υστερεί σε θέματα ανάπτυξης έξυπνων εφαρμογών με μηχανισμούς Μηχανικής Μάθησης (Machine Learning - ML) και Διαλειτουργικότητας Δεδομένων (Data Interoperability). Στην καθημερινότητα ενός πολίτη, η χρήση και η εφαρμογή της πληροφορικής στην υγειονομική περίθαλψη παρέχει μια σειρά προνομίων με σημαντικά οφέλη. Αυτά μπορούν να αφορούν τόσο την καλύτερη και πιο άμεση εξυπηρέτηση των ασθενών, όσο και την διευκόλυνση του ιατρικού και νοσηλευτικού προσωπικού σε συνεργασία με τους υπεύθυνους χάραξης πολιτικών υγείας. Ωστόσο, έπειτα από την εμφάνιση του νέου ιού στα τέλη του 2019 (SARS-CoV-2), άλλαξαν πολλές αντιλήψεις. Μια από αυτές σχετίζεται με την εφαρμογή και την κατάλληλη προσαρμογή των νέων τεχνολογιών στο χώρο της υγείας. Έτσι, έγινε αντιληπτό ότι υπήρξε μια σημαντική κινητικότητα στους τομείς έρευνας και ανάπτυξης του εν λόγω κλάδου. Επομένως, αντικείμενο της παρούσας εργασίας είναι η εξέταση του Ηλεκτρονικού Φακέλου Υγείας (ΗΦΥ) ενός ασθενούς βάση του ιατρικού του ιστορικού. Το σύστημα που υποστηρίζει την εν λόγω αναφορά και το οποίο αναπτύχθηκε στα πλαίσια της διπλωματικής εργασίας είναι το πληροφοριακό σύστημα «up-health». Με το συγκεκριμένο σύστημα, το ιατρικό προσωπικό μπορεί να δει άμεσα και γρήγορα πληροφορίες του ΗΦΥ ενός ασθενούς. Τόσο η μοντελοποίηση των ΗΦΥ όσο και η ανάπτυξη των μοντέλων γίνονται μέσω των μηχανισμών Τεχνητής Νοημοσύνης (Artificial Intelligence - AI) για να προβλέψουν είτε με βάσει το πρώτο σενάριο για το ποια είναι η καταλληλότερη αγωγή για τον διαβήτη είτε με το δεύτερο σενάριο για το ποια είναι η κατάσταση ενός ασθενούς, σχετικά με το αν πρέπει να εισαχθεί ή όχι στην Μονάδα Εντατικής Θεραπείας (ΜΕΘ), λόγω αναπνευστικών προβλημάτων (Covid-19). Επίσης, οι πληροφορίες που διαμοιράζονται εντός του συστήματος αλλά και με εξωτερικές οντότητες άλλων συστημάτων, θα μοντελοποιηθούν και θα ακολουθούν το πρότυπο HL7 FHIR (Health Level Seven Fast Healthcare Interoperability Resources). Όλες οι προαναφερόμενες υπηρεσίες, όπως και η Διεπαφή Χρήστη (User Interface) είναι φιλικά προς τον χρήστη μέσα από την χρήση νέων τεχνολογιών για την παροχή μιας κατάλληλης διαχείρισης των ΗΦΥ. Επίσης, μέσα από το σύστημα «up-health», ο γιατρός μπορεί άμεσα να κλείσει ένα ραντεβού για τον ασθενή του, να εγγράψει έναν ασθενή, αλλά και να δει συγκεντρωτικά στοιχεία. Επιπλέον μπορεί να δει, τόσο την ανάλυση των σημαντικότερων χαρακτηριστικών που διατηρεί στο αρχείο του, όσο και όλων των χαρακτηριστικών που συνιστούν τον ΗΦΥ. Πρόσθετα, πριν την ανάλυση του πληροφοριακού συστήματος «up-health» γίνεται μελέτη της διεθνούς βιβλιογραφίας που αφορά τον τομέα της Μηχανικής Μάθησης και κατά συνέχεια του δεύτερου τομέα προς μελέτη, αυτό της Διαλειτουργικότητας των Δεδομένων με λεπτομερής αναφορά, για τον ΗΦΥ. Συνεπώς, μέσω του συγκεκριμένου συστήματος θα μπορούν να προσφερθούν λύσεις στον χώρο της υγείας. Θα λειτουργήσουν ως διαδικασίες για την ψηφιοποίηση και ηλεκτρονική καταχώρηση των στοιχείων ενός ασθενούς. Μέσω της προαναφερθείσας αναφοράς μειώνεται τόσο ο χρόνος όσο και το κόστος, που απαιτείται για την τήρηση ενός μηχανογραφημένου αρχείου, όπως επίσης μειώνεται και το συχνό φαινόμενο καθυστέρησης, όσον αφορά την διάγνωση μιας ασθένειας, αλλά και στον άμεσο ορισμό ενός ραντεβού για την αποφυγή, τυχόν συγχύσεων στα ραντεβού από την πλευρά του ιατρικού προσωπικού, αλλά και των πολιτών για την αποφυγή άσκοπων μετακινήσεων.
In our time, it is a fact that the health sector, and more specifically the healthcare sector, lags behind in terms of developing smart applications with Machine Learning (ML) and Data Interoperability (DI) mechanisms. In the everyday life of a citizen, the use and application of Information Technology (IT) in health care provides a number of benefits with significant importance. These cannot be as better and more immediate for patients, as the facilitation of medical and nursing staff in collaboration with health policy makers. However, following the emergence of the new virus in late 2019 (SARS-CoV-2), many perceptions have changed. One of them is related to the application and adaptation of new technologies in the field of health. Thus, it was realized that there has been a significant movement in the research and development areas of the sector in question. Therefore, the subject of this work is the examination of the Electronic Health Record (EHR) of a patient based on his medical history. The system that supports this report and which was developed in the context of the thesis is the "up-health" information system. With this particular system, medical staff can instantly and quickly see a patient's EHR information. Both the modeling of the NHS and the development of the models are done through the mechanisms of Artificial Intelligence (AI) to predict either based on the first scenario which is the most suitable treatment for diabetes or with the second scenario which is the condition of a patient, regarding whether or not to be admitted to the Intensive Care Unit (ICU), due to respiratory problems (Covid-19). Also, the information that differs within the system but also with external entities of other systems, will be modeled and follow the HL7 FHIR (Health Level Seven Fast Healthcare Interoperability Resources) standard. The aforementioned services, as well as the User Interface, are user-friendly through the use of new technologies to provide appropriate management of the EHR. Also, through the "up-health" system, the doctor can immediately make an appointment for his patient, register a patient, and see aggregate data. He can also see, both the analysis of the important features that you keep in his file, and all the features that make up the EHR. Additionally, before the analysis of the "up-health" information system, a study is made of the international literature concerning the field of Machine Learning and then of the second field to be studied, that of Data Interoperability with a detailed report, for the EHR. Therefore, through this specific system, solutions will be able to be offered in the field of health. They will act as procedures for the digitization and electronic registration of a patient's details. Through the aforementioned report, both the time and the cost required to maintain a computerized file are reduced, as well as the frequent phenomenon of delay, regarding the diagnosis of a disease, but also the immediate setting of an appointment to avoid, any confusion at appointments on the part of the medical staff, but also of citizens to avoid unnecessary travel.
Databáze: OpenAIRE
Externí odkaz: