Stockholms universitet logo, länk till startsida

Forskningsprojekt Datadrivna lösningar inom komplexa vård- och omsorgsprocesser (DISAL)

Nya datadrivna lösningar har potential att förbättra situationen för multisjuka äldre. Projektet identifierar, analyserar och pilottestar sådana innovativa lösningar, baserade på förbättrad vårdsamverkan mellan stad och region.

Genrebild som illustrerar datadrivna metoder inom vården. Foto: Biancoblue/Mostphotos.
Foto: Biancoblue/Mostphotos.

Datadriva lösningar, som kunskaps- och beslutsstöd, artificiell intelligens (AI) och andra moderna dataanalyser, har potential att transformera många olika aspekter av vården. Lösningarna kan användas för att förbättra diagnostisering, erbjuda behandlingsrekommendationer, automatisera administrativa rutiner och predicera återinskrivningar.

Men flera av dessa datadrivna lösningar är i dag sparsamt implementerade i den praktiska vården. I projektet identifierar, analyserar och pilottestar vi innovativa datadrivna tjänster som stödjer samverkan mellan stad och region inom vård och omsorg för multisjuka äldre.

Tjänsterna bygger på en kartläggning av problem och processer. Metodiken som tas fram i projektet kombinerar systemanalys med juridiska och etiska ställningstaganden samt bygger på forskning inom dessa områden.

Projektet möjliggör för regionen och staden att dra nytta av nya tjänster för att effektivisera och höja kvaliteten inom området. På lång sikt kan det bidra till nya arbetssätt.

Projektet genomförs i samarbete med Region Stockholm och Stockholms stad.

Region Stockholm beviljar 10 miljoner kronor till forskning

 

Projektbeskrivning

Många processer inom hälso- och sjukvård samt omsorg (förkortat “vård och omsorg”) är vidsträckta. De omfattar flera organisationer samt involverar flera olika IT-system och datakällor. Ett exempel på sådana processer är vården av multisjuka äldre – de slussas ofta mellan stadens vård- och omsorgsboende och regionens primär- och specialistvård.

Inom regionen vårdas dessa multisjuka dessutom av olika specialiteter, vilka också måste samverka för att erbjuda en optimal och högkvalitativ vård. Denna samverkan är nödvändig, men samtidigt mycket komplex då den spänner över organisatoriska gränser och omfattar flera olika IT-system, samt regleras juridiskt av olika lagar och regelverk.

Samtidigt existerar en rad nya datadrivna lösningar, som kunskaps- och beslutsstöd, artificiell intelligens (AI) och andra moderna dataanalyser. De har potential att transformera många olika aspekter av vården för multisjuka äldre, som att förbättra diagnostisering, erbjuda behandlingsrekommendationer och automatisera administrativa rutiner. De nya lösningarna har också potential att, i tidiga skeden, predicera risker för återinskrivningar, exempelvis från stadens vård- och omsorgsboende till regionens avancerade sjukvård.

Flera av dessa datadrivna lösningar är dock sparsamt implementerade i den praktiska vården; främst stödjer de enskilda funktioner inom vård och omsorg eller finns utvecklade i olika forskningslaboratorier och teknikföretag (Davenport & Kalakota, 2019). Lösningarna är sällan integrerade i kliniska arbetsflöden eller i de journalsystem som används i den praktiska vården (Davenport & Kalakota, 2019). De används inte heller i de många administrativa processer och rutiner som i dag upptar en stor del av vård- och omsorgspersonalens arbete, ofta i syfte att stödja informationsöverföring mellan region och stad. Dessutom ger den praktiska användningen av dessa lösningar upphov till både juridiska och etiska frågeställningar som måste besvaras och byggas in före implementering, såsom integritetsskyddsaspekter.

Den utmaning som detta projekt står inför är att existerande datadrivna lösningar, som kunskaps- och beslutsstöd, AI och andra dataanalyser, endast används i begränsad omfattning i praktiken då de inte är integrerade i kliniska och administrativa processer eller är en del av existerande journalsystem. Det saknas kunskap om hur dessa datadrivna lösningar skulle kunna användas bättre, och i vissa fall kombineras, i de kliniska och administrativa processer som berör multisjuka äldre. Det saknas också kunskap om vilka nya tjänster baserade på dessa lösningar som skulle kunna utvecklas så att samverkan mellan region och stad förbättras. Vidare behöver vi också hantera de etiska och juridiska aspekter som är förenade med möjliga innovativa lösningar.

Mål

Projektets primära mål är att utifrån ett processperspektiv identifiera, föreslå och pilottesta ett antal innovativa tjänster, baserade på datadrivna lösningar, som kunskaps- och beslutsstöd, AI och andra moderna dataanalyser, i synnerhet tjänster som stödjer samverkan mellan stad och region. Projektet kommer också att utveckla verktyg för analys av legala och etiska aspekter hos dessa tjänster, modeller för informationsöverföring mellan stad och region och en metodik som kan användas som stöd för att i framtiden utveckla innovativa tjänster baserade på datadrivna lösningar utifrån ett processperspektiv.

Syfte

Projektets syfte är att förbättra kvaliteten på, och effektiviteten av, vård och omsorg för multisjuka äldre med hjälp av datadrivna lösningar som samtidigt är juridiskt och etiskt hållbara.

Fokusområden

Projektet fokuserar på ett antal områden: organisationsöverskridande vård- och omsorgsprocesser, tjänster baserade på datadrivna lösningar som effektiviserar och ökar kvaliteten i dessa processer och som stödjer samverkan mellan stad och region, datakällor (inklusive IT system) som är nödvändiga för dessa datadriva lösningar, och den juridiska och etiska ram som verksamheten styrs av. Till detta kommer ett övergripande tema kring informationsöverföringen mellan regionens och stadens olika IT-system som behöver utvecklas.

Metod

Projektet kommer att följa en metod i enlighet med designforskningens principer. Det innebär att projektet inkluderar följande tre aktiviteter som kommer att utföras iterativt.

1. Kartläggning av existerande system och deras datastrukturer. Probleminventering avseende processer inom vård och omsorg samt hur samverkan mellan stad och region fungerar i dessa. Detta arbete baseras på den kartläggning som genomfördes i projektet ”Digitalisering inom vård och omsorg (DISVO)” (Fast Lappalainen, K. et al, 2021), men en fördjupande och breddande komplettering kommer att genomföras i form av intervjuer med personal inom stad och region.

2. Design av prototyper av innovativa tjänster, baserade på datadrivna lösningar, i syfte att stödja samverkan mellan stad och region. Dessa prototyper presenteras för personal inom vård och omsorg i ett antal iterationer för återkommande utvärdering.

3. Utifrån en reflektion över erfarenheterna från aktivitet 1 och 2 ska en generell metod utvecklas för utformande av framtida vård- och omsorgstjänster som använder sig av datadrivna lösningar och beaktar såväl juridiska som etiska faktorer.

Resultat

Projektets förväntade resultat är följande:

- En nulägesanalys över existerande datastrukturer och hur de skulle kunna användas av innovativa tjänster i vård- och omsorgsprocesser som stödjer samverkan mellan stad och region, samt en analys över behov av ytterligare data

- En kartläggning av existerande datadrivna lösningar som kan integreras i vård- och omsorgsprocesser för multisjuka äldre i syfte att öka kvaliteten och effektivisera vård och omsorg

- Design av innovativa tjänster, baserade på datadrivna lösningar, som är integrerade i vård- och omsorgsprocesser i syfte att stödja samverkan mellan region och stad

- En preliminär modell för förbättrad informationsöverföring mellan stad och region

- En analys av juridiska och etiska krav och problemställningar rörande vård- och omsorgsprocesser, baserade på datadrivna lösningar för multisjuka äldre

- En analys av behov av ny lagstiftning, och/eller alternativa tolkningar av befintlig lagstiftning, för att underlätta framtagning av innovativa tjänster baserade på datadrivna lösningar, som AI, för samverkan mellan stad och region

- En metod som kan användas för att i framtiden utforma vård- och omsorgstjänster som använder sig av datadrivna lösningar. Integrerat i metoden är juridiska och etiska krav.

Förväntade effekter

De förväntade effekterna av projektets resultat är:

- Förbättrad kvalitet och effektivitet inom vård och omsorg för multisjuka äldre med hjälp av innovativa tjänster som stödjer samverkan mellan stad och region.

- Förbättrade möjligheter för vård- och omsorgspersonal att i vård- och omsorgsprocesserna ta beslut baserat på evidens (”just in time knowledge management”).

- Förbättrad kommunikation mellan vård- och omsorgspersonal i stad och region med hjälp av modellen för informationsöverföring

- Förbättrad följsamhet till grundläggande rättsliga krav på dataskydd och informationssäkerhet då processperspektivet ger en ökad spårbarhet av hur data integreras

Forskningsområdets bakgrund

Forskning inom AI för vården har rönt stor uppmärksamhet. AI är en samling teknologier, i synnerhet maskininlärning, språkteknologi, ”data mining”, regelbaserade expertsystem, och ”robotic process automation” (RPA) (Kun-Hsing, 2018). AI har visat sig ha stor potential för relativt tekniska tillämpningar som till exempel tolkning av röntgenbilder. Samtidigt är det svårt att integrera AI i kliniska arbetsflöden och journalsystem, bland annat på grund av den stora heterogeniteten gällande informationsregistrering (Davenport & Kalakota, 2019).

På grund av avsaknaden av integration av AI i vårdprocesser har AI inte kommit till full nytta, även om det finns potential (Iliashenko, 2018). Ytterligare en svårighet vad gäller datadrivna lösningar är att det är komplext att analysera de datakällor som ska stödja samverkan mellan aktörer (Aalst, 2011). Delvis beror komplexiteten på att ägandet av datakällorna är utspridd på olika aktörer (Henkel et al., 2019).

När nya datadrivna tjänster utformas är det viktigt att metodstöd finns för att behandla juridiska aspekter. Dessa aspekter behöver ges en proaktiv roll i själva designprocessen (Magnusson Sjöberg, 2020). En viktig del är så kallat inbyggt dataskydd, det vill säga att lösningar redan från början utformas med patientintegritet i åtanke. Någon internationell standard för inbyggt dataskydd finns dock inte, men en ISO-standard för detta ändamål är för närvarande under utarbetande rörande konsumentvaror och tjänster (ISO/PC 317).

Då vård och omsorg hanterar känslig information krävs dessutom att konkreta etiska och rättsliga riktlinjer följs (Savirimuthu, 2020). Datadrivna lösningar för vård och omsorg är föremål för en sträng reglering (Magnusson Sjöberg, 2020), vilket gör det nödvändigt med en juridisk analys av de lagar (till exempel patientdatalagen och socialtjänstlagen) som påverkar lösningarna. Inom projektet genomförs en juridisk analys av de regleringar som påverkar utformningen av datadrivna lösningar. Analysen används för utformningen av projektets lösningar, men är även användbar för andra som vill utforma datadrivna lösningar inom vård och omsorg.

Projektet har sin bas i ett nyligen avslutat projekt, ”Digitalisering inom vård och omsorg (DISVO)” (Fast Lappalainen, K. et al, 2021), som genomförde en initial analys av samverkan kring multisjuka äldre inom Region Stockholm och Stockholms stad. Analysen visade på ett antal problem- och förbättringsområden på organisatorisk, systemmässig och juridisk nivå. I projektet illustrerades komplexiteten i samverkan mellan stad och region kring multisjuka äldre genom ett scenario. Det togs fram i samarbete med vård- och omsorgspersonal, administrativ personal samt IT-ansvariga inom stad och region. Scenariot och de utmaningar som detta tydliggör, kan i föreslaget projekt användas som en grund för att identifiera nya innovativa tjänster för förbättrad samverkan mellan stad och region.

Relevans för regionen

Region Stockholm har identifierat fem områden där forskningsinsatser från Stockholms universitet är av särskilt intresse. Det här projektet har fokus på ett av dessa områden: digitalisering. Mer precist stödjer denna projektansökan utveckling av nya tjänster som bygger på datadrivna lösningar, i synnerhet sådana tjänster som stödjer samverkan mellan region och stad.

Projektet möjliggör för regionen att dra nytta av nya lösningar för att effektivisera och höja kvaliteten samt möjliggöra en ökad förmåga till kunskapsbildning inom området. Långsiktigt bidrar projektet till att möjliggöra nya arbetssätt inom regionen och staden.

Tidigare samverkan mellan projektdeltagarna

Projektet bedrivs som ett samarbetsprojekt mellan Institutionen för data- och systemvetenskap och juridiska institutionen som båda har stor erfarenhet av datavetenskapliga och juridiska aspekter inom vård och omsorg. Tillsammans med Region Stockholm och Stockholms stad genomförde de två institutionerna projektet ”Digitalisering inom vård och omsorg (DISVO)” (Fast Lappalainen, K. et al, 2021).

Referenser

Aalst, W. M. (2011): ”Intra-and inter-organizational process mining: Discovering processes within and between organizations”. IFIP Working Conference on The Practice of Enterprise Modeling. Springer.

Davenport, T., Kalakota, R. (2019): ”The potential for artificial intelligence in healthcare”. Future Healthcare Journal, Vol 6, No 2.

Fast Lappalainen, K. et al (2021): ”Digitalisering inom vård och omsorg”, DSV Report Series No. 21-003, ISBN (PDF): ISBN 978-91-89107-17-5.

Henkel, M., Koutsopoulos, G., Bider, I., Perjons, E. (2019): ”Using Enterprise Models for Change Analysis in Inter-organizational Business Processes”. BPM Forum 2019. LNBIP, Vol 361. Springer.

ISO/PC 317, ”Consumer protection: privacy by design for consumer goods and services”.

Magnusson Sjöberg, C., (2020): ”E-hälsa som app – dataskydd och datadelning”, SNS Förlag, Stockholm 2020.

Savirimuthu, J., (2020): ”The GDPR, AI and the NHS Code of Conduct for Data-Driven Health and Care Technology”, Health Data Privacy under the GDPR, Taylor & Francis Group, s. 161-175.

Projektmedlemmar

Projektansvariga

Erik Perjons

Docent

Institutionen för data- och systemvetenskap
Erik Perjons

Medlemmar

Urban Ekman

FoUUI-ansvarig, Karolinska universitetssjukhuset

Katarina Fast Lappalainen

Universitetslektor

Juridiska institutionen
Katarina Fast Lappalainen

Uno Fors

Forskare

Institutionen för data- och systemvetenskap

Martin Henkel

Docent

Institutionen för data- och systemvetenskap
Martin

Amin Jalali

Docent

Institutionen för data- och systemvetenskap
Amin Jalali

Paul Johannesson

Professor

Institutionen för data- och systemvetenskap
Paul Johannesson

Jöran Lindeberg

Doktorand

Institutionen för data- och systemvetenskap
porträtt på Jöran Lindeberg

Publikationer

Nyheter