Kriller Norbert szerint az általuk fejlesztett rendszerre nem egyszerű egészségügyi szoftverként érdemes tekinteni. Analógiaként az Apple ökoszisztémáját említette: önmagában az iPhone is egy telefon, valódi erejét azonban az egymással összekapcsolt szolgáltatások és funkciók adják. Hasonló logikát követ az XMED360 is, amely egyetlen rendszerben igyekszik összekapcsolni az egészségügyi ellátás különböző folyamatait.

A rendszer a járó- és fekvőbeteg-ellátástól az egynapos sebészetig több ellátási formát képes kezelni, miközben vállalatirányítási funkciókat – többek között kontrollingot, minőségirányítást, készletgazdálkodást, CRM-et és értékesítési folyamatokat – is integrál. Kriller ugyanakkor három olyan területet emelt ki, amely szerinte ennél is fontosabb: a betegek és a vállalatok szorosabb bevonását, valamint a mesterséges intelligencia alkalmazását.

A beteg ne tűnjön el, amikor kilép a rendelő ajtaján

Az egyik legfontosabb problémának azt nevezte, hogy az egészségügyi szolgáltató és a beteg kapcsolata ma sokszor lényegében megszakad az orvos-beteg találkozó végén.

Az orvos beszélget a beteggel, javasol neki valamilyen további teendőt, valamilyen terápiát, a beteg kilép az ajtón, és fogalmunk sincs, hogy mi történik vele. Betartja a terápiát, nem tartja be a terápiát, visszajön kontrollra, nem jön vissza kontrollra?

A fejlesztés egyik célja ezért az, hogy az orvos-beteg találkozón elhangzottakat a rendszer digitálisan értelmezze, majd az orvos utasításaiból követhető folyamatot hozzon létre. Ha például az orvos azt mondja a betegnek, hogy másnaptól szedjen valamit, a rendszer később emlékeztetheti erre.

Kriller szerint ehhez azonban nem elegendő pusztán értesítéseket küldeni: a beteget érdekeltté is kell tenni abban, hogy végigvigye a terápiát. Példaként a nyelvtanuló alkalmazások játékosítási módszereit említette.

Miért van az, hogy egy Duolingo el tudja érni, hogy a 185. napon is meg akarod csinálni, nehogy megszakadjon a sorozatod? Miért nem tudjuk ugyanezt a fajta motivációt elérni egy egészségügyi terápia kapcsán?

Kriller szerint ezt egészségügyi környezetben is meg lehet valósítani. A rendszerbe ezért olyan játékosítási és lojalitást erősítő funkciókat építettek, amelyek ösztönözhetik a beteget a terápia követésére. Az ökoszisztéma emellett azokat az eseteket is kezelheti, amikor az előírt életmódváltáshoz vagy terápiához valamilyen termék – például táplálékkiegészítő, okosóra vagy sporteszköz – beszerzése kapcsolódik.

A második kiemelt terület a vállalati egészségprogramok integrációja. Kriller szerint ma jellemzően külön együttműködések keretében kapcsolódnak egymáshoz a vállalatok és az egészségügyi szolgáltatók, miközben technológiailag lehetőség lenne arra, hogy ugyanazon rendszerben dolgozzanak.

Az elképzelés szerint a vállalat saját hozzáférési réteget kaphatna, így az egészségügyi szolgáltató, a munkáltató és a munkavállaló részvételével zajló folyamatokat egységes rendszerben lehetne kezelni.

Hatékonyság és minőség: itt lép be az AI

A mesterségesintelligencia-rendszer technológiai hátterét Mikó Botond, a XEENIA vezérigazgatója mutatta be. Mint mondta, a fejlesztésnél két alapvető célra koncentrálnak: a hatékonyság és a minőség növelésére.

A XEENIA rendszere három fő rétegre épül: az információk észlelésére, azok megértésére és értelmezésére, végül pedig a kiértékelésre. A rendszer különböző pontokon képes automatizálni a betegutat, illetve támogatni az egészségügyi szakemberek munkáját.

Mikó hangsúlyozta, hogy egészségügyi felhasználásnál különösen fontos a technológia kontrollálhatósága és az adatok kezelése. A rendszer saját infrastruktúrán működik, a betegadatokat kézben tartják, és saját modelleket, illetve klinikai értelmező modulokat alkalmaznak.

A fejlesztés egyik fontos eleme a laboradatok egységesítése.

A különböző laboratóriumok eltérő elnevezéseket és struktúrákat használhatnak ugyanarra a vizsgálatra, a rendszer ezért nemzetközi standardokhoz normalizálja az adatokat, hogy azok összehasonlíthatóvá váljanak.

A fejlesztés központi eleme az úgynevezett szemantikai motor, amelynek feladata az orvosi szövegek tartalmi értelmezése. Mikó szerint éppen

ez az a terület, amelyen jelenleg jelentős hiányosságok vannak az egészségügyi mesterségesintelligencia-megoldások piacán.

A rendszer különböző nemzetközi egészségügyi kódrendszereket és tudásbázisokat kapcsol össze, hogy ne pusztán kulcsszavakat vagy dokumentumokat ismerjen fel, hanem az azokban szereplő orvosi információk közötti kapcsolatokat is értelmezze. Ezt a technológiát az orvos-beteg konzultációk mellett laboratóriumi adatok feldolgozására, illetve például biztosítási folyamatok szakmai támogatására is használhatják.

Az eredményeket egy orvosi dashboard jeleníti meg. A rendszer a korábbi egészségügyi dokumentumokból betegségi idővonalat állíthat össze, összefoglalhatja a dokumentumokat, kiemelheti a beteg aktuális terápiáját, allergiáit és krónikus betegségeit, valamint – megfelelő integráció esetén – vitális paramétereket is megjeleníthet.

Mikó szerint a cél éppen az, hogy az egészségügyi adatok ne egymástól elszigetelt dokumentumokként jelenjenek meg az orvos előtt.

Nem PDF-ekre van szükség, hanem dashboardokra.

A rendszerben az orvos kérdéseket is feltehet, amelyekre az AI több dokumentumon és korábbi egészségügyi eseményen átívelően kereshet összefüggéseket.

A mesterséges intelligencia az adminisztráció egy részét is átveheti. A fejlesztők olyan ambulánslap-generátort készítettek, amely képes végighallgatni az orvos és a beteg teljes beszélgetését, azt összekapcsolni a rendelkezésre álló dokumentumokkal és laboreredményekkel, majd ezek alapján elkészíteni az ambuláns dokumentáció tervezetét.

Mikó szerint ennek egyik fontos előnye, hogy az orvosnak nem feltétlenül kell külön diktálnia vagy gépelnie a dokumentáció elkészítéséhez. A fejlesztők hosszabb távon ennél is tovább mennének: céljuk, hogy a rendszer – a megfelelő szabályozási és jogi környezet mellett – mélyebb diagnosztikai támogatást is nyújthasson az orvosok számára.

Címlapkép forrása: Bácsi Róbert (Portfolio)