skip to Main Content

Patient Generated Health Data

slide_02

De eerste mens naar Mars sturen zou, volgens de geleerden en optimistische enthousiastelingen, reeds in 2034 plaats kunnen vinden. Nu al worden voorbereidingen getroffen om deze onvoorstelbare uitdaging vorm te geven, en de rij mensen die vrijwillig aan de eerste commerciële expeditie deel willen nemen doet een gemiddelde iPhone introductie verbleken.

Een missie naar Mars is een combinatie van menselijk lef, ongekende expertise en een ongebreideld vertrouwen in de mogelijkheden van technologie. Wat dat betreft lijkt het de zorg wel. Tijdens de Marsmissie is naast de voor de hand liggende technologie, zoals voldoende kracht van de stuwraketten of het vertrouwen dat het landingsgestel op het juiste moment z’n werk doet, een ander onderdeel van cruciaal belang voor het succes: Astronaut Generated Health Data.  Of dit een bestaande woordcombinatie is valt te bezien, maar feit is dat er tijdens een trip naar Mars zo’n 35 parameters continu en bij elke astronaut worden gemeten en – zij het met een tijdsvertraging van zo’n 20 minuten – 24/7 op onze blauwe planeet door knappe koppen worden gemonitord, geanalyseerd en teruggekoppeld. Zuurstof, hartslag, ECG, HRV, bloeddruk, temperatuur, activiteit, gewicht, spiermassa, spierspanning, ademhaling, samenstelling van zweet, locatie, en soortgelijke parameters zorgen voor een ongekende hoeveelheid datastromen.

De 5 B’s van zorgdata: bepalen, bijeenbrengen, bewaren, bewerken en bespreken

Nu, anno 2017 en terug op de aarde, vindt in de zorg een soortgelijke ontwikkeling plaats: gegevens die alleen door de patiënt verzameld zijn, worden steeds belangrijker. We hoeven niet te wachten tot de technologie van Mars neerdaalt op aarde. Nu al kan een scala aan patiënt-gerelateerde parameters worden uitgelezen en op afstand in de gaten worden gehouden. Op zich vreemd, want zijn er data over een patiënt die niet door een patiënt gegenereerd zijn? Definitiekwestie, vooral. De voor de hand liggende gegevens van een patiënt worden in een zorginstelling bepaald, bijeengebracht en vaak ook bewaard, bewerkt en besproken. Ga maar na, MRI scans maak je niet even thuis, en interpretatie en uitleg ervan dienen overgelaten te worden aan professionals. Maar er is een groeiende vorm van gegevens die makkelijk door een patiënt zelf verzameld kan worden. Technologie maakt het mogelijk om deze ‘patiënt-gegenereerde-gegevens’ eenvoudig te bepalen, bijeen te brengen, te bewaren en te bewerken. Alleen het bespreken zal nog samen met de zorgprofessional moeten gebeuren. Tot euforie van de ene, en chagrijn van de andere arts.

De scope van PGHD wordt duidelijk gemaakt door Sara Riggare, een Zweedse Parkinson-patiënt: “Ik besteed per jaar 1 uur bij mijn arts waar we de loop van mijn ziekte bespreken, en eventueel mijn medicatie aanpassen. Vervolgens besteed ik 8765 uur per jaar aan zelfmanagement van mijn gezondheid.” Laat nou net dat zelfmanagement bij uitstek geschikt zijn voor de smartphone middels mobiele apps. Immers, het apparaat wordt slechts in uitzonderlijk gevallen alleen gelaten, zit tjokvol sensoren en is ook nog eens 24/7 verbonden met het internet. De beschikbaarheid van meer dan 260.000 gezondheidsapps die tezamen 3.2 miljard keer zijn gedownload (research2guidance, 2016) getuigt van een meer dan gezonde interesse in de potentie ervan. Recentelijk onderzoek door Accenture (2016) toont aan dat het gebruik van gezondheidsapps en sensoren het afgelopen jaren meer dan verdubbeld is (resp. van 16% naar 33% en van 9% naar 21%). Echter, het feit dat geen hond meer een zinnige keuze kan maken uit deze kwart miljoen gezondheidsapps moeten we maar op de koop toe nemen. Of niet?

Waarde voor de zorg

We hebben het dus over ‘Patient Generated Health Data’ (PGHD) die in potentie een continue stroom aan gegevens genereren waar een zorgomgeving ‘iets mee kan’. Dat ‘iets’ is onderwerp van vele debatten en discussies, waarbij zoals gebruikelijk de meningen nogal uiteen kunnen lopen. “Oude wijn in nieuwe zakken?”, vraagt Dr. Eric Topol, cardioloog, auteur en bekend voorstander van innovatieve technologie in de zorgsector, zich af. “Per slot van rekening bestonden thuis-zwangerschapstesten al in de jaren 70, en het zelf meten van de bloedsuikerspiegel kunnen we ook al jaren. Maar waar het hier over gaat is een ongekende schaalbaarheid van digitale technologie en sensoren die data via de smartphone kunnen verzamelen. In principe kunnen heel veel metingen die nu nog door een arts uitgevoerd worden, straks door de patiënt zelf worden gedaan”, aldus Topol. In het algemeen zijn er drie gebieden waar PGHD een onmiskenbare rol in gaan spelen.

1. Value Based Healthcare

Er vindt een verschuiving plaats naar het werkelijk centraal stellen van de patiënt door het adopteren van ‘Value Based Healthcare’. De betrokkenheid van de patiënt in een zorg-continuüm in plaats van de geijkte classificering in eerste-, tweede- of n-de lijnszorg gaat een cruciale rol spelen. Dit zorg-continuüm laat een verschuiving zien van gefragmenteerde naar ‘verbonden’ zorg, van volume naar waardecreatie en van episodische naar continue zorg. Het gaat te ver om in dit artikel Value Based Healthcare in detail te behandelen, maar het voldoet te beseffen dat waarde van de zorg gekenmerkt wordt door enerzijds betere kwaliteit en anderzijds lagere kosten. De combinatie ervan is waar we naar op zoek zijn. Kosten zijn eenvoudig te meten, kwaliteit is een minder tastbaar begrip. Met name op dit gebied spelen Patient Reported Outcomes (PRO) een belangrijke rol. De International Consortium for Health Outcomes Measurement (ICHOM) is een non-profit organisatie met als doelstelling het zorgsysteem te transformeren door het meten en rapporteren van patiëntresultaten. Per medische conditie wordt op globale schaal een standaardset van ‘outcomes’ bepaald die zorgverleners in staat stelt te vergelijken, te leren en te verbeteren. De doelstelling is om in 2017 de helft van alle klinische aandoeningen in kaart gebracht te hebben. Nu al zijn voor 21 aandoeningen op het gebied van onder andere cardiovasculaire en neurologische problemen, geboortezorg en het bewegingsapparaat standaardsets bepaald met de meest relevante klinische variabelen. Hoe kunnen PGHD daar geen rol in spelen?

2. Klinisch onderzoek

Bij klinisch onderzoek is data de basis voor de (wetenschappelijke) studie. Grote uitdagingen zijn het vinden van de juiste patiënten in voldoende aantallen en het verkrijgen van hoog-kwalitatieve, gevalideerde en geverifieerde patiëntgegevens. “Bij klinisch onderzoek is het moeilijk om aan voldoende echt objectieve gegevens van patiënten te komen. De reguliere vragenlijsten die gebruikt worden zijn te weinig specifiek en geven slechts een snapshot van de klinische historie. Zo zou ik graag de daadwerkelijke activiteit van deelnemers aan een studie met een meniscus-implantaat weten, in plaats van de melding dat de deelnemer ‘matig actief is geweest’”, aldus Dr Joris Bannenberg, Chief Medical Officer bij Factory-CRO.

Er zijn allerlei juridische hobbels die genomen moeten worden voordat PGHD verzameld door ‘consumententechnologie’ daadwerkelijk voet aan de grond kan krijgen. ePRO-platformen (electronic Patient Reported Outcomes) zijn vaak slechts iteraties op bestaande IT-legacy systemen die moderne Mobile User Experience-principes volslagen in de wind slaan. Het resultaat ervan is een mooie propositie op een website, maar gefaalde resultaten in het veld. Immers, de moderne patiënt wéét wat eenvoud betekent als zij haar smartphone ter hand neemt. Alles wat qua gebruiksvriendelijkheid minder is dan Facebook et al zal geconfronteerd worden met moeizame gebruikersacceptatie.

3. Gedragsverandering bij de patiënt. De 6e B?

Een derde en wellicht meest tot de verbeelding sprekend aspect waar PGHD een rol in kunnen spelen is de interpretatie en terugkoppeling naar de patiënt zelf, met als doelstelling gedragsverandering ten behoeve van verbetering van de gezondheid. Ten positieve beïnvloeden dus. Data zeggen immers weinig als er geen vertaalslag plaatsvindt naar contextuele, medisch-relevante en actie-gerichte informatie. Systolische bloeddruk van 140 is voor de één prima terwijl dit voor de ander problematisch kan zijn. Bovendien is elke situatie weer anders en heeft de genoemde bloeddruk een andere betekenis vóór of na inspanning en is de actie die genomen moet worden dus anders. Middels algoritmes die de data analyseren kunnen digitale interventies aangeven welke actie van de patiënt verwacht wordt. Daarnaast kunnen deze data teruggegeven worden in de vorm van infographics die ervoor kunnen zorgen dat de patiënt meer inzicht krijgt in de gezondheidssituatie. We hebben het dan niet zozeer over ‘big data’, maar eigenlijk over ‘little data’. Tot slot kunnen middels gamification-elementen patiëntgegevens gebruikt worden om dynamisch en spelenderwijs inzicht te verschaffen.

Gedragsverandering is een uiterst complexe aangelegenheid die gepaard gaat met een aantal belangrijke ethische vraagstukken. Bovendien is het nog maar zeer de vraag in hoeverre mobiele technologieën hier ten positieve aan kunnen bijdragen. We begeven ons dan op het vakgebied van Persuasive Technologies, een gebied waar we rustig een additionele 2500 woorden aan kunnen besteden. Er komen steeds meer empirische data beschikbaar die het (positieve) effect van mHealth in deze context aantonen en het lijkt dus voor de hand te liggen dat dit een uiterst interessant veld is om verder te onderzoeken.

Artificial Intelligence en PGHD

Het moge nu wel duidelijk zijn dat PGHD pas interessant worden op het moment dat er een interpretatieslag plaatsvindt. Deze interpretatie is momenteel weggelegd voor de zorgprofessional, maar in toenemende mate zien we dat dergelijke interpretaties bijgestaan worden door digitale input. ‘Clinical decision support’ noemen we dat dan. Alom wordt verwacht dat er uiteindelijk steeds complexere algoritmes gaan komen die allerlei data kunnen analyseren en uiteindelijk daardoor steeds zelfstandiger met conclusies of adviezen kunnen komen. Artificiële Intelligentie (AI) waarbij zelflerende computersystemen op basis van neurale netwerken de mensheid een dienst bewijzen zijn al lang geen science fiction meer. Sterker nog, zowel Apple als Google leveren tools om zelflerende neurale netwerken te gebruiken in de ontwikkeling van mobile apps, dus ook medische mobile apps. Kijk maar eens naar Watson, de medische supercomputer van IBM, die op basis van jarenlange training met duizenden publicaties op het gebied van oncologie uiteindelijk een betere behandeling voorschreef dan de oncoloog zelf.

In complexe AI-systemen is het lang niet altijd duidelijk waarom de computer een bepaalde beslissing heeft genomen, bijvoorbeeld omdat de code zelf geschreven is door de software en niet altijd terug te vertalen is naar logica voor de mens. In hoeverre dat singulariteit in de hand werkt is de vraag, maar dat het een pad is dat bewandeld wordt is een zekerheid. Zonder een doemscenario te schetsen waarbij de iPhone verandert in een moderne versie van SkyNet en een leger Terminators aanstuurt, zal de discussie omtrent AI ook in de gezondheidszorg gevoerd moeten worden.

Privacy en security

Geen blog of white paper over digitale innovates in de zorg zonder privacy en security. En terecht. Patiëntgegevens kunnen sensitieve informatie bevatten en dienen als zodanig behandeld te worden. Door de in potentie grote hoeveelheid aan data die verzameld kunnen worden, zeker bij gebruik van sensoren en wearables, kan de waarde voor malafide partijen groot zijn. Elke digitale oplossing moet dus voldoen aan verregaande eisen om het gevaar van datalekken in te perken. Doorgaans vindt dit op twee niveaus plaats: op product- en op organisatieniveau.

Productniveau

Wet- en regelgeving dicteren dat elke digitale oplossing waarbij PGHD bijdragen aan de diagnose en/of behandeling en/of waarbij de data op de één of andere wijze bewerkt worden (bijvoorbeeld door een algoritme) voorzien moet zijn van een adequate CE-certificering. Traditioneel betreft dit meestal klasse 1 (zelf)certificering voor medische hulpmiddelen met een laag risicoprofiel of klasse 2 voor apparaten met een hoger risicoprofiel, zoals glucosemeters of ECG-sensoren. Echter, met de komst van allerlei slimme consumenten-wearables en sensoren waar software aan gekoppeld kan worden en zich daardoor steeds meer op het medisch vlak gaan begeven, is de keuze vaak niet meer zo helder te maken. Immers, in hoeverre dient een app die PGHD verzamelt via een klasse 2 gecertificeerde bloeddrukmeter zelf ook als klasse 2 device gecertificeerd te worden? En is er een verschil indien de smartphone (en dus de app) rechtstreeks via een kabeltje gekoppeld wordt, of slechts via een Bluetooth draadloze verbinding een uitgezonden bestand ontvangt? Geloof me, de geleerden zijn het er nog niet over eens.

Naast de (nog niet altijd duidelijke) wet- en regelgeving kan er op technisch gebied uiteraard veel opgezet worden om het verzamelen van PGHD zo veilig mogelijk te maken, waardoor de privacy van de patiënt zo goed als realistisch mogelijk is gewaarborgd wordt. Aan de woordkeuze van de vorige zin is reeds af te lezen dat 100% bescherming in een digitale wereld helaas niet mogelijk is. Encryptie, slim opzetten van de database structuur en fysieke controle over wie waar en wanneer toegang heeft tot de data zijn allemaal zaken die beschikbaar zijn, en dus ook ingezet dienen te worden. Om daarmee zo dicht mogelijk in de buurt van die 100% te komen.

Organisatieniveau

Elke serieuze ontwikkelaar van software voor het bijeenbrengen, bewaren en bewerken van PGHD zal moeten voldoen aan de wettelijke eisen op het gebied van NEN- en ISO-certificering (specifiek NEN7510 en ISO27001). Het melden dat de hosting provider die de data uiteindelijk fysiek opslaat afdoende is gecertificeerd, is daarbij niet voldoende. Minstens even belangrijk is wie van de eigen medewerkers toegang hebben tot de gegevens en onder welke randvoorwaarden dat geschiedt. Een volwaardig gecertificeerde organisatie geeft wellicht geen absolute garantie (dat hebben we kunnen zien aan de Snowden-case), maar het geeft wel aan dat er procedures in werking zijn die de kans hierop verkleinen, en dat de organisatie privacy en security serieus neemt.

Aan de slag met PGHD

De inzet van PGHD in de dagelijkse praktijk betekent een omslag in denken. Belangrijk is om klein te beginnen. De kans dat er al data verzameld worden is groot, zij het misschien nog middels traditionele middelen (papieren vragenlijst?). Het begint uiteraard met een visie op de waarde van PGHD en de bereidheid hierin te investeren. Kies realistische doelstellingen die binnen bereik kunnen komen als de verwachte toegevoegde waarde voor het zorgproces en/of de patiënt daadwerkelijk gehaald wordt. Houdt hierbij rekening met Value Based Healthcare (= health outcome / costs). Bij het bepalen van de benodigde software is het belangrijk te kiezen voor een platform dat schaalbaar en flexibel is, dus klein beginnen en dan mee te groeien met de fase waarin de praktijk zit. Ga zo dicht mogelijk tegen het bestaande proces aanzitten zodat de verandering voor de medewerkers minimaal is. Beschrijf en trainde procedure zodat er duidelijkheid is wie wat wanneer dient te doen. Houd daarbij rekening met de menselijke factor en laat de software volgend zijn. Dat dit niet altijd kan in een wereld waar een zorgverlener ook een NASA-diploma moet hebben om een gemiddeld HIS of EPD te bedienen beseffen we ook, dus ook hier geldt dat de keuze van het softwareplatform bepaald wordt door de mate van gebruiksvriendelijkheid. Tot slot, leer van de fouten en bouw op de successen.

Uiteindelijk is dat wat de mensheid naar de maan heeft gebracht, en straks wellicht naar Mars.

Back To Top