Dördüncü sanayi devriminin imkan ve yönelimleri doğrultusunda sağlıkta bir dönüşüm gerçekleştirebilmek için, mevcut bilgi sistemlerinin vizyon ve kapsamının “kesintisiz ve verimli insan-veri-makine” ilişkisini destekleyecek şekilde genişletilerek yaygınlaştırılması gerekmektedir. Günümüzde sağlıkta bilimsel bilginin üretim ve değişimi çok hızlanmış, kişiye özgü tanı ve tedavi statejilerini destekleyen yaklaşımlar ortaya çıkmıştır. Bu durum karar verme süreci yanı sıra geliştirilecek/kullanılacak tanı ve tedavi ürünlerini de doğrudan etkilemektedir. 

Öğrenen sağlık sistemi-Dördüncü sanayi devrimi ilişkisi:

Yenilikçi teknolojik ilerlemeler bilimin yapısını ve yöntemlerini de doğal olarak etkilemektedir. Sensörler, akıllı sistemler, iletişim ağları, robotik, yapay zeka gibi teknolojilere dayalı olarak ortaya çıkan sanal-fiziksel sistemlerin sunduğu imkanlarla bilimsel bilginin içerik, miktar, yöntem ve kapsamı da gelişmektedir.

Sağlıkta dördüncü sanayi devrimine uygun bir dönüşüm, sağlık hizmet sunumu bilim, sanat ve yönetim boyutlarında kanıta dayalı uygulamalarla desteklendiği taktirde mümkün olabilecektir. Yeni dönüşümün odağında, bir yandan sürekli veri toplayıp bunlardan bilgi üreten, diğer yandan yeni ve muteber bilgilerin gündelik pratiğe doğrudan yansıtılmasını sağlayan veri/bilgi analiz, yönetim ve karar destek teknolojileri yer alacaktır. Süreklilik içerisinde, süreçlerden veri toplayan, bunları işleyerek bilgiye dönüştüren, en güncel ve muteber bilgilere dayalı olarak karar ve eylemler gerçekleştirilmesini mümkün kılan bileşenlere sahip sağlık sistemleri öğrenen sağlık sistemi olarak tanımlanmaktadır. Günümüzde bilgisayar bilimi, bilgi teknolojileri, biyomedikal ve sağlık araştırma yöntemlerindeki ilerlemeler aynı anda hem en iyi uygulamaların kesintisiz ve verimli sunumunu hem de yeni bilgilerin eş zamanlı üretim ve uygulanmasını sağlayan öğrenen sağlık sistemi alt yapısını mümkün kılmaktadır. Öğrenen sağlık sistemleri, kanıta dayalı tıp paradigmasını genişleterek rutin sağlık sistemlerini dönüşümsel tıp (translational medicine) ve bilginin dönüşümü süreçleri ile entegre eden sistemler olarak kabul edilebilir (dönüşümsel tıp hakkında ayrıntılı bilgi için tıklayınız).

Öğrenen sağlık sisteminin bileşenleri:

Öğrenen sağlık sistemi sadece teknolojik alt yapıdan ibaret değildir, aynı zamanda insan ve kurumları da içeren bir sanal-toplumsal ağdır. Öğrenen bir sağlık sisteminin geleneksel sistemlere göre kültürden liderliğe, yapısal bileşenlerden süreçlere pek çok farklılığı bulunmaktadır.

Öğrenen sağlık sisteminin sayısal altyapısı sağlık bakım ekosisteminde bireysel ve toplu yenilikçiliği güdülemek için çok sayıda dağıtık paydaşı bütünleştiren ve destekleyen bir müşterek platform olarak anlaşılabilir. Bu platform verinin paylaşım ve kullanımını kolaylaştıran ve özendiren bir alt yapı olarak hizmet vermektedir. Bu sayede veri, bilgi ve kanıttan hareketle klinik bakım, halk sağlığına yönelik biyosürveyan, sağlık araştırma ve geliştirme çalışmaları daha etkili hale getirilebilir. Öğrenen sağlık sisteminin sayısal alt yapısı elektronik tıbbi/sağlık kayıt sistemlerinden kişisel sağlık kayıtlarına, telesağlık, sağlık bilgi portalleri, elektronik takip aygıtları, mobil sağlık uygulamaları ve ileri moleküler tanı uygulamalarına çok sayıda teknolojinin uygulanması ile de ilgilidir. Ayrıca biobankalar, sağlık bilgi veritabanları gibi bilgi depolama ortamlarıyla ve genomik veri gibi büyük veri kümelerinin toplanması ve işlenmesi ile de ilişkilidir.

Bunların hepsi klinik bakım, sağlık araştırmaları, halk sağlığı takibi, hasta eğitimi, güvenlik ve maliyet takibi gibi konularda önemli kapasiteler sağlamaktadır. Öğrenen bir sağlık sistemi güçlü bir veri altyapısına dayanmalıdır. Bu alt yapı üretilen her türlü veriyi tutmalı, anlamalı, bütünleştirmeli ve kazanılan bilgi ile ilintileştirmelidir. Tıbbi bakım hizmetlerinin sonuç ve maliyetine yönelik veriler sistematik şekilde toplanmalı, toplanan veriler retrospektif ve prospektif çalışmalarla analiz edilebilmeli, klinik uygulamaya bu analizlerden edinilen bilgiler dahil edilmeli, klinik bakımda yeni hipotezler test edilip uygulamada kullanılabilmelidir. Bu şekilde, öğrenen sağlık sistemlerinde klinik uygulama ve klinik araştırma ilişkilendirilebilir. Bilgi üretme süreci ile üretilen bilgilerin klinikte uygulanması süreci birbirini takip eder. Böylece yeni kanıt ve uygulamalar süreklilik içerisinde planlama ve bakım sürecine dahil edilir. Kanıtlar klinisyenlere yönelik karar destek sistemleri ile klinik uygulamalara hızla çevrilir. Öğrenen sağlık sistemi hastalara kendi tıbbi bakımlarına ilişkin karar verme imkanlarını arttıran araçlar da sağlayabilir. Bu nitelikleriyle öğrenen sağlık sistemi teknolojik alt yapısı, elektronik sağlık kayıt sistemlerinde ortak çalışırlık kavramının çok ötesine uzanmaktadır.

Öğrenen sağlık sistemi kavramının tarihsel gelişimi:

Tarihsel olarak bakıldığında öğrenen sağlık sistemine ilişkin çalışmaların kökeni 2000 yılında ABD’de Institute of Medicine (IOM) Committee on the Quality of Health Care tarafından yayımlanan To Err Is Human adlı rapora kadar dayandırılabilir. Bu raporda, sağlık personelinin tıbbi hatalarından dolayı her yıl ABD’de 44.000-98.000 kişinin öldüğünün tahmin edildiği, bu haliyle tıbbi hataların ölüm nedenleri listesinde ilk 10 içerisinde yer aldığı belirtmiştir. Sağlık hizmetlerinde kalitenin artırılması için çalışan komitenin iki yıl sonra yayımladığı Crossing the Quality Chasm adlı raporda sağlık bakım sisteminin güvenlik, etkililik, hasta merkezlilik, zamanlılık, verimlilik ve hakkaniyet boyutlarını hedefleyecek şekilde yeniden tasarlanması gerektiğinin altı çizilmiştir. 2006 yılına doğru, tıbbi bakım alanında neyin hangi şartlarda etkili olduğuna ilişkin kanıtların yetersizliği, söz konusu kanıtların karar vericilere ulaştırılamaması veya yetersiz olarak uygulanması ve sağlık hizmetlerinde kalitenin yeterince artırılamamasına ilişkin yakınmalar artmaya başlamıştır. ABD’de kişiselleştirilmiş tıp uygulamalarının ortaya çıkması ve sağlık bilgi teknolojilerinin yaygın olarak kullanılmaya başlanması da klinik araştırma, uygulama ve sağlık hizmet sunumunda farklı bir alan açmıştır. Sağlık bakım kalitesinin iyileştirilmesi “doğru, zamanında ve güvenilir bilgi” üretme ve yönetme yeteneği ile klinik karar süreçlerinde kanıta dayalı uygulamaların hızlandırılması sayesinde mümkün olabileceğinden, 2006 yılında IOM Roundtable on Evidence-Based Medicine oluşturularak (daha sonra adı Roundtable on Value & Science-Driven Health Care oldu) klinik uygulamalarda etkililiğin artırılmasına yönelik kanıtın üretilmesi ve sağlık bakım hizmetlerine uygulanması konusunda dönüşüm sağlamak üzere tartışmalar başlatılmış, tıbbi kararlar için kanıt tabanının geliştirilmesi ve öğrenen sağlık sistemi oluşturulmasının yolları keşfedilmeye başlanmıştır (yayınlanan raporlar için tıklayınız). “Öğrenen sağlık sistemi”, 2007 yılında bu komitenin çalışmaları sonucunda ortaya atılan bir kavramdır.

Günümüzde, ABD’de öğrenen sağlık sistemi tesis edilmesi ve buna yönelik sayısal alt yapılar geliştirilmesine yönelik çeşitli düzeylerde projeler gerçekleştirilmektedir. National Institutes of Health (NIH) tarafından 2012 yılında başlatılan Big Data to Knowledge (BD2K) girişimi bunlardan birisidir. Yine hassas tıp girişimi (ayrıntılı bilgi için tıklayınız) çalışmaları da öğrenen sağlık sistemi kavramı ile derinden ilişkilidir.

Öğrenen sağlık sistemleri Avrupa Birliği’nde de üzerinde çalışılan bir konudur. TRANSFoRm adlı bir Avrupa Birliği FP7 projesi kapsamında Avrupa’da birinci basamakta “hızlı öğrenen” bir sağlık sistemi oluşturulması konusu incelenmiştir. Electronic Health Records for Clinical Research (EHR4CR) projesi elektronik sağlık kayıtlarının klinik araştırmada kullanımını sağlayan yenilikçi bir teknolojik platform sağlanmasını hedefleyen 5 yıllık (2011-2015), 16 milyon Euro’dan fazla bütçeli, 34 akademi ve sanayi ortağı bulunan bir projedir.

Sonuç:

Dördüncü sanayi devrimiyle veri ve bilgi, sanayi toplumundaki ham ve mamül madde kavramlarına karşılık gelecek şekilde değer ifade etmeye başlayacaktır. Toplanan devasa miktardaki verinin (big data) çeşitli analitik platformlarla işlenmesi bilgi tabanlı (knowledge based) bilim üretimi yaklaşımını veriden hareketli (data driven) bir perspektife doğru kaydırmaktadır. Bu bilgi üretim süreç ve biçiminin de dönüşümüdür.

Bireylerden yada kurumlardan toplanan veriler (ham madde) analitik yeteneklerle değerlendirilip eyleme yönelik bilgi (algoritma veya model) haline getirilecek ve bunu başarabilenler tarafından bireysel veriler analiz edilerek ihtiyacı olanlara eyleme yönelik bilgiler/ürünler olarak satılacaktır. Mesela genom, çevresel, davranışsal ve klinik verileri süreklilik içerisinde toplanan insanlara, muhtemel risk analizleri, tedavi önerileri hatta kişiselleştirilmiş ilaçlar satılabilecektir. Toplum sağlığı takibi ve sağlık politikaları geliştirme ihtiyacı için farklı kaynaklardan toplanan verilerin incelenmesi sonucu belirlenecek halk sağlığı sorunları veya planlama ve hazırlık önerileri devletlere satılabilecektir. Yine sigorta şirketleri veya sağlık hizmet sunucuları için kârlılık veya finansal sürdürülebilirliğe yönelik stratejiler ve modeller geliştirilebilecektir.

Öğrenen sağlık sistemi alt yapısı sayesinde elde edilen verilerin işlenmesinde büyük veri analitikleri ve veri bilimi kritik önem taşımaktadır. Büyük veri analitikleri ile elde edilen algoritma veya modeller şirketlerin/kurumların en değerli varlıkları haline gelecektir. Bu alt yapıya sahip olmayan ülkeler verilerini ham madde gibi satacak (değerini fark edene kadar muhtemelen ücretsiz veya gerçek değerinin çok altında dağıtacak) yeni imalat sektörü tamamen kişiselleşeceğinden söz konusu algoritma ve modelleri üretemeyen/sahip olamayanların sağlıkta hizmet ve ürün sunma yeteneği kısıtlı kalacaktır.

Bu noktada sadece teknolojik alt yapı olarak değil, kültür, değer, liderlik ve organizasyonel yapılanma olarak ülkelerin yeni döneme uygun bilimsel araştırma ve bilgi üretim yeteneklerine sahip olmaları kritik önem taşıyacaktır. Sonuçta birey, makine ve veri ilişkisini süreklilik içerisinde tesis eden dördüncü sanayi devrimi çağında, öğrenen sağlık sistemi tesis edilmeden ve “veriye dayalı” yaklaşımlarla eyleme yönelik (actionable) bilgi üreticisi olmayı beceremeden sağlık alanında rekabet edebilmek çok zor görünmektedir.

Kaynaklar:

1. Institute of Medicine. Delivering High-Quality Cancer Care: Charting a New Course for a System in Crisis. Washington, DC: The National Academies Press, 2013. doi:10.17226/18359.

2. Institute of Medicine. Digital Infrastructure for the Learning Health System: The Foundation for Continuous Improvement in Health and Health Care: Workshop Series Summary. Washington, DC: The National Academies Press, 2011. doi:10.17226/12912.

3. Institute of Medicine. The Learning Healthcare System: Workshop Summary (IOM Roundtable on Evidence-Based Medicine). Washington, DC: The National Academies Press, 2007. doi:10.17226/11903.

4. Delaney BC, Curcin V, Andreasson A, Arvanitis TN, Bastiaens H, Corrigan D, Ethier JF, Kostopoulou O, Kuchinke W, McGilchrist M, van Royen P, Wagner P. Translational Medicine and Patient Safety in Europe: TRANSFoRm–Architecture for the Learning Health System in Europe. Biomed Res Int. 2015;2015:961526.

5. Friedman C, Rubin J, Brown J, Buntin M, Corn M, Etheredge L, Gunter C, Musen M, Platt R, Stead W, Sullivan K, Van Houweling D. Toward a science of learning systems: a research agenda for the high-functioning Learning Health System. J Am Med Inform Assoc. 2015 Jan;22(1):43-50.

6. Beresniak A, Schmidt A, Proeve J, Bolanos E, Patel N, Ammour N, Sundgren M, Ericson M, Karakoyun T, Coorevits P, Kalra D, De Moor G, Dupont D. Cost-benefit assessment of using electronic health records data for clinical research versus current practices: Contribution of the Electronic Health Records for Clinical Research (EHR4CR) European Project. Contemp Clin Trials. 2016 Jan;46:85-91.

7. Hirsch, Marla Durben. JASON report: ‘Learning health system’ must go beyond EHR interoperability. Yayın Tarihi: 2 Aralık 2014. Erişim Tarihi: 12 Şubat 2016.

8. Hall, Susan D. Why a learning health system is important for patient care. Yayın Tarihi: 4 Mart 2015. Erişim Tarihi: 12 Şubat 2016.