You are not connected. The newsletter may include some user information, so they may not be displayed correctly.

ΕΝΗΜΕΡΩΤΙΚΟ ΔΕΛΤΙΟ ΨΗΦΙΑΚΗΣ ΙΑΤΡΙΚΗΣ ΑΠΡΙΛΙΟΣ 2022

ΕΝΗΜΕΡΩΤΙΚΟ ΔΕΛΤΙΟ ΨΗΦΙΑΚΗΣ ΙΑΤΡΙΚΗΣ ΑΠΡΙΛΙΟΣ 2022

This email contains pictures, if you don’t see them, view it online




Συντακτική Επιτροπή

Πρόεδρος: Ιωάννης Λεκάκης

Μέλη:

Ανδριανή Βαζαίου
Γεώργιος Δαφούλας
Πολυχρόνης Δηλαβέρης
Αλέξανδρος Μπέρλερ
Παναγιώτης Σταφυλάς 


Το μήνυμα του Προέδρου…

 

  O τομέας της ψηφιακής Ιατρικής αναπτύσσεται ραγδαία αλλά οι προκλήσεις είναι πολλές. Οι σωστές πρακτικές ευρίσκονται σε εξέλιξη, ανιχνευτές (sensors) και συσκευές (devices) συνεχώς βελτιώνονται, ενώ η έλλειψη διαλειτουργικότητας οδηγεί σε κατακερματισμένες προσπάθειες και δυσκολία ενσωμάτωσης της ψηφιακής ιατρικής στην καθημερινή ιατρική πρακτική. Είναι ενδιαφέρον να δούμε πώς βλέπουν τον χώρο της ψηφιακής Ιατρικής επιστήμονες που εργάζονται στον τομέα αυτό, βιώνουν τα προβλήματα και βλέπουν τις προοπτικές. Σε μία μελέτη με ερωτηματολόγια 56 επαγγελματίες ψηφιακής Ιατρικής παρουσίασαν την εμπειρία τους και την θέση τους για τις εξελίξεις στον χώρο αυτό (JMIR Mhealth Uhealth 2021;9(2):e24570). 

 

  Οι επαγγελματίες στον τομέα της ψηφιακής Ιατρικής στην καταγραφή αυτή προέρχονται από διάφορους χώρους και κυρίως από πληροφορική, επιχειρήσεις και ιατρική. Η  πολυχρωμία αυτή με επιστήμονες από διαφορετικούς χώρους πιστεύω είναι θετικό σημείο, αφού η κάθε ομάδα θα προσφέρει τις θετικές απόψεις της με στόχο ένα άριστο αποτέλεσμα. Στο ερώτημα «Με τι sensors και devices συνήθως εργάζεσθε;» η απάντηση ήταν κατά πλειοψηφία sensors παρακολούθησης του καρδιαγγειακού συστήματος και μέτρησης της φυσικής δραστηριότητας, ενώ, όσον αφορά στις συσκευές, πλειοψηφούσε η χρήση έξυπνων τηλεφώνων και έξυπνων ρολογιών.

 

  Από τους συμμετέχοντες, ποσοστό 93% συμφώνησαν ότι η διαλειτουργικότητα αποτελεί πρόβλημα στη ψηφιακή Ιατρική. Οπωσδήποτε ο τομέας αυτός είναι ένα πεδίο μελλοντικών προσπαθειών. Η διαλειτουργικότητα και η θέσπιση κανόνων είναι ζητούμενο και στη χώρα μας και η τεχνική βοήθεια από την Ευρωπαϊκή Ένωση θα είναι σημαντική.

 

  Στην προσπάθεια αυτή βελτίωσης της ψηφιακής Ιατρικής στη χώρα, θα χρειασθούν πολλοί και πολλά. Άνθρωποι της πληροφορικής, γιατροί, επιχειρηματίες, ενώσεις ασθενών υπό την καθοδήγηση της Πολιτείας θα πρέπει να συνεργασθούν για να αφήσουμε το παλιό πίσω.


Ιωάννης Λεκάκης

Ομότιμος Καθηγητής Καρδιολογίας ΕΚΠΑ

Πρόεδρος Ελληνικής Εταιρείας Ψηφιακής Ιατρικής

Διευθυντής Καρδιολογικού Τομέα, Κεντρική Κλινική Αθηνών



Ευαγγελία Κοράκη

Πρόεδρος και Διευθύνουσα Σύμβουλος Coronis Research AE

Πρόεδρος  Ελληνικού Συλλόγου CROs ,HACRO

 

Ψηφιακός Μετασχηματισμός στην Κλινική Έρευνα 

   Είναι πλέον ευρέως αποδεκτό, ότι οι νεες ψηφιακές τεχνολογίες που έχουν αναπτυχθεί τα τελευταια χρόνια και έχουν ήδη υιοθετηθεί ευρέως σε πολλούς κλάδους, ακόμα και στην Ιατρική, μπορούν να φέρουν μια πραγματική επανάσταση και στον κλάδο των κλινικών μελετών.Οι ηλεκτρονικές συσκευές κάθε είδους, από τους υπολογιστές και τα tablets, έως τα smartphones,χρησιμοποιούνται πλέον κατά κόρον στην καθημερινότητα μας.Τα χρησιμοποιούμε για να είμαστε περισσότερο αποδοτικοί στη δουλειά μας,να παρακολουθούμε τη φυσική μας κατάσταση ή και την υγεία μας και να παραμένουμε συνδεδεμένοι με τους πάντες και τα πάντα γύρω μας. Σε αυτό το πλαίσιο παράγονται καθημερινά πλήθος δεδομένων μεταξύ άλλων και δεδομένα υγείας, έξω από το σύστημα υγείας. 

  Τα δεδομένα αυτά δεν παράγονται μόνο από ασθενείς οι οποίοι διαχειριζόμενοι, παραδείγματος χάριν μια χρόνια ασθένεια, παράγουν δεδομένα - δυνητικά χρήσιμα- για αποφάσεις υγειονομικής περίθαλψης, αλλά πλέον οι περισσότεροι από εμάς παράγουμε σημαντικό όγκο μετρήσιμων δεδομένων που θα μπορούσαν να σχετίζονται με την υγεία μας, είτε σκόπιμα (π.χ. μέσω των monitors φυσικής κατάστασης και τρόπου ζωής), είτε πιο παθητικά (για παράδειγμα μέσω των αναζητήσεων τoυ διαδικτύου).Αν αναλογιστούμε την πληθώρα των φορητών συσκευών (wearables) και εφαρμογών υγείας που έχουν κατακλύσει την αγορά τα τελευταία χρόνια, κατανοούμε καλύτερα τον όγκο και τη σπουδαιότητα αυτών των δεδομένων, όπως και τη δυνητική τους χρησιμότητα για το υγειονομικό σύστημα, αλλά και για τα άτομα που επιδιώκουν να βελτιώσουν την υγεία τους.

   Τα δεδομένα αυτά όμως -γνωστά και ως Μεγάλα Δεδομένα (BigData)-,όσο σημαντικά κι αν είναι, θα ήταν άχρηστα αν δεν υπήρχαν οι καινοτόμες τεχνολογίες, που επιτρέπουν την προηγμένη επεξεργασία τους, και τη μετατροπή τους σε στοιχεία ικανά να συμβάλλουν στη λήψη τεκμηριωμένων αποφάσεων. Σκοπός του παρόντος άρθρου είναι να εξετάσει τον τρόπο με τον οποίο όλες αυτές οι τεχνολογίες, οι οποίες έχουν κάνει πιο έντονη την παρουσία τους στο χώρο της υγείας και της κλινικής έρευνας την τελευταία κυρίως δεκαετία, μπορούν να συμβάλλουν στην συλλογή και ανάλυση αυτών των δεδομένων.

Η περισσότερο διαδεδομένη τεχνολογία συλλογής δεδομένων και γνωστή σε όλους μας,είναι τα wearables. Αυτά είναι έξυπνες ηλεκτρονικές συσκευές και αξεσουάρ, που φοριούνται στο σώμα και μπορούν να «αισθανθούν» το άτομο που τα φοράει ή ακόμα και το περιβάλλον του. Υπάρχουν διαφορετικοί τύποι τέτοιων συσκευών και συνήθως κατηγοριοποιούνται ανάλογα με την εγγύτητά τους στο σώμα.Τα medicalwearables διαφέρουν από αυτά της ευρύτερης καταναλωτικής αγοράς, παρόλο που και τα δύο μπορούν να συλλέξουν δεδομένα υγείας.Ενώ βασίζονται στην ίδια τεχνολογία, οι λειτουργίες τους εξυπηρετούν διαφορετικό σκοπό και κυρίως τα medicalwearables διέπονται από ένα αυστηρό κανονιστικό πλαίσιο. 

   Τα wearables, λοιπόν, μπορούν να συλλέξουν ένα μεγάλο αριθμόβιομετρικών δεδομένων με σκοπό να συμβάλουν στην καλύτερη διάγνωση ενώ, όταν διαθέτουν την αντίστοιχη τεχνολογία, μπορούν ακόμα και να ανιχνεύσουν απειλητικές για τη ζωή του ατόμου καταστάσεις. Πέρα από τα smartwatches που είναι περισσότερο διαδεδομένα, στα medicalwearables ανήκουν πλήθος άλλων συσκευών όπως, μετρητές πίεσης, monitors παρακολούθησης της γλυκόζης, συσκευές παρακολούθησης ύπνου και άλλα. Συλλέγουν δεδομένα για τους καρδιακούς παλμούς, τα επίπεδα οξυγόνου στο αίμα, τη συναισθηματική μας κατάσταση και την πνευματική λειτουργία μας, τα μοτίβα κίνησης, ακόμα και για τις συνήθειες ύπνου.

   Παρά την ολοένα αυξανόμενη χρηστική αξία των wearables, αυτό που τους δίνει ακόμα μεγαλύτερη προστιθέμενη αξία είναι το Internet of Things.Η δυνατότητα δηλαδή αυτόματης και άμεσης συνδεσιμότητας των συσκευών με διάφορες εφαρμογές, μέσω των οποίων οι χρήστες αποκτούν πρόσβαση στα δεδομένα. Σε συνδυασμό με την τεχνολογία της Τεχνητής Νοημοσύνης (Artificial Intelligence - AI),το Internet of Things, επιτρέπει στις συσκευές να αποστέλλουν την πληροφορία σε χρήστες στους οποίους δίνεται πρόσβαση, όπως για παράδειγμα ο γιατρός ή ο φροντιστής, ενώ όταν ανιχνευτεί κάποια απειλητική για τη ζωή μέτρηση, επιτρέπει την αποστολή προειδοποιητικών σημάτων ακόμα και σε Μονάδες Υγείας.

   Τα δεδομένα αυτά, γνωστά ως Δεδομένα Πραγματικού Κόσμου (RealWorldData), γίνονται όλο και πιο σημαντικά για τις φαρμακευτικές εταιρείες, οι οποίες τα τελευταία χρόνια ενδιαφέρονται να έχουν πρόσβαση σε πλήθος επιστημονικών και ερευνητικών δεδομένων από διάφορες πηγές. Πηγές των δεδομένων πραγματικού κόσμου αποτελούν οι φάκελοι των ασθενών, τα αρχεία των ασφαλιστικών εταιρειών, οι ιατρικές απεικονίσεις, οι φορητές συσκευές, οι εφαρμογές υγείας, ακόμα και τα μέσα κοινωνικής δικτύωσης.Κατά συνέπεια ο αυξανόμενος όγκος των δεδομένων πραγματικού χρόνου, τα μετατρέπει αυτόματα σε BigData, όπου η επεξεργασία και ανάλυση τους μπορεί να γίνει μόνο με τη χρήση προγνωστικών μοντέλων τεχνητής νοημοσύνης και άλλων τεχνολογιών. H χρήση αυτών των τεχνολογιών, μπορεί όχι μόνο να επιταχύνει την κατανόηση των ασθενειών και τον εντοπισμό των κατάλληλων ασθενών για τη διεξαγωγή των κλινικών πρωτοκόλλων, αλλά επιτρέπει ουσιαστικά να εξαχθούν μοτίβα πληροφοριών,όπως και να βελτιωθεί σημαντικά ο σχεδιασμός των κλινικών δοκιμών.

   Η Τεχνητή Νοημοσύνη (Artificial Intelligence - AI),είναι ένας συνδυασμός πολλών διαφορετικών τεχνολογιών που συνεργάζονται,για να επιτρέψουν στις μηχανές να αναγνωρίζουν, να κατανοούν, να ενεργούν και να μαθαίνουν με ανθρώπινα επίπεδα νοημοσύνης.Πρόκειται ουσιαστικά για αλγορίθμους, που επιτρέπουν σε μια συνεχή ροή δεδομένων να καθαριστούν, να συγκεντρωθούν, να κωδικοποιηθούν, να αποθηκευτούν, να διαχειριστούν και να αναλυθούν.Oι δύο πιο βασικές και περισσότερο διαδεδομένες τεχνικές του AI είναι η Μηχανική Μάθηση (Machine Learning) και η Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing).

   Η Μηχανική Μάθηση, είναι ο κλάδος της τεχνητής νοημοσύνης που χρησιμοποιεί αλγόριθμους και στατιστικά μοντέλα με σκοπό να προσφέρει τη δυνατότητα στους υπολογιστές να εκτελούν συγκεκριμένες εργασίες μέσα από την εξαγωγή συμπερασμάτων. Οι αλγόριθμοι αξιοποιούν τη Βαθιά Μάθηση (Deep Learning)και σύνθετες μαθηματικές τεχνικές για να αναλύσουν μεγάλα σύνολα δεδομένων,να βρουν απαντήσεις και να προβλέψουν αποτελέσματα. Το ενδιαφέρον είναι ότι, με τον καιρό ο αλγόριθμος «μαθαίνει» ποια μοτίβα και πληροφορίες παρέχουν τα πιο χρήσιμα αποτελέσματα και, στη συνέχεια, προσαρμόζει ανάλογα τις μελλοντικές αναζητήσεις. Άρα, όσο περισσότερα τα δεδομένα, τόσο οι αλγόριθμοι βελτιστοποιούν την εύρεση των σωστών απαντήσεων και την πρόβλεψη των αποτελεσμάτων. 

   Η Επεξεργασία Φυσικής Γλώσσας (Natural language processing-NLP), είναι ένα υποπεδίο της γλωσσολογίας, της επιστήμης των υπολογιστών και της τεχνητής νοημοσύνης που σχετίζεται με τις αλληλεπιδράσεις μεταξύ υπολογιστών και ανθρώπινης γλώσσας. Η τεχνική της, αφορά στον τρόπο προγραμματισμού των υπολογιστών για την επεξεργασία και ανάλυση μεγάλων ποσοτήτων δεδομένων φυσικής γλώσσας. Επιτρέπει δηλαδή σε έναν υπολογιστή να "κατανοήσει" το περιεχόμενο εγγράφων και ομιλίας με βάση τα συμφραζόμενα. Η τεχνολογία της, μπορεί στη συνέχεια να εξαγάγει, να οργανώσει και να κατηγοριοποιήσει με ακρίβεια τις πληροφορίες που παρέχονται. 

   Στην ίδια επιστήμη με την Τεχνητή Νοημοσύνη ανήκεικαι η τεχνική της Ρομποτικής Αυτοματοποίησης Διαδικασιών (Robotic Process Automations-RPAs)χωρίς όμως ωστόσο να πρέπει να συγχέονται. Στην απλή τους εκδοχή, είναι συστήματα που συμβάλλουν στην αυτοματοποίηση επαναλαμβανόμενων διαδικασιών, μεγάλου όγκου, με καθορισμένα βήματα και συστήματα.Οι αλγόριθμοι των RPAs λειτουργούν με απόλυτα προβλέψιμο τρόπο και δεν αλλάζουν. Όταν όμως σε αυτά εισαχθούν τεχνικές μηχανικής μάθησης τότε αποκτούν γνωστικές ικανότητες και μετατρέπονται σε Robotic Cognitive Automations- RCAs, τα οποία μπορούν να επεξεργαστούν και να ερμηνεύσουν μη δομημένα δεδομένα,συμβάλλοντας έτσι σε σημαντικές προγνωστικές αναλύσεις.

   Οι παραπάνω τεχνολογίες γεφυρώνονται μεταξύ τους με τον εξής τρόπο: η Μηχανική Μάθηση αναγνωρίζει μοτίβα στην πληροφορία και κάνει προγνωστικές αναλύσεις, η Επεξεργασία Φυσικής Γλώσσας (NLP) συγκεντρώνει πληροφορία και γνώση, η Ρομποτική Αυτοματοποίηση Διαδικασιών (RPAs) είναι η τεχνική που αυτοματοποιεί τη διαδικασία, ενώ η πραγματική Τεχνητή Νοημοσύνη επιτρέπει την αυτoμάθηση και τη βελτιστοποίηση του συστήματος,πραγματοποιώντας παράλληλα τη συλλογική ανάλυση των δεδομένων.

   Ενώ η χρήση της Τεχνητής Νοημοσύνης δεν είναι ακόμα ευρέως εφαρμόσιμη σε κλινικές δοκιμές, έχει τη δυνατότητα ωστόσο να «μεταμορφώσει» την κλινική ανάπτυξη νέων θεραπειών. Παράλληλα, η δυνατότητά της να βελτιώσει την εμπειρία του ασθενούς, θα συμβάλει στην εφαρμογή μιας ασθενοκεντρικής προσέγγισης σε όλη τη διαδικασία Έρευνας και Ανάπτυξης νέων θεραπειών. Οι εφαρμογές της μάλιστα θα οδηγήσουν στο μέλλον σε ταχύτερες, ασφαλέστερες και λιγότερο δαπανηρές κλινικές μελέτες. Συνοπτικά κάποιες από τις εφαρμογές τους στις κλινικές μελέτες περιλαμβάνουν:

• Τα εργαλεία αυτά με τα οποία συλλέγονται, δομούνται και αναλύονται επιστημονικά και ερευνητικά δεδομένα από τρέχουσες και παλαιότερες (επιτυχημένες και μη) κλινικές δοκιμές,όπως και δεδομένα από προγράμματα υποστήριξης ασθενών με σκοπό τον εντοπισμό σφαλμάτων και τον αποτελεσματικότερο σχεδιασμό νέων κλινικών πρωτοκόλλων.

• Την ανάλυση των RWD (με χρήση βιοδεικτών) συμβάλλοντας στην εφαρμογή αποτελεσματικών στρατηγικών στρατολόγησης ασθενών, με κριτήρια είτε την μειωμένη ομοιογένεια του πληθυσμού, είτε με προγνωστικά και προληπτικά μοντέλα σχεδιασμού (predictive&prognostic enrichment).

• Τη συνδρομή τους στην επιλογή των κατάλληλων -για την κλινική μελέτη- ερευνητικών κέντρων, λαμβάνοντας υπόψη δεδομένα για τις διοικητικές διαδικασίες, τη διαθεσιμότητα των πόρων τους, την ερευνητική εμπειρία στη νόσο και άλλα.

• Την καλύτερη παρακολούθηση και διαχείριση των ασθενών, αυτοματοποιώντας τη συλλογή δεδομένων, ψηφιοποιώντας τις κλινικές αξιολογήσεις και μοιράζοντας (sharing) τα δεδομένα ανάμεσα στα συστήματα της κάθε μελέτης. Σε συνδυασμό με τα wearables μπορούν να επιτρέψουν τη παρακολούθηση των ασθενών και τη ροή της πληροφορίας σε πραγματικό χρόνο, π.χ μπορεί με τη χρήση κάμερας του κινητού να ταυτοποιείται ο ασθενής και να επιβεβαιώνει τη λήψη του φαρμάκου.

• Την ενοποίηση των δεδομένων από τα διάφορα συστήματα σε μια κοινή πλατφόρμα ανάλυσης δεδομένων,η οποία δίνει πληροφόρηση σε πραγματικό χρόνο (real-timemetrics και insights), επιτρέποντας τη συνεχή προσαρμογή των παραμέτρων της κλινικής μελέτης, αλλά και τη λήψη προληπτικών αποφάσεων. Κάτι που επιτρέπει τον έγκαιρο εντοπισμό σφαλμάτων,συμβάλλοντας έτσι στην επιτυχία μιας δοκιμής.

  Για τη μεγιστοποίηση της αξίας της Τεχνητής Νοημοσύνης και των υπόλοιπων προηγμένων τεχνολογιών, θα πρέπει παράλληλα να αναπτύσσεται και να εξελίσσεται διαρκώς και το επίπεδο ψηφιακής υποδομής.  Δηλαδή, όλα εκείνα τα λογισμικά και εφαρμογές που χρησιμοποιούνται αυτή τη στιγμή στον κλάδο της υγείας και των κλινικών μελετών. Η παράλληλη τεχνολογική εξέλιξη και κυρίως η υιοθέτηση αυτών των εφαρμογών θα εξασφαλίσει τη συμβατότητα (compatibility), πολύ καλύτερη ενσωμάτωση των συστημάτων (integration) και ακόμα υψηλότερη ταχύτητα στην επεξεργασία των δεδομένων. 

    Αναμένεται δε ότι,η διαδικασία εξέλιξης της Τεχνητής Νοημοσύνης θα είναι μια ιδιαίτερα δυναμική διαδικασία αφού όσο η Τεχνητή Νοημοσύνη θα αναπτύσσει περαιτέρω τις εφαρμογές αυτές και αυτές με τη σειρά τους, θα προσφέρουν ακόμα μεγαλύτερη δυναμική στη Τεχνητή Νοημοσύνη.Στα πλαίσια αυτά η χρήση του e-Consent, του electronic Trial MasterFile, των Electronic Health Records και των ηλεκτρονικών Patient Reported Outcomes, αναμένεται σε πολύ σύντομο διάστημα να είναι σχεδόν καθολική. Επιπλέον, τα patient portals και mobile applications, καθώς και τα study communication platforms θα αποτελέσουν βασικά εργαλεία μετάδοσης της πληροφορίας αλλά και διαρκούς ανατροφοδότησης.

   Όσο μακρινά κι αν ακούγονται κάποια από αυτά, υπάρχουν ήδη αρκετά παραδείγματα, όπου οι λύσεις αυτές ήδη δοκιμάζονται από κάποιες εταιρείες.

   Η Novartis μαζί με την Quantum Black, γνωστή εταιρεία συλλογής δεδομένων στους αγώνες της Formula 1, αποφάσισαν να χρησιμοποιήσουν την πλατφόρμα της, για να αναλύουν τα δεδομένα 550 κλινικών μελετών που διενεργούσε η Novartis, με σκοπό να προβλέψουν πιθανά προβλήματα στην εκτέλεση μελλοντικών κλινικών μελετών, πριν αυτά ακόμα προκύψουν. 

   Η Abbvie σε συνεργασία με τη Philips, χρησιμοποίησαν το Actigraphy ρολόι της Philips σε κλινική έρευνα, με σκοπό να μετρούν την ποιότητα του ύπνου καθώς και τα «περιστατικά» κνησμού των συμμετεχόντων στη μελέτη, σε ασθενείς με ατοπική δερματίτιδα. 

   Η Janssen, σε συνεργασία με την Apple, πραγματοποίησε κλινική μελέτη χρησιμοποιώντας το applewatch, με σκοπό να βελτιώσει την πρόωρη διάγνωση και τα αποτελέσματα της κολπικής μαρμαρυγής, ενώ η  μητρική της εταιρία, Johnson&Johnson έκανε μια εντελώς αποκεντρωμένη (virtual) μελέτη για να δει αν το applewatch σε συνδυασμό με ένα iPhone application θα μπορούσαν να μειώσουν τον κίνδυνο ισχαιμικού επεισοδίου.

   Έως και το 2021, το clinicaltrials.gov έδειχνε πως ήταν υπό εξέλιξη, περίπου  ~900 μελέτες με wearables, ενώ σύμφωνα με πρόσφατη έρευνα της Intel εκτιμάται πως περίπου το 70% των κλινικών μελετών θα ενσωματώσουν κάποιο wearable μέχρι το 2025.Σίγουρα υπάρχει μεγάλη απόσταση μέχρι την καθολική υιοθέτηση των νέων τεχνολογιών. Όμως η πρόσφατη εμπειρία με την πανδημία, απέδειξε ότι με τα κατάλληλα κίνητρα μπορούν και θα γίνουν τεράστια βήματα σε πολύ σύντομο χρόνο. 

 

Βιβλιογραφία:

1. DeloiteAnalytics (2020), «Analytics& Τεχνητή Νοημοσύνη», Παρατηρητήριο Ψηφιακού Μετασχηματισμού ΣΕΒ.

2. Deloite Analytics (2020), «Ψηφιακός Μετασχηματισμός του Κλάδου Υγείας»,Παρατηρητήριο Ψηφιακού Μετασχηματισμού ΣΕΒ.

3. Glass L., Patil R., Shorter G. (2019), “AI in clinical development – Improving  safety and accelerating results”, IQVIA White Paper

4. Thryve (2021), “Wearables in clinical trials”, https://thryve.health/wearables-in-clinical-trials.



 

 Γεώργιος Δαφούλας 

MD, MBA in HSM, PhDc, Επιστημονικός συνεργάτης ΕΛΚΕ-ΠΘ

 

Έφτασαν στο email μου…

 

ΑΞΙΟΠΟΙΗΣΗ ΔΕΥΤΕΡΟΓΕΝΩΝ, ΑΝΩΝΥΜΟΠΟΙΗΜΕΝΩΝ ΔΕΔΟΜΕΝΩΝ ΥΓΕΙΑΣ ΓΙΑ ΚΑΙΝΟΤΟΜΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΦΑΡΜΑΚΕΥΤΙΚΩΝ ΠΡΟΪΟΝΤΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΩΝ.


  Έκθεση του OpenDataInstitute (ODI), για την ετοιμότητα των χωρών της ΕΕ για τη δευτερογενή χρήση δεδομένων υγείας.

  Δημοσιεύτηκε στις αρχές του έτους η έκθεση του OpenDataInstitute (ODI) , που μετράει την ετοιμότητα πολιτικής των χωρών σε όλη την Ευρώπη για τη δευτερογενή  χρήση δεδομένων υγείας.

  Όπως αναφέρει (1) η Ομάδα Εργασίας για τα Ανοικτά Δεδομένα του Οργανισμού Ανοιχτών Τεχνολογιών - ΕΕΛΛΑΚ. (eellak.gr) : «Η δευτερεύουσα χρήση δεδομένων υγείας αναφέρεται στη χρήση δεδομένων υγείας του πληθυσμού, που συλλέγονται μέσω ηλεκτρονικών αρχείων υγείας, δεδομένων ασφάλισης υγείας και δεδομένων μητρώου υγείας, με στόχο για παράδειγμα, τη βελτίωση του προγραμματισμού φροντίδας, της ανάπτυξης φαρμάκων, της παρακολούθησης ασφάλειας, την έρευνα και την χάραξη πολιτικής.

  Με αυτήν την έκθεση, το ODI αξιολογεί πόσο έτοιμη είναι η πολιτική της Ευρωπαϊκής Επιτροπής και η κάθε χώρα και παρέχει ταξινομήσεις, βαθμολογίες χωρών, αναλυτικά προφίλ χωρών, καθώς και βέλτιστες πρακτικές και συστάσεις. Προσδιορίζει επίσης ευκαιρίες πολιτικής, ανάγκες πολιτικής και τρόπους μελλοντικής πορείας για ένα ευρύ φάσμα κοινοτήτων, από ομάδες ασθενών έως ρυθμιστικές αρχές ανταγωνισμού.

Η έκθεση ταξινομεί τις χώρες της ΕΕ σε 4 κατηγορίες:

 

Τους Ηγέτες: όπου η ποιότητα της πολιτικής είναι ισχυρότερη ή/και το στάδιο της υλοποίησης είναι πιο προχωρημένο. 

 

Περιορισμένης ενέργειας: όπου η ποιότητα της πολιτικής είναι ισχυρότερη αλλά το στάδιο της υλοποίησης είναι λιγότερο προχωρημένο.

 

Περιορισμένου οράματος: όπου η ποιότητα της πολιτικής είναι ασθενέστερη αλλά το στάδιο της υλοποίησης είναι πιο προχωρημένο. 

 

και Λιγότερο προετοιμασμένοι: όπου η ποιότητα της πολιτικής είναι ασθενέστερη και το στάδιο της υλοποίησης είναι λιγότερο προχωρημένο. »

 

H Eλλάδα εμπίπτει σε αυτήν την κατηγορία, σύμφωνα με τη μελέτη.

 

  Σύμφωνα με το Νόμο 4600/2019 – ΦΕΚ Τεύχος Α 43/09.03.2019, θεσπίστηκε ο Ατομικός Ηλεκτρονικός Φάκελος Υγείας (ΑΗΦΥ), και σχετικές διατάξεις του άρθρου 84, προβλέπουν διαδικασίες με τις οποίες η ΗΔΙΚΑ Α.Ε. και το ΥΥ παραχωρούν δεδομένα, σε συνέχεια του άρθρου 90, παράγραφος 4, 23.02.2016 Ν. 4368 για παραχώρηση τέτοιων δεδομένων από ΕΟΠΥΥhttps://healthdata.eopyy.gov.gr/el/

  Σε προηγούμενο ΕΝΗΜΕΡΩΤΙΚΟ ΔΕΛΤΙΟ έγινε αναφορά στη διαδικασία διάθεσης τέτοιων ανωνυμοποιημένων δεδομένων για ερευνητικούς σκοπούς.

  Ωστόσο, στην Ελλάδα δεν έχει εκδοθεί ακόμαη σχετική ΚΥΑ, ούτε κανονισμός και διαδικασία διάθεσης τέτοιων ανωνυμοποιημένων δεδομένων για εμπορικούς σκοπούς, όπως σε άλλες χώρες (1).

  Με δεδομένο ότι η έρευνα και ανάπτυξη φαρμάκων και ιατρικών τεχνολογιών, γίνεται από τον ιδιωτικό τομέα, είναι ανάγκη να διευθετεί σύντομα το θέμα αυτό, ενόψη της ευρύτερης χρήσης της ιατρικής ακριβείας και των αλγορίθμων τεχνητής νοημοσύνης στην υγεία, που προϋποθέτουν διάθεση τέτοιων δεδομένων για να εφαρμοστούν και σε ασθενείς στη χώρα μας.

 

Ψηφιακή υγεία και Real World Data στην Ελλάδα: Ο μετασχηματισμός στο οικοσύστημα της υγείας και ο αντίκτυπος στην οικονομία

 

  Σε προηγούμενο ΕΝΗΜΕΡΩΤΙΚΟ ΔΕΛΤΙΟ έγινε αναφορά στη δημοσίευση σχετικής μελέτης για μηχανισμό Ανοικτών Δεδομένων Φαρμάκου & Υγείας στην Ελλάδα που ανατέθηκε από την Πανελλήνια Ένωση Φαρμακοβιομηχανίας (ΠΕΦ) στην εταιρεία Reformed με την χορηγία της ELPEN και βρίσκεται αναρτημένη στο site της ΠΕΦ(3)

  Τον προηγούμενο μήνα το Ίδρυμα Οικονομικών και Βιομηχανικών Ερευνών - ΙΟΒΕ, παρουσίασε και αυτό, σε ειδική διαδικτυακή συνέντευξη τύπου (4), και άλλη μια σχετική μελέτη «Ψηφιακή Υγεία και  Real World Data (RWD) στην Ελλάδα: Ο μετασχηματισμός στο οικοσύστημα της υγείας και ο αντίκτυπος στην οικονομία» που εκπόνησε σε συνεργασία με το Εργαστήριο Βιομηχανικής και Ενεργειακής Οικονομίας (ΕΒΕΟ) του Εθνικού Μετσόβιου Πολυτεχνείου, με την υποστήριξη της εταιρείας MSD Ελλάδας.

  Σκοπός της μελέτης είναι να περιγράψει το περιβάλλον σχετικά με την ψηφιακή υγεία και τα πραγματικά δεδομένα (RWD-RealWorldEvidence (RWE) στην Ελλάδα και να προσπαθήσει να εκτιμήσει τον οικονομικό αντίκτυπο της εκμετάλλευσής τους για το σύστημα υγειονομικής περίθαλψης καθώς και την εθνική οικονομία.

 

ΠΗΓΕΣ:

(1) https://opendata.ellak.gr/2022/01/14/ekthesi-tou-open-data-institute-odi-gia-tin-etimotita-ton-choron-tis-ee-gia-ti-defterogeni-chrisi-dedomenon-igias/

(2) https://www.ft.com/content/6f9f6f1f-e2d1-4646-b5ec-7d704e45149e

(3) https://www.pef.gr/wp-content/uploads/2021/12/%CE%A8%CE%B7%CF%86%CE%B9%CE%B1%CE%BA%CE%AC-%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CE%B1-%CE%A6%CE%B1%CF%81%CE%BC%CE%AC%CE%BA%CE%BF%CF%85-09.12.2021.pdf

(4) http://iobe.gr/research_dtl.asp?RID=250


Προσωπικότητες στο Digital…

 

 

 Βασίλειος Βασιλικός 

 MD, FACC, FESC, Καθηγητής Καρδιολογίας ΑΠΘ, 

Διευθυντής Γ' Καρδιολογικής Κλινικής, Γ.Ν.Θ. "ΙΠΠΟΚΡΑΤΕΙΟ"

  

‍  Ο Καθηγητής Βασίλειος Βασιλικός γεννήθηκε στη Θεσσαλονίκη το 1959, όπου και κατοικεί. Αποφοίτησε απο την Ιατρική Σχολή του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης το 1983 και αναγορεύθηκε Διδάκτωρ της Ιατρικής Σχολής ΑΠΘ το 1989 με βαθμό Άριστα.

  Εκπαιδεύτηκε στην Καρδιολογία αρχικά στην Ελλάδα και στη συνέχεια στο Ηνωμένο Βασίλειο, όπου και εξειδικεύθηκε στην Επεμβατική Καρδιολογία και Ηλεκτροφυσιολογία.Με την επιστροφή του στην Ελλάδα υπηρέτησε ως Επιμελητής στο Ωνάσειο Καρδιοχειρουργικό Κέντρο.

  Από το 2000 αποτελεί μέλος του ΑΠΘ. Διήλθε με επιτυχία όλες τις βαθμίδες της ιεραρχίας και εξελέγη τακτικός Καθηγητής το 2014. Στα χρόνια αυτά οργάνωσε το Ηλεκτροφυσιολογικό Εργαστήριο της Α Καρδιολογικής Κλινικής στο Νοσοκομείο ΑΧΕΠΑ, ενώ εξέλιξε και αναβάθμισε τα Εργαστήρια Αναίμακτης και Επεμβατικής Ηλεκτροφυσιολογίας της Γ Καρδιολογικής Κλινικής ΑΠΘ, τη Διεύθυνση της οποίας ανέλαβε από το 2014. Πλούτισε τη δραστηριότητα της Κλινικής οργανώνοντας το Τμήμα Ψηφιακής Καρδιολογίας, Συγκοπής, Καρδιακής Ανεπάρκειας, Μυοκαρδιοπαθειών και σπανίων παθήσεων, Καρδιαγγειακής Πρόληψης και Αποκατάστασης.  Οι παροχές υπηρεσιών της Κλινικής πρόκειται άμεσα να ενισχυθούν με την  εγκατάσταση και λειτουργία σύγχρονου Αιμοδυναμικού Εργαστηρίου με 3 αίθουσες, νέας Στεφανιαίας Μονάδας και Τμήματος Κλινικών Μελετών που υλοποιήθηκαν με τις δικές του ενέργειες.

  Η ενασχόληση του με τη Ψηφιακή Τεχνολογία και την Ανάλυση Σημάτων χρονολογείται από το 1995.  Σε συνεργασία με το Τμήμα Ιατρικής Πληροφορικής του ΑΠΘ έχει ασχοληθεί επί μακρόν με την ανάλυση των ηλεκτρικών σημάτων του καρδιακού κύκλου (P, QRS) με τη μέθοδο των κυματιδίων σε ασθενείς με πρωτοεμφανιζόμενη παροξυσμική κολπική μαρμαρυγή (ΚΜ), ιδιοπαθή ΚΜ, υπέρταση, μετά από επέμβαση επαναιμάτωσης του μυοκαρδίου και με υπερτροφική μυοκαρδιοπάθεια. Με την ερευνητική του ομάδα έχουν αναπτύξει αλγόριθμο τεχνητής νοημοσύνης για την ανίχνευση και πρόγνωση ασθενών με παροξυσμική ΚΜ, καθώς και μετά από επέμβαση κατάλυσης των πνευμονικών φλεβών. Σχετική εργασία είχε επιλεγεί στις καλύτερες ανακοινώσεις του συνεδρίου της European HeartRhythm Association 2020.Καρποί της πολυετούς αυτής ενασχόλησης με τη ψηφιακή ανάλυση του ΗΚΓ και εξέλιξης τεχνικών μηχανικής μάθησης είναι η ολοκλήρωση υπό την επίβλεψη του, τριών διδακτορικών διατριβών, που έχουν τιμηθεί με τη απονομή του βαθμού «άριστα και άριστα με διάκριση». Ακόμη έχει ασχοληθεί με την επεξεργασία σημάτων ΗΚΓ ασθενών με συγκοπή και καρδιακή ανεπάρκεια.

  Παρακολουθώντας τις γρήγορες τεχνολογικές εξελίξεις με την ερευνητική του ομάδα δημιούργησαν και εξέλιξαν την πρώτη Ελληνική ψηφιακή εφαρμογή παρακολούθησης για κινητό τηλέφωνο ασθενών με καρδιακή ανεπάρκεια (THESS-HF) που διατέθηκε άμεσα στους Έλληνες ασθενείς στη διάρκεια του πρόσφατου lockdown. Η εργασία αυτή έχει τιμηθεί με το πρώτο βραβείο της ΕΜΕΚΑ (2019) και έχει δημοσιευθεί στο υψηλού κύρους σχετικό περιοδικό τεχνολογίας JMIR. Υπό δημοσίευση είναι και τα αποτελέσματα της κλινικής μελέτης αντίστοιχης εφαρμογής για κινητό τηλέφωνο παρακολούθησης και διαχείρισης ασθενών με παροξυσμική ΚΜ (MyAlgos). 

  Σε συνεργασία με το Εργαστήριο Ιατρικής Φυσικής του ΑΠΘ συμμετέχει στο Ευρωπαϊκό πρόγραμμα HOSMARTAI με σκοπό την δημιουργία και εξέλιξη αλγορίθμου τεχνητής νοημοσύνης που αφορά την ταχεία εκτίμηση του ΚΕ καρδιολογικών ασθενών. Παράλληλα δραστηριοποιείται στην εξέλιξη ψηφιακού οικοσυστήματος διαχείρισης και εκπαίδευσης καρδιολογικών ασθενών. Πρόσφατα εισήγαγε τη διδασκαλία του ΗΚΓ στο Ιατρικό Τμήμα του ΑΠΘ ως ανεξάρτητο μάθημα με ψηφιακά βοηθήματα, που αποτελεί Πανελλήνια καινοτομία.  

  Διετέλεσε Πρόεδρος της Ομάδας Εργασίας Ηλεκτροφυσιολογίας και Βηματοδότησης της Ελληνικής Καρδιολογικής Εταιρείας (2009-2011). Στη διάρκεια της θητείας του οργάνωσε την Πανελλήνια ηλεκτρονική βάση καταγραφών των επεμβάσεων κατάλυσης αρρυθμιών, και στη συνέχεια την αντίστοιχη καταγραφή των συσκευών διαχείρισης ρυθμού. 

  Έχει πάρει μέρος ως κύριος ερευνητής σε πολλές Ελληνικές και Διεθνείς μελέτες, και είναι ο Εθνικός συντονιστής της πολυκεντρικής μελέτης “Atrial Fibrillation Registry III” του EURObservational Research Programme (EORP) της Ευρωπαϊκής Καρδιολογικής Εταιρείας. Διοργανώνει το ετήσιο συνέδριο «Arrhythmias Update» με διεθνή συμμετοχή. Προσαρμόζοντας τις δραστηριότητες της  Κλινικής στις ανάγκες της κοινωνίας, συνεργάζεται με τους  Δήμους Θεσσαλονίκης, Πανοράματος και Χορτιάτη σε προγράμματα ενημέρωσης, πρόληψης και εκπαίδευσης του κοινού.

  Το ερευνητικό του έργο περιλαμβάνει 180 πλήρεις δημοσιεύσεις σε διεθνή περιοδικά που περιλαμβάνονται στο PubMed. Μελέτες του έχουν βραβευθεί σε Ελληνικά και Διεθνή Συνέδρια.  Είναι συγγραφέας 2 βιβλίων και επιμελητής έκδοσης σε ένα βιβλίο. Διετέλεσε εθνικός reviewer των πρόσφατων κατευθυντήριων οδηγιών για την Κολπική Μαρμαρυγή της Ευρωπαϊκής Καρδιολογικής Εταιρείας, και συμμετείχε στην σύνταξη των οδηγιών εμφύτευσης συσκευών της EHRA.

  Το διάστημα 2019-2021 συμμετείχε ως  Ταμίας στο ΔΣ της Ελληνικής Καρδιολογικής Εταιρείας. Το 2021 εξελέγη στο Board of Trustees της ISHNE (International Society for Holter and Noninvasive Electrophysiology). Είναι Μέλος του Συμβουλίου του Αγγλόγλωσου προγράμματος του Ιατρικού Τμήματος ΑΠΘ - AUSoM Faculty, και Adjunct Professor στο European University Cyprus. Συμμετέχει σε διάφορες επιτροπές που έχουν σχέση με την προπτυχιακή και μεταπτυχιακή εκπαίδευση, τη συνταγογράφηση,την έγκριση κέντρων εμφύτευσης βηματοδοτών και απινιδωτών, κα.  

  Έχει τιμηθεί με πολλαπλά Βραβεία Αριστείας της Κοσμητείας Επιστημών Υγείας για την επιστημονική και ερευνητική προσφορά του.

  Είναι Fellow του American Collegeof Cardiology και της European Society of Cardiology, καθώς και μέλος πολλών Ελληνικών και Διεθνών Επιστημονικών Ενώσεων σχετικών με την Αρρυθμιολογία, Ψηφιακή Καρδιολογία, Επεμβατική Καρδιολογία, Θρόμβωση κλπ.

Άλλες δραστηριότητες του περιλαμβάνουν την ιστιοπλοΐα (προεθνική ομάδα κατηγορίας 470), την ορεινή πεζοπορία και την φωτογραφία (συμμετοχή σε εκθέσεις φωτογραφίας στην Ελλάδα και το εξωτερικό, και στη 2ηBiennale των Νέων καλλιτεχνών της Μεσογείου).

  Είναι παντρεμένος με 3 παιδιά.


Επιθυμούμε το Digital Health Alert συνεχώς να εξελίσσεται. Πείτε μας τις απόψεις σας και τις παρατηρήσεις σας. Μπορείτε να επικοινωνείτε μαζί μας στο digital.medicine.2018@gmail.com.


ΜΕ ΤΗΝ ΕΥΓΕΝΙΚΗ ΧΟΡΗΓΙΑ

*Πατήστε πάνω στο εικονίδιο για περισσότερες πληροφορίες

 




 

‍Η ΕΛΛΗΝΙΚΗ ΕΤΑΙΡΕΙΑ ΨΗΦΙΑΚΗΣ ΙΑΤΡΙΚΗΣ ΑΝΑΓΓΕΛΛΕΙ:

 


Congress World fully respects the applicable Personal Data Protection laws.

Thus, you are receiving this informational Newsletter due to one of the below reasons
1. You have provided your email address so as to be informed with scientific updates of your interest, or
2. You were registered in one of the Conferences organized by our PCO-DMC Congress World, or
3. You subscribed via our website www.congressworld.gr
Not interested any more? Unsubscribe