(أخبار DGKL) تعتمد ألمانيا بشكل كبير على الرقمنة في الرعاية الصحية - ومع ذلك، لا يمكن استخدام العديد من البيانات بواسطة أجهزة الكمبيوتر. من المتوقع أن يتغير هذا من خلال إدخال كائنات المعلومات الطبية (MIOs). تحدثت أخبار DGKL مع أخصائي الطب المخبري الحاصل على درجة الدكتوراه ياكوب أدلر حول رؤية MIO التي ستبدأ يوم الخميس المقبل في برلين.
درس أدلر الطب في لايبزيغ وماغدبورغ، وأكمل تدريبه كأخصائي في الطب المخبري في مختبر البروفيسور شينك/الدكتور أنسورج في ماغدبورغ، ويعمل حاليًا في معهد علم الدم وعلم الأدوية (IHP) في برلين وكذلك في معهد التشخيص الطبي (IMD) في برلين. تشمل مجالات خبرته التشخيص المخبري في الغدد الصماء، والمراقبة العلاجية للأدوية (TDM)، وتحليل البيانات في المختبر. وهو يشارك في العديد من الجمعيات المهنية والمنظمات السياسية المهنية، وأسس في عام 2021 مجموعة العمل "الكفاءة الرقمية" داخل DGKL. في 5 سبتمبر 2024، سيناقش أدلر مع خبراء آخرين مستقبل تقرير المختبر MIO في إطار رؤية MIO.
أخبار DGKL: يوم الخميس المقبل، سيتم بث رؤية MIO مباشرة عبر الإنترنت. هذا مثير للاهتمام، لأنه بالإضافة إلى المتخصصين، سيشاهده أيضًا الجمهور المهتم. ماذا يمكننا أن نتوقع؟
أدلر: في رؤية MIO، سيتم عرض الوضع الحالي لمختلف MIOs ومناقشة تطورها المستقبلي. إذا نظرت إلى البرنامج، يمكنك توقع نظرة ثاقبة على جميع MIOs قيد التطوير حاليًا. لذلك سيكون الأمر متنوعًا ومثيرًا للاهتمام.
أخبار DGKL: ستبدأ الكتلة الموضوعية "تقرير المختبر MIO" في الساعة 10:30 صباحًا، وستكون أنت جزءًا من هذه اللجنة. لماذا تلعب تقارير المختبر دورًا كبيرًا عندما يتعلق الأمر بـ MIOs؟
أدلر: اعتمادًا على الدراسة والمجال، يمكن إرجاع حوالي 50-70٪ من جميع التشخيصات جزئيًا أو كليًا إلى قياس معلمات المختبر. حتى لو كنا واحدة من أصغر التخصصات بحوالي 1300 طبيب مختبر في ألمانيا، فنحن لا نزال ذوي أهمية للنظام. في النهاية، تولد المختبرات في ألمانيا عدة ملايين من نتائج المختبر يوميًا. لذلك، تتمتع تقارير المختبر بأهمية كبيرة في رعاية مرضانا، سواء في المستشفى أو في عيادة الطبيب. يجب بالطبع أن ينعكس هذا أيضًا في السجل الصحي الإلكتروني للمريض. لهذا الغرض، يتم حاليًا تطوير تقرير المختبر MIO.
أخبار DGKL: إذا فهمناها بشكل صحيح، فسيتمكن المرضى من خلال ملفهم الصحي الإلكتروني (ePA) من إتاحة نتائج المختبر لكل طبيب معالج بتنسيق شامل للنظام. ما هي المزايا الملموسة التي يوفرها ذلك عند تشخيص الأمراض؟
أدلر: نعم بالضبط. عندما يذهب المريض إلى طبيبه العام بسبب شكاوى، سيطلب هذا الأخير فحوصات مخبرية، اعتمادًا على التشخيص المشتبه به. يقوم المختبر بإجراء التحاليل وسيرسل النتائج بتنسيق MIO إلى الطبيب أو يرسل MIO مباشرة إلى ملف المريض الصحي الإلكتروني. إذا ذهب المريض بعد ذلك إلى أخصائي، فيمكن لهذا الأخير الوصول إلى نتائج المختبر التي تم إجراؤها مسبقًا. وبهذه الطريقة، يمكن تجنب التشخيص المزدوج وتسريع العمليات على سبيل المثال.
أخبار DGKL: ولكن ماذا يحدث للبيانات عندما يتزوج المريض ويتغير اسمه فجأة من ماير إلى مولر؟
أدلر: هذا يحدث باستمرار اليوم. عندما تتغير البيانات الشخصية، يتم إبلاغ شركة التأمين الصحي بذلك، وتقوم بتحديث البيانات على بطاقة التأمين الصحي. وبالتالي، فإن المعرف الفريد حاليًا هو بطاقة التأمين الصحي الإلكترونية. في المختبر، تسير الأمور في معظم الأنظمة بشكل مشابه لما يحدث في المستشفى باستخدام معرف المريض. من خلال هذا، يكون من الممكن أيضًا تحديد هوية فريدة حتى في حالة تغيير الاسم. ومع ذلك، على المدى الطويل، سيتم تقديم طريقة أكثر حداثة لإدارة الهوية الرقمية لملف ePA، ما يسمى بمعرف الصحة (GesundheitsID). هذا متاح بالفعل بشكل طوعي منذ 1 يناير 2024. يجب عليك التسجيل مرة واحدة ثم يمكنك استخدام معرف الصحة هذا بشكل مشابه، على سبيل المثال، لهوية رقمية في متجر التطبيقات.
أخبار DGKL: استخدام رقم بطاقة التأمين الصحي الإلكترونية (eGK) كمعرف هو أمر ذكي، ولكنه يذكرنا بالنقاش حول معرف ضريبة الدخل. بعبارة أخرى: كيف تضمن أمان البيانات؟
أدلر: لضمان أمن البيانات الصحية، تتم جميع الاتصالات المتعلقة بالملف الصحي الإلكتروني (ePA) ليس "بشكل حر على الإنترنت" ولكن في نوع من الشبكة المنفصلة والمؤمنة بشدة. تسمى هذه الشبكة البنية التحتية للاتصالات (TI)، وهي مصطلح قديم بعض الشيء. هذه البنية التحتية موجودة منذ فترة طويلة ويتم استخدامها بالفعل. الجهة المسؤولة هنا هي gematik، أي وكالة الصحة الرقمية في ألمانيا. في إطار تجديد البنية التحتية للاتصالات إلى TI 2.0، طورت صورة "ساحة للطب الرقمي". لا داعي للخوف، فليس من المفترض أن يتنافس الأطباء والمرضى ضد بعضهم البعض، بل يتعلق الأمر بالتعاون بنفس القواعد والقيم، على غرار الألعاب الأولمبية. توفر gematik الموارد، أي الساحة، وتعمل كحكم يحدد قواعد مختلف التخصصات (المختبرات، الصيدليات، العلاج الطبيعي، المستشفى، الطب العام، ...) ويتحقق من الامتثال لها. وهي مسؤولة أيضًا عن أمن بيانات جميع المشاركين. بشكل ملموس، هذا يعني أن gematik يمكنها، على سبيل المثال، وضع متطلبات لمصنعي برامج العيادات فيما يتعلق بالهندسة الأمنية لمنتجاتهم. فقط إذا تم استيفاء هذه المتطلبات يمكن استخدام المنتج في إطار البنية التحتية للاتصالات.
أخبار DGKL: وماذا لو تعطلت الخوادم ببساطة لأسباب فنية - كيف سيتمكن الأطباء المعالجون من الحصول على قيم الدم لمرضاهم؟
أدلر: من حيث المبدأ، يمكن أن يحدث هذا بالفعل اليوم. يتم نقل معظم النتائج بالفعل إلكترونيًا إلى عيادات الأطباء أو عبر التطبيق إلى هواتف الأطباء. بالنسبة للنتائج الحرجة، فإننا كأطباء مختبر نتصل بالهاتف ونبلغ زملاءنا. الخطر في المستقبل يكمن بالأحرى في انقطاع واسع النطاق للبنية التحتية للاتصالات. هذه النقطة لا ينبغي الاستهانة بها بالتأكيد. لقد شهدنا في الماضي انقطاعات منتظمة للبنية التحتية للاتصالات، مما أدى إلى عدم القدرة على إرسال الوصفات الإلكترونية على نطاق واسع. يجب زيادة مرونة البنية التحتية للاتصالات بشكل كبير هنا.
أخبار DGKL: لقد فوجئنا بعدد الجهات الفاعلة التي أبدت حماسًا للموضوع في 5 سبتمبر في برلين. KBV، Die Techniker، المختبرات الطبية المتخصصة، Sonic Healthcare - على سبيل المثال لا الحصر، ستكون حاضرة. يتعلق الأمر بالتأكيد بالمال أيضًا: ما هي المزايا المالية للنظام الصحي المتمثلة في إنشاء MIOs في مجال الطب المخبري؟
النسر: أعتقد أن الفوائد المالية تكمن في المقام الأول في خفض التكاليف للرعاية الصحية بأكملها. من المهم جدًا في هذا الصدد ذكر إجراء الفحوصات مرتين، والذي يحدث غالبًا ببساطة بسبب الجهل بالتشخيصات التي تم إجراؤها بالفعل. ومع ذلك، أقدر القيمة المضافة للزملاء والمرضى بشكل أكبر. على سبيل المثال، يمكن أن يؤدي الوصول إلى النتائج السابقة من مختبرات أخرى إلى تقصير الوقت اللازم للوصول إلى التشخيص الصحيح بشكل كبير. هذا يوفر زيارات أخرى للطبيب، ويمكن بالتالي تخفيف العبء على العيادات من حيث الوقت، ويمكن للمرضى تلقي علاجهم بشكل أسرع. ومع ذلك، لا يزال يتعين علينا التغلب على بعض العقبات الفنية قبل ذلك، لأن التشخيص المخبري معقد في بعض النقاط.
أخبار DGKL: بصفتك طبيبًا مخبريًا، فأنت من بين الأطباء المتخصصين الذين يمكنهم تفسير نتائج المختبر المعقدة بشكل صحيح. هل يسمح نظام تقارير المختبر MIO - من الناحية التقنية البحتة - بالاتصال بالذكاء الاصطناعي لمساعدة أطباء الأسرة في تقييم البيانات؟
النسر: من الناحية التقنية، يمكن بالتأكيد تنفيذ ذلك. السؤال هنا هو ما إذا كنا نريد أن نثق في مثل هذا النموذج. على الرغم من أن نماذج اللغة الكبيرة الحالية مثل GPT4o أو Mistral أو النماذج المتخصصة مثل MedPaLM2 (نموذج Google المدرب على البيانات الطبية) تتحدث الآن بشكل أقل بكثير من "الهراء" (غالبًا ما يشار إليه باسم "الهلوسة")، إلا أن هناك دائمًا دراسات علمية تظهر حدود هذه النماذج في المجال الطبي. ناهيك عن القضايا الأخلاقية مثل قدر معين من "العنصرية اللغوية"، ومشكلة حقوق النشر عند تدريب مثل هذه النماذج، أو الحاجة الهائلة للطاقة.
أدلر: أفضل مثال هنا هو بالتأكيد ببساطة نقص المعلومات. ربما يتم تقديم تحليل معين فقط من قبل مختبر متخصص. هذا المختبر لديه فقط متطلبات هذا التحليل الخاص، ولكنه غالبًا ما يحتاج إلى بيانات إضافية لتفسير منطقي. يمكن بعد ذلك البحث عن هذه البيانات في السجل الصحي الإلكتروني للمريض من قبل طبيب المختبر. لذلك، على الأقل هذا هو حلمي، سيكون لدينا معلومات أكثر بكثير عن مرضانا، ويمكننا بالتالي زيادة فائدة وجودة تقاريرنا، وكذلك التعامل مع مرضانا بشكل فردي. يصبح الأمر مثيرًا للاهتمام حقًا عندما نتمكن من تحليل البيانات من مختلف مجالات السجل الصحي الإلكتروني واكتشاف أنماط جديدة. أعتقد أن فهمنا للأمراض المختلفة سيتغير أيضًا في المستقبل. ببساطة لأننا سنتمكن في المستقبل من دمج مصادر البيانات وتقييمها التي لا تتوفر لنا اليوم بهذا الشكل.
أخبار DGKL: يبدو هذا مستقبليًا للغاية ويذكرنا بالتشخيصات التي تم إنشاؤها بواسطة الذكاء الاصطناعي من "ستار تريك". أين نقف، بالنظر إلى الواقع، اليوم؟
أدلر: خوارزميات تحليل كميات هائلة من البيانات متاحة لنا بالفعل اليوم. في النهاية، يستخدم كل واحد منا خوارزميات الذكاء الاصطناعي هذه عندما نستخدم خرائط جوجل، أو نطلب من أمازون، أو نتصفح مخططنا الزمني في الشبكات الاجتماعية. في مجال الرعاية الصحية، تكمن مشكلتنا حاليًا في الخطوة السابقة، في جودة البيانات. العديد من البيانات ببساطة ليست في شكل يمكن للكمبيوتر قراءته. وإذا كانت موجودة، فغالبًا ما تكون في شكل غير موحد، بحيث لا تكون البيانات من المستشفى أ متوافقة أو قابلة للمقارنة مع البيانات من المستشفى ب. لحسن الحظ، نحن نعالج هذه المشكلة الآن من خلال التوحيد القياسي وقابلية التشغيل البيني في شكل كائنات المعلومات الطبية (MIOs). إذا كان السجل الصحي الإلكتروني سيعمل بالشكل الذي تم تصميمه من أجله، فيمكننا أن نتطلع إلى ما ستولده خوارزميات التعلم الآلي الحديثة من معرفة جديدة.
أخبار DGKL: السيد أدلر، شكرًا جزيلاً لوقتك.
أجرى المقابلة محررو أخبار DGKL ماريا فولبورن وفلاد جورجيسكو.
