HUS eli Helsingin ja Uudenmaan sairaanhoitopiiri on Suomen suurin erikoissairaanhoidon tuottaja ja yksi Euroopan suurimmista sairaaloista. HUSilla työskentelee noin 27 000 ihmistä, jotka hoitavat vuosittain noin 700 000 potilasta. HUS tuottaa myös valtavasti dataa, jota se hyödyntää monin tavoin parantaakseen palvelujaan ja potilasturvallisuuttaan.
Innofactorin podcastissa Ajan ilmiöitä analytiikasta haastattelin HUSin tietohallintojohtajaa Mikko Rotosta, joka kertoi, miten HUS on hyödyntänyt dataa SOTE-organisaationa ja mitä haasteita ja mahdollisuuksia se on tuonut. Podcastissa puhuimme myös Rotosen omasta urapolusta ja siitä, millaisia organisaatioita ja datan käyttötapoja hän on kohdannut julkisella ja yksityisellä sektorilla. Lisäksi hän avasi HUSin IT-budjetin rakennetta ja sitä, miten HUS tekee yhteistyötä eri toimittajien kanssa. Podcastissa kuullaan myös, miten HUS on hyödyntänyt tekoälyä ja koneoppimista esimerkiksi kuvantamisessa ja potilasvirtojen ennustamisessa.
Tässä blogissa tiivistän joitakin podcastin keskeisiä pointteja ja jaan lähteitä, joista voit lukea lisää aiheesta.
HUSin datan hyödyntämisen historia ja nykytila
Rotonen kertoi, että HUSin datan hyödyntämisen historia ulottuu aina 90-luvulle asti, jolloin HUS teki ensimmäisen tietovarastonsa SAS-tekniikalla. Tuolloin dataa poimittiin kerran kuukaudessa perusjärjestelmistä, kuten talous-, henkilöstö-, materiaalihallinto- ja potilastietojärjestelmistä. Vuonna 1995 HUS siirtyi relaatiotietokantoihin ja vuonna 2005 Oracleen, joka mahdollisti lähes reaaliaikaisen datan siirron raportointikantaan.
Vuonna 2015 HUS alkoi rakentaa tietoallasta, johon kerätään dataa eri lähteistä, ja josta voidaan luoda erilaisia näkymiä ja raportteja eri käyttäjille. Tietoallas on toteutettu Microsoft Azuren pilvipalvelussa ja se on virallisesti auditoitu Findatan toimesta täyttämään kaikki vaatimukset terveydenhuollon datan käsittelylle. Tietoaltaaseen tallennetaan muun muassa: 
- Potilastiedot
- Laboratoriotulokset
- Kuvantamistiedot
- Genomitiedot
- Kustannustiedot
- Laatutiedot
Tietoaltaasta voidaan hakea dataa eri tavoin riippuen käyttötarkoituksesta. Esimerkiksi:
- Raportointipalvelu: mahdollistaa valmiiden raporttien katselun ja tilaamisen sekä omien raporttien luomisen.
- Analytiikkapalvelu: mahdollistaa datan analysoinnin eri työkaluilla, kuten Power BI, RStudio tai Python.
- Tutkimuspalvelu: mahdollistaa tutkimusprojektien toteuttamisen tietoaltaassa turvallisesti ja tehokkaasti.
Tietoaltaan avulla HUS pystyy tarjoamaan parempaa tietoa päätöksenteon tueksi sekä sisäisesti että ulkoisesti. Tietoaltaan dataa voivat hyödyntää esimerkiksi:
- HUSin johto ja esimiehet
- HUSin lääkärit ja hoitajat
- HUSin tutkijat ja kehittäjät
- HUSin yhteistyökumppanit, kuten muut sairaanhoitopiirit, yliopistot, yritykset ja viranomaiset
HUSin IT-budjetin rakenne ja ostopalveluiden osuus
Rotonen kertoi, että HUSin IT-budjetti on noin 250 miljoonaa euroa, mikä on noin 9 % HUSin kokonaistalousarviosta. Tämä on sangen korkea luku verrattuna muihin toimialoihin tai maihin, mutta johtuu siitä, että HUS ostaa paljon IT-palveluita ulkopuolisilta toimittajilta. Ostopalveluiden osuus HUSin IT-kuluista on noin 85 %. Rotosen mukaan tällä tavalla HUS haluaa tukea suomalaista IT-teollisuutta ja mahdollistaa innovatiivisten ratkaisujen kehittämisen ja viennin.
HUSilla on noin 80 eri IT-toimittajaa, joilta se ostaa palveluita. Suurimpia toimittajia ovat esimerkiksi:
- Apotti: HUSin osakkuusyhtiö, joka tuottaa potilastietojärjestelmän ja siihen liittyviä palveluita.
- CGI: HUSin pitkäaikainen kumppani, joka tuottaa muun muassa tietovarasto- ja raportointipalveluita.
- TietoEVRY: HUSin pitkäaikainen kumppani, joka tuottaa muun muassa laboratorio-, kuvantamis- ja arkistointipalveluita.
- Innofactor: pitkäaikainen kumppanina tuotamme HUSille pilvi-infrastruktuurin erilaisille palveluille, mm. terveyskylälle.
HUS tekee tiivistä yhteistyötä eri toimittajien kanssa ja pyrkii luomaan yhteisiä standardeja ja rajapintoja datan siirrolle ja käytölle. Rotonen kertoi, että HUS on mukana myös kansallisissa hankkeissa, kuten Kanta-palvelussa ja SoteDigissä, jotka edistävät terveydenhuollon digitalisaatiota ja integraatiota.
Tekoälyn ja koneoppimisen sovellukset HUSissa
Mikko kertoi, että HUS on hyödyntänyt tekoälyä ja koneoppimista monissa eri sovelluksissa, jotka parantavat potilaiden hoitoa ja palvelua. Esimerkiksi:
- Kuvantamisessa: HUS on kehittänyt yhdessä eri toimittajien kanssa tekoälypohjaisia ratkaisuja, jotka auttavat radiologeja tunnistamaan esimerkiksi keuhkokuumeen tai aivoverenvuodon kuvista.
- Potilasvirtojen ennustamisessa: HUS on kehittänyt yhdessä Innofactorin kanssa ratkaisun, joka ennustaa potilaiden saapumista päivystykseen ja osastoille sekä heidän hoitoajan pituuttaan. Tämä auttaa optimoimaan resurssien käyttöä ja vähentämään ruuhkia.
- Potilasraportoinnissa: HUS on kehittänyt yhdessä IBM:n kanssa ratkaisun, joka analysoi potilaiden avointa palautetta ja luokittelee sen eri teemoihin. Tämä auttaa ymmärtämään potilaiden kokemuksia ja tarpeita paremmin.
Mikko kertoi, että tekoälyn ja koneoppimisen hyödyntämiseksi tarvitaan paitsi teknologiaa myös osaamista ja kulttuuria. Hän kertoi, että HUSilla on panostettu datan laatuun, saatavuuteen ja eettisyyteen sekä datatieteen koulutukseen ja rekrytointiin. Hän kertoi, että HUSilla on myös luotu datademokratiaa, eli mahdollistettu datan käyttö kaikille työntekijöille, jotka sitä tarvitsevat.
Lopuksi
HUS on edelläkävijä datan hyödyntämisessä SOTE-alalla. HUS on rakentanut tietoaltaan, joka mahdollistaa datan keräämisen, analysoimisen ja raportoinnin eri tarkoituksiin. HUS on myös hyödyntänyt tekoälyä ja koneoppimista monissa eri sovelluksissa, jotka parantavat potilaiden hoitoa ja palvelua. HUS tekee tiivistä yhteistyötä eri toimittajien kanssa ja tukee suomalaista IT-teollisuutta. HUS on myös mukana kansallisissa hankkeissa, jotka edistävät terveydenhuollon digitalisaatiota ja integraatiota.
Lue lisää HUSin datan hyödyntämisestä:
- DIGITAL DEVELOPMENT, DATA AND ANALYTICS AT HUS - Swiss Medtech
- HUS Acamedic is a certified and scalable virtual research and analytics environment for secure processing of health data - CleverHealth Network
- Best health data in the world: Take a look at Finland - Health Capital Helsinki
Kiitos Mikko Rotoselle mielenkiintoisesta haastattelusta! Jos haluat kuulla lisää ajan ilmiöitä analytiikasta, seuraa Innofactorin podcastia ja sosiaalisen median kanavia.
Kuuntele podcast
