Tutkimus ja tiedolla johtaminen tulevaisuuden mahdollisuudet

Transkriptio

1 Tutkimus ja tiedolla johtaminen tulevaisuuden mahdollisuudet Arho Virkki, DI, FT Lääketieteellisen matematiikan dosentti, TY Auria tietopalvelun johtaja, TYKS

2 Digitalisaatio ja muutos? Ei muutosta: 1) Ihmiskunta tarvitsee lääketiedettä 2) Seutukunnat tarvitsevat erikoissairaanhoitoa 3) Tieto on valtaa Yksilötiedon salaaminen suojelee kansalaista. Tietoa (= valtaa) on silti oikeudenmukaista käyttää 1. Potilaan parantamiseen ja sairauksien ennaltaehkäisyyn 2. Tieteellisen tutkimukseen ja innovaatiotoimintaan 3. Viisaaseen taloudenpitoon 4. Toiminnan ohjaamiseen ja johtamiseen 5. Oikeudenmukaiseen henkilöstöhallintoon (tietojohtaminen) 6. Opetuksen kehittämiseen

3 Auria tietopalvelu VSSHP:n tutkimuspalveluiden yksikkö, perustettu vuonna Vuonna 2018 Kliininen tietopalvelu (KTP) alkoi käyttämään nimeä Auria tietopalvelu. 1) Kokoamme potilastietoa operatiivisista järjestelmistä yhteen tietojärjestelmään 2) Helpotamme potilastiedon hyödyntämistä huolehtien tietoturvasta ja suojasta 3) Jalostamme tietoa yhdenmukaiseksi ja laadukkaaksi 4) Kehittämme analytiikka- ja visualisointityökaluja mm. hoidon vaikuttavuuden seurantaan 5) Tuotamme aineistoja ja analyysejä tutkimuksiin ja laadun seurantahankkeisiin 6) Tuemme tieteen kehitystä 7) Osallistumme kansalliseen tietojen hyödyntämiseen findatan läheisenä yhteistyökumppanina

4 Tietopalvelun historia Sairaalan potilastietojärjestelmät, toiminnanohjaus, mittalaitteet, kuvantaminen, etäseuranta, kulunvalvonta ja muut integroidut järjestelmät tuottavat jatkuvasti hoidon tehokkuudesta ja laadusta kertovaa dataa. Tämä data on huomattavan arvokasta, koska ensisijaisen käytön lisäksi saatua tietoa voidaan käyttää hoidon vaikuttavuuden ennustamiseen, tietojohtamisen tarpeisiin, resurssien tehokkaaseen käyttöön sekä tieteelliseen ja kaupalliseen tutkimukseen. Suomalainen biopankkitoiminta alkoi 2013 voimaan tulleen Biopankkilain myötä. Ensimmäinen sairaalabiopankki perustettiin samana vuonna Turkuun nimellä Auria Biopankki. Näytteistä riippumaton digitaalinen tieto todettiin nopeasti itsessään arvokkaaksi informaatiolähteeksi, minkä vuoksi vuonna 2014 VSSHP:n tutkimuspalveluiden yhteyteen perustettiin Kliininen tietopalvelu (nyk. Auria tietopalvelu) tukemaan biopankin toimintaa sekä koostamaan tieteellisen tutkimuksen vaatimia aineistoja. Tiedon käyttö laajentui samaan aikaan sekä raportoinnin että laatujärjestelmien suuntaan, mistä syystä Sitran osarahoittamassa Isaacus-hankkeessa rakennettiin vuosina 2016 ja 2017 Medbit Oy:n johdolla Hadoop-pohjainen laajamittainen tietoallas VSSHP:n käyttöön. Altaan ensimmäinen hyödyntäjä oli Auria tietopalvelu. Allas on suunniteltu laajennettavaksi koko Tyksin erityisvastuualueelle (VSSHP, SatSHP, VSHP) sekä mahdollistamaan myös alueen kunnallisen terveydenhuollon tietojen hyödyntäminen.

5 Mikä on tietoallas? Tietoallas on tärkeä osa tietoalustaa. Sitä käytetään lähdejärjestelmien ja tietovarastojen välissä lastauslaiturina tai sellaisenaan data-analyysin raskaisiin eräajoihin. 1) Tallentaa kaikkea digitaalista dataa, kuten signaaleja ja kuvia 2) Käsittelee nopeasti isoja tietomääriä, koska on rakennettu rinnakkaisista koneista - vaikka piirretäänkin kuviin yhtenä laatikkona. 3) On tietovarastoa halvempi perustaa. Suurin säästö tulee mallinnustyöstä: Vain tarpeelliset tiedot mallinnetaan myöhemmin tietovarastoon. Tiedon tarpeellisuus selviää kokeilemalla ja tiedot aluksi suoraan altaasta hakemalla. 4) Käytetään tietojen keräämisen yhteen. Tietojen luvitukseen ja erityisiin analyysitarpeisiin on vielä tyypillisesti erilliset ympäristöt (kuten tutkijan ympäristö + optiona GPU-laskentaympäristö) Käyttäjät Analyysit ja raportit Tietoallas Lukuisa joukko yhteismitattomia lähdejärjestelmiä

6 Tietoaltaan käyttäjät ja ylläpitäjät VSSHP:n tietoallasta käyttävät ja ylläpitävät 1) Auria tietopalvelu (7 henkeä) yhteismitallistus, tietoluovutukset, data-analyysiympäristö (poislukien 2M-IT:n raaka-allas), tilaustutkimus ja ohjelmistokehitys 2) Auria Biopankki (18 henkeä, joista 2 IT-suunnittelijaa ja 4 analyytikkoa) Biopankkitutkimukset ja tilaustutkimus 3) 2M-IT: Tietoaltaan ylläpito ja tietolataukset lähdejärjestemistä (2 konesaliasiantuntijaa, 2 ETL-arkkitehtia sekä tietomallinnustiimi, tietoturvatiimi ja joukko alihankkijoita) Lisäksi tietoaltaan käyttöä rekisterinpitäjän osalta luvittaa 4) Kliininen tutkimuskeskus (~ 4 henkeä) Tukimuspalvelut, juridiikka, neuvonta, sopimukset, luvat, hankkeiden koordinaatio ja biostatistiikan neuvonta

7 Työnjako 1. Sairaala: Operatiivinen toiminta ja lääketieteellinen osaaminen 2. Auria tietopalvelu: Matematiikan ja tilastotieteen menetelmä ja datan tuntemus 3. 2M-IT: Tietotekniset alustat

8 Tietopalvelun toiminta 1) Tietoluovutukset ja luovutusrekisterin ylläpito 2) Palvelutoiminta ja maksulliset toimeksiannot 3) Sisäiset laatuhankkeet 4) Tietolähteiden yhteismitallistaminen 5) Tutkimuksen tuki ja oma strateginen tutkimus, kuten tietoturvallisen dataanalyysin menetelmät 6) Tutkijan laskentaympäristön ylläpito ja datan suojaaminen Vuosi Tietoluovutuksia Taulukko. Auria tietopalvelun tietoluovutukset mennessä

9 EU-näkyvyys Auria Tietopalvelu on Suomen ensimmäinen EU:n hyväksymä digitalisaation hyödyntämistä edistävä innovaatiokeskittymä (DIH), joka palvelee tutkijoita laadukkaalla datalla.

10 Esimerkkejä tiedon toisiokäytöstä Tietojohtaminen: raportointi, tilastointi ja ennusteet

11 1. Tietojohtaminen Tarve: 1) Perusraportointi ja visualisointi 2) N.s. potilasvirta-analyysit Toteutus 1. Raportiointikäyttöliittymä Intranetin yhteyteen 2. Toteutus avoimilla lisensseillä (Apache Supeset) 3. Tuotantoversioiden erottaminen kehitystyöstä (Docker-kontit) 4. Luvitus mikroverkon salasanalla tai VRK-kortilla (2M-IT:n avustuksella) 5. Aloitetaan työ muutamalla käyttötapauksella 2019 alusta

12 2. Yhteistyö kansallisesti ja kansainvälisesti Tarve 1) Maakunnallinen tietopohja 2) Kansallinen palveluoperaattori ja Biopankkiosuuskunta 3) Koodistojen yhtenäistäminen kansallisesti 4) Vipuvoimaa pohjoismaisesta yhteistyöstä ja EUhankkeista Toteutus 1. ATP konsultoi maksusta sekä toteuttaa omana työnä 2. Tiedehankkeilla oma budjetti ja rekrytoinnit 3. Kansallisilla hankkeilla oma budjetti

13 3. Saatavuuspalvelut Tarve: 1) Saatavuuskyselyt: Kliiniset lääketutkimukset, toimintatilastot, biopankkitutkimukset 2) Voisi korvata osan toimintatilastotarpeista Toteutus 1. Avoimen lähdekoodin kehitys 2. Sopimusten harmonisointi ja hinnoittelu

14 4. Tekoäly ja koneoppiminen Tarve: 1) Kliininen työ, esim. ensiavun radiologia 2) Tieteellinen tutkimus: Kuvantaminen ja PET 3) Kaupallinen palvelutoiminta: Auria Biopankin tutkimukset Toteutus 1. 2M-IT:n GPU-palvelimet 2019-alusta (kuva) 2. Osana tutkijan tietoturvallista työpöytää 3. Voidaan myös nykylainsäädännöllä tarjota Biopankin palveluna 4. Käyttötapaus A: TT-kuvien luokittelu (Mikko Nyman). Käyttötapaus B: Patologian kuvien luokittelu (Antti Karlsson) Radiologi Mikko Nyman ja keuhkojen TT-kuva (yllä) sekä GPU- Supertietokone blackbird.vsshp.net 2M-IT:n konehallissa valmiina asennettavaksi.

15 4. Tekoäly ja koneoppiminen Esimerkki: Automatisoitu hahmontunnistus päivystykset magneettikuvaukseen. Jos potilas ehditään kuvata, diagnosoida ja hoito aloittaa alle kymmenessä minuutissa päivystykseen saapumisesta, ennuste yhteiskuntakelpoiseksi on hyvä.

16 5. IT ja tietoturva Tarve: 1) Luottamuksen ylläpito 2) 2M-IT -yhteistyö 3) CSC-yhteistyö (kuvantaminen, tiede, FinnGen,...) 4) Pohjoismainen yhteistyö (Tanska, Ruotsi,...) 5) Kysyntä nykyiselle tutkijan tietoturvalliselle ympäristölle on kasvussa: tarvitaan lisää kapasiteettia. Toteutus 1. Palvelinympäristöllä omakustannushinta tutkijoille (100 /kk) 2. Kehitysrahaa tiedehankkeista 3. Kaupallisella tutkimuksella arvoperusteinen hinnoittelu Nykyinen tutkijoiden laskentaympäristö 2M-IT:n konehallissa.

17 5. IT ja tietoturva Tutkijan tietoturvallisen etätyöpöydän tekninen toteutus: 1) Virtuaalikoneet perinteiseen laskentaan ja menetelmätestaukseen 2) Docker-kontit GPU-laskentaan (maksimaalinen teho) 3) Auria-palveluilla on oma hallinnollinen verkkosegmentti VSSHP:n sisäverkossa Ns. Infrastructure as a service (IaaS)

18 6. Oman toiminnan laatu Tarve: 1) Tehdä työ näkyväksi 2) Estää työn henkilöityminen (poistaa tekijöiden stressiä) 3) CE-merkintä, potilaan hoitaminen

19 7. Laaturekisterit Tarve: 1) Sisäinen tarve (erikoisalat,...) 2) Kansallinen tarve Toteutus 1. Toteutus avoimilla lisensseillä (GPLv3?) 2. Julkaisu kansallisena tuotteena Githubpalvelussa Helsingin Sanomat

20 Tiedon yhteismitallistus

21 Yksinkertaistettu esimerkki Hammais A, Varjonen J and Virkki A. The Clinical Data Refinery - Management and Administration of the Analytics Environment. Auria Clinical Informatics. Turku University Hospital, Turku Saatavilla: CC-BY-SA-4.0 lisessillä.

22 Tiedon yhteismitallistus

23 Tietojen kuvaus ja tietomalli

24 Tiedon käyttö tutkimukseen

25 Tutkimuslupaprosessi

26 Tutkimuslupaprosessi VSSHP:n tutkimuslupa tarvitaan kaikkiin VSSHP:ssä tehtäviin tutkimuksiin ja opinnäytetöihin. Tutkimusluvat käsitellään TurkuCRC:ssä. Tutkimuslupa tarvitan aina, jos 1) VSSHP:n työntekijä tekee tutkimusta 2) Ulkopuolinen tulee VSSHP:n tekemään tutkimusta 3) Tutkitaan VSSHP:n potilaita 4) Tarvitaan tietoja VSSHP:n potilaskertomuksesta 5) Käytetään VSSHP:n resursseja (tiloja, laitteita, työaikaa jne.) 6) Käytetään VSSHP:n potilaista otettuja näytteitä. Opinnäytetyöt lasketaan tässä yhteydessä tutkimuksiksi. Tiloja TYKSin T-sairaalassa

27 Tutkimuslupaprosessi Tutkimuslupa tarvitaan, koska 1) Organisaatiolla on työnantajana juridinen vastuu tutkimuksesta (ohjeistus ja valvonta) 2) Organisaation resursseja usein käytetään (henkilökunta, tilat, laitteet jne.) 3) Potilaat osallistuvat tutkimuksiin tutkittavina 4) Organisaatio on henkilötietolain mukainen rekisterinpitäjä 5) Organisaatio vastaa potilasnäytteiden oikeellisuudesta 6) Salassa pidettävien potilasrekisteritietojen luovuttaminen tieteellisen käyttöön vaatii viranomaisen päätöksen Koeputkia Auria Biopankissa

28 Tutkimuslupaprosessi Potilasasiakirjat ovat salassa pidettäviä asiakirjoja ja niitä voidaan luovuttaa tieteelliseen tutkimukseen viranomaisluvalla julkisuuslain mukaisesti. VSSHP:ssä tämä viranomaislupa saadaan tutkimusluvan yhteydessä. Potilaan hoitosuhde ei oikeuta käyttämään potilaskertomustietoja tutkimukseen. Eettinen toimikunta ei anna tutkimuslupaa, eikä lupaa potilasasiakirjojen käyttöön. Eettinen toimikunta antaa arvion tutkimuksen eettisyydestä. Tutkimuslupaa ei myönnetä jälkikäteen

29 Tutkimuslupaprosessi Tutkijan osuus prosessissa Tutkimuksen suunnittelu ja tutkimusdokumenttien valmistelu Tutkimuksesta riippuen: i. Eettisen lausuntopyyntö ii. Ilmoitus Fimealle iii.sisäiset tarjoukset (esim. Tykslab, apteekki, VSKK) iv. Budjetointi v. Sopimusneuvottelut vi.tutkimuksen rekisteröinti/clinicaltri als.gov Tai ei mitään edellisistä. VSSHP:n tutkimuslupahakemus + liitteet toimitetaan TurkuCRC:hen

30 Tutkimuslupaprosessi Lupaprosessi hallinnossa Tutkimusluvan tarkastaminen, mahdollisten lisäselvitysten pyyntö tutkijalta Toimialueen tutkimuksen ja opetuksen vastuuhenk. puolto Toimialueen johtajan tai JYL:n myöntö Talousjohtaja allekirjoittaa sopimuksen, jos sellainen on Luvan ja sopimuksen jakelu ja tallennus tietokantaan

31 Tietojen poiminta ja luovutus Kun lupa on kunnossa Poimittavien tietojen tarkentaminen (tutkija ja ATP) Uusien tietolähteiden kartoitus tarvittaessa Tietojen poiminta ja mahdollinen louhinta Tilastot ja analyysit tarvittaessa Tietojen luovutus, lokitus ja laskutus

32 Tietoluovutukset tutkimukseen TYKS ylläpitää omaa IT-infrastruktuuria potilastietojärjestelmiä varten (2M-IT) Vaativia tutkimuskysymyksiä (tekstinlouhinta ja koneoppiminen) varten ATP tarjoaa virtuaaliympäristöä GPU-mahdollisuus tulossa 2018

33 Arkaluontoisen datan suojaamisen eri tasot Vapaa käyttö GDPR 1. Alkuperäinen data: Yksilöityä ja ajantasaista henkilötietoa suoraan lähdejärjestelmistä 2. Pseudonyymi eli peitenimillä suojattu data: suorat tunnisteet, kuten henkilötunnukset on muutettu koodeiksi (P , ) 3. Anonyymi eli peruuttamattomasti tunnistamattomaksi tehty data: Datapisteestä on mahdotonta päätellä, kenestä se alun perin on. 4. Synteettinen data: Tietokoneella matemaattisen mallin arvottu satunnainen data, jolla on todellisen kaltaisia tilastollisia ominaisuuksia. 5. Fabrikoitu eli tekaistu data: Esim. oikean muotoiset sähköpostiosoiteet ja henkilötunnukset ohjelmistotestauksen käyttöön. Ei tilastollista ennustusvoimaa. Toteutuksen tekninen vaikeus

34 Peitenimillä suojattu data: #biopankkihack Hotel Kämp, Helsinki, May 16-17, 2018

35 Peitenimillä suojattu data: #biopankkihack Hotel Kämp, Helsinki, May 16-17, 2018

36 Anonyymi data: Junction Hackathon 2017 Health Tech Challenge, Espoo

37 Junction Hackathon 2017 Heath Tech Challenge

38 Datan hyödyntämisen mahdollisuudet - Ilmiöiden visualisointi - Tilastollinen mallinnus (ml. koneoppiminen) - Mekanistinen (ilmiöihin ja fysiologiaan perustuva) mallinnus

39 Datatieteen pilarit

40 Datatieteen pilarit Data ajaa yhteiskunnallista muutosta

41 10 havaintoa toiminnan käynnistämisestä 1) Toimintakulttuuri muuttuu hitaasti (aloitimme 2013) mutta muuttuu! 2) Tarvitaan arvostava, eri aloja (lääketiede, biostatistiikka, tilastotiede, ohjelmistotekniikka, talous, ) yhdistelevä ote ja pätevimmät saatavilla olevat ihmiset. 3) Pitää viedä vastuu tekemisestä sille, jolle syntyy suurin vahinko, jos järjestelmä ei toimi: Analyytikot vastaavat laskennan lisäksi laskentaympäristöstä! 4) Toisin sanoen, tekijöille kannattaa antaa suurin mahdollinen valta omaan työhönsä. 5) Sujuva ohjelmistotekniikan soveltaminen on kuin englannin osaaminen ei varsinaisesti kielitaitoa, vaan perustaito ja välttämätön (mutta ei riittävä) edellytys toiminnalle. 6) Koska kohdat 3,4 ja 5, avoimen lähdekoodin ratkaisut ovat käytännössä innovaatiotoiminnan edellytys. 7) Tietopalvelutiimiä kannattaa kannustaa hakemaan ulkoista rahoitusta ja toimeksiantoja Uskottavuus ja riippumattomuus resurssien käytössä. 8) Tietopalvelun prosesseissa (tietopyynnöstä tuotokseen) on vielä hiomista!

42 Johtopäätökset ja pohdintaa