Český healthtech Datlowe zkvalitňuje prostředí nemocnic a zefektivňuje práci lékařů. S pomocí technologie HAIDi, využívající umělou inteligenci a metody strojového učení, analyzuje veškeré informační databáze zdravotnického zařízení a získané údaje interpretuje formou výstupů shrnujících potenciální rizika. Ta představují možný výskyt nemocničních infekcí. Takzvané nozokomiální nákazy jsou nežádoucí komplikace, jež vznikají u pacientů například v souvislosti s chirurgickým výkonem. Jejich výskyt je obvykle spojen s rozvojem rezistencí vůči klinicky používaným antibiotikům, které znesnadňují léčbu. Datlowe si od svého nástroje slibuje maximální kontrolu možných rizik, zefektivnění práce lékařů a v konečném důsledku i šetření nákladů zdravotnických zařízení. Technologii HAIDi dnes aktivně používají ve 12 českých nemocnicích. Využívána je nejen v České republice, ale i na Slovensku či v Rakousku. Datlowe v současné době usiluje o zaujetí západních investorů a spouští testovací projekty ve zdravotnických zařízeních v Německu, Velké Británii, ale i Spojených státech.
Za startupem stojí absolvent Matematicko-fyzikální fakulty Jakub Kozák, jenž v Datlowe působí na pozici CEO. Ten v minulosti strávil řadu let datovou analytikou, kterou pomáhal například ve finančním sektoru. S nemocničním prostředím se setkal v rámci studentské práce pro Fakultní nemocnici v Motole. Dále se zabýval datovou analytikou například v rámci projektu Léková encyklopedie, spočívající v propojování datových zdrojů o léčivech v České republice a zahraničí a v dodávání unikátních informací. Ve využití datové analýzy v nemocničním prostředí spatřil potenciál a v roce 2014 založil společnost Datlowe.
Současná zdravotnická zařízení dle Kozáka generují velké množství dat. Jejich informační potenciál však odborníci plně nevyužívají. Jejich interpretace totiž představuje pro nemocniční personál velké úsilí a hodiny manuální práce. Datlowe se proto rozhodlo prostřednictvím technologie HAIDi tyto procesy zautomatizovat a umožnit lékařům, aby se věnovali naplno své práci a využívali její podrobné výstupy k efektivní léčbě pacientů. „Nemocnice vnímáme jako prostředí, pro něž je efektivní analýza dat a jejich interpretace zcela zásadní. Zpracovávat a vyhodnocovat data manuálně je ale velmi neefektivní a náročné. Na využití jejich potenciálu však neměl zdravotnický personál dostatečné časové kapacity. HAIDi poskytuje takřka v reálném čase přehled potenciálních nemocničních infekcí, které jsou následně lékařským personálem vyhodnocovány,“ říká Kozák.
Digitalizací proti pandemii
Na nutnost digitalizovat práci nemocničního personálu poukázala rovněž pandemie covidu-19. Ta zcela upozadila běžnou denní agendu zdravotnického personálu, která spočívala v provádění komplexních hygienických auditů, v analýze patogenů spojených s používanými přístroji či ve vytváření postupů kontroly infekcí, a donutila lékaře a epidemiology věnovat drtivou většinu času pandemii. To ukázal například soukromý průzkum doktora Michaela P. Stevense z Virginia Commonwealth University, zaměřující se na prevenci infekcí. V něm takřka 80 % respondentů z odborné veřejnosti uvedlo, že více než 75 % svého pracovního času věnují pouze pandemii covidu-19. Běžnou práci zahrnující monitoring a prevenci nozokomiálních patogenů však mohou zcela zastoupit technologie jako právě HAIDi.
Technologie HAIDi využívá pro shromažďování a analýzu dat metody zpracování přirozeného jazyka (NLP) umožňující automatické čtení a porozumění volnému textu. Díky tomu dokáže shromažďovat data z veškeré zdravotnické dokumentace dané nemocnice a pomocí strojového učení (ML) poskytuje lékařům přehled o výskytu potenciálních nemocničních infekcí a jejich rizikových faktorů. S pomocí HAIDi mohou lékaři odhalit až pětkrát více rizikových patogenů než konvenčními přístupy a eliminovat 90 % pracovních povinností. HAIDi dále vytváří antibiogramy, tedy přehledy vhodných antibiotik či jejich kombinací pro léčbu daných infekcí. Nepřináší tak pouze ekonomickou úlevu nemocnicím, ale dovede v konečném důsledku i zachraňovat životy.
HAIDi je v současné době provozována ve 13 nemocnicích. Využívána je například v jihlavské nemocnici, kde byla vyzkoušena vůbec poprvé. Dále je používána v pěti nemocnicích Krajské zdravotní či ve Fakultní nemocnici v Trnavě. V současné době probíhají její implementace v dalších zdravotnických zařízeních, z toho v jednom rakouském. O spuštění pilotních testovacích projektů v současné době Datlowe jedná s nemocnicemi v Německu, Velké Británii či Spojených státech.
„Sledování výskytu nemocničních infekcí na lůžkových odděleních je výzva, kterou řeší každá nemocnice, jak nejlépe umí. Ve většině zařízení to znamená mít pracovníka určeného k procházení zdravotní dokumentace a laboratorních výsledků, což je časově velmi náročné a vzhledem k podhodnoceným kapacitám lékařského personálu nemusí vždy docházet k řádné evidenci nozokomiálních nákaz. My jsme proto přistoupili k implementaci technologie HAIDi založené na umělé inteligenci pro automatické sledování infekcí tohoto typu. Celé řešení nám umožňuje evidovat a vykazovat skutečnou míru objevených nákaz a následně přistoupit k provozním a organizačním změnám, které sníží procento výskytu jednotlivých druhů nemocničních infekcí na konkrétních odděleních. Od roku 2021 sledujeme, že řešení přináší očekávané výsledky a stává se pravou rukou našeho personálu,“ říká Norbert Schellong, ředitel nemocnice Havířov, kde byla HAIDi nasazena na konci roku 2021.
Datlowe je český startup, který prostřednictvím nástroje HAIDi pomáhá nemocnicím analyzovat a interpretovat zdravotnickou dokumentaci. Pro tento účel využívá pokročilých metod, např. zpracování přirozeného jazyka (NLP) nebo strojového učení (ML). HAIDi shromažďuje data z veškerých informačních zdrojů nemocnice, která interpretuje do podoby přehledu možných zdravotních rizik způsobených infekcemi spojenými se zdravotní péčí. Tzv. nozokomiální nákazy jsou infekce vznikající pobytem v nemocničním prostředí, chirurgickými zákroky apod. Vyznačují se častou rezistencí vůči širokému spektru antibiotik, a tedy náročnější léčbou. Produkt Datlowe automatizuje monitoring tohoto typu infekcí, značně zjednodušuje práci lékařů, maximalizuje prevenci a v konečném důsledku šetří náklady celého zdravotnického zařízení.