Mercy: Nutzung von Daten zur Bekämpfung von COVID-19

Wie eine auf Intel® Prozessoren basierende SAP-HANA-Lösung unstrukturierte Rohdaten in nutzbare Erkenntnisse über COVID-19 verwandelte.

Auf einen Blick:

  • Als fünftgrößte katholische Gesundheitsorganisation in den USA bedient Mercy mit 44 Krankenhäusern, mehr als 400 Kliniken und mehr als 44.000 Mitarbeitern Gemeinden in Arkansas, Kansas, Missouri und Oklahoma.

  • Mercy verwendete ein Analysesystem, das strukturierte und unstrukturierte Daten kombinierte, um auf intelligentere Weise eine Übersicht über die Ausbreitung von COVID-19 und die Auswirkung der Krankheit auf die Patienten zu erhalten. Das Analysesystem nutzt eine SAP-HANA-Datenbank, die aus Gründen der Skalierbarkeit, Flexibilität und Leistung auf Servern mit skalierbaren Intel® Xeon® Prozessoren der 2. Generation, persistentem Intel® Optane™ Speicher und Intel® Ethernet-Netzwerkadaptern der Produktreihe 700 betrieben wird und datenbasierte Antworten auf entscheidende COVID-19-Fragen ermöglicht.

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Die COVID-19-Pandemie ist ein globales Geschehen, das sich nur wenige vorstellen konnten. Die dramatische Verbreitung und das fehlende Wissen über die Krankheit veranlasste Länder dazu, ihre Grenzen zu schließen und ihre Bevölkerung zu isolieren.

COVID-19 stellte die Gesundheitssysteme vor nicht gekannte Herausforderungen bei der Reaktion auf das neuartige Coronavirus. Hersteller von Medizinprodukten mussten mit der Nachfrage nach Bedarfsartikeln wie Beatmungsgeräten Schritt halten, und Pharmaunternehmen setzten alles daran, ihre Entwicklung von Impfstoffen voranzutreiben. Nur wenig war über das Virus bekannt, während die Infektionszahlen weltweit weiter anstiegen und einige Krankenhäuser sowie die Gesundheitsbranche insgesamt überwältigten. Entscheidende Fragestellungen mussten schnell beantwortet werden, um für die Sicherheit des medizinischen Personals, die Kapazitätsplanung und die bestmögliche Patientenpflege zu sorgen.

Mercy, eine regionale Organisation in der Gesundheitsversorgung, konnte ein Analysesystem, das strukturierte und unstrukturierte Daten kombinierte, dazu einsetzen, sich eine bessere Übersicht über die Ausbreitung von COVID-19 und die Auswirkung der Pandemie auf die Patienten zu verschaffen. Daraus erhielt Mercy die benötigten Kapazitätsdaten und zugleich bessere Kenntnisse über die Behandlung von COVID-19-Patienten. Dieses System kombiniert Technik von Intel, SAP und anderen, um eine neue Methode für die Gewinnung entscheidender Erkenntnisse aus Krankenberichten und Patientenakten mithilfe der Verarbeitung natürlicher Sprache (NLP) und künstlicher Intelligenz (KI) zu realisieren. Diese Plattform für den Nachweis auf der Basis von Daten aus der Praxis (Real-World Evidence, RWE) unterstützt Mercy und einige Gesundheitseinrichtungen aus dem Umfeld sowie Hersteller von Medikamenten und Medizinprodukten dabei, die Bedürfnisse von Patienten und Gesundheitsdienstleistern zu adressieren, und sie wird auch nach dem Abklingen der COVID-19-Pandemie noch von Nutzen sein.

Die Problematik des Unbekannten

Mercy blickt auf eine lange Tradition technischer Innovation und Führungsposition zurück, die zu einer weiter durchdachten, besser fundierten Pflege und zu niedrigeren Kosten im Gesundheitswesen geführt hat. Schon früh setzte Mercy mit dem Epic-System Software für eine elektronische Gesundheitsakte ein, um Gesundheitsdaten zu standardisieren. Mercy stellte allerdings fest, dass sich derartige Systeme zwar gut für die Protokollierung von Patienten- und Abrechnungsdaten eignen, die wertvollsten Erkenntnisse bezüglich der Patientenversorgung und der entsprechenden Ergebnisse jedoch in den Arztberichten und sonstigen Aufzeichnungen („Clinical Notes“) enthalten sind.

Das bedeutete, dass jene Daten, die für die Bestimmung von Trends, der geografischen Ausbreitung, von Koinfektionen und anderen Risikofaktoren, Behandlungen und Ergebnissen am wichtigsten sind, in unstrukturierten, häufig handschriftlichen klinischen Aufzeichnungen zu finden waren. Wie aber konnte sich Mercy diese höchst wertvolle Datenquelle erschließen?

Antworten in unstrukturierten Daten finden

Die Lösung dieses Problems bestand darin, die „Clinical Notes“ von Mercy zu digitalisieren, mit einem Index zu versehen und sie dann mit strukturierten Daten – nicht nur aus den Systemen von Mercy, sondern auch aus Quellen der Regierung und anderer Gesundheitseinrichtungen – zu kombinieren. „Antworten auf tiefgreifende Fragen kann man nicht in allgemeinen Datenquellen finden“, so Curtis Dudley, VP of Enterprise Analytics and Data Services bei Mercy.

Als fünftgrößte katholische Gesundheitsorganisation in den USA bedient Mercy mit 44 Krankenhäusern, mehr als 400 Kliniken und mehr als 44.000 Mitarbeitern Gemeinden in Arkansas, Kansas, Missouri und Oklahoma. Mercy hat einen jährlichen Netto-Gesamtumsatz von über 6 Mrd. US-Dollar und hat sich als eines der fünf größten Gesundheitssysteme in den USA etabliert.1 Seit 2009 arbeitet Mercy an Demonstrationsprojekten, die von der United States Food and Drug Administration (FDA) finanziert werden, und hat dabei besondere Analysefunktionen entwickelt, die Aufschluss darüber geben, wie sich verschiedene Medizinprodukte auf die Patientenergebnisse auswirken. Seit 2017 arbeitet Mercy mit Herstellern zusammen und stellt „Real-World Evidence“ zur Verfügung, damit Forscher und Anbieter im medizinischen Bereich bessere Tools zur Verfügung haben, um die besten Behandlungsmethoden für Patienten zu bestimmen.

„Der Schlüssel zu besseren Datenbeständen, die zu Erkenntnissen führen, besteht darin, tiefer in den unstrukturierten Daten zu graben.“ – Curtis Dudley, VP of Enterprise Analytics and Data Services, Mercy

Um einen besseren Bestand an Patientendaten zu erhalten, wurden folgende Schritte unternommen, damit Mercy aus den Rohdaten verwertbare Ergebnisse erzielen konnte:

  • Die Teams von Mercy kombinierten strukturierte Daten aus ihren elektronischen Patientenakten und anderen Datenquellen mit unstrukturierten Daten aus klinischen Aufzeichnungen („Clinical Notes“).
  • Die Forscher nutzten NLP und KI, um die unstrukturierten klinischen Aufzeichnungen in strukturierte, indizierte Daten umzuwandeln, die von der Analysesoftware verarbeitet werden können. Außerdem wurden die Daten anonymisiert, damit die Patientendaten keinem bestimmten Patienten zugeordnet werden konnten.
  • Die daraus resultierenden Daten wurden in eine SAP-HANA-Datenbank auf Servern mit skalierbaren Intel® Xeon® Prozessoren, persistentem Intel® Optane™ Speicher und Intel® Ethernet-Netzwerkadaptern der Produktreihe 700 geladen.
  • Und schließlich entwickelten die Forscher Analysemodelle und speisten mit den Ergebnissen benutzerdefinierte Dashboards und Berichte. Beim Aufbau des Analysesystems hat Mercy mehr als 700 Millionen klinische Aufzeichnungen digitalisiert, kuratiert und aufbereitet. Diese Aufzeichnungen verschafften Forschern einen viel tieferen Einblick in die Auswirkungen von Medikamenten, Medizinprodukten und Behandlungen auf die Ergebnisse bei den Patienten.

Dieses Analysesystem wurde ursprünglich verwendet, um herauszufinden, wie gut Patienten der Kardiologie auf bestimmte Behandlungen und Medizinprodukte reagierten. Als die Verbreitung von COVID-19 begann, war sich Mercy bewusst, über ein betriebsbereites System zu verfügen, das bei der Bekämpfung dieser neuen, sich rasant ausbreitenden Krankheit hilfreich sein konnte.

COVID-19 unter dem Analysemikroskop

Kerry Bommarito, Director of Data Science bei Mercy, leitet ein Team von Datenwissenschaftlern, die mit dem Analysesystem von Mercy, das auf Lösungen von Intel und SAP basiert, die Modelle und Datenbestände entwickeln und aufbauen. Als klar wurde, dass COVID-19 die Gesundheit von Millionen Menschen bedrohte, verlagerte Bommaritos Team seinen Schwerpunkt von der Kardiologie auf die Corona-Thematik und begann mit der Arbeit an neuen Modellen, die zunehmend wichtige Fragen in der COVID-19-Bekämpfung beantworten konnten. „Wir hatten bereits ein System entwickelt, das NLP nutzte, um Daten aus klinischen Aufzeichnungen zu extrahieren“, so Bommarito. „Dies hat uns zunächst geholfen, durch die Analyse von Daten, die sich nicht in eigenen Feldern befanden, kardiologische Behandlungen und andere Real-World Evidence zu bewerten. Durch die Möglichkeit, Daten aus den klinischen Aufzeichnungen automatisch zu extrahieren, konnten wir schnell zur Analyse von Daten unserer COVID-19-Patienten übergehen.“

Im Folgenden sind einige der Fragen aufgeführt, die Mercy, Gesundheitseinrichtungen aus dem Umfeld und die mit Mercy zusammenarbeitenden Hersteller hatten und die durch die neuen von Bommaritos Team entwickelten Modelle beantwortet werden sollten.

Fragen, die Gesundheitsdienstleister betreffen:

  • Wie schnell hat sich das Virus verbreitet?
    Das Team von Mercy musste bestimmen, wie schnell sich das SARS-CoV-2-Virus verbreitet hat. Diese Information konnten helfen zu verstehen, welche Auswirkungen COVID-19 auf die Einrichtungen hat, insbesondere auf die Intensivstationen und die Notaufnahmen, und eine bessere Voraussage gestatten, wo Ressourcen am dringendsten benötigt würden. Mercy koordinierte die Datenerfassung und Zusammenführung mit Daten anderer regionaler Gesundheitsorganisationen, um den Datenbestand zu erweitern.
  • Wie schnell könnte die Virusepidemie einen Höhepunkt erreichen und welche Auswirkungen hätten Infektionsspitzen und -wellen auf die Ressourcen von Mercy?
    Mithilfe der kombinierten Daten von Mercy und Gesundheitsorganisationen aus dem Umfeld konnten Bommarito und ihr Team genau vorhersagen, wie schnell sich das Virus verbreitete und wann die Infektionszahlen Maxima erreichen würden. Die Daten halfen auch dabei, vorherzusagen, wann und wo es zu Infektionswellen kommt. Mithilfe dieser Vorhersagen konnte festgestellt werden, ob die vorhandenen Einrichtungen die Infektionswellen bewältigen würden oder vorübergehend zusätzliche Einrichtungen bereitgestellt werden müssten, um eine unnötige Belastung der Ressourcen von Mercy zu vermeiden.
    An den richtigen Orten die richtige Ausstattung zur Hand zu haben, wäre der Schlüssel, um Leben zu retten. Das Analysesystem half auch bei der Prognose, welche Bestände an unbedingt erforderlicher Ausrüstung, wie Beatmungsgeräten für Patienten und persönlicher Schutzausrüstung (PSA) für das medizinische Personal, innerhalb welchen Zeitraums benötigt würde. Mercy nutzt diese Vorhersagemodelle jetzt, um festzustellen, wie viele Ressourcen benötigt werden und wo diese Ressourcen am dringendsten bereitgestellt werden müssen.

Zusätzliche Fragen, die Gesundheitsdienstleister, Hersteller von Medikamenten und Medizinprodukten sowie Aufsichtsbehörden betreffen:

  • Für welche Bevölkerungsgruppen besteht das größte Risiko?
    In der Anfangszeit der COVID-19-Verbreitung mussten Gesundheitsorganisationen fundierte Vermutungen darüber anstellen, welche Bevölkerungsgruppen am meisten betroffen waren. Als mehr Daten zur Verfügung standen, konnte Mercy die Bevölkerungsgruppen, die am stärksten getroffen waren, weiter eingrenzen. Beispielsweise lassen die Daten oftmals nicht genau erkennen, woher Patienten kommen. Mercy konnte die Daten aus den klinischen Aufzeichnungen nutzen, um herauszufinden, dass viele der Patienten aus Pflegeheimen kamen und dass diese Patienten oft kränker waren als Patienten aus jüngeren Altersgruppen.
  • Welche Symptome gingen am häufigsten mit COVID-19 einher?
    Das Team von Mercy konnte schnell Modelle entwickeln, die die Symptomliste des CDC (Center for Disease Control and Prevention) mit den in den Einrichtungen von Mercy festgestellten Symptomen verglichen. „Wir begannen mit der CDC-Liste bekannter COVID-19-Symptome, wie Fieber, Atemnot, Husten und dem Verlust der Geruchs- und Geschmackswahrnehmung“, erklärt Bommarito. „Wir konnten Patienten, die entweder positiv oder negativ auf das Coronavirus getestet wurden, mit kürzlich an Grippe und Lungenentzündung erkrankten Patienten vergleichen, um zu sehen, inwiefern die Symptome mit den vom CDC veröffentlichten übereinstimmten. Angesichts der nur begrenzt verfügbaren Testkits in den ersten Wochen der Pandemie wollten wir sicherstellen, dass wir mit den Tests die richtigen Patienten erreichten.“
  • Mit welchen Behandlungen wurden bei den Patienten bessere Ergebnisse erzielt?
    Mit der wachsenden Anzahl der COVID-19-Patienten analysierte das Team von Mercy, welche Anwendungen sich bei der Behandlung der Krankheit als am wirksamsten erwiesen. Diese Analyse half Mercy, die Behandlungsergebnisse bei Patienten in allen Altersgruppen sowie die Risikofaktoren, die zu schwerwiegenderen Fällen von COVID-19 beitragen, besser zu verstehen und festzustellen, ob sich Risikofaktoren veränderten.
    Mercy nutzt diese Fähigkeiten bei der Zusammenarbeit mit einem globalen Hersteller von Medizinprodukten und liefert Erkenntnisse für die bessere Erkennung von Risikofaktoren für COVID-19-Patienten sowie Informationen, um besser vorhersagen zu können, welche Patienten bestimmte Behandlungen wie etwa Atemunterstützung durch Beatmungsgeräte und andere Sauerstoffversorgung benötigen, wie lange sie behandelt werden müssen und welche Variablen helfen, den Verlauf und die Sterblichkeit vorherzusagen.
  • Wie können wir feststellen, ob Impfstoffe sicher und wirksam sind?
    Die klinischen Studien für COVID-19-Impfstoffe haben einen begrenzten Stichprobenumfang, doch das Analysesystem von Mercy ist in der Lage, die erwarteten Anforderungen von Pharmaunternehmen und der FDA zu erfüllen und nahezu in Echtzeit „Real-World Evidence“ zur Validierung der Sicherheit und Wirksamkeit sowie der Variablen, die sich nach der beginnenden klinischen Anwendung der Impfstoffe auf die Ergebnisse auswirken, bereitzustellen.

Bessere Analyse ermöglicht bessere Reaktion

Die Kombination von Lösungen in der Real-World-Evidence-Plattform von Mercy, die auf Produkten von Intel und SAP basiert, ermöglichte es dem Mercy-Team, zügig Modelle zu entwickeln, die enorme Mengen unstrukturierter und strukturierter Daten schnell analysieren konnten. Diese Analyse half dem Team, entscheidende Fragen schneller und genauer als je zuvor zu beantworten, was eine besser koordinierte COVID-19-Reaktion in der gesamten Region und eine fundiertere Patientenversorgung ermöglicht.

Darüber hinaus führte die Analyse zu einer verbesserten Kommunikation und Koordination zwischen den Abteilungen innerhalb von Mercy. So verfügten zum Beispiel die für das Risikomanagement und die Lieferkette zuständigen Teams über die benötigten Daten, um zu sehen, wie das direkt mit der Behandlung befasste medizinische Personal von Mercy geschützt und gleichzeitig der Bestand an wichtigen Medikamenten und Ausrüstungen gesichert werden konnte.

Weiterhin können Mercy und die mit Mercy zusammenarbeitenden Hersteller nun besser bewerten und verstehen, welche Behandlungen und Medizinprodukte funktionieren und welche Risikofaktoren sich möglicherweise auf die Behandlungsergebnisse auswirken, was für beide Seiten von Vorteil sein kann, da Leistungserbringer und Hersteller beide an der Verbesserung der Versorgung von COVID-19-Patienten beteiligt sind.

„Durch die Möglichkeit, Daten aus den klinischen Aufzeichnungen automatisch zu extrahieren, konnten wir schnell zur Analyse von Daten unserer COVID-19-Patienten übergehen.“ – Kerry Bommarito, Director of Data Science, Mercy

Effektivere Datennutzung führt zu besseren Resultaten

Skalierbare Intel Xeon Prozessoren und persistenter Intel Optane Speicher unterstützen Organisationen im Gesundheitswesen dabei, ihre Agilität zu steigern, damit Führungskräfte schneller Erkenntnisse gewinnen können und Gesundheitsorganisationen wie Mercy für den Erfolg und Innovationen in der Zukunft gerüstet sind. Die Skalierbarkeit, Flexibilität und Leistungsfähigkeit des Analysesystems von Mercy bot Bommarito und ihrem Team die Möglichkeit, sich schnell auf die datengestützte Beantwortung entscheidender COVID-19-Fragen einzustellen.

Die Lösung wird den Gesundheitsdienstleistern und Forschern bei Mercy weiterhin wertvolle Erkenntnisse liefern, die dazu beitragen können, die Behandlungsergebnisse für die Patienten zu verbessern. „Wir würden es begrüßen, wenn Dienstleister, Hersteller und Aufsichtsbehörden auf der Grundlage von gemeinsamem Datenmaterial kooperieren würden, das uns hilft, die Versorgung zu verbessern“, sagt Dudley. „Was für COVID-19 von Nutzen ist, kann auch in anderen Bereichen der Patientenversorgung von Nutzen sein.“

Mehr über den Aufbau einer Hochleistungs-Analyseplattform erfahren Sie unter intel.de/sap.

Wenn Sie mehr darüber wissen möchten, wie die Lösung von Mercy für die Gewinnung von Erkenntnissen aus Real-World Evidence durch Kooperationen mit Herstellern eine intelligentere Gesundheitsversorgung vorantreibt, besuchen Sie mercytechnology.net/solutions/real-world-evidence.

Informationen über zugehörige Produkte und Lösungen

Skalierbare Intel® Xeon® Prozessoren

Mit den skalierbaren Intel® Xeon® Prozessoren lassen sich nutzbringende Erkenntnisse einfacher gewinnen. Darüber hinaus bieten sie hardwarebasierte Sicherheit und ermöglichen die dynamische Bereitstellung von Diensten.

Weitere Infos

Persistenter Intel® Optane™ Speicher

Profitieren Sie von mehr umsetzbaren Erkenntnissen aus Daten – von der Cloud und Datenbanken über In-Memory-Analysen bis hin zu Netzwerken zur Bereitstellung von Inhalten.

Weitere Infos

Intel® Ethernet-Produkte

Intel® Ethernet-Netzwerkadapter, -Controller und -Zubehör ermöglichen Agilität innerhalb des Rechenzentrums, um Dienste effizient und kostengünstig bereitzustellen.

Weitere Infos

Produkt- und Leistungsinformationen

1

Mercy. „Mercy Named Top Five Health Care System in the U.S.“ April 2019. mercy.net/newsroom/2019-04-22/mercy-named-top-five-large-health-care-system-in-the-u-s--/.