I veckans blogg lyfter tre erfarna personer, Richard Grönevall, Anita Sant’Anna och Joakim Nordanstig, frågan om hur digitala beslutsstöd i primärvården kan bidra till tidig upptäckt och diagnostisering. Införandet av digitala lösningar kan enligt dem bidra till tidigt insatt behandling och därmed bättre hälsa och livskvalitet. 

Trevlig läsning!

Som vanligt står skribenten själv för innehållet i inlägget. Kommentera gärna på vår hemsida eller i sociala medier.

Hur många liv kan vi rädda och hur mycket pengar kan vi spara med precisionsvård?

Författare: Richard Grönevall, styrelseledamot Forum för Health Policy, Business Development Manager Grönevall Consultant AB, Anita Sant’Anna, PhD., Data innovation strategist Viniam Consulting, Joakim Nordanstig, Docent, överläkare Sahlgrenska Universitetssjukhuset

Ju snabbare en sjukdom upptäcks och diagnostiseras, desto större är i regel chansen att sjukvården kan erbjuda en effektiv behandling för patienten. Vid flertalet kroniska sjukdomar så gagnas patienten av en tidigt insatt behandling, vilket ofta kan minska eller i vissa fall helt eliminera risken för allvarliga konsekvenser och följdtillstånd av sjukdomen. Ofta när patientföreträdare talar om vad som är viktigast för deras medlemmar, så står tidiga insatser och tidig hjälp högt upp på önskelistan. Vissa sjukdomar kan man behandla med stor framgång och helt häva medan andra kan bromsas upp kraftigt vilket ofta avsevärt kan förlänga ett aktivt liv med bibehållen funktionsförmåga och livskvalitet; om bara behandlingen sätts in i tid.

Odiagnostiserade sjukdomar leder till betydande konsekvenser för individer och samhället. Kärlförträningar i benen, eller benartärsjukdom, är ett exempel på en dold folksjukdom som uppskattningsvis 400 000 svenskar har men endast en bråkdel är diagnosticerade och behandlade för. Ett annat exempel är förmaksflimmer. Det uppskattas vara omkring 100 000 personer i Sverige som har intermittent eller kroniskt förmaksflimmer utan att de själva vet om det, och som följaktligen saknar både diagnos och effektiv behandling som skyddar från negativa konsekvenser av flimret. Båda dessa sjukdomar är alltså exempel på vanliga och ofta odiagnosticerade sjukdomstillstånd som kan leda till betydande negativa konsekvenser för individen (såsom exempelvis stroke, hjärtinfarkt och amputation) om de inte behandlas i tid, trots att vi redan i stor utsträckning vet vilka riskfaktorer och sjukdomsmekanismer som orsakar dessa sjukdomar.

Det huvudsakliga ansvaret för att tidigt upptäcka sjukdomar ligger på primärvården. Det är viktigt att de första kontakterna en patient initierar med en vårdgivare leder till korrekta bedömningar och ett snabbt omhändertagande. Men primärvården har inte ett lätt uppdrag. En grundläggande svårighet är att vissa sjukdomar kan vara väldigt svåra att diagnosticera. En patient med ont i benen kan bedömas ha problem med ryggen; när det i själva verket är kärlförträngningar. En patient med begynnande multipel skleros erfar domnings- och yrselsymptom som ofta misstas för cirkulationsbesvär; och så vidare. En annan svårighet är att medan specialistsjukvården kan ägna sig åt en väl vald del av människans samlade sjukdomspanorama så ligger det i primärvårdens uppdrag att med knappa resurser överblicka och prioritera mellan en ofta brokig flora av symptom, tecken och sjukdomstillstånd samt att i bedömningen även integrera den vårdsökande individens samlade levnadsförutsättningar och egna hälsoambitioner.

Enkelt uttryckt finns det tre huvudstrategier som primärvården kan använda för att identifiera sjukdomar tidigt: 1) screeningprogram, 2) klinisk bedömning baserat på vetenskap och beprövad erfarenhet samt 3) datorbaserade beslutsstöd. Screeningprogram fungerar som stora nät som kastas över en hel befolkning för att tidigt upptäcka sjukdomar innan det finns tydliga tecken eller symtom på sjukdom. Screeningprogram för bröstcancer och fenylketonuri via PKU-test vid födsel har till exempel varit mycket framgångsrika. När individer söker vård på grund av ett symptom eller misstanke om sjukdom, använder läkare sin kliniska bedömning för att fastställa sannolikheten för olika sjukdomar. Trots deras omfattande utbildning och erfarenhet kan vissa beslut vara mycket svåra att fatta. Datorbaserade beslutsstödsystem är utformade för att hjälpa läkare att fatta mycket mer exakta beslut snabbare.

Med datorbaserade beslutsstödsystem menas programvara som innehåller en riskstratifieringsmodell som används direkt på den enskilda patientens samlade kliniska data. De har två stora fördelar jämfört med traditionell bedömning.

• Den första är att de kan ta hänsyn till hundratusentals exempel. Detta leder till mer konsekventa beslut som inte enbart beror på den enskilde läkarens tidigare erfarenhet.
• Den andra stora fördelen är att datormodeller automatiskt kan skanna journaldata och proaktivt flagga högriskpatienter så att de snabbt identifieras, även innan läkaren träffar denna patient. Det pågår på flera håll i världen forskning och utvecklingsarbete med att ta fram nya modeller som har långt högre precision än vad vården har tillgång till idag.

Det finns idag teknik som gör att man kan träna modeller för att predicera, det vill säga riskbedöma, en patient med precision baserat på den information som redan finns samlad i det egna journalsystemet. Enklare riskmått finns integrerat i flera system idag men den typ av beslutstöd som avses här är inte i bruk vad vi känner till. Det största hindret idag för användningen av dessa verktyg är att tillgången till data (som är nödvändig för att träna modellerna) ligger hos vården medan kompetensen att utveckla och certifiera dem framför allt finns tillgänglig inom näringslivet.

Bättre precision i primärvården innebär en bättre livskvalitet för individer, färre allvarliga negativa utfall och stora besparingar för vården. En utbredd användning av datorbaserat beslutsstöd som komplement till övriga strategier i primärvården kommer att förändra väldigt mycket för oss alla, inte minst för de invånare som till följd av en snabb diagnos och behandling initierad tidigare i sjukdomsförloppet får full nytta av den. Vården kommer att belastas med färre allvarliga slutenvårdskrävande händelser och få större effekt av redan etablerade behandlingar för en mängd olika sjukdomstillstånd.

Figur. Ett exempel på hur datorbaserat beslutstöd kan förbättra precision för tidig diagnos av bröstcancer