Acceso usuarios
[2]
;
Luís Filipe Seixas Sardinha
[1]
;
Susana Paulo Albuquerque
[3]
;
Maria Romana Salazar Silva
[2]
;
Eduardo Manuel Almeida Leite
[1]
;
Isabel Fragoeiro
São Roque, Portugal
The Electronic Health Record (EHR) is the result of a transformation in the current healthcare system, influenced by innovation, integration, and sharing of clinical data. The EHR should include a clinical summary of patients, electronic prescriptions, electronic medication dispensing records, laboratory results, medical images and/or reports, and hospital discharge notes. Prescription errors and therapeutic administration are among the most common avoidable errors in healthcare, ranking as the sixth leading cause of death in the United States and a priority for the World Health Organization since the launch of the “Medication Without Harm” initiative. The objectives of this study are: i) to present a digital therapeutic reconciliation model; ii) to propose an interoperable and legally compliant solution; iii) to integrate Blockchain and Artificial Intelligence technologies into the presented model. Through a descriptive and exploratory literature review, the use of HL7 FHIR and SNOMED-CT standards, a client-CA model for Blockchain, and machine learning and natural language processing models for Artificial Intelligence were proposed. Ensuring the interoperable and secure transmission of clinical data is complex but theoretically feasible. The advantages of therapeutic reconciliation will be measurable through the continuous reduction of morbidity and mortality associated with therapeutic errors.
O Registo de Saúde Eletrónico (RSE) é o resultado da mudança do atual sistema de saúde, influenciado pela inovação, integração e partilha de dados clínicos. O RSE deve incluir sumário clínico dos pacientes, prescrições eletrónicas, registo eletrónico de dispensa de medicação, resultados laboratoriais, imagens e/ou relatórios médicos e notas de alta hospitalar.A prescrição médica e a administração de terapêutica são dos erros evitáveis mais comuns em Saúde, a sexta maior causa de morte nos EUA e uma prioridade para a Organização Mundial de Saúde desde que lançou a iniciativa “Medication Without Harm”. Os objetivos deste trabalho são: i) apresentar um modelo digital de reconciliação terapêutica; ii) propor uma solução interoperável e legalmente conforme; iii) integrar a tecnologia Blockchain e Inteligência Artificial no modelo apresentado. Através de uma revisão bibliográfica descritiva e exploratória, propôs-se a utilização dos “standards” HL7 FHIR e SNOMED-CT, modelo “client-CA” para a Blockchain e modelos de “machine learning” e “natural language processing” para a Inteligência Artificial. É complexo garantir atransmissão de dados clínicos de forma interoperável e segura, mas teoricamente exequível. As vantagens ao nível da reconciliação terapêutica serão mensuráveis com a contínua diminuição da morbimortalidade associada ao erro terapêutico
