>

"FHIR: El futuro de la Interoperabilidad, ahora"

Lic. Fernando Campos

>

El experto inició su exposición hablando sobre el uso de FHIR como oportunidad para tomar datos de salud, optimizarlos para crear medidas y métricas de calidad y de esta forma empezar a medir lo que llevamos adelante para hacer realidad que el Sistema de Salud pueda aprender, en cierta forma, de sí mismo.

Cuando pensamos en un Sistema de Salud que aprende de sí mismo, nos referimos a un círculo virtuoso que va desde la captura, el análisis, la implementación y el reporte de esa información junto con la investigación y la vigilancia de salud pública. Posteriormente, medir qué tan bien se lo está haciendo y que podamos analizarlo nuevamente para encontrar oportunidades de mejora.

Hoy este ciclo es muy lento, según Nguyen: “se estima que entre 10 y 17 años es lo que se tarda para que la información se convierta en evidencia, luego se establece en una buena práctica y es utilizada en la atención del paciente. Necesitamos acortar ese ciclo para mejorar la calidad del cuidado que les brindamos a los pacientes”.

En la actualidad, FHIR les permite a miles de sistemas en el mundo, representar la información en una forma estandarizada que podría lograr que se acorten muchos de esos tiempos. Hay una serie de perfiles que se basan en recursos FHIR que son utilizados en los Estados Unidos, pero podemos imaginar otros países adoptando principios similares para que, dentro de un país o región, utilicemos los mismos recursos que incluyen Observation, Patient, Allergy Intolerance y Medication, entre otros.

Seguramente estén familiarizados con muchos de los recursos FHIR del módulo de razonamiento clínico, pero a este objetivo se suman otros. Por ejemplo, Activity Definition nos permite representar tipos de actividades que pueden realizarse en el proceso de atención de un paciente y del que luego podemos tomar métricas o indicadores, ya sea para mediciones de calidad o para buscar métricas basadas en valor, como por ejemplo, ajustes de riesgo. Dichos ajustes pueden ser un concepto estadounidense, pero la idea es lograr hacer una métrica sobre una población de pacientes que luego podamos analizar.

Hay recursos para representar planes de cuidado, procedimientos, solicitudes, resultados y otros para representar conceptos que encontramos en un protocolo de investigación, lo que implica que podemos intentar representar estudios de investigación y hallazgos en FHIR, para que la información sea interoperable y pueda ser comparable de una forma más óptima.

Otra de las herramientas que ayuda en el proceso, mencionada por el experto durante su exposición, es CQL (Clinical Quality Language). CQL es una forma de extraer datos de recursos FHIR y representarlos en forma lógica. Para quienes han trabajado con una base de datos relacional, piensen en CQL de una forma muy similar a SQL en la capacidad de tomar datos de una base, de buscar y hacer cálculos con ellos.

¿Por qué necesitamos CQL? Algunos pueden estar familiarizados con otros lenguajes de soporte para la toma de decisiones clínicas, como Arden Syntax. Alguna organización puede personalizarla lo suficiente como para ser capaz de trabajar con su modelo de datos pero no es tan interoperable como nos gustaría. Sin embargo, con el uso de CQL y FHIR, podemos utilizar FHIR para estructurar los datos y acceder a ellos.  Esto hace que los artefactos sean mucho más fácilmente compartidos entre dos hospitales o dos sistemas que utilizan FHIR como base de su representación de datos y CQL como base de la lógica. Así que estamos mejorando no sólo la interoperabilidad, sino cómo aprovechamos esos datos para la lógica.

Además, nos permite especificar aún más el dominio clínico, de modo que se puede escribir CQL para un dominio específico, como por ejemplo crear un algoritmo de cardiología. Incluso se pueden crear definiciones para una cohorte de pacientes, lo cual es realmente genial. Cuando se realizan medidas de calidad, se busca una población particular y también compartir estos algoritmos. En los Estados Unidos ya se están creando representaciones de medidas de calidad utilizando CQL.

Al compartir el CQL, todos disponemos de la misma definición pero cada sistema puede ejecutarlo automáticamente utilizando uno de los modelos de expresión a través de una herramienta como Drools, SQL u otros métodos y esto logra mayor interoperabilidad.

Y no solo implica mirar hacia atrás, sino trabajar pensando en el futuro. Podría diseñarse un script CQL que diga, para la detección del cáncer de colon, quién será elegible el próximo mes, o en los próximos dos o tres meses. Podría comunicarme con esos pacientes y hacer que se hagan chequear antes de que lleguen a la consulta, lo que me permitiría mejorar la calidad de atención. También puedo mejorar mis propios indicadores de calidad al realizar la detección lo antes posible.

El gran desafío para Viet es realmente capacitar a los desarrolladores de medidas de calidad, así como a otros que trabajan con recursos FHIR para usar CQL. Lo bueno es que lo probaron durante los últimos seis o siete años. Incluso cuando la comunidad todavía estaba aprendiendo los conceptos básicos de FHIR, había un grupo trabajando en este enfoque más avanzado porque sabíamos que lo necesitaríamos. Le enorgullece decir que “las implementaciones de referencia para CQL están muy avanzadas, son muy sólidas y tienen una alta fidelidad” en el sentido de poder representar una gran cantidad de lo que encontramos en la especificación de razonamiento clínico. Debido a esto, podemos probar los recursos de medidas de calidad utilizando datos de muestra y realmente ensayar la ejecución de estos scripts y demostrar su utilidad.

¿Qué podemos hacer con CQL y el razonamiento clínico de FHIR?

Uno de los aspectos que se está abordando, si bien aún está en los primeros pasos, es la medicina basada en evidencia con FHIR. El concepto aquí es trabajar con varios grupos en el análisis de las investigaciones que se realizan y ver cuáles son las cosas comunes que cada artículo de investigación tiene, qué podríamos representar en artefactos interoperables y luego crear un ecosistema para la comunidad de investigadores para representar esos datos.

Al día de hoy, se escriben artículos para publicar, se presentan los datos para respaldar esos documentos, se calculan valores, pero en un ecosistema futuro, querríamos poder definir la población de pacientes en la que se realizó la investigación, al igual que una medida define qué datos se capturan en el estudio de investigación, cuáles son las terminologías y código comunes que se podrían usar para representar esos datos y un conjunto de herramientas para convertir esos datos de investigación clínica en FHIR.

En última instancia, a Nguyen le gustaría ver todo esto representado en FHIR porque ya disponemos de recursos FHIR para hacerlo. También quisiera seguir aprovechando las terminologías comunes como SNOMED CT y usarlas en la representación de datos, así como en los estudios.

Tenemos evidencia de que las sociedades elaboran guías de prácticas clínicas, pero ¿cómo ponemos esas guías disponibles al médico que está cuidando al paciente y que quizás no esté siguiendo la evidencia más reciente o lo nuevo?

Aquí es donde Viet nos refiere a otra especificación creada en HL7 conocida como "CDS Hooks". CDS Hook es un estándar para especificar servicios que ayudan en la toma de decisiones y que se disparan ante ciertos eventos que ocurren durante el proceso de atención. Por ejemplo, el evento más utilizado y maduro es “Patient View” que  se invoca cuando un médico accede al registro de un paciente.

Al ingresar a la historia clínica de la persona atendida, se invoca el servicio con cierta información y el servicio nos devolverá información en lo que llamamos una "tarjeta". Esa tarjeta puede proporcionar información, un enlace a más información, o puede brindar un enlace a una aplicación SMART on FHIR y darle información muy específica al clínico sobre el paciente que está atendiendo. Por ejemplo, un profesional abre el registro médico de un paciente para comenzar un nuevo encuentro, y la tarjeta que aparece le dice que este hombre de 50 años debe realizarse una prueba de detección del cáncer de colon, que debe vacunarse contra la gripe, y hace ya dos años no se hace un laboratorio de control.

Otro aspecto importante que nos compartió está en mejorar la calidad de atención de los pacientes. Luego del proceso de atención, ¿cómo sabe el médico, organismos de control o financiadores qué tan bien se está brindando atención a los pacientes? Para medir la calidad de atención, en Estados Unidos, ya cuentan con una especificación basada en CDA que está migrándose a FHIR. Lo bueno es que aprovecha el conocimiento y el trabajo que se ha realizado en el pasado, pero lo convierte en componentes FHIR que simplemente  son más procesables que los del CDA.

La guía de implementación que utilizan en este modelo se llama IG Quality Measures, guía de implementación de medidas de calidad y se piensa en ella como una forma de representar medidas de calidad. Utiliza CQL para proporcionar la terminología y todos los parámetros sobre la población inicial, así como cómo puntuar esa medida de calidad.

Luego se analizan esos datos y se define si se ha obtenido una puntuación alta o baja. Esa información es importante para tratar de anticipar y mejorar, así como es imprescindible para aquellos que supervisan esas medidas de calidad para tener una forma de comparar una organización o médico con otros de una manera muy uniforme.

Además, también se especifica una forma de solicitar, recibir o enviar el informe. En este aspecto, un grupo llamado Da Vinci definió esta guía de intercambio de medidas de calidad, que especifica cómo un sistema de prestadores, un financiador, el gobierno u otros, pueden utilizar FHIR para solicitar datos de medidas de calidad o enviarlos.

Esto puede ser a nivel individual, por lo que se pueden recuperar todas las medidas de calidad aplicables para ese paciente y saber cuáles faltan, o se puede hacer un informe de medidas a nivel de población.

Finalmente quisiera compartirles una analogía basada en su juventud que Viet Nguyen suele compartir para explicar el futuro de FHIR: en sus épocas de estudiante, era el único en su clase en usar la plataforma de viajes Expedia, que tiene más de 25 años. En este último cuarto de siglo todo esto creció, ahora son cientos de plataformas similares que utilizan muchos de los mismos datos subyacentes de aerolíneas y hoteles. Sin dudas, lo que han logrado es mejorar la experiencia del usuario con el uso de las APIs y esos datos, y él cree profundamente que existe la oportunidad de hacer lo mismo en el campo de la salud, para mejorar la experiencia del usuario tanto para los médicos como para los pacientes.