Sistem Informasi Kesehatan Terintegrasi (Integrated Health Information Systems/IHiS) dan Otoritas Kesehatan dan Sains (Health Sciences Authority/HSA) bekerjasama membuat sistem pemantauan reaksi obat dan vaksin di Singapura. Sistem Pengawasan Aktif untuk Reaksi Merugikan terhadap Obat dan Vaksin (Active Surveillance System for Adverse Reactions to Medicines and Vaccines/ASAR) awalnya meluncur sebagai upaya pemerintah Singapura untuk memantau keamanan vaksin COVID-19.
Pasalnya, waktu pengembangan vaksin COVID-19 yang singkat mengandung risiko. Oleh karena itu, pemerintah Singapura membuat mekanisme pemantauan keamanan tambahan untuk menjamin kesehatan warga. ASAR melengkapi pendekatan konvensional yang mengandalkan pelaporan kejadian akut spontan yang dideteksi oleh tenaga kesehatan profesional.
Awalnya, ASAR dipakai HSA sebagai alat pemantauan aktif terkait dengan keamanan vaksin COVID-19 di Singapura. Namun, belakangan solusi ini juga dipakai untuk memastikan keamanan dan keefektifan berbagai produk kesehatan. ASAR bisa melakukan analisis data kesehatan yang terstruktur dan tidak terstruktur.
Mesin back-end ASAR saat ini mengumpulkan lebih dari 2 juta catatan terstruktur dan tidak terstruktur dengan total sekitar 400 hingga 500 GB data setiap hari. Data ini termasuk catatan kesehatan elektronik tingkat nasional (EHR), catatan COVID-19, laporan kejadian akut (acute event/AE) dan catatan imunisasi. EHR terdiri dari data terstruktur dan tidak terstruktur seperti penerimaan pasien, demografi, tes laboratorium, diagnosis, pengobatan, radiologi, kardiologi dan catatan ruang operasi.
Dengan memanfaatkan 5 modul ASAR, HSA bisa mendapat insight untuk mendeteksi dan mengukur risiko obat dan vaksin untuk memastikan manfaat yang diberikan lebih besar dari efek samping. Data yang diolah ASAR juga bisa dipakai untuk menentukan keseimbangan manfaat-risiko keseluruhan dari obat-obatan dan vaksin yang digunakan di Singapura. Terakhir, sistem ini membantu HAS mengambil keputusan soal regulasi yang tepat untuk memitigasi risiko keselamatan guna melindungi keselamatan publik.
ASAR pun memanfaatkan algoritma AI untuk pembelajaran mendalam (deep-learning) agar HSA bisa mendeteksi kemungkinan adanya hubungan antara catatan klinis obat dan vaksin berdasarkan analisa berbagai catatan klinis yang tidak terstruktur soal kejadian akut yang terjadi di lapangan. Inovasi ini membawa IHiS dan HSA meraih Penghargaan Recognition of Excellence OpenGov Asia 2023.
Cara ASAR bantu deteksi dini
Dalam wawancara dengan OpenGov Asia, Direktur, Cabang Kewaspadaan dan Kepatuhan, HSA Jalene Poh menjelaskan ASAR membantu HSA untuk mendeteksi dan menganalisis potensi efek buruk vaksinasi. Hal ini dilakukan dengan menghitung tingkat kejadian buruk dan mengidentifikasi faktor risiko, sehingga pemerintah bisa bertindak cepat untuk mengurangi risiko keselamatan.
Contohnya, ASAR membantu HSA melakukan mitigasi risiko anafilaksis (reaksi alergi yang jarang dan berpotensi mengancam jiwa) dan miokarditis (radang jantung) pascavaksinasi. HSA juga menggunakan ASAR untuk melakukan analisis kejadian serius setelah vaksinasi seperti infark miokard (serangan jantung) dan menemukan bahwa kejadian ini tidak terjadi lebih sering setelah vaksinasi COVID-19 dibandingkan dengan kejadian latar belakang atau sebelum vaksinasi COVID-19.
Jalene menyebut sistem ini berbeda dari metode konvensional. Metode lawas mengandalkan laporan dari petugas dan profesional kesehatan terkait efek samping yang terjadi. Namun, cara ini punya kelemahan lantaran tergantung pada tingkat pelaporan dan memiliki jeda waktu yang cukup lama. Hal ini menjadi latar HAS dan IHiS untuk mengembangkan pengawas elektonik untuk mempercepat deteksi secara digital.
Andy Ta, Direktur, Analisis Data & AI, Chief Data Officer, IHiS menyebut sistem ini memanfaatkan rekam medis elektronik nasional untuk mendeteksi dan menganalisis sinyal terkait keamanan obat dan vaksin. Algoritme pembelajaran mendalam dan AI menganalisis hubungan potensial antara gejala yang dilaporkan dan obat-obatan/vaksin yang mereka gunakan. Deteksi gejala ini menjadi sinyal bagi HSA untuk melakukan penyelidikan lebih lanjut.
“Untuk membantu warga Singapura mengelola kesehatan, teknologi dan analitik data akan menjadi pendukung utama untuk mengubah sistem perawatan kesehatan kami,” jelas Andy.
Sistem ASAR memiliki lima fungsi yang bisa dipakai pengguna untuk membuat kohort (kelompok/ pengelompokan orang berdasarkan karakteristik yang sama). Kohort dikelompokkan menggunakan parameter pendahulu. Data parameter ini bisa diselami lebih dalam untuk mengidentifikasi keamanan obat dan vaksin. Fungsi anotasi memfasilitasi kolaborasi antara apoteker dan analis. Hasil umpan balik keduanya memberikan input untuk menyempurnakan model AI.
Kelima fungsi tersebut diantaranya, kemampuan pencarian cerdas, visualisasi data, dan fungsi anotasi untuk melatih akurasi AI. Fitur pencarian cerdas membantu pengguna mengambil contoh kohort yang diinginkan dengan cepat. Visualisasi data membantu membuat wawasan kontekstual untuk mempercepat pengambilan keputusan. Visualisasi dilakukan dengan menyusun informasi secara longitudinal dan lintas-cluster agar menjadi satu tampilan holistik yang berpusat pada pasien.
Sistem di balik ASAR
Jalene mengungkap keberhasilan implementasi ASAR bergantung pada interoperabilitas dan aksesibilitas database yang menjadi fondasi sistem itu. Untuk itu, HSA, IHiS, Kementerian Kesehatan (MOH) dan Badan Promosi Kesehatan (HPB) bekerja sama untuk membangun sistem dan proses TI untuk menangkap semua data vaksinasi COVID-19.
Data-data itu lantas diintegrasikan ke Business Research Analytics Insights Network/BRAIN. Data BRAIN diperbarui setiap hari dan membantu HSA dan IhiS menggunakan ASAR untuk melakukan analitik.
“BRAIN adalah bagian utama dari ASAR. Arsitektur analitik BRAIN membuat kami bisa terus menambah kemampuan baru dan mengembangkan sistem. BRAIN berjalan di atas seluruh infrastruktur data rumah sakit, sehingga bisa mengambil data terbaru dengan cepat dari sumbernya,” jelas Andy.
BRAIN terdiri dari lingkungan pengembangan dan implementasi yang terpisah, namun memiliki konfigurasi sistem yang serupa. Hal ini mempercepat waktu yang diperlukan untuk memindahkan berbagai modul untuk analitik prediktif, analisis data, deteksi sinyal, validasi sinyal, dan menilai manfaat-risiko obat-obatan dan vaksin.
ASAR menggunakan sumber data yang luas dan berkecepatan tinggi. Untuk mengelola hal ini, tim IhiS dan HAS tetap menggunakan saluran data yang ada dan melakukan pemrosesan real-time pipeline. Sementara teknik seperti batch, real-time, atau kombinasi keduanya dipakai untuk memastikan kelancaran kinerja analitik. Gabungan berbagai teknik ini membuat ASAR bisa menganalisis data dalam volume besar dengan cepat dan akurat.
Untuk strategi manajemen data, Andy menyebut mereka mengadopsi pendekatan multi-aspek dengan menggabungkan praktik terbaik di industri. Pendekatan multi-aspek ini membantu memastikan bahwa data tepercaya dan benar digunakan untuk mendukung keputusan bisnis.
Untuk memastikan kepatuhan terhadap peraturan, privasi, dan integritas data yang mengalir melalui sistem, mereka menggunakan pendekatan sebagai berikut:
- Identifikasi struktur tata kelola di mana pemilik dan pemangku kepentingan sejak dini,
- Menciptakan proses data yang kuat untuk pengumpulan, anonimisasi, penyimpanan, pemrosesan, dan analisis,
- Mengadopsi alat, platform, dan teknologi yang tepat untuk membangun infrastruktur data yang aman untuk mengelola data dengan lingkungan analitik
Mengelola tim yang kuat
Untuk pengelolaan tim, Andy menggunakan Agile dan Design Thinking. Keduanya membantu tim untuk memfasilitasi kemajuan proyek. Manajemen Agile membantu tim pengembang menjadi fleksibel, kolaboratif, dan terus berkembang.
Hal ini berbeda dari metode manajemen proyek tradisional yang langsung menetapkan rencana dan kemudian diikuti secara kaku. Model Agile memulai proyek dengan membuat garis besar, penyelesaian cepat dalam waktu singkat, dan menentukan persyaratan-persyaratan sambil proyek berjalan.
“Untuk membangun aplikasi yang fleksibel, kami mengadopsi kerangka kerja web seperti SpringBoot dan Angular yang memungkinkan modularisasi dan eksperimen. Kami juga sering menggelar sesi pengguna dengan melibatkan pengguna HSA sejak awal. Mulai dari desain wireframe, hingga mengumpulkan umpan balik sebelum pengembangan yang sebenarnya. Tujuannya adalah untuk memprioritaskan dengan penyampaian yang jelas dan disepakati untuk setiap rilis tambahan,” papar Andy.
Metode Design Thinking membantu tim dalam sesi keterlibatan pengguna. Mereka berdiskusi untuk mengekplorasi bagaimana analitik dan AI bisa berperan aktif. Mereka menempelkan catatan post-it di bagan untuk memetakan perjalanan pengguna dan mengidentifikasi celah dan peluang. “Ketika pengguna memiliki tujuan akhir yang jelas, lebih mudah bagi kami untuk menerjemahkan persyaratan dan tujuan proyek,” lanjutnya.
Proyek kolaborasi ini jelas membutuhkan lingkungan komunikasi terbuka dan kolaborasi. Untuk itu, Andy dan Jalene sepakat kunci dari keterbukaan komunikasi adalah kesepahaman tentang visi dan tujuan akhir. Mereka ingin mengubah pengawasan keamanan obat dari pengawasan pasif menjadi pengawasan aktif dengan menganalisis catatan medis elektronik. Ketika tiap anggota memahami dampak penting dari pekerjaan mereka, mereka merasa kehadiran mereka berarti sehingga akan lebih aktif dan terlibat.
Setiap anggota tim juga dipersilakan melontarkan ide dan sangat dianjurkan untuk menantang norma yang ada. Konflik dan perbedaan pendapat diselesaikan dengan diskusi terbuka, mengidentifikasi kendala dan mencapai kesepakatan.
Untuk mengukur dan mengevaluasi efektivitas pengembangan dan kolaborasi tim, Andy mengaku mereka melakukan pertemuan pos pemeriksaan harian (daily checkpoint). Dalam pertemuan, para pemimpin melacak kemajuan anggota tim dan agar anggota tim bisa melontarkan apa pun masalah yang terjadi.
“Karena kami memiliki dinamika tim yang hebat, siapa pun akan melangkah untuk memberikan saran atas pertanyaan anggota lain, bahkan jika mereka tidak terlibat langsung,” jelas Andy.
Tim juga menetapkan tenggat waktu yang jelas. Ketika ada masalah yang diutarakan pada pemeriksaan harian, tugas dapat dikalibrasi ulang dengan cepat agar bisa mengejar tenggat waktu. Strategi-strategi ini berhasil membantu tim mengembangkan ASAR dengan cepat, dengan peningkatan yang dilakukan setiap 8 hingga 10 minggu untuk meningkatkan fungsionalitasnya.
ASAR telah membantu HSA menjaga keamanan vaksin COVID-19, sehingga ke depan sistem ini akan membantu mereka mengawasi sekitar 5.500 obat dan vaksin yang sudah terdaftar. Menurut Jalene, mereka akan terus meningkatkan infrastruktur, teknologi, dan operasi sistem ASAR.
Sementara untuk pengembangan teknologi, Andy menyebut potensi ASAR untuk diintegrasikan ke dalam platform analitik lain yang berisi catatan kesehatan elektronik seperti MOH Consolidated Data Repository. Tidak tertutup kemungkinan juga untuk memperluas penerapan ASAR ke institusi kesehatan lain untuk mendukung perawatan klinis dengan menganalisis kondisi pasien. Tim juga akan mengeksplorasi alat dan algoritme canggih untuk meningkatkan kemampuan ASAR.
Misal, saat ini tim ASAR sedang menyelidiki kemungkinan menggabungkan lapisan penyematan dan tokenisasi dari Model Bahasa Besar (LLM) yang canggih, seperti GPT (Generative Pre-trained Transformer) dan T5 (Text-To-Text Transfer Transformer), untuk lebih meningkatkan kinerja model AI sistem tersebut.
