Hur bygger man en sjukvårdsorganisation som drivs av avancerad analys och AI?

Cleveland Clinics Informations- och analyschef Chris Donovan bevistade Almedalen och under en intervju berättade han hur de gått till väga för att få större delen av deras organisation att bli datadriven på riktigt och kontinuerligt använda sig av avancerad analys och AI.

Vi börjar se allt fler praktiska användningsområden för AI, och under Almedalsveckan var det ett flertal seminarier som berörde ämnet kring hur man kan implementera AI i sjukvården. Några som kommit väldigt långt på resan är Cleveland Clinic, en amerikansk sjukvårdsorganisation med verksamhet i såväl England som Abu Dhabi och Indien. För några år sedan insåg de att de faktiskt inte var så digitala som de själva trott. De hade en del data som de tittade på, men när de faktiskt började fokusera på vad de gjorde med denna data stod det klart att de var långt ifrån den datadrivna organisation som de ville vara.

Chris Donovan, Executive Director of Enterprise Information Management & Analytics på Cleveland Clinic, berättar att de tidigt fick med sig organisationens CFO och deras Chief Medical Operations Officer för att börja driva ett digitaliseringsprojekt. Därefter gick de ut i organisationen och frågade medarbetarna vilka problem de hittills inte kunnat lösa. De fick in massor av olika problem och utmaningar, och de undersökte sedan om några av dessa kunde lösas med hjälp av bättre dataanalys. Några områden valdes ut, och detta blev organisationens pilotprojekt. Dessa var då direkt kopplade till verksamheten och hade från början ett tydligt affärsmål. Genom att skapa partnerskap mellan medarbetaren som hade ett problem, och ledningen som erbjöd en möjlig lösning, skapades engagemang för projektet vilket bidrog till att de snabbt fick ett antal lyckade case att visa upp.

Ett stort problem som de snabbt upptäckte säger Donovan, var att data fanns på så många olika ställen och inte följde någon form av standard. I USA har man jobbat hårt på att skapa elektroniska journaler, vilket till viss del hjälpte. Men journalerna såg olika ut i olika delar av organisationen. Enkel blodtrycksdata kunde finnas på 17 olika ställen beroende på vem som tagit blodtrycket, och hur det tagits. Det första de behövde göra var därför att skapa en gemensam datamodell, och en struktur för data som de sedan började applicera. De hade sedan tidigare jobbat med data, och förstod vikten av att ha bra, tillgänglig data för att kunna göra analyser. Med utgångspunkten att de behövde bli bättre på att agera på liknande sätt i hela organisationen för att bättre kunna hjälpa alla med bra analyser, så lyckades de få med sig organisationen på tåget. De införde även ett Data Governance Office för att hålla ordning på policys och processer för att se till att hanteringen kunde utvecklas och fungera över tid.

Historiskt sett hade man även haft utmaningar med shadow-IT, det vill säga att medarbetarna använde egna lösningar, och arbetade om data för att passa med deras arbetssätt. När man ville bygga ett enhetligt arbetssätt så var man tvungen att hantera detta, och lösningen blev att bjuda in dem för att bidra till ett bättre system. Donovan använder ett uttryck från Teddy Rosevelt för att beskriva vad de ville göra

You would rather have them inside the tent pissing out, than outside the tent pissing in

Det krävdes dock mod och ödmjukhet för att på ett bra sätt kunna lyssna till vad dessa personer hade att säga om sättet som organisationen jobbat med datahanteringen. Men resultatet blev betydligt bättre tack vare det eftersom det var personer som redan gjort mycket av det man nu som organisation ville göra.

Hela arbetet har pågått sedan 2014, och det har inneburit såväl att bygga egna lösningar som att köpa in lösningar från olika företag, eller att till och med bygga nya lösningar i partnerskap med andra aktörer. Cleveland Clinic insåg även tidigt att just hälso- och sjukvård är ganska långt efter många andra industrier vad gäller digitalisering. Så de har tagit plats i ett flertal forum där de kan ta del av vad som sker i exempelvis bilindustrin och flygindustrin för att dra nytta av utveckling som redan skett.

Det som verkar genomgående under hela processen är en vision för vad målet är, parat med en stor dos ödmjukhet för att förstå att andra kan detta mycket bättre. Att kunna dra lärdom av vad personer såväl inom som utanför organisationen redan gjort var ett sätt att snabba på den egna utvecklingen. Att de sedan startade arbetet med att försöka lösa verkliga problem inne i organisationen var sannolikt en starkt bidragande faktor till att de snabbt fick stort stöd och intresse för att jobba vidare med digitalisering och analys i fler delar av verksamheten.

Jag tackar Chris Donovan för hans tid, och hoppas att även svenska organisationer kan dra lärdom av den resa som Cleveland Clinic påbörjat.