Universitetssykehuset Nord-Norge (UNN) er i ferd med å bygge et nytt sykehus kalt Nye UNN Narvik (NUN). Sykehuset ønsker å tilrettelegge for pasientorienterte og samordnete pasientforløp ved å integrere teknologiske løsninger inn i det nye sykehuset. InnoMed har utforsket mulighetsrommet for hvordan teknologiske løsninger kan bistå i å effektivisere og forbedre driften av Felles poliklinikk på NUN.

NUN er det primære sykehuset for innbyggere i Ofoten og deler av Midt-Troms, og det betjener et pasientgrunnlag på omtrent 30 000 innbyggere. Planen er å flytte inn i det nye sykehuset i september 2024. NUN vil samlokalisere ulike helsetjenester, inkludert somatikk, rusbehandling, avhengighetsmedisin og psykisk helsevern, under samme tak.

NUN møter flere utfordringer som er karakteristiske for lokalsykehus. Disse inkluderer begrenset tilgang til ressurser – spesielt leger, lange ventelister, og stram økonomi. Den somatiske poliklinikken ved NUN, som omfatter 25 fagområder under ett tak, er ikke et unntak. Derfor ønsket NUN å utforske hvordan teknologiske løsninger kan hjelpe med å effektivisere driften av poliklinikken.

InnoMed har hatt et nært samarbeid med NUN, og vi ble sammen enig om å utforske følgende hypotese:

1. Hvilke tekniske løsninger for optimalisering finnes tilgjengelig for Nye UNN Narvik i dag, og i hvilken grad vil de kunne bidra til å effektivisere driften?

Vi bestemte oss først for å begrense oppgaven til å se på potensialet i optimeringsmodeller og prediksjonsmodeller.

Optimeringsmodeller kan bidra til suboptimalisering

Det første InnoMed gjorde, var å evaluere verdien av en optimeringsmodell. Slike modeller har som formål å identifisere den mest effektive løsningen på et bestemt problem.

For NUN betydde dette at en velutformet optimeringsmodell kunne strømlinjeforme driften ved å lage timeplaner som reduserer ventelister, gjennom smart tildeling av timer og ressurser som rom og helsepersonell. Men å designe en slik modell er tidkrevende og forutsetter grundig kjennskap til interne prosedyrer. Videre kan optimalisering ett sted noen ganger skape utfordringer et annet sted. For eksempel kan optimalisert allokering av leger for poliklinisk behandling komplisere tildelingen av leger til operasjonssaler. Teamet konkluderte med at mens optimeringsmodeller har et stort potensial, er det viktig å anerkjenne begrensningene.

Prediksjonsmodeller stiller høye krav til historisk data

Teamet utforsket mulighetene for å bruke en prediksjonsmodell for å effektivisere den polikliniske driften. Med en slik modell kan man forutsi fremtidige hendelser ved å analysere historiske data. For NUN kunne modellen hjelpe med å tilpasse kapasiteten ved å raskt identifisere potensielle utfordringer og muligheter. For eksempel, kan den avdekke sesongvariasjoner som påvirker romkapasiteten. Ved å oppdage slike tendenser i tide, kan NUN sette inn tiltak før problemene eskalerer.

Men prediksjonsmodeller er avhengige av historiske kvalitetsdata. Med usikkerhet rundt eksisterende data, særlig på grunn av Covid-19, kom teamet og NUN frem til at en slik modell ikke var det beste valget på kort sikt. Likevel anerkjente NUN at prediksjonsmodeller kan være verdifulle verktøy for beslutningstaking med tilstrekkelig pålitelig data.

Hovedfokuset skiftet dermed til å undersøke markedet for teknologiske løsninger som tilbyr robuste optimerings- og prediksjonsmodeller. Videre ønsket teamet å se på løsningene andre sykehus har valgt for å forbedre driften av sine poliklinikker.

Løsninger for optimering og prediksjon må skreddersys til spesifikke behov

For å fokusere oppgaven konsentrerte teamet seg om to aktører: en veletablert aktør, DNV Imatis, som for øyeblikket ikke samarbeider med Helse Nord, og en oppstartsvirksomhet, DeepInsight, kjent for sin radikale innovasjon innen effektivisering av sykehusdrift.

Gjennom kartlegging fant teamet at DNV Imatis’ løsninger kunne bidra til å effektivisere deler av NUNs daglige operasjonelle drift. Imidlertid kunne de ikke forbedre langtidsplanleggingen, noe som var av betydning for NUN.

DeepInsight fokuserer på å utvikle en AI- og maskinlæringsdrevet løsning for å forbedre og forutsi sykehusdrift. Imidlertid er deres produkt for øyeblikket i testfasen og hovedsakelig rettet mot operasjonsplanlegging. Så det vil ta tid før deres løsning kan tilby verdi for NUN, ettersom den først må testes og deretter tilpasses for poliklinisk drift.

Teamet gjennomførte intervju med ledere fra ulike poliklinikker rundt om i Norge. Blant dem var avdelingen for «Logistikk og ressursutnyttelse» ved Regionalt senter for helsetjenesteutvikling ved St. Olavs hospital HF. I samarbeid med NTNU arbeider denne avdelingen forskningsdrevet med å utforme en optimeringsmodell for effektivisering av driften ved Øyepoliklinikken til St. Olavs hospital. Avdelingens mål er å demonstrere den potensielle verdien av optimering for poliklinikker. De understreket at optimeringsmodeller kan være svært verdifulle, men det krever tid å utvikle og må skreddersys til den spesifikke driften.

Konklusjonen var at mens optimerings- og predikeringsmodeller har stort potensial for effektivisering, kan deres fulle realisering ligge litt i fremtiden. Det ble derfor aktuelt å utforske hvordan NUN kan forsterke bruken av nåværende teknologiske løsninger for å forbedre driften.

Telefon- og videokonsultasjoner kan effektivisere deler av driften på kort sikt

I 2022 publisert InnoMed en rapport om «Hvordan lykkes med videokonsultasjoner?». Rapporten konkluderer med at telefon- og videokonsultasjoner kan bidra til å lette trykket på romkapasitet, redusere kostnader og gi mer frihet til legene.

Siden både telefon- og videokonsultasjoner allerede er i bruk ved NUN, kan en utvidet implementering av disse løsningene bidra til økt effektivitet på kort sikt. Samtidig har mange poliklinikker, inkludert NUN, i de siste årene aktivt redusert antallet unødvendige fysiske konsultasjoner, som for eksempel digitale oppfølgingstimer. Så selv om disse verktøyene kan bidra til en viss effektivisering, vil potensialet for ytterligere gevinster ved bruk av telefon- og videokonsultasjoner være begrenset.

NUN kan ta i bruk teknologiske løsninger på kort og lang sikt for å effektivisere driften

Basert på all innsikten teamet hadde opparbeidet seg ble konklusjonen at:

• På kort sikt bør NUN fortsette sin systematiske tilnærming til å øke andelen telefon- og videokonsultasjoner, og utforske forskningssamarbeid for lokal effektivisering, lignende prosjektet til St. Olavs hospital

• På mellomlang sikt kan NUN vurdere å investere i teknologiske løsninger som kan bistå dem i styrket dag-til-dag planlegging og effektivisering av den operasjonelle driften.

• På lengre sikt kan NUN vurdere å investere i teknologiske løsninger som benytter kunstig intelligens og maskinlæring. Slike løsninger har et stort potensial til å effektivisere både dag-til- dag planlegging, men også langtidsplanleggingen av polikliniske aktiviteter.

Se prosjektpresentasjon i vedlagt fil.