Ethics and new trends in artificial intelligence in intensive care units

Abstract

Caracterizada pela rápida propagação do SARS-CoV-2, a pandemia catalisou uma mudança de pa- radigma nos sistemas de saúde em todo o mundo, revelando vulnerabilidades sistémicas há muito in- trínsecas no que diz respeito à interoperabilidade dos dados, à sua estruturação e aos dilemas éticos. A necessidade de uma resposta rápida e eficiente por parte das autoridades de saúde pública era urgente mas não foi atendida devido à falta de Registos de Saúde Eletrónico (RSE) estruturados e normalizados, o que impossibilitou a interoperabilidade semântica e a tomada de decisões baseada em evidências. As Unidade de Cuidados Intensivos (UCI) foram particularmente afectadas por estas limitações, o que se refletiu num aumento das taxas de mortalidade. A presente investigação foca-se na transformação de sis- temas de saúde, alavancando a norma openEHR para responder aos desafios enfrentados pela Unidade Local de Saúde de Santo António (ULSdSA). Fundamentada nos princípios da Design Science Research (DSR), a investigação culminou em três contribuições: o mapeamento dos princípios éticos com a norma openEHR, a conceção de uma solução baseada em openEHR que cria formulários de interface gráfica a partir de templates openEHR e o desenvolvimento de uma prova de conceito para a integração de algo- ritmos de Machine Learning (ML) na solução anterior. A COVID-19 actuou como um catalisador para as ideias de investigação, mas também como uma barreira à sua implementação. No alvoroço desta crise, surgiu uma confluência de desafios, incluindo a indisponibilidade dos profissionais de saúde da UCI para colaborar no projeto. No entanto, a natureza iterativa da metodologia DSR permitiu o desenvolvimento de uma solução de prova de conceito baseada em openEHR, que garante interoperabilidade semântica e conformidade ética. Através de uma abordagem de casos de estudo, a solução foi implementada de forma incremental em diferentes especialidades, estando atualmente integrada nas tarefas diárias de vários profissionais de saúde. Este processo de desenvolvimento permitiu obter uma solução robusta e flexível capaz de acomodar as necessidades específicas da UCI. A investigação da capacidade de integrar algoritmos de ML para suportar a tomada de decisão foi promissora, sugerindo que a solução poderá ser expandida para desbloquear novas possibilidades de melhoria da qualidade dos cuidados prestados.

Characterised by the rapid spread of SARS-CoV-2, the COVID-19 pandemic catalyzed a multifaceted paradigm shift in healthcare systems worldwide, shedding light on longstanding systemic vulnerabilities regarding data interoperability, structuring, and ethical dilemmas. The need for a fast and efficient re- sponse from public health authorities was urgent but unmet due to the lack of structured and standardised Eletronic Health Record (EHR)s, which hindered semantic interoperability and evidence-based decision- making. Intensive Care Unit (ICU)s were particularly affected by these shortcomings, which resulted in increased mortality rates. The present doctoral thesis focus on the transformation of healthcare systems, leveraging the openEHR standard to address the challenges faced by the ULSdSA, a Portuguese healthcare institution. Fundamented on the principles of DSR, the research culminated in three main contributions: the mapping of ethical principles with the openEHR standard, the design, development, and implemen- tation of an openEHR-based solution for transforming openEHR templates into User Interface (UI) forms, and the development of a proof-of-concept for the integration of ML algorithms within the openEHR-based solution to provide decision support to clinicians. COVID-19 acted as a catalyst for the research ideas evolved within the thesis, but also as a barrier to their full implementation. Amidst the tumult of this crisis, a confluence of challenges emerged, including the unavailability of healthcare professionals from ICU to collaborate on the project, which constrained the scope of the research. The iterative nature of the DSR methodology, however, enabled the development of a proof-of-concept openEHR-based solution, that ensures semantic interoperability and ethical compliance. Through a case study approach, the solution was incrementally implemented in different specialties of the institution, being currently integrated into the daily tasks of several healthcare professionals. The iterative development process allowed the solution to become robust and flexible to later accommodate the specific needs of the ICU. The investigation of its ability to integrate ML algorithms to provide decision support to clinicians was promising, suggesting that the solution could be expanded to unlock new possibilities for improving the quality of healthcare services provided.