Nhiều căn bệnh mới xuất hiện. Chênh lệch về chất lượng y tế giữa các vùng miền đang ngày một mở rộng. Chi phí y tế tăng cao. Đây là một vài vấn đề mà xã hội hiện đại đang đối mặt, và để giải quyết chúng cũng như duy trì và cải thiện Chất lượng cuộc sống (QoL), việc cung cấp các dịch vụ chăm sóc sức khỏe phù hợp với từng cá nhân là tối quan trọng nhằm đảm bảo quản lý y tế hiệu quả và tạo ra các hệ thống chăm sóc sức khỏe xã hội bền vững. Chỉ riêng những tiến bộ trong công nghệ y tế vẫn chưa đủ để đạt được các mục tiêu này. Ta sẽ cần tích hợp các công nghệ hạ tầng xã hội và CNTT tiên tiến, kỹ thuật số thông tin về hành vi con người và trạng thái vật thể, cũng như những công nghệ tiến bộ sử dụng trí tuệ nhân tạo, phân tích dữ liệu và các công nghệ điều khiển.
Vì các nguyên nhân trên, Hitachi đã xác định chăm sóc sức khỏe là cơ sở hạ tầng trọng yếu để hỗ trợ xã hội bên cạnh các lĩnh vực thiết yếu của cuộc sống khác như điện, nước và vận tải, và đã phát triển mảng chăm sóc sức khỏe trở thành trụ cột trong dự án Kinh doanh đổi mới vì xã hội của mình.
Mảng kinh doanh dịch vụ chăm sóc sức khỏe của Hitachi đã gặt hái được nhiều thành tựu đổi mới thông qua việc giới thiệu các sản phẩm và công nghệ đa dạng lần đầu tiên xuất hiện tại Nhật Bản và trên thế giới kể từ những năm 1950. Công ty hợp tác cùng các chuyên gia y tế với mục tiêu phát triển các sản phẩm và dịch vụ, và tới những năm 2000 đã mở rộng quy mô kinh doanh dịch vụ chăm sóc sức khỏe sang các lĩnh vực tiên tiến như thiết bị điều trị ung thư và CNTT ngành y tế, góp sức nâng cao chất lượng và hiệu quả của dịch vụ chăm sóc sức khỏe. Giờ đây, bộ phận này đã đủ năng lực để tiên phong trong các hệ thống xã hội có yếu tố chăm sóc sức khỏe bằng công nghệ vận hành (OT), công nghệ thông tin (IT) và các sản phẩm của Hitachi.
Phát hiện sự cố trong các hệ thống MRI (cộng hưởng từ) siêu dẫn là một trong những vấn đề mà mảng kinh doanh dịch vụ chăm sóc sức khỏe của Hitachi đang giải quyết.
MRI siêu dẫn là hệ thống y tế có chức năng chụp ảnh các cơ quan trong cơ thể con người bằng sóng điện từ và sóng vô tuyến. Nó thường được sử dụng trong khám sức khỏe định kỳ và toàn diện, và nếu xảy ra hỏng hóc thì không chỉ việc khám sức khỏe sẽ không thể tiến hành mà lịch khám cũng sẽ bị thay đổi. Bệnh viện sẽ không thể thu phí khám sức khỏe trong khoảng thời gian hệ thống gặp sự cố. Hơn nữa, chi phí sửa chữa khẩn cấp cũng cao hơn thông thường.
Để tránh những trường hợp thế này, Bộ phận y tế của Hitachi (trước đây là Công ty Cổ phần Y tế Hitachi) đã cung cấp dịch vụ hỗ trợ bảo dưỡng từ xa từ giữa những năm 90, thời kỳ kết nối quay số vẫn còn thông dụng. Sử dụng hệ thống Sentinel Customer Support IoT/M2M, các kỹ thuật viên đã đặt các ngưỡng giá trị cho dữ liệu từ nhiều cảm biến, sau đó quan sát biến thiên trong dữ liệu và xác định nhu cầu bảo dưỡng cũng như thời điểm thay thế phụ tùng.
Tuy nhiên, mặc dù các kỹ thuật viên có thể dự báo sự cố dựa trên quan sát từ kinh nghiệm, số lượng các hệ thống cần bảo dưỡng bởi Bộ phận y tế rơi vào khoảng từ vài trăm đến vài nghìn thiết bị trên khắp thế giới. Các chuyên gia không thể giám sát toàn bộ số lượng thiết bị này. Ngoài ra, do quyết định bảo dưỡng dự phòng được thực hiện dựa trên các ngưỡng giá trị, trong nhiều trường hợp, sự cố chỉ được phát hiện ngay trước khi nó xảy ra, do đó phải tiến hành “bảo dưỡng hiệu chỉnh” ngay lập tức.
Để giải quyết vấn đề này, Bộ phận Y tế sử dụng hai phương pháp.
Phương pháp thứ nhất là thiết lập một cơ chế xác định nguyên nhân sự cố MRI bằng cách phân loại và phân tích một khối lượng dữ liệu cảm biến tích lũy khổng lồ.
Bộ phận Y tế, vốn có kinh nghiệm giám sát và bảo dưỡng vô số hệ thống MRI siêu dẫn*1 trong nhiều năm, đã tích lũy được một kho dữ liệu cảm biến đồ sộ. Nhìn vào khối dữ liệu này, chúng tôi tập trung vào dàn lạnh, thành phần cốt lõi chịu trách nhiệm cho trạng thái hoạt động của Sentinel Analytics siêu dẫn, và thông qua dữ liệu cảm biến, chúng tôi tìm kiếm các thông tin về cách dàn lạnh được sử dụng và hoạt động của nó theo tuổi đời của hệ thống. Chúng tôi tin rằng việc khớp dữ liệu này với dữ liệu sự kiện từ sự cố sẽ giúp ta xác định được mối quan hệ nhân quả trong các trường hợp.
Bộ phận Y tế đã chuẩn bị kho dữ liệu thu thập trong 3 năm của 100 hệ thống MRI và kêu cầu phòng thí nghiệm phân tích mẫu sự cố. Sử dụng phần mềm phân tích đại dữ liệu Pentaho*2 của Pentaho, công ty con của Công ty Cổ phần các Hệ thống Dữ liệu Hitachi tại Hoa Kỳ, phòng thí nghiệm đã phân loại và phân tích dữ liệu dựa trên phân tích xu hướng và tạo ra một hệ thống điều tra mẫu nguyên nhân gây ra sự cố.
Ở giai đoạn này, thách thức đặt ra là hoạt động tiền xử lý nhằm làm sạch dữ liệu. Dữ liệu cảm biến từ hệ thống chứa rất nhiều nhiễu, dẫn đến lo ngại rằng công tác chuẩn đoán sẽ thiếu chính xác nếu sử dụng ngay dữ liệu gốc. Do đó, phòng thí nghiệm đã loại nhiễu khỏi dữ liệu gốc bằng bộ lọc trước khi phân tích. Bằng việc phân tích dữ liệu ở trạng thái hiệu quả hơn, chúng tôi đã hoàn tất một cơ chế có thể phát hiện nguyên nhân sự cố một cách chính xác hơn hẳn.
Phương pháp khác để giải quyết vấn đề là xây dựng một cơ chế có thể nhanh chóng phát hiện khi hệ thống đang không vận hành bình thường.
Với giải pháp này, chúng tôi sử dụng Global e-Service của Hitachi trên nền tảng TWX-21/Dịch vụ bảo dưỡng dự phòng. Dịch vụ này sử dụng thuật toán dựa trên công nghệ LSC: Local Subspace Classifier, công nghệ phân tích theo nhóm độc quyền của Hitachi. Nó chuẩn đoán tình trạng hệ thống từ xa và cho phép phát hiện sớm các thay đổi và bất thường trong hệ thống có nguy cơ dẫn đến sự cố.
Bộ phận Y tế đã sử dụng dịch vụ này và làm việc với Phòng Kinh doanh Công nghệ Thông tin và Truyền thông (trước đây là Công ty TNHH các Hệ thống Thông tin và Viễn Thông, Hitachi) để thu thập dữ liệu cũ của các cảm biến từ khoảng 500 hệ thống MRI và lấy dữ liệu của các giai đoạn máy hoạt động bình thường, sau đó phân loại thành cụm và tiến hành cho máy “học” về trạng thái vận hành bình thường. Chúng tôi so sánh dữ liệu cảm biến hiện tại với các cụm dữ liệu máy đã “học” được và phát triển thành cơ chế phát hiện dấu hiệu sự cố khi có dữ liệu sai khác trong cụm.
Để công nghệ này có thể giúp máy “học” được trạng thái vận hành bình thường, trước hết chúng tôi cần xác định “bình thường” là thế nào. May thay, với lịch sử giám sát và bảo dưỡng hàng nghìn hệ thống kể từ thời đại kết nối mạng quay số, Bộ phận Y tế đã đào tạo nhiều chuyên gia với kiến thức nâng cao nhằm phát hiện dấu hiệu sự cố. Dựa trên nền tảng kiến thức này, chúng tôi đã định nghĩa được trạng thái hoạt động bình thường, đồng thời thực hiện “máy học” và tinh chỉnh, nhờ đó giảm lượng báo cáo nhầm cũng như báo động giả và phát triển một hệ thống lâu bền hơn để sử dụng tại các cơ sở y tế.
Thông qua quá trình này, dịch vụ bảo dưỡng dự phòng Sentinel Analytics cho các hệ thống MRI siêu dẫn đã được hoàn thành.
Có rất nhiều dịch vụ IoT/M2M có thể liên kết các hệ thống lên mạng internet và cho phép con người giám sát chúng từ xa. Tuy nhiên, gần như không có một hệ thống nào khác sử dụng các phương pháp phân tích dựa trên dữ liệu nâng cao như “máy học” đồng thời loại bỏ nhu cầu phải có con người vận hành để thực hiện dịch vụ bảo dưỡng dự phòng cao cấp.
Sentinel Analytics giúp ta phát hiện các triệu chứng từ nhiều tháng trước khi xảy ra sự cố và sửa chữa cũng như thay thế phụ tùng thường xuyên trước khi dàn lạnh bị hỏng, biến “bảo dưỡng dự phòng” thực sự thành hiện thực. Dữ liệu cho thấy rằng với việc sử dụng Sentinel Analytics, tỉ lệ thời gian chết đã giảm 16,3% so với trước đó (nghiên cứu bởi đội hỗ trợ khách hàng Sentinel). Đây là một con số ấn tượng đối với các hệ thống MRI siêu dẫn. Cơ chế này được hi vọng sẽ cải thiện các dịch vụ y tế và giảm chi phí cho bệnh viện, và quan trọng nhất là giảm gánh nặng cho bệnh nhân.
Bộ phận Y tế đặt mục tiêu cung cấp các giải pháp chăm sóc sức khỏe tổng hợp hơn là các sản phẩm cá nhân kết hợp CNTT và sản phẩm trong lĩnh vực công nghệ vận hành sử dụng IoT/M2M theo cách này. Công ty cũng đang làm việc để tạo ra các hệ thống chăm sóc sức khỏe bền vững, ví dụ như hệ thống chăm sóc y tế toàn diện trong khu vực, cũng như các dịch vụ chăm sóc sức khỏe được cá nhân hóa tốt hơn. Chúng tôi cũng có kế hoạch mở rộng “phối hợp tìm giải pháp” bên ngoài công ty và tìm kiếm các cơ chế quản lý y tế thông qua công tác tối ưu hóa tổng thể khi hợp tác với các bệnh viện.
Ngoài ra, việc khai thác yêu cầu thông qua PoC (Bảo chứng khái niệm) đồng thời góp sức nâng cao, mở rộng và phát triển nền tảng IoT Lumida cũng là một vai trò chủ chốt khác của Bộ phận Y tế. Việc xây dựng hệ thống phân tích dữ liệu và các chuyên môn khác dựa trên kiến thức nghiệp vụ thu thập được thông qua phát triển Sentinel Analytics sẽ góp phần vào tiến trình phát triển của Lumada. Các công nghệ của Bộ phận Y tế sẽ được sử dụng trong nhiều lĩnh vực kinh doanh trong suốt các dự án Đổi mới vì Xã hội của Hitachi trong tương lai.
Nghiên cứu tình huống về hoạt động “phối hợp tìm giải pháp” với khách hàng đã được giới thiệu thông qua một bài phỏng vấn với Phòng khám Kashiwa.
Ngày phát hành: Tháng 3 năm 2017
Giải pháp của: Hitachi, Ltd. Bộ phận y tế