Případová studie - MKN11 – Inovativní propojení IT a zdravotní péče
Případová studie: MKN-11 Coder – Inovativní
propojení IT a zdravotní péče
Kontext a význam kódování diagnóz
Mezinárodní klasifikace nemocí (MKN) je základním nástrojem pro sběr a sdílení zdravotnických dat napříč klinikou, výzkumem a zdravotnickou administrativou.
Jedenáctá revize (MKN-11) vstoupila v platnost v lednu 2022 a přináší modernizaci – je plně elektronická, umožňuje zaznamenávat mnohem více podrobností a její používání je podle WHO výrazně jednodušší . Přesto ruční přiřazování kódů z popisu diagnóz zůstává složité a časověnáročné.
Uživatelé (lékaři, kodéři) musí překlápět volné texty do přesných kódů, což vyžaduje specializované znalosti a představuje riziko chyb. Světová zdravotnická organizace proto zdůrazňuje, že moderní nástroje podporované zpracováním přirozeného jazyka (NLP) a automatizací mohou významně zvýšit přesnost kódování . Projekt MKN-11 Coder staví právě na tomto principu – využitíumělé inteligence ke zjednodušení a zrychlení procesu kódování diagnóz .
Problém: složitost ručního kódování
Převod klinických popisů na formální MKN-11 kódy je kritický, ale složitý úkol. Podle MZ ČR je MKN-11 navržena s ohledem na snadnější implementaci a nižší chybovost , avšak praxe ukazuje, že kvalitníkódování vyžaduje mnoho manuální práce.
Zdravotnické záznamy jsou často nestrukturované, diagnostické termíny mohou být nejednoznačné nebo se liší v popisu. V takové situaci dochází ke zdržení, zátěži kodérů a potenciálním chybám.
Navíc plné využití potenciálu MKN-11 (podrobnější popis onemocnění) je bez podpory technologie obtížné. Světová zdravotnická organizace v kontextu ICD-11 doporučuje nasazovat „inteligentní nástroje“ – např. integrované kódovací nástroje a NLP – aby se zlepšila přesnost kódování . MKN-11 Coder reaguje na tuto výzvu a automatizuje extrakci diagnóz a návrh kódů, čímž zachovává přesnost výsledků a zároveň šetří čas.
Motivace a cíl projektu
https://courageous-tip-2b5.notion.site/213f7f27154d808b9487e998c702d157?v=213f7f27154d819b9e0f000cddd3f814&source=copy_link
Autorem projektu je programátor Petr Sovadina, který se dlouhodobě zajímá o aplikace technologií AI ve zdravotnictví . Projekt vznikl jako osobní iniciativa – autor si všiml, že v českém prostředí chybísnadno dostupné nástroje pro automatizované kódování MKN-11 a rozhodl se spojit své IT dovednosti s potřebami zdravotní praxe. Cílem MKN-11 Coder je představit reálné využití LLM (velkých jazykových modelů) v klinickém prostředí a usnadnit práci kódérům i lékařům. Autor projektu si dal za úkol ukázat, jak lze osobním vývojovým projektem inovovat každodenní procesy: od psaní kódu až po výslednénasazení služby.
Klíčové funkce
Projekt nabízí řadu specializovaných funkcí, které řeší zásadní problémy v kódování diagnóz:
- Extrakce diagnóz pomocí AI: Systém využívá model OpenAI GPT-4 pro rozpoznání a identifikaci diagnostických termínů ve volně psaném textu .
- Návrh MKN-11 kódů: Pro každou extrahovanou diagnózu následně navrhne odpovídající kód MKN-11. Tyto návrhy vychází z oficiální termonologie MKN-11 (nahrané jako JSON) a z„porovnávání podobnosti“ s tréninkovými daty.
- Skóre spolehlivosti: Každému navrženému kódu je přiřazeno procentuální skóre podobnosti a indikátor spolehlivosti („high“/“low“), aby bylo jasné, jak moc je výsledná shoda důvěryhodná . Kódy jsou označeny jako „předběžné“, a proto je uživatel může ověřit či změnit.
Moderní webové rozhraní
Uživatel pracuje s přehlednou webovou aplikací postavenou na:
Next.js s Tailwind CSS . UI umožňuje zadat text diagnóz a ihned zobrazit navržené kódy a doplňující informace.
Tyto funkce dohromady podporují interaktivní workflow: lékař nebo kodér vloží popis případu, stiskne tlačítko a během okamžiku získá návrhy kódů se skóre spolehlivosti. Díky tomu může zůstat plnězapojen do rozhodování a zároveň těžit z rychlosti AI. Ve zvoleném technickém řešení je zachována flexibilita – AI model slouží jako pomocník, nikoli definitivní autorita.
Použité technologie
Projekt je realizován s důrazem na moderní webové a AI technologie:
- Next.js a React (TypeScript): Aplikace používá Next.js (verze 14.2) a React pro rychlý a responzivní frontend . Tato volba umožňuje využít šablonový App Router a serverové API routy přímo v Next.js.
- Tailwind CSS + Shadcn/UI: Stylování zajišťuje Tailwind CSS a knihovna Shadcn/UI, což dodává aplikaci čistý moderní vzhled s minimem vlastní CSS . Dále jsou použity nástroje clsx a tailwind-merge pro dynamické skládání tříd.
- OpenAI GPT-4 (gpt-4-turbo-preview): Jádrem AI je model GPT-4, který na serveru zpracovávávložený text. Komunikace s OpenAI probíhá přes oficiální API, kód posílá text diagnóz a získávázpět interpretované výsledky.
- Data MKN-11: Pro přesné mapování diagnóz na kódy je v projektu uložena oficiální terminologie MKN-11 ve formátu JSON. Ta slouží jako základ pro porovnávání návrhů modelu s oficiálníklasifikací.
- Další knihovny: Pro HTTP požadavky je využit Axios, Framer Motion slouží pro přechody a animace, ikony dodávají knihovny Lucide a Tabler Icons.
2
- Nasazení na Vercel: Aplikace je určena k hostování na platformě Vercel, která automaticky zajišťuje build, deployment a škálování. Pro běh API je potřeba nastavit proměnnou prostředí OPENAI_API_KEY s klíčem do OpenAI.
Toto technologické řešení spojuje ověřené nástroje z webového vývoje s špičkovým AI modelem, cožzajišťuje stabilní běh a možnosti dalšího rozšiřování.
Interaktivní uživatelské rozhraní
Webová aplikace MKN-11 Coder se ovládá intuitivně: uživatel vloží textový popis pacienta do vstupního pole a klikne na tlačítko pro kódování. Frontend poté pošle požadavek na interní endpoint /api/code , který vyhodnotí text pomocí GPT-4 a vrátí seznam navržených kódů s doplňujícími údaji . Výsledky jsou prezentovány jako přehledný seznam – u každé diagnózy vidíte navržený kód MKN-11, jeho anglický popis, skóre spolehlivosti a indikátor, zda je kód „předběžný“. Díky použití Next.js a Tailwind CSS je UI responzivní a uživatelsky přívětivé. Uživatel může navrhované kódy přezkoumat, v případě potřeby upravit či doplnit další hledání. Interaktivní design minimalizuje u uživatele nutnost manuálních úprav –namísto číselníku stačí kontrola a případná korekce návrhů.
Aplikace tak znatelně zkracuje dobu kódování: běžný postup „kopíruj/vyhledej“ v klasifikačním manuálu nahrazuje okamžitý návrh kódu automatizovaným nástrojem. Celé řešení je přitom transparentní a řídíse zásadami „vyberte technologii, která sedí úkolu, a ovládáte ji“ – autor stále v plné míře kontroluje výstupy AI a zpětnou vazbou je může dolaďovat.
Výzvy a budoucí plány
I přes vysoký potenciál přináší integrace AI do zdravotnictví i výzvy. Jazykové modely jako GPT-4 nejsou„zárukou“ bezchybného výsledku – při zpracování klinických textů mohou vznikat nepřesnosti. Proto MKN-11 Coder hodnotí spolehlivost návrhů a klade důraz na ověřování člověkem. Díky „balanced framework“ přístupu WHO je klíčové technologie vybírat a konfigurovat tak, aby odpovídaly konkrétním potřebám praxe . V dalším vývoji je třeba řešit oblasti jako hlubší doménové ladění (např. specializovaná medicínská tréninková data), rozpoznávání lékařských zkratek či synonym a možnýdopad regulace zdravotnických aplikací. Další výzvy zahrnují náklady na cloudové API, potřebu internetového připojení a ochranu citlivých dat.
Na druhou stranu MKN-11 Coder umožnil získat cennou zkušenost s nasazením LLM do reálného prostředí. Autor plánuje projekt dále rozšiřovat – například o podporu hlasového vstupu, validaci kódůdle zkušeností uživatelů či možnost výstupu více navržených variant pro obtížné případy. Budoucí cíle zahrnují i integraci do nemocničních informačních systémů nebo rozhraní HL7 FHIR pro snadnépředávání dat.
Možnosti dalšího rozvoje a spolupráce
Případová studie MKN-11 Coder ukazuje široké možnosti dalšího rozvoje a zapojení komunity. Některépotenciální směry jsou:
- Propojení s klinickými informačními systémy – např. přímá integrace do hospitalních dokumentačních nástrojů, aby lékaři mohli kódovat ještě rychleji.
- Rozšíření nástroje o zpětnou vazbu – vytvoření mechanismu, který by sbíral potvrzené či upravené kódy od uživatelů a na základě toho model adaptoval.
3
- Spolupráce s odborníky – zapojení kodérů, zdravotníků a akademiků k ověření přesnosti a zajištění souladu s českými normami.
- Integrace dalších funkcí AI – například automatické vyhledávání spojitostí ve zdravotních datech, či generování klinických poznámek.
- Zpřístupnění projektu – otevření repozitáře a dokumentace širší komunitě, pořádání hackathonů nebo workshopů pro vývojáře a zdravotníky.
Díky kombinaci expertního know-how IT a zdravotnictví slibuje MKN-11 Coder významný přínos pro praxi – zrychluje rutinní procesy, uvolňuje kapacity pro lékaře a kodéry a zlepšuje kvalitu dat. Dalšírozvoj a spolupráce v této oblasti by mohly vést ke skutečně pokročilým nástrojům pro podporu rozhodování ve zdravotnictví a lepšímu propojení datové analytiky s klinickou praxí.
Zdroje: Autorova dokumentace projektu , oficiální materiály o ICD-11 .
Světová zdravotnická organizace schválila jedenáctou revizi Mezinárodní klasifikace nemocí –Ministerstvo zdravotnictví
ICD-11 Implementation
GitHub - DigiMedic/MKN11-coder: Projekt je věnuje vyvoji platformy pro automatizaci přařazování diagnóz pro kódování MKN11