Klinik Araştırma ve Veri: Teknoloji, Hız ve Yenilikçiliğin Ötesi Sempozyumu Clinical Research and Data: Beyond Technology, Speed and Innovation

9 Kasım 2017, İstanbul Üniversitesi Fen Fakültesi Cemil Bilsel Salonu

Prof. Dr.Yağız Üresin İstanbul Klinik Araştırma İnsiyatifi Koordinatörü,

Uluslararası Klinik Araştırma Merkezleri Ağı Başkanı

Konular: Türkiye’deki ve Dünyadaki Araştırma Verisi,

Veri Kullanımının Teknolojik, Hukuksal ve Etik Boyutları

1

9 Kasım 2017 tarihinde, İstanbul Üniversitesi Fen Fakültesi Cemil Bilsel Salonunda, Uluslararası Klinik Araştırma Merkezleri Ağı, sağlık otoritesi, endüstri temsilcileri, hukukçular ve hasta hakları savunucularını biraraya getiren “Klinik Araştırma ve Veri: Teknoloji, Hız ve Yenilikçiliğin Ötesi / ClinicalResearchand Data: Beyond Technology, SpeedandInnovation" konulu sempozyum, tüm paydaşların, ülkemizde mevcut olan verinin; Klinik Araştırmalar alanında, nasıl daha etkin kullanılacağı tartışmasını sürdüren önemli bir platform olmuştur. Temel amaç;

KlinikAraştırmalarındoğrutasarlanması BüyükVerininetkilibirşekildekullanılması Hangihastalıklarda,

hangitedavileringeliştirileceğinindoğrubelirlenmesi İlacıntoplumunyararınaerişmesiniçevrimselbiliml

ekolaylaştırmadır. Bunun yanı sıra ICN’in(International Clinical Trial Center Network / Uluslararası Klinik Araştırma Merkezleri Ağı) İsviçre, İngiltere ve İtalya üye merkezleri, kendi yapılanmaları içinde bu konuda geliştirdikleri örnekleri paylaşarak, merkez düzeyinde neleryapılabileceğine ışık tutmuşlardır.

Klinik Araştırmalarda Bilgi Yönetimi

Bilişim teknolojisinin gelişmesi ile birlikte bilgi/veri yönetimi diğer alanlarda olduğu gibi klinik araştırmalar alanında da öne çıktı. Klinik araştırmaların siber-ekosistemde gerçekleşmesi bir kurgu değil artık. Bir yanda kişisel verilerin korunması ile ilgili düzenlemeler, etik çekinceler, hatta bilimsel bilginin üretilme sürecinin kökten değişebileceğine ilişkin kaygılar, bir yanda ise klinik araştırmalardan aşina olduğumuz veri yönetiminden gerçek yaşam verisine, büyük veriden yapay zekaya klinik araştırma yöntemini derinden etkileyecek, biyoteknoloji ile birlikte sağlık alanında büyük bir sıçramaya yol açacak olanakların beklentisi ile karşı karşıyayız. Bulunduğumuz aşamada, veri yönetiminin yalnızca bildik teknoloji, hız, verimlilik gibi endüstriyel kavramlarla ele alınmasının yetersiz olacağı kanaatindeyiz. Bu bakımdan farklı boyutların yalnızca sayıları yönetenlerin değil, onları üretenler, uygulamaya dönüştürenler, sorumluluğunu taşıyanlar ve elbette sahipleri açısından ele alındığı bir tartışma ortamına gereksinim vardır.

2

Prof. Dr. Med. Gabriela Senti

University Hospital Zurich

Dr.Thomas F. Hiemstra

University of Cambridge

Dr. Antonino Amato Universita Cattolica

del Sacro Cuore

International Clinical Trial Center Network (ICN) 2015 yılında, 10 Kurucu Üye tarafından kurulmuştur. Kurucu üyelerin ortak özelliği, kendi ülkelerinde akademik olarak ileri gitmiş ve klinik araştırmalarda liderlik eden, merkezler olmalarıdır. Prof. Dr. Yağız Üresin’inyakın zamanda Başkanlık görevini üstlendiği organizasyonun temel amacı; ülkelerinde öncülük eden Araştırma Merkezlerini biraraya getirerek, özellikle IIT (InvestigatorInitiatedTrials-Araştırmacı İnisiyatifli Çalışmaları) deneyimlerinin merkezler arasında paylaşılması, ve sorunların şeffaf bir ortamda masaya yatırılarak ortak çözümler bulunmasıdır. ICN bünyesinde Araştırmacıların ulaşabileceği büyük bir veritabanının oluşturulması kuruluş amaçlarından biridir.

Zürih Üniversitesi Hastanesi’ndeçok sayıda klinik araştırma yürütülmektedir ve fazla miktarda klinik araştırma verisi mevcuttur. Tüm hasta verileri elektronik sistemde kayıt edilmektedir. Ancak klinik veriler yapılandırılmış olarak değil, serbest metinler olarak kaydedilmektedir. Araştırma Verileri Hizmet Merkezi’nde (Research Data Service Center) klinik verilerle araştırma verilerini bir araya getirmeamaçlanıyorsa da, standardizasyon ve entegrasyonu sağlamada zorlanılıyor. Verilerin anonim olmaması, kodlanmamış olmaları ve biyolojik materyal içeren verilerinkarmaşıklığı veri yönetiminde sorunlu alanlar. Bu nedenle verileri bir araya koymak oldukça zor. Veri yönetişimi (governance) için hasta onamı (patientconsent) ve hastaneye kabul koşulları (regulatoryapproval) dikkate alınıyor. Ülkelerin koşulları farklı. İsviçre’de genetik olmayan veri için genel onay (anonim) yeterli görülürken, genetik veri için bilgilendirilmiş onam (informedconsent) gerekmektedir. Hasta dosyalarından, radyoloji, patoloji, laboratuar ve klinik araştırmalardan farklı veri tabanlarından gelen tüm sağlık verileri, tek bir sisteme geçirilmek istenirken, yasal olarak bir çok açıdan değerlendirilmedir. Verilerin tek bir sistemde toplanıp, hastane dışında da paylaşılmasında en büyük risk alanları, hastadan olur alınması, ulusal otorite onayları ve kurumsal sözleşme hususlarıdır.

Dünyadaki Klinik Araştırma Verisi

3

Büyük verinin dağıtımında ülkemizde de bu hususlara dikkat edilmesi oldukça önem taşımaktadır. Klinik araştırmanın başarısı, kaliteli veri varlığıyla doğrudan ilişkilidir. Veri biliminde ve teknolojilerinde olan gelişmeler pek çok farklı alanda fayda sağlamış olsa da klinik araştırma ayağı daha yavaş bir şekilde bu yeni teknolojilere adapte olmaktadır. Pek çok çalışma halen hasta vizitlerinden ve manuel olarak elde edilen verilerle yürütülmektedir. Kaydedilen hata verilerinin kullanımı klinik çalışmalara önemli bir ivme kazandıracaktır ancak hassas kişisel veri kullanımın getireceği sorumlulukları da göz önüne almak gerekmektedir. İngiltere’de ve Cambridge Üniversitesi’nde, gerek ülke bazında, gerekse şehir ve merkez bazında klinik araştırmalar bünyesinde çok daha fazla sayıda veritabanı kullanılmaktadır. Burada temel amaç, klinik araştırmaların daha ekonomik ve etkili olarak tasarlanmasıdır. Teknolojik olarak ileri gitmiş ulusal veritabanıkaynakları aşağıdaki şekildedir ve ülkemizde kurulabilecek olası veritabanları için yol gösterici örnekler olarak değerlendirilmelidirler. İngiltere’de ülke dışına gönderilecek tüm veriler anonimleştirilmektedir.

NHS Digital (https://digital.nhs.uk/): Tüm araştırma merkezlerinden sağlık verisi toplamaktadır.

UK CancerRegistration(http://www.ncras.nhs.uk/): Kanser hastalarının verileri manuel olarak kaydedilmektedir.

NationalStatistics (https://www.ons.gov.uk/): Ulusal İstatistik Enstitüsü PatientView (https://www.patientview.org/#/): Hastaların sağlık verilerine ulaştıkları

sistemdir. AllTrials (http://www.alltrials.net/): Ulusal Klinik Araştırma Veritabanı Vivli (http://vivli.org/about/overview/): Klinik Araştırma Metadatası

Veri yönetiminde ülkeler arasında, ayrılan kaynaklar, insan gücü olanakları ve kurallar açısından önemli farklılıklar vardı. Cambridge Klinik Araştırma Birimi’nde standart yaklaşımların yönetimi kolaylaştırması önemli bir özelliktir. Ancak, başarıda bir o kadar önemli olan, özellikle yanlışlıkları bulup, bunların neden olduğuna yönlenme çalışmaları. Yönetim-İzleme ve Mesaj oluşturma veri kullanımını özetleyen temel öğelerdir. İngiltere’de, sağlık veri yönetimi tarihsel olarak çözümlenmiş bir uygulama. Bu başarılı sistem, gerçek yaşam verisi kullanılarak klinik araştırmalar yapılmasına olanak veriyor. Özellikle hastaların oluşturduğu ağlarla önemli verilere ulaşılabilmekte. Bu bağlamda, “Patientslike me” “Live better, together” dijital bilgi ağları paylaşımları özellikle öğretici oldu. İtalya, Gemelli Üniversitesi Hastanesi’nde; Kurum, Merkez Yönetimi Organizasyonu (SMO) ve Sözleşmeli Araştırma Kuruluşları (CRO) işbirliğinde, yönetim, İyi Klinik Uygulamalar (GCP) eğitimleri düzenlenmesi, merkez seçimi, kalite yönetimi, proje yönetimi, monitorizasyon, merkez aktivasyon süreci, faturalandırma, performans yönetimi başlıklarında birçok konuda hizmet vermektedir.

4

Burada öne çıkan sistem CTMS( Klinik Araştırma Yönetim Sistemi)’dir. CTMS veritabanına merkezdeki tüm araştırmalarda, ilgili veri ve süreçleri kaydedilerek, araştırma personeli ve destekleyici firmaların erişimine açık olarak paylaşılmaktadır. CTMS sistemi, çalışmalara hasta alım oranını arttırmakta ve destekleyici firmaların doğru merkezi seçmelerini sağlamaktadır. Bu sistemin bir diğer özelliği ise hastane veritabanı kullanılmasıdır. Amato’nun Roma’da klinik araştırma veri trafiği başlıklı sunumunda,işbirliği esasında, 2016 yılında 173 kar amaçlı, 255 kar amacı olmayan klinik araştırmanın 850 tıp doktoru 2400 diğer çalışanlar aracılığıyla başarıyla yönetildiğinipaylaşması, baş döndürücü bir düzenin ürünleri olarak ders alınması gereken başka bir örnektir. Yurtdışında merkez bazında geliştirilen bu tür sistemlerin ülkemizdeki araştırma merkezlerinde de kullanılması, çalışmaların daha sistematik ve teknolojik platformlarda gerçekleştirilmesini sağlayabilir.

Gülseher Sanaç SB Sağlık Bilgi Sistemleri

Genel Müdürlüğü Halk Sağlığı Bilişimi

Daire Bşk.

Dr. Halil Akçe SGK Medula

ve Bilişim Uygulamaları Daire Bşk.

Uzm. Gökhan Özkan TİTCK Klinik

Araştırmalar Dairesi

Prof. Dr. İlhan Satman Istanbul Üni. İstanbul

Tıp Fakültesi

Büyük veri, farklı kaynaklardan gelen, farklı tiplerde ve işlenmeyecek kadar karmaşık verdir. Günümüzde önemi aşağıdaki sebeplerden dolayı artmıştır:

Performans ölçümünün iyileştirilmesi Hasta bakım kalitesinin yükseltilmesi Ülke bazında karşılaştırmalar yapılması

Türkiye’deki Araştırma Verisi Manzarası

5

Ar-Ge çalışmalarının niteliklendirilmesi Tıbbi büyük veri hem mevcut tedavi hastaları, hem de araştırma hastaları üzerinden toplanmaktadır. Tıbbi büyük veri ve istatistiksel analiz birbiriyle karıştırılmamalıdır. Oturum süresince, ülkemizdeki büyük verinin en etkili nasıl kullanılacağı, yasal düzenlemelerin neler olduğu, hangi hastalıklarda hangi mevcut tedavilerin geliştirilebileceği ve hangi metotların kullanılabileceği ele alınmıştır. Klinik araştırmalarla, farklı tedavi yaklaşımları küçük gruplarda denenip, sonuca ulaşılmakta, bu sonuçları daha büyük kitlelere ulaştırmaya çalışılmaktadır. Kanıt oluşturma açısından değeri fazla olan RandomizeKontrollü Çalışmalar (RKÇ), tekrarlanması ve genellenmesi zor ve maliyeti yüksek çalışmalardır. Büyük verinin 5 bileşeni vardır. Bunlar; veri büyüklüğü, hız, doğrulama, çeşitlilik ve değerdir. Klinik Araştırmaları desteklemek için büyük veri şu şekilde kullanılabilir:

Büyük veri analizi yapan sistemler ile klinik araştırmalara sinerji yaratılabilir. RKÇ ve gözlemsel çalışmaları destekleyecek şekilde bu sistemlerden bilgi alınabilir. Doğru veri girişi veveri girişinde multidisipliner gruplar arasında koordinasyon

sağlanması gerekir. Klinik Uygulamalarda Standardizasyon geliştirilmesi ve uygulanması özellikle önemlidir.

Sağlık Sisteminde Veri Tipleri Çeşitlidir:

Veri tipi Kaynağı Nitelikleri

İdari • Hükümet (Medula) • Ulusal surveyler • Ticarikayıtlar (sağlık planları,

eczane kayıtları, vb.)

• Sigorta, faturalandırma işlemlerine uygun

• Mali raporlamaya elverir • Klinik detay içermez

Klinik • Hastane ESK(Elektronik sağlık kayıtları)

• Doktor ESK • İntegre dağıtım ağı ESK • Klinik veri tabanları

• Hasta bakımında toplanan klinik veriler

Sağlık Verilerinde Sorun Alanları Vardır:

Doğru ve eksiksiz veri toplamak zordur: Ülkemizde sağlık meslek mensuplarının ve özellikle hekimlerin üzerindeki çok yoğun iş yükü, zaman kaygısı, performans sistemi, SGK baskısı, geri ödeme vb. nedenlerle elektronik sağlık verilerini tam olarak kaydetmedikleri bilinmektedir. Bu

6

durum sağlıklı değerlendirmelerin yapılmasında çok önemli bir engeldir. Doğru ve eksiksiz veri girişi sağlanması için eğitim ve ödüllendirme yöntemleri de dahil olmak üzere her türlü tedbir alınmalıdır.

Öte yandan eksik verilerde bile hata yönünü saptayıp birtakım düzeltmeler yapılarak bilgi setleri oluşturulması, geçerlilik ve güvenilirlik testleri yapıldıktan sonra bu veri setlerinden yararlanılması düşünülmelidir.

Verilerin birleştirilmesiözen ister: Entegrasyonu sağlamak zordur. Farklı paydaşlar tarafından kontrol edilen altı ana entegre veri havuzu vardır;

Sağlayıcılar: Klinik /tıbbi veriler

Ödeyenler ve Sağlayıcılar: Talep ve maliyet verileri

Geliştiriciler: Klinik araştırma ve tıbbi cihaz Ar-Ge'si

Tüketici ve Pazarlamacılar: Hasta davranışları ve güvenliği verileri

Hükümet: Nüfus ve toplum sağlığı verileri

Mahremiyet ve gizlilik önemle sağlanmalıdır: Büyük verilerin saklanması ve işlenmesinin beraberinde getirdiği en önemli sorunlardan birisi de ‘bireysel mahremiyetin korunması’dır. Ör. Sağlık sigortası için prim planı hazırlanırken hastanın tıbbi geçmişi ve genetik yatkınlıkla ilgili bilgileri kullanılması etik ve yasal sorunlar yaratabilir. ‘Büyük veri’de gizlilikle ilgili zorlukları aşmak için teknoloji geliştirilmesi gereklidir.

Politikacıları etkilemek için anlaşılır olmalıdır: Karar vericileri bilgilendirmek için eğitim almış kişilerce sağlanan sağlık verisi bilgisine ihtiyaç vardır.

Sonuç olarak daha büyük gerçekten daha iyi midir? Büyük verinin yalnızca miktarı değil, nasıl yapılandırdığımız ve analiz ettiğimiz önemlidir.

--------------------------------------------------------------------------------------------------------------- Sağlık Bakanlığı’nda, sağlık verilerinin elektronik ve yaygın olarak kaydedilmesi amacı 2003 yılında başlatılan Sağlıkta Dönüşüm programının bileşenlerinden biridir. “Varolmayı sürdürenler gelişime ayak uyduranlardır” özlü sözü ile başladığı sunumunda Sanaç bu kapsamda, “Ulusal Sağlık Veri Sözlüğü ve Sağlık Kodları Referans Sözlüğü” oluşturularak kullanılmaya başlandığını paylaştı. Bu standartlar doğrultusunda 2006 yılında aile hekimliği uygulamaları için başlatılan hizmet verilerinin kayıt altına alınması ve özet haline getirilmesi, 2015 yılında ise 2. ve 3. Basamak Sağlık tesisleri üzerinden verilerin kayıt altına alınması etkinlikleriyle sürdürülmektedir. 2015 yılında vatandaşlara ait tüm elektronik sağlık kayıtları, verilerin gerçek sahibi olan vatandaşların erişimine E-Nabız sistemi üzerinden açılmıştır. e-Nabız, banka güvenliğinin çok daha üstünde bir güvenlik sistemiyle sağlık verilerinin hasta ve hastanın istediği kişilerle paylaşılmasına olanak sağlıyor. Bu verilerin düzgün bir şekilde kayıt altına alınması ve sunulmasını amaçlayan, Sağlık.Net Online; sağlık tesisleri tarafından kayıt altına alınan sağlık verilerinin Bakanlık tarafından raporlanması, değerlendirilmesi ve karar destek sistemleri kullanılarak sağlık politikaları oluşturulması amacıyla belirli standartlar çerçevesinde toplanması için tasarlanan sistemdir.

7

Sağlık hizmeti sunan tüm tesislerden online olarak alınan ve anonimleştirilerek korunan sağlık verilerini kullanarak, karar destek uygulamaları ve büyük veri analizleri sonucunda elde edilen bilgilerle sağlık politikaları oluşturulmakta; işlenen detaylı raporlarla elde edilen veriler aynı zamanda sağlık personelinin de daha etkin sağlık hizmeti sunmasına yardımcı olmaktadır. Sağlık.NET Online ile toplanan veriler ile hazırlanan karar destek sistemi (KDS) raporları aynı zamanda hastane, hekim ve hizmet bazlı değerlendirme yapılmasına imkân sunmaktadır. Türkiye’nin elektronik sağlık kaydı sistemi olan E-Nabız, hem kişisel sağlık verilerinin sadece sahiplerinin erişimine açıldığı bir kişisel sağlık kaydı sistemi hem de tüm ülkedeki sağlık tesislerinde üretilen verilerin belirli standartlar ve kodlarla toplanmasını sağlayan bir iletişim platformdur. Buradaki amaç eldeki veriyi anlamlaştırarak hekimi ve hastayı bilgilendirmek ve gelecekte toplum sağlığını hasta olmadan güvence altına almayı sağlamaktır. Halk Sağlığı hizmeti kapsamında, yaşlanan nüfus ve kronik hastalıkların artmasına bağlı sağlık sistemleri ve ekonomisi üzerindeki yüklerin artması, sağlık hizmetlerinin kaliteli bir şekilde sürdürülebilirliğinin azalmasının önüne geçebilmek amacıyla aile sağlığı merkezlerinde, kronik hasta olma riski bulunan hedef hasta listeleri oluşturulacaktır. Yaş grubu ve belli tanımlamalarla yapılandırılacak risk değerlendirmelerine (scorecard) göre, hekimler hastalarına verecekleri tavsiyelerle hastalıkları önlemeye çalışacaklardır. Öncelikli olarak diyabet, kardiyovasküler ve hipertansiyon ve hastaları ile izlem ve taramalar başlatılacaktır. Sağlık bilgi sistemleri alanında Türkiye, başarı sıralamasında birçok ülkenin önünde yer almaktadır. Sürdürülen çalışmalar “Sağlıkta e-Dönüşüm Programı” adı verilen ve detaylı bir analiz sonucu yayımlanan planda, sistematik, kapsamlı, ülkenin sağlık ihtiyaçlarına ve politikalarına uygun, gereksinimleri karşılayabilen bir elektronik ortam yönetimini tanımlamış; klinik bilgilerin uygun kodlarla güvenli bir şekilde kayıt edilmesini, kanıta dayalı bilgi edinmek ve daha da etkin politika geliştirmek amacıyla işlenmesini ve kullanılmasını sağlamayı hedeflemiştir. SGK Medula Sistemi’nde ise; hasta verileri dışında hastane, eczane, optik, tıbbi cihaz ve hizmet uygulayıcılara ait veriler mevcuttur.

Medula Uygulamaları üzerinden günlük ortalama veri istek sayısı 60.000.000 ve alınan sağlık verisi büyüklüğü 28 TeraByte’dır. Toplanan veriler Sağlık Bakanlığı ile paylaşılmamaktadır. Anonim veriler belli şartlarda, kamu idareleri, bilimsel ve kamu personeli ile paylaşılabilmektedir.

8

SGK bünyesinde toplanan veriler aşağıdaki gibidir:

1- Sağlık Hizmetleri sunucusuna ilişkin veriler (yatan hasta sayısı, çalışan hekim sayısı vb.) 2- Sağlık Hizmetleri sunan kişiye ait veriler( hangi hekim, hangi branş, yazdığı ilaçlar vb.) 3- Hastaya ait veriler

Bu veriler neden toplanmaktadır?

1- Kişi ve toplum sağlığını korumak ve geliştirmek, 2- Kişilerin kendileriyle ilgili sağlık bilgilerine erişimini sağlamak 3- Koruyucu hekimlik, tıbbi teşhis ve tedavileri geliştirmek, 4- Sağlık Hizmetleri sunucusunun kendine ait veriler hakkında bilgi toplamasını sağlamak, 5- Sağlık hizmetlerinin finansmanı ve yönetimi, 6- Sağlık politikalarının oluşturulması, 7- Sağlık Hizmetleri’nin planlanması amacıyla toplanmaktadır.

SGK’nın elinde çok fazla veri tabanı bulunmaktadır. Sağlık Teknolojilerini Değerlendirme ayrıca önem verilen bir çalışma alanıdır. Bu konuya yönelik bir komisyon oluşturulmuştur. Bu komisyon sağlık verilerinin belli kriterde paylaşılıp paylaşılmayacağına karar vermekle yükümlüdür. Henüz araştırmacıların kişisel başvuruları üzerine veri paylaşımı yapılmamaktadır. Veri aktarımında çeşitli sorunlar yaşanmaktadır. Bunlar başlıca;

5502 ve 6698 sayılı kanunlar arasındaki uyumsuzluklar

Kamu idareleri kanunları ve 5502 sayılı kanunlar arasındaki uyumsuzluklar

Anonimleştirmede yaşanan sıkıntılar

İnsan Kaynağının yetersizliği

Veri taleplerinin kişiselliği, büyüklüğü, karmaşıklığı

Talep değerlendirilmesinde yaşanan sıkıntılar

Kişisel sağlık verisi tanımının net olmamasıdır. TİTCK Klinik Araştırması Dairesi, tüm klinik çalışmaları ancak ‘Açık Rıza’ (Bilgilendirilmiş Gönüllü Olur Formu) varlığında ve bu rıza formunun TCK Madde 135, 136, 138, 140’a ve ilgili yönetmeliklere uyum sağlaması şartıyla onaylamaktadır. Kişisel Verilerin Korunması Kanunu’nun 2016 yılında yürürlüğe girmesinin olumlu bir gelişmedir. Kanunun ihlali halinde Türk Ceza Kanunu135,136,138 ve 140. Maddeleri geçerlidir. Yasada özel nitelikli kişisel veriler özel koruma altındalar. Açık rıza aranmayan durumlar istisnaları oluşturuyor (5.md 2.fıkra, 6.md. 3 fıkra vb.). Kanuna göre aydınlatılmış onamla veri güvenliği sağlanıyor. Müşterek sorumluluklar tanımlanıyor. Denetim yapma, sır saklama, başvuruların cevaplanması gibi özel durumlar tanımlanıyor. Verilerin sorumluluğunu taşıyanların sicil kayıtları yapılması öngörülüyor. İlgili yönetmeliklerde iyi klinik uygulama ilkelerine ilgi tutuluyor. Sorumlu araştırmacıların görevleri

9

belirtiliyor. Gözetim ve izleme etkinlikleri için kurallar öngörülüyor. Olgu rapor formlarından analizlere kadar sağlıklı olarak, çok uzun yolların izlenmesi gerekiyor. İlaç ve Biyolojik Ürünlerin Klinik Araştırmaları Hakkında Yönetmelik ve uluslararası iyi klinik uygulamalar (GoodClinicalPractice) kılavuzu bu uygulamalara temel oluşturmaktadır. Açık rızanın, belirli bir konuya ilişkin olması, rızanın bilgilendirmeye dayanması ve özgür iradeyle açıklanması gerekmektedir. Klinik araştırmalarda toplanan veriler anonimleştirilmekte ve yurtdışına da sadece anonim verinin transferine izin verilmektedir. Veriler başka verilerle ilişkilendirilse dair, hiçbir zaman kişilerin kimlik bilgileriyle eşleştirilmemektedir.

Prof. Dr. Melikşah Yasin

İstanbul Üni. Hukuk Fakültesi

Prof. Dr. Haldun Akpınar

Marmara Üni. İşletme Fakültesi

Doç.Dr. Gürkan Sert

Hasta ve Hasta Yakını Derneği

Dr. Muhtar Çokar İnsan Kaynağını Geliştirme Vakfı

Biyomedikal enformatikte veri analizine ilişkin tarihsel bakış çok yol alındığını göstermektedir. Verilerin istenen nitelikte olması her zaman önemlidir. Enformatiği en çok destekleyen çalışmalar, tıbbi çalışmalardır. Veriler:

Entegre edildiklerinde Temizlenerek kullanıldıklarında Dönüştürülebilmeleri sağlandığında İndirgenerek tanımlandıklarında

İşleme hazır hale getirilirler. Veri madenciliği; yapay zeka, istatistik, dil bilimi ve veritabanlarının bir arada kullanılması sonucu ile gerçekleştirilebilir.

Veri kullanımınınTeknolojik, Hukuksal ve Etik Boyutları

10

Kişisel verilerin korunmasında yasal durumu irdelendiğinde, uzmanlar arasında farklı yorumlar olabilmektedir. Kanuna göre, sağlıkla ilgili bazı veriler; ‘Özel Nitelikli Kişisel Veri’ kapsamına alınmıştır. Bu husus koruyucu hekimlik, sağlık hizmetlerinin finansal düzenlenmesi konularında altyapı oluşturma amacına hizmet eder. Bu durumlarda rızaya gerek yoktur. Ancak, günümüzde, uygulamaların yeterince duyarlılık kazanmadığına ilişkin örnekler vardır. Özel nitelikli kişisel verilerin kamu sağlığını koruma ve koruyucu hekimlik uygulamaları sırasında rızasız kullanımı ile ilgili tanımlarda sorunlar yaşanmaktadır. Son yıllarda özellikle kişisel verilerin kullanılabilirliği ve ulaşılabilirliği üzerine yoğunlaşılmıştır. Bu noktada çok önemli bir ilke tüm dünyada ihlal edilmiştir. Kişisel verileri, özel hayatın bir parçası olarak değerlendirmek gereklidir. Gelecek yıllarda bireysel hakların daha da ön plana çıkmasıyla birlikte kişisel verilerin kullanımı daha da zorlaşacaktır. Bireylerin sağlık durumları özel yaşamlarının çok önemli bir parçasıdır. Uluslararası belgeler ve ülkemizde ki yasalar da bu durumu sürekli olarak vurgulamaktadır. Ne kadar iyi bir kişisel veri sistemi kurulursa kurulsun eğer bu sistemi yöneten ve bilgileri aktaran kişilere, kişisel verinin kişinin özel hayatının önemli bir parçası olduğu bu kişilere anlatılamadıysa, kişisel verilerin kullanılması konusunda sorunlar oluşabilecektir. Bu veriler değerlendirirken çok hassas davranılması gerekmektedir. Hekimlerin, hastaların kişisel verilerini güvence altına almak ve sır saklama yükümlülükleri Deontoloji Tüzüğü ve Hasta Hakları Yönetmeliği’ndeki yasal düzenlemelerleaçık olarak belirtilmiştir. Mevzuatta getirilen düzenlemelerin ihlalleri halinde gerçek ve tüzel kişiler için yaptırımlar bulunmaktadır. İdari yaptırım öncelikli olarak para cezasıdır. Devlet hastanesi ve üniversite hastanesi çalışanları için:

1- Disiplin sorgulaması 2- Muhatapların uğramış olduğu zararın tazmini ile farklı yaklaşımlar uygulanır.

Teşhis ve tedavi süresinde verilerin alınmaması, hastanın zararına yol açmışsa, ‘’Tıbbi Hata’ olarak kabul edilmektedir. Kişisel verilerin bilgisayar ortamında kaydedilmesi; internet üzerinden yasadışı yollarla da bu verilerin elde edilmesini mümkün kılmaktadır. Bu nedenle kişisel verileri saklarken bu gibi yasadışı faaliyetlere karşı önlemlerin alınmış olması elzemdir. Alınan bu gerekli ve yeterli önlemlere rağmen özellikle internet korsanlığı gibi faaliyetlerle bu veriler elde edilirse, hukuki bir yaptırımdan söz edilemez. Arşivlenen Bilgilerin Önemi, yargıya yansıyan durumlarda, tedavinin yürütülmesinde, hastanın başka bir sağlık biriminden hizmet almasında önemlidir. Uluslararası mevzuata göre,sağlık bilgilerinin gizliliği ve mahremiyetibireyintemel hakkıdır. Bireylerin olur vererek, vermeyerek ve olurlarını geri çekerek, sağlık bilgilerine ulaşılmasını kontrol etme hakları vardır. Hastanın oluru olmadan gizli bilgilerinin açıklanması için gereklilik ve olabilecek riskleri konusunda duyarlı olunmalıdır.

11

Kişinin ölümüyle birlikte o kişiyle ilgili veri kişisel veri olmaktan çıkar mı? Bu hususta ise kişinin öldükten sonra bile kişisel bilgilerinin korunmasını vasiyet etme hakkı mevcuttur. Ayrıca kişinin genetik bir hastalığı varsa bu durum yine onun mirasçılarını etkileyeceğinden dolayı bu konu tartışmaya açıktır. Sağlık sisteminde merkezi bir veri tabanı olması gereklidir. Verinin işlenmesiiçin de karar destek sistemlerine ihtiyaç vardır. Ancak karar sistemlerinin etkililiği verinin kalitesine bağlıdır. Kaliteli kişisel verilerin ilgili merciler tarafından anonim hale getirilmesi verinin işlenmesi açısından hayati öneme sahiptir. Sağlık alanında veri çok fazla yerden elde edilebilmektedir. Klinikten,mobil cihazlardan, radyolojik cihazlardan ve laboratuvardan veriler gelmektedir. Bu verilerin öncelikle doğru şekilde toplanabilmesi ve entegre edilmesi gereklidir. Entegre edilen verilerin de hızlıca derlenip anonim olarak kullanıma sunulması önemlidir. Bu şekilde, verinin her birimizin üzerinde çalışabileceği karar destek sisteminin önemli bir parçasına dönüşebilmelidir. Günümüz dünyasında en çok konuşulan konulardan biri de sektörlerden bağımsız olarak“bigdata” yani büyük veri kavramıdır. Verinin büyüklüğü karşısında tüm algoritmalarımızın ve iş akışlarımızın yeniden kurgulanması gerekmektedir. Bu verilerin işlenmesinde daha önceki konuşmalarda da sık sık dile getirilen veri madenciliği tekniğine değinmek gerekmektedir. Son yıllarda enformatiği en fazla destekleyen alan tıbbi çalışmalardır. Veri madenciliği de enformatik biliminde kullanılan önemli bir disiplindir. Veri madenciliği içerisinde yapay zeka, görselleştirme, istatistiki yöntemler gibi birbirinden farklı disiplinler yer almaktadır. Bu yöntemlerden görselleştirme, verileri daha anlaşılır biçimde sunma yöntemidir. Bilginin işlenmesi ve kullanımı elverişli hale getirilmesi ancak veri, veri analizi ve optimizasyonla mümkündür. Nüfusun giderek yaşlanması, kronik ve yaşam tarzına bağlı hastalıklar, bakım ve teknolojideki ilerlemeler, sürekli olarak ülke yönetimlerinin yükünü her açıdan artırmaktadır. Elimizdeki teknolojik olanaklar çerçevesinde, günümüzde sağlık sisteminin etkin ve verimli yürütülebilmesi, optimum noktanın bulunabilmesi ile belki mümkün olabilir. Globaloptimum veya lokal optima bulunabilmesi ise ancak veri (data), enformasyon (information), bilgi (knowledge) ve bilgelik (wisdom / meta knowledge) aşamalarından geçilmesi ile mümkün olacaktır. 2000’li yıllarda verinin işlenmesi ve analizi konusunda nerede ise tüm bildiklerimiz geçersiz oldu. Verinin depolanmasında geliştirilen yeni teknikler, klasik “İlişkisel Veri Tabanları” (relationaldatabases) ve “Veri Ambarı” (data warehouse) yöntemlerini değiştirirken, “Büyük Veri” (big data) ve / veya ironik bir şekilde “Veri Laneti” (data curse) olarak isimlendirilen çok değişkenli / boyutlu veri, tüm istatistik analiz tekniklerinin yeniden ele alınmasını gerektirdi. Bir taraftan “Yapay Zekâ” ve uzantısı “Makine Öğrenimi”, diğer taraftan kapsayıcı bir isim olarak kullanılan “Veri Madenciliği” (datamining), son dönemlerin popüler konusu “Nesnelerin Internet”i(internet of things) klasik karar destek sistemlerinin tamamen değişmesine neden olmaktadır.

12

Ayrıca “Elma dersem çık, Armut dersem çıkma” dediğimizde, hala elma ve armudun anlamları konusunda tereddüt içerisinde isek, bu oyunu oynamamız çok zor olacaktır. Veri tabanlarının ve özellikle kişisel verilerin korunması (privacy) ise başlı başına ayrı bir bölüm gerektirmektedir. Sonuçta her alanda dijital dönüşüm kaçınılmazdır. TC Sağlık Bakanlığı’nın 2013-2017 Stratejik Planı’nın 2.11.* maddelerine katılmakla birlikte, içlerinin yeterince doldurulamadığını izlemekteyim. Sürekli dönüşüm içerisinde olan teknolojiye ayak uydurabilmek, sistemik ve bütünsel (holistic) bakış açısı ile sürekli öğretim, öğrenim ve uyarlamayı gerekli kılmaktadır. Hasta verileri ile çalışma yaparken Etik kaygılar, her zaman bireysel çıkarların üstünde olmalıdır.Günümüzde bilimsel paradigmada epistemolojik krizden söz edilmektedir. Bilim ve teknolojinin ilerlemesiyle veri toplama olanaklarının gelişmesi epistemolojik ve etik yeni sorun alanlarının oluşmasına neden olmuştur. Günümüzde bilgisayar ve Internet sayesinde terabitlerle veya petabitlerle ifade edilen büyüklükte veri toplanabilmekte ve e-Bilim ya da Veri Merkezli Bilimden bahsedilmektedir. Elde edilen “Büyük Veri” sayesinde

Deneyimler ve kuramlar simülasyonlarla birleştirilebilmekte,

Yoğun bilgisayar kullanımı ile farklı modellemeler yapılabilmekte, veriler arası iletişim kendiliğinden kurulabilmekte ve veri yoğun istatiksel sondaj ve veri madenciliği öne çıkmaktadır.

Yeni bilimsel pratik o kadar gelişmiştir ki artık kurama gereksinim olmadığı ileri sürülebilmekte, geçerli bilginin uygun matematiksel modeller ve bilgisayar aracılığıyla, insan aklına gereksinim olmadan üretilebileceği bile iddia edilebilmektedir. Diğer yandan Büyük Verinin olanakları geliştirirken aynı zamanda bilimsel bir paradigma krizine neden olduğu ileri sürülmektedir. Yaklaşık bin yıl önce doğal olayların incelenmesine odaklı olan Deneyimsel Bilim, son birkaç yüzyılda yine bir kriz sonrasında yerini Kuramsal Bilime terk etmiştir. Kuramsal Bilim, dünyayı matematiksel bir dille yeniden tasarlamaya ve açıklamaya çalışmış, Newton yasaları ve Maxwell Denklemleri bu bilimsel paradigmanın öncüleri olmuştur. Son birkaç onyılda bilgisayarlar aracılığıyla e-Bilim, dünya gerçeklerinin açıklanmasının temel aracı olmuştur.

13

Günümüzün bu Veri Merkezli Bilimi ya da Bilgisayımsal Bilim bir paradigma krizi sonrası ortaya çıkmış olmasına karşın giderek kendi sonunu getirecek yeni bir krizin doğuşuna neden olmuştur. Yeni olanaklarla elde edilen veri o kadar uçsuz bucaksızdır ki bu veriyi “Geçerli Bilgi” haline getirecek matematiksel modellerin yetersiz kaldığı iddia edilmekte, elde edilen verinin “Geçerli Bilgi” olduğunu inanmamızı sağlayan geleneksel bilimsel modellerin, Büyük Veri söz konusu olduğunda işlemediği ileri sürülmektedir. Yirminci yüzyılda, günümüzle karşılaştırıldığında kısıtlı veri olmasına karşın, hipotetik-dedüktif yöntem sayesinde baş döndürücü bir hızla ilerleyen bilim, veri fazlalığında neredeyse kısırlaşmıştır. Bilimsel pratik için gerekli olan ve bir ölçüde insan aklına bağlı “öngörü”, Büyük Veri söz konusu olduğunda anlamını yitirmektedir. Yine de futuristik çevreler bu sorunun yapay zekayla aşılacağını ileri sürebilmektedir. Özetle Büyük Veri bilimsel alanda yeni ufuklar açarken aynı zamanda bir bilimsel paradigma krizine de neden olmuştur. Klinik araştırma alanı ise bu bağlamda en çok etkilenen alanlardan biridir. Bir taraftan geleneksel klinik verilerle beslenen klinik araştırma alanı, yeni teknolojiler sayesinde bilgisayar ve internet ile güçlenmiş ve son yıllarda biyobankalar, siberbankalar ve sanal araştırma depoları gündeme gelmiştir. Bu bağlamda sorulması gereken etik soru “Klinik araştırmacılar Büyük Veri ile gündeme gelen epistemolojik krizi aşmak için nasıl bir sorumluluk taşımalıdır ?” olmalıdır. Giderek artan boyutlarda kişisel veri ve klinik araştırma verisi toplandıkça, bu verilerin toplanması, işlenmesi ve paylaşımında sorunlar gündeme gelmektedir. Gelişmeler araştırmacılara olduğu kadar, sağlık otoritelerine de farklı sorumluluklar ve yükümlülükler getirmekte, bu alanda etik tartışmaların yapılması ayrıca önem taşımaktadır. Klinik veri ile ilgili geleneksel biyoetik konuların yanında yeni olanakların gündeme getirdiği etik boyutların ayrı bir toplantıda irdelenmesi ve değerlendirilmesi uygun olacaktır. Bu amaçla aşağıdaki başlıklar önerilebilir:

Bireysel çıkarlar ile toplumsal çıkarların dengelenmesi

Gerçeği arama, olaylar arası ilişkileri tanımlama

Mahremiyet ve veri güvenliği

Aydınlatılmış onam (geleneksel onam yöntemlerinin yetersizliği, onam sürekliliği)

Etik yönetim

Profesyonalizm ve etik görevler

14

Dr. Serhan Sevgi Novartis İlaç Grup

Dr. Cem Baydar IQVIA

Dr. Barış Erdoğan Clinerion

Veri hiyerarşisi önemini korumaktadır. Michael Rowling’e atıfla (2012), gerçek yaşam verisi “araştırmacının kontrolünde olmayan her tür veri” olarak tanımlanmakta. ”Eğer bilgece kullanılırsa” hasta kayıtları da gerçek yaşam verisi olarak kullanılabilirler. Ülkemizde randomize ilaç çalışmalarından yüksek miktarda veri elde edilmektedir. Fakat hali hazırdaki ham veri ulusal olarak kullanılamamaktadır. Bunun bir nedeni, klinik çalışmaları dahil etme ve dahil etmeme kriterleri ile sınırlandırmamızdır. İlaç firmalarının amacı, bu süreci kısa sürede tamamlayarak, ilaç ruhsatına ulaşmaktır. Gerçek yaşam verisi ile faz çalışmalarında eksik kalan parçaları tamamlamış olanağı var. Gerçek yaşam verileri sayesinde, çok daha kısa sürelerde çok daha az maliyetli çalışmalar yapılması mümkündür. İlginç bir yaklaşımla Sevgi, kendi sağlık olayları arasından son yıllarda yaşadığı bir tıbbi süreçle ilgili bilgileri paylaşarak sağlık otoritesinin sağlık verilerine hakimiyetini irdeledi ve günümüzde sağlık sisteminde “parasal kayıtların sağlığımızın değerinden daha fazla önem taşıdığını” sergiledi. Eğer gerçek yaşam verisi değer taşıyacaksa, günümüzde Türkiye’de, vakaları en iyi harcamaları izleyen eczacı izleyebilmektedir. Ülkemiz veritabanı ekosisteminde yüklü veri bulunmaktadır. Fakat bu veriler arasındaki manzara kopuktur ve birbirleriyle entegrasyonu yoktur.

Araştırma için Kullanılabilecek Türkiye Verileri

15

Türkiye’de. SGK, Sağlık Bakanlığı, Depo zincirleri, Eczaneler, İlaç Şirketleri, Özel sigortalar, Hastanelerde klinik kayıtları karmaşık bir şekilde sağlık verileri içeriyor. Yalnızca bir hastanede, yıllık verilerin kapsamı için 100 terabit alan kullanıldığı hesaplanıyor. Oysa veriler entegre edilebilir, erken tanı algoritmaları ve verimli hizmet modelleri bu sayede oluşturulabilir. Entegrasyon için önce paylaşım yönergeleri oluşturma ile yola çıkılabilir, ardından standartlar oluşturulmalı ve bunlara göre gerekli teknoloji ve araçlar belirlenerek yönetişim yapısı kurulmalıdır. Bu sayede veri ambarları oluşturulabilir ve gereksinimlere göre veriler analiz edilerek değerlendirilebilir. Örnek olarak İngiltere’de Ulusal Sağlık Hizmetleri veri yönetimi incelenmelidir. Orada sistemler tanımlanmış, süreçler belirlenmiş, roller ve sorumluluklar paylaşılmıştır. Böyle bir yapılanma gerçek yaşam verisini kullanmak için şarttır. Özetle; verilerin verimli bir şekilde kullanılabilmesi entegrasyonu şarttır:

1. Veri paylaşımı yönergelerinin oluşturulması, 2. Veri standartlarının oluşturulması 3. Teknoloji ve araçların belirlenmesi 4. Yönetişimyapısının oluşturulması 5. Ulusal veri ambarlarının oluşması,

Entegrasyonu sağlamak için atılacak önemli adımlar olacaktır.

16

Türkiye’de var olan elektronik sağlık kayıtlarının anlamlı sağlık kayıtları olarak kullanılabilmesi için kalitesinin geliştirilmesi ayrıca önemlidir. Elde olan verilere bakarak sistemleri oluşturmak ne kadar mümkün olabilecektir? Veri kalitesi bu sorunun cevabı olarak ortaya çıkan durumdur. Mahremiyete özen göstererek, etik ilkelerle veri güvenliği nasıl sağlanabilir? Veriler arası etkileşim nasıl sağlanabilir? Veri yönetiminde sürdürebilirlik, ancak kalite ile sağlanabilir. Amaçsız veri toplamak ne işe yarar? Veri yönetiminde, kural olarak, “ne kadar çok veri varsa, o kadar çok çöp olur”. Ancak birinin çöpü, diğerinin hazinesi olabilir. Bu nedenle verilerin paylaşımı özel önem taşır. Verilerin değeri için, miktardan daha önemli olan verinin kalitesidir. “verinin kötü olmasındansa, hiç veri olmaması tercih edilen bir durumdur”. Verilerin doğru olması, tamam olması, tutarlı olması ve ulaşılabilir olması şarttır. Verilerin süreklilikle-longitudinal kaydedilmesi, tüm kapsamı içermesi (görüntüleme ve laboratuvar. bilgileri ile birlikte olması), ulusal kodlama sistemi ile standart olması, bilgi verici-mesaj taşıma özelliği ve veriler arası iletişimi sağlamaya elvermesi kaliteli sağlık verisinin temel özellikleridir. Ülkemizde şu anda ICD10 kodlaması hastalıkların kaydı için kullanılan standarttır. Fakat tüm veri kodlarında ortak bir kalite oluşmadığı sürece ve kodlamaların hatalı ve eksik olduğu durumlarda veri anlamını kaybetmektedir. Türkiye’de sağlık verilerinde, Medula sisteminin kullanılması bir milat tarihi olarak alınabilir. 2006 tarihi bu açıdan önemlidir. 2013 te özel hastaneler de bu kullanıma girmiştir. 2017 de artık kaliteli veri için çalışılacağı ilan edilmiştir. Sağlık Bakanlığı, 7 Mayıs 2017’de yayınladığı genelgede Klinik Kalite Uygulaması-Veri Kalitesini Geliştirme Rehberi’ni bu amaçla ilgililerin dikkatine sunmuştur. Bu ilgi geleceğe ümitle bakmak için önemli bir çaba olabilir.