Taotlus

Taotlusvorm Koostatud justiits- ja digiministri 18.05.2026 määruse nr 15 “Tulevikukindla andmemajanduse ökosüsteemi mudel ja taristulised lahendused andmete turvaliseks haldamiseks, käitlemiseks ja väärindamiseks” põhjal. 1. Taotleja andmed Taotleja asutuse nimi SA Põhja-Eesti Regionaalhaigla Taotleja esindaja nimi Agris Peedu Taotleja esindaja ametikoht Juhatuse esimees Esindaja telefoninumber +372 5663 2562 Esindaja e-post [email protected] 2. Partneri andmed (vajadusel) Partnerasutuse nimi Partneri esindaja nimi Partneri esindaja ametikoht Partneri esindaja telefoninumber Partneri esindaja e-post 3. Projekti lühiülevaade Projekti lühikirjeldus Tänases raviarveldusprotsessis avastatakse oluline osa vigadest, puuduvatest teenustest ja rahastusriskidest alles raviarve koostamise lõppfaasis või pärast raviarve edastamist Tervisekassale. See põhjustab täiendavat käsitööd, pikendab raviarveldusprotsessi ning suurendab riski, et osa osutatud ravitegevusest ei kajastu korrektselt raviarvel. Regionaalhaiglas on raviarvelduse maht keskmiselt ligikaudu 1 miljon eurot päevas ning raviarvetel võib olla sadu või tuhandeid teenuseridu. Sellise mahu juures võivad isegi väikesed kvaliteedi- ja efektiivsuse parandused avaldada märkimisväärset mõju nii haigla töökorraldusele kui ka tervishoiu rahastamise kvaliteedile. Projekti eesmärk on luua tehisintellektil põhinev raviarvelduslik otsustustoe lahendus, mis aitab enne raviarvete Tervisekassale edastamist tuvastada võimalikke vigu, dokumentatsioonis kajastatud, kuid raviarvele kandmata teenuseid ning rahastusriske. Lahendus analüüsib ravijuhu kliinilist dokumentatsiooni, osutatud tervishoiuteenuseid ning raviarve andmeid, et pakkuda raviarveldajatele andmepõhiseid soovitusi, kvaliteedikontrolli tuge 3. Projekti lühiülevaade ning juhtida tähelepanu võimalikele puudustele ja riskidele. Haiglates tegeleb raviarveldusega raviarveldus- meeskond, kelle töö sisaldab täna märkimisväärses mahus käsitsi tehtavaid kontrolle ja analüüsi. Eesmärk on toetada spetsialiste keerukate raviarveldusjuhtumite analüüsimisel ning võimaldada keskenduda suuremat lisandväärtust loovatele tegevustele. Projekt toetab Regionaalhaigla grupi pikaajalist eesmärki liikuda automatiseeritud, läbipaistva ja andmepõhise raviarveldusprotsessi suunas, kus raviarveldajad tegelevad peamiselt kvaliteedikontrolli, analüüsi, rahastusriskide juhtimise ning erandjuhtumite lahendamisega. Projekti käigus uuritakse, arendatakse ja valideeritakse tehisintellekti kasutamise võimalusi raviarvelduse kvaliteedikontrollis ning rahastusriskide tuvastamisel. Eesmärk on hinnata, milliseid raviarvelduslikke kontrolle on võimalik automatiseerida või tehisintellekti abil toetada ning kuidas parandada raviarveldusprotsessi kvaliteeti ja efektiivsust. Tehisintellektil põhinev lahendus aitab vähendada käsitöö mahtu, avastada võimalikke probleeme varasemas etapis ning luua uusi teadmisi tehisintellekti rakendamisest tervishoiu rahastusprotsessides. Projekt toetab tehisintellekti kasutuselevõttu avalikus sektoris ning loob uusi teadmisi ja praktikaid tehisintellekti rakendamisest tervishoiu rahastusprotsessides. Projekti tulemusena luuakse raviarvelduslik otsustustoe võimekus, mis aitab liikuda Regionaalhaigla pikaajalise visiooni suunas, kus raviarveldus põhineb kvaliteetsetel andmetel, automatiseeritud kontrollidel ja andmepõhisel juhtimisel. Kuna raviarvelduse põhimõtted ja Tervisekassa rahastusreeglid on Eesti tervishoiuasutustes ühised, on projekti käigus loodavad teadmised, metoodikad ja lahenduspõhimõtted rakendatavad suurel määral ka teistes Eesti tervishoiuasutustes. Projekti tulemused ei ole ette teada ning vajavad rakendusuuringuid, prototüüpimist ja valideerimist reaalses tervishoiukeskkonnas. Projekti ajaraam 01.09.2026 – 31.10.2027 3. Projekti lühiülevaade Omafinantseeringu suurus ja allikas 92 000€, Regionaalhaigla eelarve Taotletav toetuse summa [€] 520 000€ 4. Projekti detailsem kirjeldus Probleemikirjeldus Raviarveldus on Regionaalhaiglas suurel määral käsitöömahukas protsess, mis sõltub kliinilise Selgitage, miks on probleem dokumentatsiooni kvaliteedist, raviarveldajate aktuaalne ning keda see puudutab. teadmistest ja kogemusest ning erinevate Mida on probleemi lahendamiseks infosüsteemide vahelisest andmevahetusest. Oluline Eestis juba tehtud või mis on osa raviarveldust mõjutavast informatsioonist on tegemisel? struktureerimata kujul, mistõttu ei ole kogu raviarveldust mõjutav teave süsteemides automaatselt kättesaadav ega raviarve koostamisel ühtselt kasutatav. Tänases protsessis toimub oluline osa raviarvete kvaliteedi- ja vastavuskontrollidest alles pärast raviarve pakkimist või pärast raviarve edastamist Tervisekassale. Selle tulemusena võivad tekkida olukorrad, kus:  raviarvelt puuduvad teenused või tarvikud;  raviarve sisaldab vigu, mis tuvastatakse alles pärast Tervisekassasse saatmist;  ravijuhu dokumentatsioon ei kajasta täielikult osutatud ravitegevust;  raviarve ei kajasta täiel määral rahastuse seisukohast olulist informatsiooni (sh DRG klassifikatsiooni mõjutavaid asjaolusid);  raviarveldajad tegelevad olulise osa tööajast vigade parandamise, andmete kontrollimise ja käsitsi tehtavate kvaliteedikontrollidega. Probleemi olulisust suurendab raviarvelduse maht. Regionaalhaiglas töödeldakse keskmiselt ligikaudu 1000 raviarvet päevas kogumahus umbes 1 miljon eurot. 2026. aasta mais koostati ligi 33 000 raviarvet enam kui 420 000 teenusereaga. Sellise mahu juures võivad ka üksikud vead või puudused avaldada märkimisväärset mõju raviarvelduse kvaliteedile, töömahule ja tervishoiu rahastamise efektiivsusele. Probleem ei ole ainult Regionaalhaigla spetsiifiline, vaid puudutab kogu Eesti haiglavõrku. Sarnaste väljakutsetega puutuvad kokku kõik raviasutused, kes esitavad raviarveid Tervisekassale ning peavad 4. Projekti detailsem kirjeldus tagama raviarvete vastavuse kehtivatele rahastusreeglitele. Samas on haiglate võimekus raviarveldust toetavate kontrollide, automatiseerimise ja analüütika osas erinev. Näiteks on osades haiglainfosüsteemides võimalik enne raviarve edastamist teha DRG analüüse ja simulatsioone ning rakendada raviarvele automaatseid kontrollreegleid, mis aitavad tuvastada võimalikke puudusi või vigu juba enne arve saatmist. Regionaalhaiglas tehakse oluline osa nendest tegevustest endiselt käsitsi ning need sõltuvad suurel määral raviarveldajate teadmistest ja kogemusest. Sellest tulenevalt ei ole olemasolevat raviarveldusalast teadmist võimalik kõigile raviarvetele ühtlaselt ja järjepidevalt rakendada. Arvestades Regionaalhaigla raviarvete väga suurt mahtu, ei ole käsitsi kontrollidele tuginev protsess pikaajaliselt skaleeritav ning suurendab nii vigade tekkimise kui ka rahastusriskide realiseerumise tõenäosust. Lisaks puudub täna terviklik võimekus hinnata ravijuhtude dokumentatsiooni kvaliteeti, raviarvete vastavust rahastusreeglitele ning nende mõju haigla rahastusele enne raviarvete edastamist Tervisekassale. Samuti puudub võimalus süstemaatiliselt hinnata dokumentatsiooni, raviarvelduse ja rahastuse vahelisi seoseid ning kasutada seda teadmist raviarveldusprotsessi kvaliteedi parandamiseks. Praegused kitsaskohad: 1) Käsitöömahukas protsess - oluline osa raviarveldusest põhineb spetsialistide teadmistel ja manuaalsetel kontrollidel. Süsteemid ei toeta piisavalt automaatset vigade avastamist ega kvaliteedikontrolli. 2) Puudulik eelkontroll - paljud vead avastatakse alles pärast raviarve pakkimist või Tervisekassa tagasiside saamisel. See põhjustab täiendavat töökoormust ning pikendab raviarvete menetlemise aega. 3) Dokumentatsiooni ja rahastuse seoste vähene nähtavus - kliiniline personal ei näe sageli, kuidas dokumentatsioon mõjutab raviarve koostamist, DRG klassifikatsiooni või ravijuhu rahastamist. 4. Projekti detailsem kirjeldus 4) Teadmiste koondumine üksikutele spetsialistidele - raviarveldusprotsessi kvaliteet sõltub suurel määral konkreetsete töötajate kogemusest ja teadmistest. Süsteem ei toeta teadmiste süstemaatilist rakendamist ega laiemat kasutamist kogu raviarveldusprotsessis. 5) Andmekvaliteedi ja andmete seoste probleemid – raviarveldust mõjutavad andmed paiknevad mitmes infosüsteemis ning nende kvaliteet, terviklikkus ja omavahelised seosed ei ole alati piisavalt läbipaistvad. See raskendab raviarvelduse automatiseerimist, kvaliteedikontrolli ning andmepõhist juhtimist. Projekti edukust hinnatakse tehisintellekti poolt tuvastatud vigade ja riskide arvu, raviarveldajate ajakulu muutuse, raviarvete kvaliteedinäitajate ning kasutajate tagasiside põhjal. Projekti oodatav tulemus ja mõju Projekti eesmärk on uurida, arendada ja valideerida tehisintellekti kasutamise võimalusi raviarvelduse Kas projektil on selge ning kvaliteedikontrollis ning rahastusriskide mõõdetav eesmärk, mille tuvastamisel. saavutamist või mittesaavutamist Tehisintellekti lahendus: on võimalik hinnata?  tuvastab võimalikud puuduvad teenused või tarvikud;  tuvastab võimalikud kodeerimisvead;  hindab raviarve vastavust Tervisekassa kontrollreeglitele;  tuvastab võimalikud rahastusriskid;  hindab dokumentatsiooni mõju DRG klassifikatsioonile;  aitab raviarveldajat raviarve kontrollimisel;  pakub selgitusi, miks konkreetne raviarve võib vajada täiendavat tähelepanu. Oodatav mõju:  raviarvete kvaliteedi paranemine;  käsitöö vähenemine;  vigade varasem avastamine;  raviarveldajate töö efektiivsem kasutamine;  parem ülevaade rahastuse kujunemisest;  sisendi loomine tulevase e-haigusloo raviarveldusmooduli disainimiseks.  raviarveldusse puutuva andmestiku töötlemine toimub kooskõlas kehtivate regulatsioonidega. 4. Projekti detailsem kirjeldus  vaadeldes raviarvelduse süsteemi kui tervikut, st TTO kui Tervisekassa lahendus moodustab terviklahenduse, saab loodav lahendus optimeerida terviksüsteemi ressursivajadusi ja ressursikulu. Raviarvelduse mahud:  Ühes tööpäevas ~ 1mil EUR  Ühes tööpäevas ~1000 arvet  Arvetel 1- 1000 (ja rohkem ridu)  Arvete summad algavad 3 EUR ja võivad olla 250 000 EUR ja rohkem (ülikallid ravijuhud)  Mai 2026 Arveid 32966, mille ridu 420813 Eesmärk on, et Tervisekassa kontrollpäringute tulemused raviarvete kvaliteedi hindamiseks on vigadeta. Projekti meeskond ja Projekti elluviimiseks moodustatakse meeskond, töökorraldus kuhu on kaasatud ravirahastuse, infosüsteemide, infoturbe, andmekaitse ja tehisintellekti valdkonna Kirjeldage rollide ja töö jaotust eksperdid. projektimeeskonnas. Missugust  Projektijuht (määramisel) vastutab projekti täiendavat ekspertiisi tuleb juurde igapäevase juhtimise, ajakava, eelarve, kaasata (nt tehniline ekspertiis, riskide juhtimise ning osapoolte vahelise andmekaitse)? koostöö koordineerimise eest.  Ravirahastuse juht (Viktoria Jesjutina) vastutab äriliste eesmärkide, raviarveldusprotsessi vajaduste ning projekti väljundite sisulise suunamise eest.  Tootejuht (Mait Kuldmaa) vastutab lahenduse visiooni, funktsionaalsete nõuete ning arendustegevuste koordineerimise eest.  E-haigla juht (Jaagup Saare) toetab projekti strateegilise nõustamise, innovatsiooni ja tervishoiu digilahenduste valdkonna ekspertiisiga.  Diagnostikakliiniku juht (Indrek Koovit) panustab kliinilise töökorralduse ja tervishoiuprotsesside eksperdina. Täiendava ekspertiisina kaasatakse:  Infoturbejuht (Kristjan Hinn), kes vastutab infoturbe nõuete ja riskide hindamise eest;  Andmekaitse juht (Urmas Kukk), kes vastutab andmekaitsealaste nõuete ja mõjuhinnangute eest; 4. Projekti detailsem kirjeldus  IT-arendusjuht (Timo Piirsoo), kes vastutab tehnilise arhitektuuri ja integreerimisvõimaluste hindamise eest. Projekti käigus kaasatakse vajaduspõhiselt väliseid eksperte ja teenuseosutajaid, sealhulgas ärianalüütikuid, süsteemianalüütikuid, arhitekte, tehisintellekti spetsialiste, arendusressurssi ning andmekaitse- ja infoturbe spetsialiste. Projekt viiakse ellu etappide kaupa. Iga etapi lõpus hinnatakse saavutatud tulemusi, kinnitatakse järgmise etapi tegevused ning viiakse läbi vajalikud kvaliteedi-, infoturbe- ja andmekaitsealased kontrollid. Projekti juhtimine toimub regulaarsete töökoosolekute, vahearuannete ja juhtgrupi otsuste kaudu. Jätkutegevused Pärast rahastusperioodi lõppu jätkatakse lahenduse arendamist ja kasutuselevõttu Regionaalhaiglas. Kirjeldage planeeritud Projekti käigus valideeritud tehisintellekti mudel ja jätkutegevusi pärast tööprotsessid integreeritakse järk-järgult rahastusperioodi lõppu. raviarveldusprotsessi ning hinnatakse nende mõju raviarvete kvaliteedile, töömahule ja rahastusriskide vähendamisele. Projekti tulemusena loodud metoodikaid, teadmisi ja tehnilisi lahenduspõhimõtteid on võimalik rakendada ka teistes Eesti tervishoiuasutustes. Regionaalhaigla soovib jagada projekti tulemusi haiglavõrgu, Tervisekassa ja teiste avaliku sektori organisatsioonidega, et hinnata võimalusi tehisintellekti laiemaks kasutuselevõtuks raviarvelduse ja tervishoiu rahastusprotsesside valdkonnas. Projekti pikaajaline eesmärk on luua alus raviarveldusprotsesside suuremale automatiseerimisele, kvaliteedikontrolli tõhustamisele ning andmepõhisele juhtimisele Eesti tervishoius. Riskid ja maandamismeetmed Risk: Ravitöö dokumentatsioon ei ole täielikult digitaliseeritud. Kirjeldage peamisi riske, mis Maandamismeede: Digitaalse dokumentatsiooni võivad takistada projekti elluviimist mahu tõstmine. või eesmärkide saavutamist, millised maandamismeetmed Risk: Isikuandmed ja terviseandmed pole loodavas kasutusele võetakse? lahenduses turvaliselt hallatud. 4. Projekti detailsem kirjeldus Maandamismeede: Asjakohaste andmekaitse ja infoturbe meetmete rakendamine alates analüüsi etapist. 5. Seos teadus- ja arendustegevuse kriteeriumitega (palun kirjeldage) Tegevuse liik (alusuuring, Eksperimentaalarendus. rakendusuuring või Projekti käigus uuritakse, arendatakse ja eksperimentaalarendus) valideeritakse tehisintellekti kasutamise võimalusi raviarvelduse kvaliteedikontrollis, rahastusriskide tuvastamisel ning kliinilise dokumentatsiooni ja rahastusreeglite vaheliste seoste analüüsimisel. Projekti tulemusena valmib prototüüp/lahendus, mida testitakse reaalses tervishoiukeskkonnas. Uudsus Eestis ei ole teadaolevalt kasutusel tehisintellektil põhinevaid lahendusi, mis analüüsiksid terviklikult raviarvelduse, kliinilise dokumentatsiooni ja tervishoiu rahastusreeglite omavahelisi seoseid ning toetaksid raviarveldajaid soovitustega enne raviarve edastamist Tervisekassale. Projekt loob uudse lähenemise tehisintellekti rakendamiseks tervishoiu rahastusprotsessides. Loomingulisus Projekt ühendab kliinilise dokumentatsiooni, raviarvelduse andmed, rahastusreeglid ja tehisintellekti tehnoloogiad eesmärgiga luua otsustustoe lahendus. Lahenduse väljatöötamine eeldab uute metoodikate, mudelite ja tööprotsesside loomist ning nende kohandamist Eesti tervishoiusüsteemi vajadustele. Ettemääramatu tulemus Projekti alguses ei ole teada, millise täpsusega on võimalik tuvastada raviarveldusvigu, rahastusriske või dokumentatsiooni puudujääke ning milline tehisintellekti lähenemine annab parima tulemuse. Nende küsimuste lahendamine eeldab katsetamist, valideerimist ja tulemuste hindamist reaalses töökeskkonnas. Süsteemsus Projekt viiakse ellu etapiviisiliselt, hõlmates analüüsi, prototüübi loomist, testimist, valideerimist ja tulemuste hindamist. Projekti käigus tekkivad teadmised dokumenteeritakse ning kasutatakse lahenduse edasiarendamisel ja kasutuselevõtul. Ülekantavus või korratavus Regionaalhaigla grupis on neli juriidilist isikut, mis võimaldab hinnata lahenduse ülekantavust erinevates asutustes. Projekti tulemused on ülekantavad ja korratavad kogu Eesti tervishoiusüsteemis. 6. Projekti eelarve ja ajakava Lisa iga etapi ning tegevuse juurde tegevuse kirjeldus, algus ja lõpp ning eelarve. Tegevused Tegevuse algus Tegevuse lõpp Kestus kokku (mitmes kuu) (mitmes kuu) (mitu kuud) I etapp - analüüs Eelanalüüs, 1.kuu 2.kuu 2 kuud hankedokumentide koostamine (sh hanke avalikustamine ja lepingu sõlmimine) Hankelepingu täitmine 2.kuu 6.kuu 4 kuud ja detailanalüüsi koostamine, sh protsesside kirjeldamine, kulu-tulu analüüs, riskianalüüs ja tehnilise teostatavuse analüüs II etapp - juurutus AI lahenduste 6. kuu 12. kuu 6 kuud loomine ja ettevalmistused kasutuseks, sh tarkvaraarendus ja liidestamine erinevate süsteemidega Testimine 12. kuu 13. kuu 1 kuu ja järelduste tegemine Lõpparuande ja 13. kuu 14. kuu 1 kuu dokumentatsiooni koostamine Tegevused PERH kulud Välise partneri Kulud kokku kulud I etapp - analüüs Eelanalüüs, Tööjõukulud - 13 300 € hankedokumentide (tootejuht, koostamine (sh hanke tooteomanik, avalikustamine ja majasisene lepingu sõlmimine) arendaja) – 13 300 € (2 kuud) Hankelepingu täitmine Tööjõukulud Ärianalüüs ja 156 600 € ja detailanalüüsi (tootejuht, funktsionaalsete koostamine, sh tooteomanik, nõuete koostamine – protsesside kirjeldamine, majasisene 100 000 € kulu-tulu analüüs, arendaja) – 26 600 riskianalüüs ja tehnilise € (4 kuud) Süsteemiarhitektuuri teostatavuse analüüs ja tehnilise  lahenduse projekteerimine – 30 000€ II etapp - juurutus Lokaalse AI taristu Lokaalse AI taristu 56 000 € rajamine soetamine (GPU- server, arvutus- ja salvestustaristu) – 56 000 € AI lahenduste Tööjõukulud AI lahenduse 304 900 € loomine ja (tootejuht, arendus, mudelite ettevalmistused tooteomanik, kohandamine ja kasutuseks, sh majasisene kontrollloogika tarkvaraarendus ja arendaja) – 39 900 loomine – 190 000€ liidestamine erinevate € (6 kuud) süsteemidega Liidestuste arendamine PERHi infosüsteemide ja Tervisekassa teenustega – 74 000€ Testimine Tööjõukulud Funktsionaalne 76 650 € ja järelduste tegemine (tootejuht, testimine, AI mudeli tooteomanik, valideerimine, majasisene turvaaudit, arendaja) – 6650 € andmekaitse (1 kuud) hindamine ja dokumentatsiooni koostamine – 70 000€ Lõpparuande ja Tööjõukulud 18 550 € dokumentatsiooni läbi (tootejuht, töötade ja koolituste läbi tooteomanik, viimine majasisene arendaja) – 6650 € (1 kuud) Koolituste läbi viimine huvigruppile – 11 900 € Kokku 92 000 € 520 000 € 612 000 € Analüüsi etapp: analüüsi etapis kaardistatakse olemasolev raviarveldusprotsess ning tuvastatakse peamised kontrollitegevused, mida raviarveldajad raviarvete koostamisel ja kontrollimisel teostavad. Tähelepanu pööratakse vigadele, puudustele ja rahastusriskidele, mida spetsialistid täna käsitsi tuvastavad. Analüüsi eesmärk on välja selgitada, milliseid kontrollimehhanisme on otstarbekas lahendada traditsiooniliste reeglipõhiste tarkvaralahendustega ning millistes kasutusjuhtumites pakub tehisintellekt täiendavat abi. Projekti alguses ei ole teada, milline lähenemine annab parima tulemuse, mistõttu vajab see täiendavat uurimist ja valideerimist. Paralleelselt koostatakse mudelite treenimiseks ja valideerimiseks vajalik andmestik. Selleks kogutakse ja analüüsitakse ajaloolisi raviarveid koos seotud kliinilise dokumentatsiooniga, sealhulgas haiguslugude ja epikriisidega. Andmestikus märgistatakse käsitsi erinevad veatüübid, puudused ja rahastusriskid, et võimaldada erinevate lahenduste objektiivset võrdlemist ja hindamist. Arendus- ja valideerimisetapp: arendusetapis hinnatakse erinevate tehisintellekti lähenemiste sobivust, sealhulgas suurte keelemudelite (LLM) ning spetsiaalselt treenitud mudelite kasutamist. Eesmärk on leida lahendus, mis tagab raviarveldusprotsessis piisava täpsuse, selgitatavuse ja kuluefektiivsuse. Valitud lahendus integreeritakse raviarveldusprotsessi selliselt, et enne raviarve edastamist rakendatakse nii olemasolevaid reeglipõhiseid kontrolle kui ka tehisintellekti põhiseid kontrolle. Projekti käigus hinnatakse ka erinevate kontrollimehhanismide kuluefektiivsust ning sobivust erineva keerukusega ravijuhtumitele. Mudelit ja selle kasutusloogikat täiustatakse iteratiivselt testimise ja kasutajate tagasiside põhjal. Erilist tähelepanu pööratakse valepositiivsete tulemuste vähendamisele ning sellele, et tehisintellekti soovitused oleksid raviarveldajatele praktiliselt kasutatavad ja usaldusväärsed. 7. Kasutatavate andmete ülevaade Ülevaade projekti käigus Projekti käigus töödeldakse raviarvelduse töödeldavatest andmetest kvaliteedikontrolli ja rahastusriskide tuvastamisega seotud andmeid, sealhulgas:  patsientide isikuandmeid ja terviseandmeid ulatuses, mis on vajalik raviarvelduse analüüsimiseks ja valideerimiseks;  kliinilist dokumentatsiooni (sh haiguslood, epikriisid, protseduuride kirjeldused, ravimilehed, õendusdokumendid ja muud raviarvelduse seisukohalt asjakohased dokumendid);  raviarvete andmeid;  tervishoiuteenuste loetelu andmeid, sealhulgas teenuste nimetusi, koode, koguseid ja maksumusi;  tervishoiuteenuse osutamisega seotud metaandmeid;  teenust osutanud tervishoiutöötajate andmeid ulatuses, mis on vajalik raviarvelduse kontrollide läbiviimiseks.  7. Kasutatavate andmete ülevaade Projekti käigus hinnatakse võimalusi andmete minimeerimiseks ja muid privaatsuskaitse meetmeid. Andmete töötlemine toimub kooskõlas kehtivate õigusaktide, andmekaitse nõuete ning infoturbe põhimõtetega. Kas vajalik on läbi viia Projekti käigus viiakse läbi infoturbe- ja andmekaitse andmekaitsealane mõjuhinnang? õiguslik analüüs, tehniline riskianalüüs, andmekaitsealane mõjuhinnang, mille tulemusena määratakse töödeldavate andmete täpne ulatus, vajalikud turvameetmed ning tagatakse, et tehisintellekti lahendus on kooskõlas kehtivate regulatsioonidega. Kas projekti käigus rakendatakse Ei andmejälgijat? Kas vajalik on täita algoritmi Vajadus algoritmi kasutatavuse vormi täitmiseks kasutatavuse vorm?1 selgitatakse välja projekti analüüsi etapis. Projekti käigus hinnatakse loodava lahenduse olemust, kasutusjuhtumeid ning õiguslikke nõudeid, sealhulgas algoritmiliste süsteemide kasutamisega seotud regulatiivseid kohustusi. Kas projekti käigus avalikustatakse Ei avaandmeid? 8. Muu vajalik teave vabas vormis Projekti etappide hindamine ja otsustuspunktid I etapp – analüüs (1.–6. kuu) Hinnatakse järgmisi kriteeriume:  Detailanalüüs ja tehnilise teostatavuse hinnang on valminud ning kinnitavad, et olemasolevad raviarveldusprotsessid, andmeallikad ja kasutusjuhud on kaardistatud ning vähemalt osa tuvastatud raviarvelduslikest kitsaskohtadest (sh puuduvad teenused, kodeerimisvead ja DRG klassifikatsiooni mõjutavad puudujäägid) on tehisintellekti abil realistlikult tuvastatavad.  Treening- ja valideerimisandmestik on kogutud ja märgistatud mahus, mis võimaldab objektiivselt hinnata tehisintellekti lahenduse toimivust ning katab peamised raviarvelduses esinevad kasutusjuhud ja veatüübid.  Kulu-tulu analüüs näitab, et II etappi liikumine on majanduslikult põhjendatud, arvestades lahenduse eeldatavat mõju raviarveldusprotsessi kvaliteedile, käsitöö vähenemisele ning rahastusriskide vähendamisele.  Andmekaitse ja infoturbe eelhinnang ei tuvasta ületamatuid õiguslikke ega tehnilisi takistusi isiku- ja terviseandmete töötlemisel. 1 AI ülevaade | Kratid 8. Muu vajalik teave vabas vormis Kui hindamiskriteeriumid on täidetud ning analüüsi tulemused kinnitavad projekti tehnilist, õiguslikku ja majanduslikku teostatavust, otsustab juhtgrupp projekti jätkamise II etapiga. Projekt lõpetatakse või selle ulatust vähendatakse, kui analüüs näitab, et:  andmete kvaliteet ei võimalda eesmärke saavutada;  AI ei anna võrreldes reeglipõhiste lahendustega piisavat lisandväärtust;  infoturbe või õiguslikud piirangud ei võimalda lahendust kasutusele võtta. II etapp – arendus ja testimine (6.–13. kuu) Hinnatakse järgmisi kriteeriume:  lahendus töötab planeeritud kasutusjuhtudel;  mudeli toimivust hinnatakse projekti käigus määratletud kvaliteedinäitajate alusel ning selle täpsus, selgitatavus ja usaldusväärsus vastavad projekti eesmärkidele;  lahendus on edukalt integreeritud vajalike PERH-i infosüsteemidega ja Tervisekassa teenustega,  kasutajad hindavad soovitusi praktiliselt kasutatavaks;  infoturbe ja andmekaitse nõuded on täidetud. Projekt loetakse edukaks, kui valideerimine kinnitab, et lahendus:  vähendab käsitsi tehtavat kontrolli;  aitab tuvastada raviarveldusvigu ja rahastusriske;  on kasutajatele praktiliselt rakendatav;  on põhjendatud nii tehniliselt kui majanduslikult. Algoritmi kasutatavuse vorm Käesoleva projekti alguses ei ole võimalik lõplikult otsustada, kas loodava lahenduse puhul on vajalik algoritmi kasutatavuse vormi täitmine, kuna see sõltub analüüsi ja arenduse käigus tehtavatest tehnilistest valikutest. Projekti eesmärk on hinnata erinevate lähenemiste sobivust, sealhulgas reeglipõhiste kontrollimehhanismide, masinõppel põhinevate mudelite ning suurte keelemudelite (LLM) kasutamise võimalusi raviarveldusprotsessi toetamisel. Arvestades, et lahendus töötleb ulatuslikult isiku- ja terviseandmeid ning mõjutab kaudselt rahastusotsuseid ja DRG klassifikatsiooni, on tõenäoline, et algoritmi kasutatavuse vorm osutub vajalikuks. Lõplik otsus tehakse siiski alles pärast tehnilise lahenduse valikut, kuna vormi kohaldumine sõltub lahenduse konkreetsest ülesehitusest. Algoritmi kasutatavuse vormi täitmise vajadust mõjutavad eelkõige järgmised asjaolud:  kas lõplik lahendus põhineb masinõppel või üksnes eeldefineeritud reeglipõhistel kontrollidel;  kas lahendus genereerib kasutajale tehisintellektil põhinevaid soovitusi või prognoose;  8. Muu vajalik teave vabas vormis  milline on algoritmi roll otsustusprotsessis ning milline on selle mõju kasutaja tehtavatele otsustele;  lahenduse vastavus avaliku sektori algoritmide kasutamist reguleerivatele nõuetele. Lõplik otsus algoritmi kasutatavuse vormi täitmise vajaduse kohta tehakse analüüsi etapi lõpus, hiljemalt 6. kuu lõpuks. Kui analüüsi tulemusel selgub, et loodav lahendus kvalifitseerub algoritmiks, mille puhul on algoritmi kasutatavuse vorm nõutav, täidetakse see enne lahenduse kasutuselevõttu. Projekti tulemuste taaskasutatavus Projekti eesmärk ei ole luua üksnes Regionaalhaigla vajadustele vastavat lahendust, vaid töötada välja teadmised, metoodikad ja tehnilised lahenduspõhimõtted, mida on võimalik rakendada ka teistes Eesti tervishoiuasutustes ning laiemalt avalikus sektoris. Kuna raviarvelduse põhimõtted ning Tervisekassa rahastusreeglid on Eesti tervishoius suurel määral ühised, on projekti tulemused olulisel määral ülekantavad ka teistele tervishoiuteenuse osutajatele. Projekti käigus kavandatakse taaskasutatavaks järgmised tulemused:  raviarveldusprotsessi analüüsi metoodika ja kasutusjuhtude kirjeldused;  tehisintellekti rakendamise põhimõtted raviarveldusprotsessi kvaliteedikontrollis;  tehnilise arhitektuuri ja süsteemide integreerimise üldised lahenduspõhimõtted;  mudelite hindamise ja valideerimise metoodika;  projekti käigus koostatud soovitused tehisintellekti kasutamiseks raviarvelduse valdkonnas. Regionaalhaigla grupp koosneb neljast juriidilisest isikust, mis võimaldab lahenduse ülekantavust hinnata juba projekti käigus, erineva suuruse ja spetsiifikaga asutuste vahel, enne laiemat levitamist väljapoole gruppi. Tulemuste laiemat kasutuselevõttu toetatakse projekti lõpparuande ja metoodiliste materjalide jagamisega haiglavõrgu partneritele, Tervisekassale ning teistele avaliku sektori organisatsioonidele. Volitused Kontrollige e-äriregistrist2, kas Teil on äriregistri registrikaardi järgi õigus taotleja esindamiseks. Juhul, kui Teil puudub e-äriregistris taotleja esindusõigus, saate oma esindusõigust tõendada, lisades taotlusele digiallkirjastatud volituse. Kinnitused Palun tutvuge alljärgnevate tingimustega ning kinnitage, et olete nendega nõus: Annan nõusoleku: 2 Juriidilise isiku otsing | e-Äriregister  - teha õiguspädevale organile järelpärimisi; - teostada taotleja suhtes toetuse andmise tingimustest tulenevaid õigusi; - edasise infovahetuse toimumiseks elektroonilisel teel. Kinnitan järgnevat: - kõik taotluses esitatud andmed on õiged ning esitatud dokumendid on kehtivad ja ehtsad; - taotluses sisalduv projekt vastab toetuse andmise tingimuste määruses sätestatud eesmärkidele ja toetatavatele tegevustele; - taotlejal on toetuse andmise tingimustes sätestatud projekti elluviimiseks ja haldamiseks vajalik kvalifikatsioon või kogemus ning õiguslik, organisatsiooniline või tehniline eeldus; - taotleja kohustub väljastama andmeid ja osutama igakülgselt kaasabi Justiits- ja Digiministeeriumile ning teistele asutustele, kelle kohustus on teha taotluses sisalduva projekti elluviimise üle järelevalvet; - taotleja kohustub viima projekti ellu taotluses esitatud teabe ja tingimuste alusel; - taotleja kohustub Justiits- ja Digiministeeriumi viivitamata teavitama taotluses esitatud andmetes toimunud muudatusest ja ilmnenud asjaolust, mis võib mõjutada taotluse kohta otsuse tegemist; - taotlejal on nõutavad vahendid projekti omafinantseeringu tagamiseks; - taotleja on teadlik, et toetuse saamise info ja toetuse summa avalikustatakse. ☒ Kinnitan, et kõik taotluses esitatud andmed on õiged ja täielikud, olen ülaltoodud tingimustega tutvunud ja olen nendega nõus. Saatja: "Jaagup Saare - PERH" <[email protected]> Saaja: "Justiits- ja Digiministeerium" <[email protected]> Teema: Re: Tehisarulahenduste toetusmeede Kuupäev: 2026-09-14 10:04 Tähelepanu! Tegemist on välisvõrgust saabunud kirjaga. Tundmatu saatja korral palume linke ja faile mitte avada. Tere! Saadan uuendatud taotluse. Tervitustega, Jaagup Saare e-haigla juht Telefon <tel:+3725053877> +372 50 53 877 SA Põhja-Eesti Regionaalhaigla Sütiste tee 19, 13419 Tallinn <http://www.regionaalhaigla.ee/> www.regionaalhaigla.ee From: Jaagup Saare - PERH <[email protected]> Date: Friday, 31. July 2026 at 21:48 To: Justiits- ja Digiministeerium <[email protected]> Subject: Tehisarulahenduste toetusmeede Tere! Saadan täiendatud taotluse, kuhu on lisatud vastused Teie esitatud küsimustele. Taotluse allkirjastas meie juhatuse esimees. Tervitustega, Jaagup Saare e-haigla juht Telefon <tel:+3725053877> +372 50 53 877 SA Põhja-Eesti Regionaalhaigla Sütiste tee 19, 13419 Tallinn <http://www.regionaalhaigla.ee/> www.regionaalhaigla.ee From: Justiits- ja Digiministeerium <[email protected]> Date: Thursday, 16. July 2026 at 10:03 To: Jaagup Saare - PERH <[email protected]> Subject: Automaatvastus: Re: Tehisarulahenduste toetusmeede Tähelepanu: E-kiri saadeti väljastpoolt Regionaalhaigla gruppi. Kui sa ei tunne saatjat või kahtled sisu ohutuses, siis ära ava linke ega manuseid! Tere Täname Teid pöördumast Justiits- ja Digiministeeriumi poole. Teatame, et oleme e-kirja kätte saanud ja vastame Teile esimesel võimalusel. Justiits- ja Digiministeerium Hello, Thank You for contacting the Ministry of Justice and Digital Affairs. We will respond as soon as possible. Ministry of Justice and Digital Affairs P Säästa loodust ja ära prindi seda e-kirja! Käesolev e-kiri võib sisaldada asutusesiseseks kasutamiseks tunnistatud teavet. This e-mail may contain information which is classified for official use.