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

Selgitage, miks on probleem

aktuaalne ning keda see puudutab.

Mida on probleemi lahendamiseks

Eestis juba tehtud või mis on

tegemisel?

Raviarveldus on Regionaalhaiglas suurel määral

käsitöömahukas protsess, mis sõltub kliinilise

dokumentatsiooni kvaliteedist, raviarveldajate

teadmistest ja kogemusest ning erinevate

infosüsteemide vahelisest andmevahetusest. Oluline

osa raviarveldust mõjutavast informatsioonist on

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

Kas projektil on selge ning

mõõdetav eesmärk, mille

saavutamist või mittesaavutamist

on võimalik hinnata?

Projekti eesmärk on uurida, arendada ja valideerida

tehisintellekti kasutamise võimalusi raviarvelduse

kvaliteedikontrollis ning rahastusriskide

tuvastamisel. Tehisintellekti lahendus:

 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

töökorraldus

Kirjeldage rollide ja töö jaotust

projektimeeskonnas. Missugust

täiendavat ekspertiisi tuleb juurde

kaasata (nt tehniline ekspertiis,

andmekaitse)?

Projekti elluviimiseks moodustatakse meeskond,

kuhu on kaasatud ravirahastuse, infosüsteemide,

infoturbe, andmekaitse ja tehisintellekti valdkonna

eksperdid.

 Projektijuht (määramisel) vastutab projekti

igapäevase juhtimise, ajakava, eelarve,

riskide juhtimise ning osapoolte vahelise

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

Kirjeldage planeeritud

jätkutegevusi pärast

rahastusperioodi lõppu.

Pärast rahastusperioodi lõppu jätkatakse lahenduse

arendamist ja kasutuselevõttu Regionaalhaiglas.

Projekti käigus valideeritud tehisintellekti mudel ja

tööprotsessid integreeritakse järk-järgult

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

Kirjeldage peamisi riske, mis

võivad takistada projekti elluviimist

või eesmärkide saavutamist,

millised maandamismeetmed

kasutusele võetakse?

Risk: Ravitöö dokumentatsioon ei ole täielikult

digitaliseeritud.

Maandamismeede: Digitaalse dokumentatsiooni

mahu tõstmine.

Risk: Isikuandmed ja terviseandmed pole loodavas

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,

rakendusuuring või

eksperimentaalarendus)

Eksperimentaalarendus.

Projekti käigus uuritakse, arendatakse ja

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

(mitmes kuu)

Tegevuse lõpp

(mitmes kuu)

Kestus kokku

(mitu kuud)

I etapp - analüüs

Eelanalüüs,

hankedokumentide

koostamine (sh hanke

avalikustamine ja

lepingu sõlmimine)

1.kuu 2.kuu 2 kuud

Hankelepingu täitmine

ja detailanalüüsi

koostamine, sh

protsesside kirjeldamine,

kulu-tulu analüüs,

riskianalüüs ja tehnilise

teostatavuse analüüs

2.kuu 6.kuu 4 kuud

II etapp - juurutus

AI lahenduste

loomine ja

ettevalmistused

kasutuseks, sh

tarkvaraarendus ja

liidestamine erinevate

süsteemidega

6. kuu 12. kuu 6 kuud

Testimine

ja järelduste tegemine

12. kuu 13. kuu 1 kuu

Lõpparuande ja

dokumentatsiooni

koostamine

13. kuu 14. kuu 1 kuu

Tegevused PERH kulud Välise partneri

kulud

Kulud kokku

I etapp - analüüs

Eelanalüüs,

hankedokumentide

koostamine (sh hanke

avalikustamine ja

lepingu sõlmimine)

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 13 300

€ (2 kuud)

- 13 300 €

Hankelepingu täitmine

ja detailanalüüsi

koostamine, sh

protsesside kirjeldamine,

kulu-tulu analüüs,

riskianalüüs ja tehnilise

teostatavuse analüüs

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 26 600

€ (4 kuud)

Ärianalüüs ja

funktsionaalsete

nõuete koostamine –

100 000 €

Süsteemiarhitektuuri

ja tehnilise

156 600 €

lahenduse

projekteerimine –

30 000€

II etapp - juurutus

Lokaalse AI taristu

rajamine

Lokaalse AI taristu

soetamine (GPU-

server, arvutus- ja

salvestustaristu) –

56 000 €

56 000 €

AI lahenduste

loomine ja

ettevalmistused

kasutuseks, sh

tarkvaraarendus ja

liidestamine erinevate

süsteemidega

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 39 900

€ (6 kuud)

AI lahenduse

arendus, mudelite

kohandamine ja

kontrollloogika

loomine – 190 000€

Liidestuste

arendamine PERHi

infosüsteemide ja

Tervisekassa

teenustega – 74

000€

304 900 €

Testimine

ja järelduste tegemine

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 6650 €

(1 kuud)

Funktsionaalne

testimine, AI mudeli

valideerimine,

turvaaudit,

andmekaitse

hindamine ja

dokumentatsiooni

koostamine – 70

000€

76 650 €

Lõpparuande ja

dokumentatsiooni läbi

töötade ja koolituste läbi

viimine

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 6650 €

(1 kuud)

Koolituste läbi

viimine

huvigruppile– 11

900 €

18 550 €

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

töödeldavatest andmetest

Projekti käigus töödeldakse raviarvelduse

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

andmekaitsealane mõjuhinnang?

Projekti käigus viiakse läbi infoturbe- ja andmekaitse

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

andmejälgijat?

Ei

Kas vajalik on täita algoritmi

kasutatavuse vorm?1

Vajadus algoritmi kasutatavuse vormi täitmiseks

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

avaandmeid?

Ei

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.

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

Selgitage, miks on probleem

aktuaalne ning keda see puudutab.

Mida on probleemi lahendamiseks

Eestis juba tehtud või mis on

tegemisel?

Raviarveldus on Regionaalhaiglas suurel määral

käsitöömahukas protsess, mis sõltub kliinilise

dokumentatsiooni kvaliteedist, raviarveldajate

teadmistest ja kogemusest ning erinevate

infosüsteemide vahelisest andmevahetusest. Oluline

osa raviarveldust mõjutavast informatsioonist on

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

Kas projektil on selge ning

mõõdetav eesmärk, mille

saavutamist või mittesaavutamist

on võimalik hinnata?

Projekti eesmärk on uurida, arendada ja valideerida

tehisintellekti kasutamise võimalusi raviarvelduse

kvaliteedikontrollis ning rahastusriskide

tuvastamisel. Tehisintellekti lahendus:

 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

töökorraldus

Kirjeldage rollide ja töö jaotust

projektimeeskonnas. Missugust

täiendavat ekspertiisi tuleb juurde

kaasata (nt tehniline ekspertiis,

andmekaitse)?

Projekti elluviimiseks moodustatakse meeskond,

kuhu on kaasatud ravirahastuse, infosüsteemide,

infoturbe, andmekaitse ja tehisintellekti valdkonna

eksperdid.

 Projektijuht (määramisel) vastutab projekti

igapäevase juhtimise, ajakava, eelarve,

riskide juhtimise ning osapoolte vahelise

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

Kirjeldage planeeritud

jätkutegevusi pärast

rahastusperioodi lõppu.

Pärast rahastusperioodi lõppu jätkatakse lahenduse

arendamist ja kasutuselevõttu Regionaalhaiglas.

Projekti käigus valideeritud tehisintellekti mudel ja

tööprotsessid integreeritakse järk-järgult

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

Kirjeldage peamisi riske, mis

võivad takistada projekti elluviimist

või eesmärkide saavutamist,

millised maandamismeetmed

kasutusele võetakse?

Risk: Ravitöö dokumentatsioon ei ole täielikult

digitaliseeritud.

Maandamismeede: Digitaalse dokumentatsiooni

mahu tõstmine.

Risk: Isikuandmed ja terviseandmed pole loodavas

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,

rakendusuuring või

eksperimentaalarendus)

Eksperimentaalarendus.

Projekti käigus uuritakse, arendatakse ja

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

(mitmes kuu)

Tegevuse lõpp

(mitmes kuu)

Kestus kokku

(mitu kuud)

I etapp - analüüs

Eelanalüüs,

hankedokumentide

koostamine (sh hanke

avalikustamine ja

lepingu sõlmimine)

1.kuu 2.kuu 2 kuud

Hankelepingu täitmine

ja detailanalüüsi

koostamine, sh

protsesside kirjeldamine,

kulu-tulu analüüs,

riskianalüüs ja tehnilise

teostatavuse analüüs

2.kuu 6.kuu 4 kuud

II etapp - juurutus

AI lahenduste

loomine ja

ettevalmistused

kasutuseks, sh

tarkvaraarendus ja

liidestamine erinevate

süsteemidega

6. kuu 12. kuu 6 kuud

Testimine

ja järelduste tegemine

12. kuu 13. kuu 1 kuu

Lõpparuande ja

dokumentatsiooni

koostamine

13. kuu 14. kuu 1 kuu

Tegevused PERH kulud Välise partneri

kulud

Kulud kokku

I etapp - analüüs

Eelanalüüs,

hankedokumentide

koostamine (sh hanke

avalikustamine ja

lepingu sõlmimine)

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 13 300

€ (2 kuud)

- 13 300 €

Hankelepingu täitmine

ja detailanalüüsi

koostamine, sh

protsesside kirjeldamine,

kulu-tulu analüüs,

riskianalüüs ja tehnilise

teostatavuse analüüs

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 26 600

€ (4 kuud)

Ärianalüüs ja

funktsionaalsete

nõuete koostamine –

100 000 €

Süsteemiarhitektuuri

ja tehnilise

156 600 €

lahenduse

projekteerimine –

30 000€

II etapp - juurutus

Lokaalse AI taristu

rajamine

Lokaalse AI taristu

soetamine (GPU-

server, arvutus- ja

salvestustaristu) –

56 000 €

56 000 €

AI lahenduste

loomine ja

ettevalmistused

kasutuseks, sh

tarkvaraarendus ja

liidestamine erinevate

süsteemidega

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 39 900

€ (6 kuud)

AI lahenduse

arendus, mudelite

kohandamine ja

kontrollloogika

loomine – 190 000€

Liidestuste

arendamine PERHi

infosüsteemide ja

Tervisekassa

teenustega – 74

000€

304 900 €

Testimine

ja järelduste tegemine

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 6650 €

(1 kuud)

Funktsionaalne

testimine, AI mudeli

valideerimine,

turvaaudit,

andmekaitse

hindamine ja

dokumentatsiooni

koostamine – 70

000€

76 650 €

Lõpparuande ja

dokumentatsiooni läbi

töötade ja koolituste läbi

viimine

Tööjõukulud

(tootejuht,

tooteomanik,

majasisene

arendaja) – 6650 €

(1 kuud)

Koolituste läbi

viimine

huvigruppile– 11

900 €

18 550 €

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

töödeldavatest andmetest

Projekti käigus töödeldakse raviarvelduse

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

andmekaitsealane mõjuhinnang?

Projekti käigus viiakse läbi infoturbe- ja andmekaitse

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

andmejälgijat?

Ei

Kas vajalik on täita algoritmi

kasutatavuse vorm?1

Vajadus algoritmi kasutatavuse vormi täitmiseks

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

avaandmeid?

Ei

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.