Medizininformatik-Initiative: Unterschied zwischen den Versionen

Aus Hl7wiki
Wechseln zu: Navigation, Suche
(Wichtige Dokumente)
 
(5 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 2: Zeile 2:
 
* [https://www.medizininformatik-initiative.de Link zur Website der Medizininformatik-Initiative]
 
* [https://www.medizininformatik-initiative.de Link zur Website der Medizininformatik-Initiative]
  
==Kümmerer im Interoperabilitätsforum==
+
== Kümmerer im Interoperabilitätsforum ==
 +
 
 
* [https://www.uniklinikum-jena.de/datenintegrationszentrum Danny Ammon]
 
* [https://www.uniklinikum-jena.de/datenintegrationszentrum Danny Ammon]
 
* [https://www.uniklinikum-jena.de/gbit/Ansprechpartner/Applikationen+f%C3%BCr+Forschung+und+Lehre/Anwendungsforschung.html Kutaiba Saleh]
 
* [https://www.uniklinikum-jena.de/gbit/Ansprechpartner/Applikationen+f%C3%BCr+Forschung+und+Lehre/Anwendungsforschung.html Kutaiba Saleh]
  
==Wichtige Dokumente==
+
== Kerndatensatz ==
* [https://www.medizininformatik-initiative.de/de/ueber-die-inititative/ergebnisse Link zu wichtigen Dokumenten der Medizinformatik-Initiative]
 
* [[MI-Initiative:_Modellierung_in_ART-DECOR|MII-Leitfaden zur Modellierung in ART-DECOR]]
 
  
==Kerndatensatz==
 
 
Um Dateninhalte, -strukturen und -kodierungen in den Datenintegrationszentren der an der Medizininformatik-Initiative beteiligten Universitätsklinika auf Basis von Interoperabilitätsstandards zugreif- oder austauschbar zu gestalten, wird bis 2021 ein übergreifender MII-Kerndatensatz entwickelt, der in technischen Spezifikationen münden soll.
 
Um Dateninhalte, -strukturen und -kodierungen in den Datenintegrationszentren der an der Medizininformatik-Initiative beteiligten Universitätsklinika auf Basis von Interoperabilitätsstandards zugreif- oder austauschbar zu gestalten, wird bis 2021 ein übergreifender MII-Kerndatensatz entwickelt, der in technischen Spezifikationen münden soll.
 
Der Kerndatensatz wird fortgeschrieben in ART-DECOR und Simplifier.net
 
Der Kerndatensatz wird fortgeschrieben in ART-DECOR und Simplifier.net
* [https://www.medizininformatik-initiative.de/sites/default/files/inline-files/MII_04_Kerndatensatz_1-0.pdf Beschreibung des MII-Kerndatensatzes in der Version 1.0 vom 10.3.2017 (PDF)]
+
* [https://www.medizininformatik-initiative.de/sites/default/files/inline-files/MII_04_Kerndatensatz_1-0.pdf Beschreibung des MII-Kerndatensatzes in der früheren Version 1.0 vom 10.3.2017 (PDF)]
* [https://art-decor.org/art-decor/decor-project--mide- Weiterentwicklung des MII-Kerndatensatzes in ART-DECOR]
+
* [https://art-decor.org/art-decor/decor-project--mide- Datensatzmodellierung des weiterentwickelten MII-Kerndatensatzes in ART-DECOR]
 +
* [https://simplifier.net/organization/koordinationsstellemii/~projects FHIR-Profilierungsprojekte der weiterentwickelten Kerndatensatzmodule auf Simplifier.net]
 +
 
 +
== Konsortien ==
 +
 
 +
=== SMITH ===
  
==Konsortien==
 
===SMITH===
 
 
Die universitätsmedizinischen Standorte Leipzig, Jena, Aachen, Halle(Saale), Bonn, Hamburg-Eppendorf, Essen, Düsseldorf und Rostock verbinden in ihrem Konzept medizininformatische, klinische, systemmedizinische, computerlinguistische und epidemiologische Kompetenzen. In enger Kooperation mit externen Partnern wird eine Architektur für die interoperable Nutzung von Daten aus der Krankenversorgung und der patientenorientierten Forschung über die Grenzen von Institutionen und Standorten aufgebaut. Dies ermöglicht über die SMITH-Service-Plattform die Nutzung der Ergebnisse durch Vernetzungspartner.
 
Die universitätsmedizinischen Standorte Leipzig, Jena, Aachen, Halle(Saale), Bonn, Hamburg-Eppendorf, Essen, Düsseldorf und Rostock verbinden in ihrem Konzept medizininformatische, klinische, systemmedizinische, computerlinguistische und epidemiologische Kompetenzen. In enger Kooperation mit externen Partnern wird eine Architektur für die interoperable Nutzung von Daten aus der Krankenversorgung und der patientenorientierten Forschung über die Grenzen von Institutionen und Standorten aufgebaut. Dies ermöglicht über die SMITH-Service-Plattform die Nutzung der Ergebnisse durch Vernetzungspartner.
 
* [http://www.smith.care Link zur SMITH-Website]
 
* [http://www.smith.care Link zur SMITH-Website]
====Use Case ASIC====
+
 
 +
==== Use Case ASIC ====
 +
 
 
Im Use Case ASIC soll auf Intensivstationen mittels kontinuierlicher Auswertungen u.a. aus dem Patientendatenmanagementsystem eine algorithmisch basierte Überwachung des Zustandes kritisch kranker Patienten erfolgen. Damit wird die Voraussetzung für eine frühe Alarmierung geschaffen, die ein schnelles diagnostisches und therapeutisches Eingreifen ermöglichen soll. Diese Daten werden durch High-Performance-Computing analysiert und für die klinische Entscheidung annotiert.
 
Im Use Case ASIC soll auf Intensivstationen mittels kontinuierlicher Auswertungen u.a. aus dem Patientendatenmanagementsystem eine algorithmisch basierte Überwachung des Zustandes kritisch kranker Patienten erfolgen. Damit wird die Voraussetzung für eine frühe Alarmierung geschaffen, die ein schnelles diagnostisches und therapeutisches Eingreifen ermöglichen soll. Diese Daten werden durch High-Performance-Computing analysiert und für die klinische Entscheidung annotiert.
 
* [https://art-decor.org/art-decor/decor-project--asic- Projekt ASIC in ART-DECOR]
 
* [https://art-decor.org/art-decor/decor-project--asic- Projekt ASIC in ART-DECOR]
====Use Case HELP====
+
 
 +
==== Use Case HELP ====
 
Im Use Case HELP entwickeln wir ein krankenhausweites computergestütztes Entscheidungsunterstützungssystem zur Verbesserung der Ergebnisse von Patienten mit Blutstrominfektionen. Dabei geht es um den zielgerichteten, leitliniengerechten Einsatz von Antibiotika zur Bekämpfung bakterieller Infektionen – insbesondere vor dem Hintergrund einer zu geringen Zahl an ausgebildeten Infektiologen in Deutschland. Der Use Case wird auf Normal- und Intensivstationen an den SMITH-Standorten Jena, Leipzig und Aachen sowie Halle und Essen implementiert und evaluiert.
 
Im Use Case HELP entwickeln wir ein krankenhausweites computergestütztes Entscheidungsunterstützungssystem zur Verbesserung der Ergebnisse von Patienten mit Blutstrominfektionen. Dabei geht es um den zielgerichteten, leitliniengerechten Einsatz von Antibiotika zur Bekämpfung bakterieller Infektionen – insbesondere vor dem Hintergrund einer zu geringen Zahl an ausgebildeten Infektiologen in Deutschland. Der Use Case wird auf Normal- und Intensivstationen an den SMITH-Standorten Jena, Leipzig und Aachen sowie Halle und Essen implementiert und evaluiert.
 
* [https://art-decor.org/art-decor/decor-project--help- Projekt HELP in ART-DECOR]
 
* [https://art-decor.org/art-decor/decor-project--help- Projekt HELP in ART-DECOR]
  
===HiGHmed===
+
=== HiGHmed ===
 +
 
 
Das Konsortium HiGHmed verbindet drei international führende und komplementär aufgestellte Medizinische Fakultäten und Universitätsklinika: Heidelberg, Göttingen und Hannover. Ergänzt wird der Verbund durch das Deutsche Krebsforschungszentrum (DKFZ) in Heidelberg. HiGHmed verfolgt das Ziel durch neue medizininformatische Lösungen und einen übergreifenden Datenaustausch die Effizienz klinischer Forschung zu steigern und die Versorgung der Patienten zu verbessern. Dabei profitieren die Partner von ihrer langjährigen Erfahrung auf dem Gebiet der klinischen Informationstechnologie im Bereich Entwicklung, Anwendung und Ausbildung. Neben den Kernpartnern wird HiGHmed von akademischen und privaten Partnern unterstützt.
 
Das Konsortium HiGHmed verbindet drei international führende und komplementär aufgestellte Medizinische Fakultäten und Universitätsklinika: Heidelberg, Göttingen und Hannover. Ergänzt wird der Verbund durch das Deutsche Krebsforschungszentrum (DKFZ) in Heidelberg. HiGHmed verfolgt das Ziel durch neue medizininformatische Lösungen und einen übergreifenden Datenaustausch die Effizienz klinischer Forschung zu steigern und die Versorgung der Patienten zu verbessern. Dabei profitieren die Partner von ihrer langjährigen Erfahrung auf dem Gebiet der klinischen Informationstechnologie im Bereich Entwicklung, Anwendung und Ausbildung. Neben den Kernpartnern wird HiGHmed von akademischen und privaten Partnern unterstützt.
  
Das Konsortium HiGHmed wird in der Aufbau- und Vernetzungsphase, die im Januar 2018 startet, vom BMBF gefördert.
+
* [http://www.highmed.org Link zur HiGHmed-Website]
  
* [http://www.highmed.org Link zur HiGHmed-Website]
+
==== Datenintegrationszentren ====
  
====Datenintegrationszentren====
 
 
Um übergreifenden Datenaustausch und Datenintegration zu erreichen, wird an jedem Universitätsklinikum ein medizinisches Datenintegrationszentrum aufgebaut. Ein zusätzliches Datenintegrationszentrum mit Fokus auf Genomdaten und radiologischen Bilddaten am DKFZ wird mit den klinischen Zentren eng verknüpft. Der Aufbau der Datenintegrationszentren mit flexibler institutionsübergreifender Rahmenarchitektur basiert auf offenen Standards, um die Übertragung auf weitere Standorte inklusive der Einbindung neuer Datenbestände sicherzustellen. Planungsgrundlage für die Datenintegrationszentren und die Integrationsplattform sind drei medizinische Use Cases aus den Bereichen Onkologie, Kardiologie und Infektiologie.
 
Um übergreifenden Datenaustausch und Datenintegration zu erreichen, wird an jedem Universitätsklinikum ein medizinisches Datenintegrationszentrum aufgebaut. Ein zusätzliches Datenintegrationszentrum mit Fokus auf Genomdaten und radiologischen Bilddaten am DKFZ wird mit den klinischen Zentren eng verknüpft. Der Aufbau der Datenintegrationszentren mit flexibler institutionsübergreifender Rahmenarchitektur basiert auf offenen Standards, um die Übertragung auf weitere Standorte inklusive der Einbindung neuer Datenbestände sicherzustellen. Planungsgrundlage für die Datenintegrationszentren und die Integrationsplattform sind drei medizinische Use Cases aus den Bereichen Onkologie, Kardiologie und Infektiologie.
  
====Use Cases====
+
==== Use Cases ====
  
 
Im '''Use Case Onkologie''' widmet sich der Verbund der Herausforderung enorme Datenmengen aus der Genomsequenzierung (omics-Daten) und Radiologie in die klinische Praxis zu integrieren. Ein virtuelles Onkologiezentrum wird den Behandlungsverlauf von Krebspatienten veranschaulichen und den Kliniken, Forschungseinrichtungen, Ärzten und Patienten als Austauschplattform dienen. Das virtuelle Onkologiezentrum wird maßgeblich dazu beitragen ähnliche Krebsfälle zu erkennen und eine individuelle patientenorientierte Behandlung zu ermöglichen. Das wird am Beispiel von Tumoren des Pankreas, der Leber und der Gallengänge demonstriert.
 
Im '''Use Case Onkologie''' widmet sich der Verbund der Herausforderung enorme Datenmengen aus der Genomsequenzierung (omics-Daten) und Radiologie in die klinische Praxis zu integrieren. Ein virtuelles Onkologiezentrum wird den Behandlungsverlauf von Krebspatienten veranschaulichen und den Kliniken, Forschungseinrichtungen, Ärzten und Patienten als Austauschplattform dienen. Das virtuelle Onkologiezentrum wird maßgeblich dazu beitragen ähnliche Krebsfälle zu erkennen und eine individuelle patientenorientierte Behandlung zu ermöglichen. Das wird am Beispiel von Tumoren des Pankreas, der Leber und der Gallengänge demonstriert.
Zeile 45: Zeile 49:
 
Im '''Use Case Infektionskontrolle''' wird ein automatisiertes Frühwarn- und Clustersystem entwickelt, welches die algorithmische Erkennung von Erregerclustern in Krankenhäusern ermöglicht. Dies beinhaltet auch die Identifikation von multiresistenten Keimen und deren Transmissionswege innerhalb und zwischen den Kliniken, die Prüfung ob es sich bei den Erregerclustern um Ausbrüche handelt und das Erkennen von möglichen Gründen für Übertragungen und Ausbrüche.
 
Im '''Use Case Infektionskontrolle''' wird ein automatisiertes Frühwarn- und Clustersystem entwickelt, welches die algorithmische Erkennung von Erregerclustern in Krankenhäusern ermöglicht. Dies beinhaltet auch die Identifikation von multiresistenten Keimen und deren Transmissionswege innerhalb und zwischen den Kliniken, die Prüfung ob es sich bei den Erregerclustern um Ausbrüche handelt und das Erkennen von möglichen Gründen für Übertragungen und Ausbrüche.
  
===MIRACUM===
+
=== MIRACUM ===
 +
 
 +
MIRACUM vereint zehn Universitätsklinika, zwei Hochschulen und einen Industriepartner aus sieben deutschen Bundesländern. Ziel ist es, klinische Daten, Bilddaten und Daten aus molekularen/genomischen Untersuchungen sowohl standortbezogen als auch standortübergreifend über modular aufgebaute, skalierbare und föderierte Datenintegrationszentren für innovative Forschungsprojekte nutzbar zu machen. Neben der, mit solchen Datenintegrationszentren grundsätzlichen, Möglichkeit der Durchführung von Machbarkeitsstudien, Beobachtungsstudien und der Untersuchung von „Real World Pathways“ in großem Maßstab, wird MIRACUM die Rekrutierung von Patienten für klinische Studien, die Entwicklung von Prädiktionsmodellen und die Präzisionsmedizin unterstützen. Um die Biomedizinische Informatik und Medical Data Science zu stärken, wurden an den MIRACUM Standorten bereits zehn neue Professuren ausgeschrieben und weitere werden folgen. Zudem soll ein gemeinsames, standortübergreifendes Masterstudium zu „Biomedical Informatics und Medical Data Science“ aufgebaut werden.
  
===DIFUTURE===
+
* [https://www.miracum.org Link zur MIRACUM-Website]
 +
 
 +
==== Use Cases ====
 +
 
 +
'''Alerting in Care – IT Support for Patient Recruitment:''' Klinische Studien scheitern häufig bereits an der zu geringen Rekrutierung passender Studienteilnehmer/innen. Um die Rekrutierungsprozesse durch IT-Verfahren und vorhandene Routinedaten zu unterstützen, werden wir an jedem unserer Universitätsklinika entsprechende Rekrutierungsplattformen in die KIS-Umgebungen integrieren und die Dokumentationsqualität und Vollständigkeit der für die Rekrutierung herangezogenen Datenelemente kontinuierlich mittels regelmäßiger Evaluationen und Feedbackschleifen verbessern.
 +
 
 +
'''From Data to Knowledge – Clinico-molecular predictive knowledge tool:''' Mit dem schrittweisen inhaltlichen Ausbau der Datenintegrationszentren wird eine Basis gelegt, um Patientenkohorten anhand von klinischen Parametern, Biomarkern und molekularen/genomischen Untersuchungen zu identifizieren und in Subgruppen zu stratifizieren, so dass auf diese jeweils zugeschnittene Prädiktionsmodelle entwickelt werden können. Mittels FHIR-basierter, in die jeweiligen KIS-Umgebungen eingebetteter Smart-Apps werden die Prädiktionsmodelle in den Klinikalltag zurück gespielt und Ärzte in ihren diagnostischen und therapeutischen Entscheidungen unterstützt. Der klinische Fokus wird hierbei zunächst auf Lungenerkrankungen und Patienten mit Hirntumoren gelegt.
 +
 
 +
'''From Knowledge to Action – Support for Molecular Tumor Boards:''' Die Präzisionsmedizin ist im Kontext der Versorgung von Tumorpatienten bereits sehr weit fortgeschritten. Für viele Tumore kann man heute sogenannte “Driver Mutations” mittels tiefer genetischer Charakterisierung identifizieren und diese sehr gezielt therapieren. In Molekularen Tumorboards (MTB) laufen letztendlich alle klinischen Informationen und Bilder, sowie molekulare/genetische Untersuchungsergebnisse zur interdisziplinären Entscheidungsfindung zusammen. In diesem Kontext hat es sich MIRACUM zur Aufgabe gestellt, die komplexen Prozesse der Qualitätssicherung, Datenaufbereitung, Datenintegration und Informationsrecherche zwischen den genetischen Hochdurchsatzanalysen und der medizinischen Therapieentscheidung, mit innovativen IT-Lösungen zu optimieren und den Klinikern durch effiziente Datenvisualisierungen eine Entscheidungsunterstützung zu bieten.
 +
 
 +
=== DIFUTURE ===
 +
 
 +
Für die Medizin der Zukunft sind die Integration von Daten und ihre standortübergreifende Nutzung essentiell. DIFUTURE stellt den in der Krankenversorgung Tätigen und für die Forschung Daten und Wissen in innovativer Breite und Tiefe bereit, um die Prozesse der Krankenversorgung zu verbessern, Innovation zu beschleunigen und konkrete Fortschritte für die Patientinnen und Patienten zu erzielen.
 +
 
 +
In DIFUTURE haben sich drei Exzellenzuniversitäten mit ihren Universitätsklinika und weiteren, auch klinischen Partnern zusammengeschlossen. Es resultiert eine einmalige Synthese des Wissens aus Medizin, Informatik, Biostatistik und Bioinformatik. Die internationale Vernetzung ist eine weitere Stärke.
 +
 
 +
* [https://difuture.de Link zur DIFUTURE-Website]
 +
 
 +
==== Datenintegrationszentren ====
 +
 
 +
Die Datenintegrationszentren von DIFUTURE sind modular, erweiterbar und auf Standards basierend. Der Prozess der Datenintegration umfasst die Harmonisierung von Daten und von Prozessen. Dabei fokussiert er auf hohe Datenqualität. Um die notwendige Interoperabilität zu gewährleisten, werden kommerzielle Komponenten mit frei verfügbarer (Open-Source-) Software kombiniert. Datenschutz und Datensicherheit spielen eine zentrale Rolle, u.a. im Hinblick auf  Sicherheit bereits im Entwurf, Datensparsamkeit und Schalenmodelle. Die Analysen und Studien von DIFUTURE werden verteilte Ansätze verwenden und so dem Methodentransfer gegenüber einem Datentransfer den Vorrang geben.
 +
 
 +
==== Use Cases ====
 +
 
 +
'''Anwendungsfall 1: Multiple Sklerose (MS)'''
 +
 
 +
Die Kliniker und Wissenschaftler des Konsortiums sind zentral in die Erforschung der MS involviert, in der Grundlagenforschung und in nationalen und internationalen Verbünden. Eine Datenintegration wurde bereits vorgenommen, um verteilte Analysen zu ermöglichen. Insbesondere die Entdeckung von Markern und Algorithmen zur Vorhersage des Krankheitsverlaufs und für eine früh einsetzende zielgerichtete und personalisierte Therapie stehen im Fokus. Das Spektrum der integrierten Daten ist breit und reicht von klinischen und Labordaten über multidimensionale Bilddaten zu genetischen Daten. Hier kann auf sehr große, bereits in wesentlichen Teilen standardisierte Datensammlungen zugegriffen werden.
 +
 
 +
'''Anwendungsfall 2: Parkinson-Krankheit'''
 +
 
 +
Alle Anwendungsfälle von DIFUTURE sind darauf ausgerichtet, verallgemeinerbare Ansätze zu etablieren. So werden die Integrations- und Analysemethoden des MS-Anwendungsfalles in analoger Weise auf die Parkinson-Krankheit übertragen. Auch hier werden Daten verschiedenster Art harmonisiert, in qualitätskontrollierter Weise integriert, und dann für Analysen im Konsortium und darüber hinaus nutzbar gemacht. Für alle Anwendungsfälle – vorgesehen sind auch seltene Erkrankungen, Krebs, Schlaganfall und Herz-Kreislauf-Erkrankungen – soll eine Präzisionsmedizin ermöglicht werden.  Die Therapie, aber auch die (Früh-) Diagnose, die Vorbeugung und die Nachsorge sollen deutlich verbessert werden.
  
 
== Übergreifende Use Cases ==
 
== Übergreifende Use Cases ==
Zeile 53: Zeile 89:
 
* Polypharmazie – Arzneimittelwechselwirkungen – Risiken (POLAR): ''in Beantragung''
 
* Polypharmazie – Arzneimittelwechselwirkungen – Risiken (POLAR): ''in Beantragung''
 
* Collaboration On Rare Diseases (CORD): ''in Beantragung''
 
* Collaboration On Rare Diseases (CORD): ''in Beantragung''
 +
 +
== Wichtige Dokumente und Links ==
 +
 +
* [https://www.medizininformatik-initiative.de/de/ueber-die-inititative/ergebnisse Ergebnisdokumente der Medizinformatik-Initiative]
 +
* [[MI-Initiative:_Modellierung_in_ART-DECOR|MII-Leitfaden zur Modellierung in ART-DECOR]]
 +
* [https://www.hl7.org/fhir/resourcelist.html Aktuelle FHIR-Spezifikation (engl.)]
 +
* [[HL7_CDA_Core_Principles|Basisprinzipien für die Spezifikation von CDA-Templates (engl.)]]

Aktuelle Version vom 31. Januar 2020, 13:43 Uhr

Dies ist die Startseite der Medizininformatik-Initiative (MI-Initiative, MII) im Wiki des Interoperabilitätsforums. Die MII ist ein mehrphasiges Förderprogramm des BMBF, in dem an den deutschen Universitätskliniken und Partnereinrichtungen Datenintegrationszentren aufgebaut und vernetzt werden, um Forschungs- und Versorgungsdaten standortübergreifend verknüpfen zu können. Für konkrete medizinische Anwendungen werden auf dieser Basis innovative IT-Lösungen entwickelt, die die Möglichkeiten moderner digitaler Dienstleistungen und Infrastrukturen im Gesundheitsbereich zeigen sollen.

Kümmerer im Interoperabilitätsforum

Kerndatensatz

Um Dateninhalte, -strukturen und -kodierungen in den Datenintegrationszentren der an der Medizininformatik-Initiative beteiligten Universitätsklinika auf Basis von Interoperabilitätsstandards zugreif- oder austauschbar zu gestalten, wird bis 2021 ein übergreifender MII-Kerndatensatz entwickelt, der in technischen Spezifikationen münden soll. Der Kerndatensatz wird fortgeschrieben in ART-DECOR und Simplifier.net

Konsortien

SMITH

Die universitätsmedizinischen Standorte Leipzig, Jena, Aachen, Halle(Saale), Bonn, Hamburg-Eppendorf, Essen, Düsseldorf und Rostock verbinden in ihrem Konzept medizininformatische, klinische, systemmedizinische, computerlinguistische und epidemiologische Kompetenzen. In enger Kooperation mit externen Partnern wird eine Architektur für die interoperable Nutzung von Daten aus der Krankenversorgung und der patientenorientierten Forschung über die Grenzen von Institutionen und Standorten aufgebaut. Dies ermöglicht über die SMITH-Service-Plattform die Nutzung der Ergebnisse durch Vernetzungspartner.

Use Case ASIC

Im Use Case ASIC soll auf Intensivstationen mittels kontinuierlicher Auswertungen u.a. aus dem Patientendatenmanagementsystem eine algorithmisch basierte Überwachung des Zustandes kritisch kranker Patienten erfolgen. Damit wird die Voraussetzung für eine frühe Alarmierung geschaffen, die ein schnelles diagnostisches und therapeutisches Eingreifen ermöglichen soll. Diese Daten werden durch High-Performance-Computing analysiert und für die klinische Entscheidung annotiert.

Use Case HELP

Im Use Case HELP entwickeln wir ein krankenhausweites computergestütztes Entscheidungsunterstützungssystem zur Verbesserung der Ergebnisse von Patienten mit Blutstrominfektionen. Dabei geht es um den zielgerichteten, leitliniengerechten Einsatz von Antibiotika zur Bekämpfung bakterieller Infektionen – insbesondere vor dem Hintergrund einer zu geringen Zahl an ausgebildeten Infektiologen in Deutschland. Der Use Case wird auf Normal- und Intensivstationen an den SMITH-Standorten Jena, Leipzig und Aachen sowie Halle und Essen implementiert und evaluiert.

HiGHmed

Das Konsortium HiGHmed verbindet drei international führende und komplementär aufgestellte Medizinische Fakultäten und Universitätsklinika: Heidelberg, Göttingen und Hannover. Ergänzt wird der Verbund durch das Deutsche Krebsforschungszentrum (DKFZ) in Heidelberg. HiGHmed verfolgt das Ziel durch neue medizininformatische Lösungen und einen übergreifenden Datenaustausch die Effizienz klinischer Forschung zu steigern und die Versorgung der Patienten zu verbessern. Dabei profitieren die Partner von ihrer langjährigen Erfahrung auf dem Gebiet der klinischen Informationstechnologie im Bereich Entwicklung, Anwendung und Ausbildung. Neben den Kernpartnern wird HiGHmed von akademischen und privaten Partnern unterstützt.

Datenintegrationszentren

Um übergreifenden Datenaustausch und Datenintegration zu erreichen, wird an jedem Universitätsklinikum ein medizinisches Datenintegrationszentrum aufgebaut. Ein zusätzliches Datenintegrationszentrum mit Fokus auf Genomdaten und radiologischen Bilddaten am DKFZ wird mit den klinischen Zentren eng verknüpft. Der Aufbau der Datenintegrationszentren mit flexibler institutionsübergreifender Rahmenarchitektur basiert auf offenen Standards, um die Übertragung auf weitere Standorte inklusive der Einbindung neuer Datenbestände sicherzustellen. Planungsgrundlage für die Datenintegrationszentren und die Integrationsplattform sind drei medizinische Use Cases aus den Bereichen Onkologie, Kardiologie und Infektiologie.

Use Cases

Im Use Case Onkologie widmet sich der Verbund der Herausforderung enorme Datenmengen aus der Genomsequenzierung (omics-Daten) und Radiologie in die klinische Praxis zu integrieren. Ein virtuelles Onkologiezentrum wird den Behandlungsverlauf von Krebspatienten veranschaulichen und den Kliniken, Forschungseinrichtungen, Ärzten und Patienten als Austauschplattform dienen. Das virtuelle Onkologiezentrum wird maßgeblich dazu beitragen ähnliche Krebsfälle zu erkennen und eine individuelle patientenorientierte Behandlung zu ermöglichen. Das wird am Beispiel von Tumoren des Pankreas, der Leber und der Gallengänge demonstriert.

Im Use Case Kardiologie werden Daten von tragbaren, implantierten oder vernetzten Geräten in die IT-Architektur der Datenzentren integriert. Neue mobile diagnostische Geräte werden die derzeitige medizinische Praxis und Forschung erheblich beeinflussen. Diese liefern Datensätze aus Langzeitüberwachungen und -messungen und generieren dadurch spezifische und umfassende Datensätze. Risikopatienten können so frühzeitig erkannt und Krankenhausaufenthalte sowie die Sterbewahrscheinlichkeit verringert werden.

Im Use Case Infektionskontrolle wird ein automatisiertes Frühwarn- und Clustersystem entwickelt, welches die algorithmische Erkennung von Erregerclustern in Krankenhäusern ermöglicht. Dies beinhaltet auch die Identifikation von multiresistenten Keimen und deren Transmissionswege innerhalb und zwischen den Kliniken, die Prüfung ob es sich bei den Erregerclustern um Ausbrüche handelt und das Erkennen von möglichen Gründen für Übertragungen und Ausbrüche.

MIRACUM

MIRACUM vereint zehn Universitätsklinika, zwei Hochschulen und einen Industriepartner aus sieben deutschen Bundesländern. Ziel ist es, klinische Daten, Bilddaten und Daten aus molekularen/genomischen Untersuchungen sowohl standortbezogen als auch standortübergreifend über modular aufgebaute, skalierbare und föderierte Datenintegrationszentren für innovative Forschungsprojekte nutzbar zu machen. Neben der, mit solchen Datenintegrationszentren grundsätzlichen, Möglichkeit der Durchführung von Machbarkeitsstudien, Beobachtungsstudien und der Untersuchung von „Real World Pathways“ in großem Maßstab, wird MIRACUM die Rekrutierung von Patienten für klinische Studien, die Entwicklung von Prädiktionsmodellen und die Präzisionsmedizin unterstützen. Um die Biomedizinische Informatik und Medical Data Science zu stärken, wurden an den MIRACUM Standorten bereits zehn neue Professuren ausgeschrieben und weitere werden folgen. Zudem soll ein gemeinsames, standortübergreifendes Masterstudium zu „Biomedical Informatics und Medical Data Science“ aufgebaut werden.

Use Cases

Alerting in Care – IT Support for Patient Recruitment: Klinische Studien scheitern häufig bereits an der zu geringen Rekrutierung passender Studienteilnehmer/innen. Um die Rekrutierungsprozesse durch IT-Verfahren und vorhandene Routinedaten zu unterstützen, werden wir an jedem unserer Universitätsklinika entsprechende Rekrutierungsplattformen in die KIS-Umgebungen integrieren und die Dokumentationsqualität und Vollständigkeit der für die Rekrutierung herangezogenen Datenelemente kontinuierlich mittels regelmäßiger Evaluationen und Feedbackschleifen verbessern.

From Data to Knowledge – Clinico-molecular predictive knowledge tool: Mit dem schrittweisen inhaltlichen Ausbau der Datenintegrationszentren wird eine Basis gelegt, um Patientenkohorten anhand von klinischen Parametern, Biomarkern und molekularen/genomischen Untersuchungen zu identifizieren und in Subgruppen zu stratifizieren, so dass auf diese jeweils zugeschnittene Prädiktionsmodelle entwickelt werden können. Mittels FHIR-basierter, in die jeweiligen KIS-Umgebungen eingebetteter Smart-Apps werden die Prädiktionsmodelle in den Klinikalltag zurück gespielt und Ärzte in ihren diagnostischen und therapeutischen Entscheidungen unterstützt. Der klinische Fokus wird hierbei zunächst auf Lungenerkrankungen und Patienten mit Hirntumoren gelegt.

From Knowledge to Action – Support for Molecular Tumor Boards: Die Präzisionsmedizin ist im Kontext der Versorgung von Tumorpatienten bereits sehr weit fortgeschritten. Für viele Tumore kann man heute sogenannte “Driver Mutations” mittels tiefer genetischer Charakterisierung identifizieren und diese sehr gezielt therapieren. In Molekularen Tumorboards (MTB) laufen letztendlich alle klinischen Informationen und Bilder, sowie molekulare/genetische Untersuchungsergebnisse zur interdisziplinären Entscheidungsfindung zusammen. In diesem Kontext hat es sich MIRACUM zur Aufgabe gestellt, die komplexen Prozesse der Qualitätssicherung, Datenaufbereitung, Datenintegration und Informationsrecherche zwischen den genetischen Hochdurchsatzanalysen und der medizinischen Therapieentscheidung, mit innovativen IT-Lösungen zu optimieren und den Klinikern durch effiziente Datenvisualisierungen eine Entscheidungsunterstützung zu bieten.

DIFUTURE

Für die Medizin der Zukunft sind die Integration von Daten und ihre standortübergreifende Nutzung essentiell. DIFUTURE stellt den in der Krankenversorgung Tätigen und für die Forschung Daten und Wissen in innovativer Breite und Tiefe bereit, um die Prozesse der Krankenversorgung zu verbessern, Innovation zu beschleunigen und konkrete Fortschritte für die Patientinnen und Patienten zu erzielen.

In DIFUTURE haben sich drei Exzellenzuniversitäten mit ihren Universitätsklinika und weiteren, auch klinischen Partnern zusammengeschlossen. Es resultiert eine einmalige Synthese des Wissens aus Medizin, Informatik, Biostatistik und Bioinformatik. Die internationale Vernetzung ist eine weitere Stärke.

Datenintegrationszentren

Die Datenintegrationszentren von DIFUTURE sind modular, erweiterbar und auf Standards basierend. Der Prozess der Datenintegration umfasst die Harmonisierung von Daten und von Prozessen. Dabei fokussiert er auf hohe Datenqualität. Um die notwendige Interoperabilität zu gewährleisten, werden kommerzielle Komponenten mit frei verfügbarer (Open-Source-) Software kombiniert. Datenschutz und Datensicherheit spielen eine zentrale Rolle, u.a. im Hinblick auf Sicherheit bereits im Entwurf, Datensparsamkeit und Schalenmodelle. Die Analysen und Studien von DIFUTURE werden verteilte Ansätze verwenden und so dem Methodentransfer gegenüber einem Datentransfer den Vorrang geben.

Use Cases

Anwendungsfall 1: Multiple Sklerose (MS)

Die Kliniker und Wissenschaftler des Konsortiums sind zentral in die Erforschung der MS involviert, in der Grundlagenforschung und in nationalen und internationalen Verbünden. Eine Datenintegration wurde bereits vorgenommen, um verteilte Analysen zu ermöglichen. Insbesondere die Entdeckung von Markern und Algorithmen zur Vorhersage des Krankheitsverlaufs und für eine früh einsetzende zielgerichtete und personalisierte Therapie stehen im Fokus. Das Spektrum der integrierten Daten ist breit und reicht von klinischen und Labordaten über multidimensionale Bilddaten zu genetischen Daten. Hier kann auf sehr große, bereits in wesentlichen Teilen standardisierte Datensammlungen zugegriffen werden.

Anwendungsfall 2: Parkinson-Krankheit

Alle Anwendungsfälle von DIFUTURE sind darauf ausgerichtet, verallgemeinerbare Ansätze zu etablieren. So werden die Integrations- und Analysemethoden des MS-Anwendungsfalles in analoger Weise auf die Parkinson-Krankheit übertragen. Auch hier werden Daten verschiedenster Art harmonisiert, in qualitätskontrollierter Weise integriert, und dann für Analysen im Konsortium und darüber hinaus nutzbar gemacht. Für alle Anwendungsfälle – vorgesehen sind auch seltene Erkrankungen, Krebs, Schlaganfall und Herz-Kreislauf-Erkrankungen – soll eine Präzisionsmedizin ermöglicht werden. Die Therapie, aber auch die (Früh-) Diagnose, die Vorbeugung und die Nachsorge sollen deutlich verbessert werden.

Übergreifende Use Cases

  • Polypharmazie – Arzneimittelwechselwirkungen – Risiken (POLAR): in Beantragung
  • Collaboration On Rare Diseases (CORD): in Beantragung

Wichtige Dokumente und Links