Published: March 19, 2014 - 08:00

Big Data im Medizinbereich: Daten aus medizinischen Geräten besser nutzen

Krankenhäuser verfügen über modernste Geräte und sind für fast alle Eventualitäten ausgestattet. Diese Geräte produzieren riesige Datenmengen, die oft nur im Zusammenhang mit dem aktuellen Anwendungsfall betrachtet werden. Doch was passiert, wenn ein ähnlicher Fall drei oder vier Monate später auftritt. Wäre es für den behandelnden Arzt nicht von Vorteil, bei seiner Recherche genau diesen Fall zu finden, welche Behandlungsmethoden angewendet wurden sowie weitere Informationen zu den vorhandenen Symptomen erhalten.


Big Data, wie es im IT-Jargon heißt, ist auch in medizinischen Einrichtungen kein neues Thema. In Krankenhäusern, Laboratorien, Reha-Zentren wurden und werden große Datenmengen produziert und archiviert. Selbst bei alltäglichen Fällen, wie ein Verletzter wird nach einem Arbeitsunfall mit einer tiefen Schnittwunde am Arm eingeliefert, fallen bereits viele Daten an. Nach der Erstversorgung werden vielleicht noch zusätzlich Röntgenaufnahmen gemacht, um festzustellen wie tief bzw. schwerwiegend die Verletzung ist. Patientendaten wie Geburtsdatum oder Sozialversicherungsnummer können bereits heute in Deutschland von der elektronischen Gesundheitskarte (eGK) oder in Österreich von der e-card elektronisch abgerufen werden. Natürlich wird eine Patientenakte angelegt, in der Medikation, Diagnose oder Anomalien vermerkt sind. Wird der Patient weiter an einen Spezialisten übermittelt, muss sich dieser erst einen Überblick verschaffen, indem er die Informationen aus den unterschiedlichen Datenquellen (Papier und digital) abruft. Damit sind innerhalb weniger Stunden viele Informationen zu dem Fall eingetragen, gespeichert und analysiert worden, wichtige Informationen oder Hinweise werden dabei oft als Freitext vermerkt, also unstrukturiert und nicht wie Name, Vorname, Sozialversicherungsnummer in bereits vordefinierte Eingabefelder (strukturiert) eingetragen und gespeichert.


Jeder Datensatz mit Informationen zu einem Patienten ist für diesen besonders wertvoll, nun stellt sich die Frage können die hier gespeicherte Information auch für andere wertvoll sein? Beispielweise während der Ausbildung als Informationsquelle mit Praxisbezug oder für die Forschung. Die Aggregation der Daten könnte eine neue und umfassendere Sichtweise ermöglichen. Wirtschaftsunternehmen lösen das Problem mittels intelligenter Suchanwendungen (Enterprise Search Lösungen), die Informationen aus den angebundenen Datenquellen (E-Mail-Systeme, CRM-Systeme, DM-Systeme, etc.) auslesen, analysieren, Zusammenhänge erkennen und die gesamten Informationen in einem Index zur Verfügung stellen. Wird eine Information zu einem Fall/Kunden benötigt liefert das System die relevanten Informationen aus dem Index, der regelmäßig mit den Inhalten der angebundenen Datenquellen aktualisiert wird. Hochwertige Suchlösungen verfügen bereits über eine große Anzahl an Schnittstellen (Connectoren), die es erlauben Datenquellen problemlos anbieten und eine Vielzahl an Filter für die unterschiedlichsten Datenformate. Ein Lösungsansatz, der auch in medizinischen Facheinrichtungen insbesondere auch rund um anonymisierten Informationen denkbar ist.
Theoretisch betrachtet ist die Lösung trivial: Jedes Gerät muss kommunizieren. Damit ist gemeint die Daten werden nicht nur von dem Gerät produziert sondern werden über (Standard)-Schnittstellen anderen Geräten oder einer Suchanwendung zur Verfügung gestellt. Die Suchanwendung erstellt aus allen Informationen einen Suchindex und durch Eingabe des Begriffes werden alle die relevanten Treffer mit entsprechender Semantik und berechneten Reihungen (Relevanzmodelle) aus dem Index angezeigt.


Semantik setzt sich zwar mit der Bedeutung von Zeichen wie Symbolen, Wörter oder Phrasen) auseinander. Diese Bedeutungslehre spielt aber auch für Informatiker eine wichtige Rolle. Sie beginnen noch eine Ebene weiter unten, um die Maschinensprache, also die einzelnen Bytes, mit den menschlichen Zeichen und Buchstaben zu verbinden. Eine Stufe höher, bei der Software, werden die Bedeutungsinhalte durch Programmzeilen dargestellt. Diese müssen über eine eindeutige Syntax und eine genaue Semantik verfügen, da Computer im Gegensatz zum Menschen die Angaben nicht interpretieren können. Entsprechend hängt der semantische Aspekt einer Information strikt von den einzelnen Zeichen, Ziffern und Befehlen sowie deren Anordnung ab.


Bei der semantischen Suche steht die Bedeutung der Suchabfrage im Mittelpunkt. Durch die Verwendung von Hintergrundwissen wird bei einer semantischen Suchmaschine die inhaltliche Bedeutung von Texten und Suchanfragen berücksichtigt. Dieses Hintergrundwissen kann durch die Verwendung von Thesauri, semantischen Netzen oder Ontologien abgebildet werden. Je nach Einsatzgebiet merkt sich die Suchmaschine die relevanten Beziehungen. Relevanzmodelle dienen Priorisierung der Treffer, so können je nach Anforderung vorrangig Informationen aus Notfallhandbüchern angezeigt werden. Vorgeschlagene Begriffe (Facetten) zur Verfeinerung der Suchergebnisse erleichtern die Navigation durch die Treffer.


Natürlich darf es keine Rolle mehr spielen von welchem Endgerät (PC, Notebook, Smartphone, Tablet oder einem anderen medizinischen Gerät) die Informationen abgerufen werden. Entscheidend ist die Sicherheit der Daten mittels Zugriffs- und Rechtesystem und die Lesbarkeit durch eine Vorschaufunktion. Die erteilten Zugriffsrechte müssen auch über mobile Endgeräte gewährleistet sein. Entsprechende Single Sign-On Mechanismen, vorgegeben durch Standards wie SAML, ermöglichen die sichere und eindeutige Authentisierung des Benutzers. Einerseits durch einfache Benutzername- und Passwort-Abfrage, anderseits durch sichere, komfortable Zertifikate oder Pin-Abfragen. Führende Systeme unterstützen Standards wie Digital ID, die Anwender im Netz eindeutig und sicher mittels zumindest zwei Faktoren identifizieren. Außerdem muss die sichere Übertragung von Inhalten gewährleistet sein. Dafür stehen Mechanismen wie SSL oder entsprechende Sicherheitstunnel-Lösungen zur Verfügung. Gängige Praxis ist beispielsweise eine eine HTML-Vorschau anzubieten, dabei werden die Informationen aus dem erstellten Index abgerufen. Darüber hinaus erlauben sie automatische Zusammenfassungen von Inhalten (Automatic Summarization) die auch für einen „Patient Summary“ verwendet werden kann und berücksichtigen darüber hinaus die Besonderheiten mobiler Endgeräte.


Einsatzmöglichkeiten im Gesundheitswesen


Betrachtet man die rasante Entwicklung in der Medizin mit bahnbrechenden Errungenschaften und die bereits existierende Literatur so finden sich sehr viele Anknüpfungspunkte für den Einsatz von Suchanwendungen. Ein Voraussetzung dafür ist aber das die Datenproduzenten (Datenquellen) wie medizinische Geräte, Datenbanken oder Wissensbasen untereinander Daten austauschen und mit der Anwendung kommunizieren können. Eine etablierte Gruppe internationaler Standards für den Austausch von Daten zwischen Organisationen im Gesundheitswesen, deren Softwareanwendungen und medizinischen Geräten, sind unter HL7 (Health Level 7) zusammengefasst. HL7 umfasst auch die Beschreibung eines XML-basierten Dialekts, beispielsweise dem ISO Standard HL7 CDA Release 2, mit dem Ziel eine „einheitliche“ Kommunikationssprache für den Datenaustausch zu ermöglichen und zu definieren, wie die informationsgenerierenden Geräte und Softwarewerkzeuge miteinander kommunizieren. Dieser Standard wird von vielen Produkten bereits unterstützt, aber medizinische Geräte bleiben in dieser serviceorientierten Architekturlandschaft leider noch oftmals unberücksichtigt. Ein weiterer Schritt zur Vernetzung könnte auch die Verabschiedung des neuen Standards ITU-T H.810 für die Kommunikation von medizinischen Geräten sein. Durch den Standard soll der Datenaustausch etwa zwischen Blutdruckmessgeräten, elektronischen Waagen und Fitness-Trackern mit drahtlosen Schnittstellen vereinheitlicht werden. Dies bietet eine große Chance, die ganzheitliche Integration aller an den klinischen Prozessen beteiligten Informationsquellen und eine durchgängige IT-Unterstützung von Prozessen zu ermöglichen.


Die Abfrage von Informationen über eine Suche könnte für medizinisches Personal eine bequeme Form der Wissensbeschaffung und -erweiterung darstellen. Neben den klassischen in-house Systemen können auch Websites von Forschungseinrichtungen, Universitäten, Pharmakonzernen oder Fachverlagen als Datenquelle eingebunden werden, so wäre es unter anderem möglich mit nur einer Suchabfrage alle Erkenntnisse beispielsweise über neue Behandlungsmethoden übersichtlich aufbereitet zu erhalten. Je nach Einsatzgebiet ist es sinnvoll, die Ergebnisse bereits bei der Trefferliste mittels Suchreiter klar nach ihren Quellen zu trennen. Damit wird sofort sichtbar wo die Information ihren Ursprung hat z.B. Notfallhandbuch, Literatur, Arzneimittel. Im Bereich der Telemedizin und der evidenzbasierten Medizin ist es durchaus denkbar, dass Suchlösungen ihre Weiterentwicklung positiv unterstützen könnten. Einerseits sind Informationen einfach abrufbar und anderseits ist es möglich sich ein Gesamtbild zu einer Thematik zu verschaffen.
Natürlich muss dafür gesorgt werden, dass jeder der diese Möglichkeiten nutzt auch weiß was er mit den Daten zu tun hat. In den nächsten Jahren werden wahrscheinlich viele medizinischen Einrichtungen vor der Herausforderung stehen die riesigen Datenmengen sinnvoll zu nutzen, einen Mehrwert zu genieren und natürlich die Kontrolle darüber zu behalten. Enterprise Search Lösungen können dafür einen guten Lösungsansatz bieten.