cloud4health

Sichere Cloud-Architektur für Anwendungen im Gesundheitswesen

Bei der Behandlung von Patienten fallen in Kliniken viele Daten an. Diese können dabei helfen, Therapien und Medikamente zu verbessern. Die Daten zeigen zum Beispiel, wie gut neue Heilverfahren tatsächlich wirken und wo sie weiter entwickelt werden können. Auch in der Erforschung von Krankheiten können diese Informationen von unschätzbarem Wert sein. Doch wie lässt sich dieser Datenschatz im Gesundheitswesen am Besten nutzen, ohne dass dabei die Privatsphäre der Patienten und der Schutz ihrer persönlichen Daten gefährdet werden? Diese Fragen beantwortet das Projekt cloud4health. Hier entstehen Lösungen für die zentrale Speicherung und Analyse von medizinischen Daten und die Nutzung der wertvollen Erkenntnisse aus den Analysen über die Cloud. Gleichzeitig entwickelt das Projekt ein Sicherheitskonzept für den Schutz dieser Daten, das den besonderen datenschutzrechtlichen Anforderungen gerecht wird.

Semantisches Annotationsframework zur Sekundärnutzung medizinischer Rohdaten

Cloud4health kombiniert dazu Textanalyse- und Data-Warehouse-Technologien, die je nach Bedarf als private oder Community-Cloud bereitgestellt werden. So können Kliniken entscheiden, ob sie nur ihre eigenen Patientendaten analysieren und die Ergebnisse nur ihren Mitarbeitern zur Verfügung stellen wollen, oder ob sie ihre Daten gemeinsam mit anderen Einrichtungen des Gesundheitswesens nutzbar machen und selbst von der größeren Datenbasis profitieren wollen. In beiden Fällen werden die Daten zentral in der Cloud verarbeitet. Dabei werden sie anonymisiert, um die Privatsphäre der Patienten zu schützen.

Diese zentral gespeicherten Daten lassen sich dann inhaltlich analysieren, auch wenn sie in unstrukturierter Form vorliegen. Bisher beschränkt sich die Sekundärnutzung von Daten aus der elektronischen Krankenakte fast ausschließlich auf die Nutzung strukturierter Daten. Das sind Daten, die von jedem Patienten in gleicher Form dokumentiert werden und so leicht miteinander vergleichbar sind. Der größte Teil medizinischer Informationen liegt aber elektronisch als Freitext in Befunden und Arztbriefen vor. Cloud4health analysiert auch diese Texte, findet semantische Sinnzusammenhänge und Wortbeziehungen und macht sie so intelligent durchsuch- und analysierbar.

Konkrete Anwendungsszenarien zur Verbesserung der Patientenbehandlung

Was das bedeutet, wird an den konkreten Modellanwendungen von cloud4health deutlich. Die erste Anwendung ist das frühzeitige Erkennen unerwünschter Nebenwirkungen bei neu eingeführten Medikamenten. Aus den unstrukturierten Patientendaten erkennt cloud4health, zu welchen Nebenwirkungen es im Zusammenhang mit dem Medikament kommt und wie oft diese auftreten. So lässt sich schneller und besser erkennen, wann und wie das Medikament einzusetzen ist. Das erhöht die Sicherheit der Patienten entscheidend und verbessert die Effektivität der Erfassung von unerwünschten Wirkungen nach Markteinführung.

Die zweite Anwendung ist die Auswertung der Behandlung von Patienten mit künstlichen Hüftgelenken. Hier macht cloud4health die Erfahrungen über den Einsatz verschiedener heute bereits verwendeter Hüftgelenksprothesen miteinander vergleichbar. Immer wieder auftretende Komplikationen nach Hüftgelenksoperationen lassen sich so erkennen, Operationstechniken können entsprechend verbessert werden. Ärzte können besser entscheiden, welches Implantat in welchem Patientenfall die besten Ergebnisse verspricht.

In einem dritten Anwendungsszenario werden Verfahren zu automatisierten Plausibilitäts- und Wirtschaftlichkeitsprüfungen medizinischer Behandlungen entwickelt. Dabei soll geprüft werden, inwieweit ärztliches Handeln zweckmäßig und wirtschaftlich erfolgt. Vor dem Hintergrund begrenzter Mittel im Gesundheitswesen wäre es möglich, Therapien nicht nur rein wirtschaftlich, sondern auch aufgrund des medizinischen Nutzens zu bewerten. So lässt sich zum Beispiel überprpüfen, ob angeordnete Behandlungen bedarfsgerecht erfolgten.

Ausgangssituation

• Sensibilität von Patientendaten verhindert oft deren Nutzung für die Allgemeinheit
• Unstrukturierte Datensammlungen verhindern Analysen zur Qualitätsverbesserung
• Fehlende computergestützte Qualitäts- und Wirtschaftlichkeitsprüfungen für medizinische Behandlungen

Zielsetzung

• Sichere Cloud-Architektur ermöglicht zeitnahe, semantische Analyse medizinischer Daten
• Strenges Datenschutz- und Sicherheitskonzept ermöglicht Umgang mit hochsensiblen Daten
• Verbesserung der Patientensicherheit und Versorgungsqualität

Konsortialpartner

Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen (SCAI)

TMF - Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V.

Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Medizinische Informatik

RHÖN - KLINIKUM AG