Klaus A. Kuhn, Oliver Kohlbacher, Ulrich Mansmann, Fabian Prasser

und das DIFUTURE Konsortium

TU München, Univ. Tübingen, Univ. München und Partner

01ZZ1603[A-D] und 01ZZ1804[A-H]

DIFUTURE: das Konsortium

o TU München, Klinikum rechts der Isar

o Universität München, Klinikum der Universität

o Universität Tübingen, Klinikum der Universität

o Universität Ulm und Universitätsklinikum Ulm (seit 2/2019)

o bauen Datenintegrationszentren (DIZ) auf, arbeiten an Anwendungsfällen, beginnend mit Multipler Sklerose (MS)

o Universität Augsburg, Klinikum Augsburg

o Universitätsklinikum im Aufbau, DIZ bis 2021, Anwendungsfall MS

o Vernetzungspartner

o Universitätsklinikum Regensburg

o Universitätsklinikum des Saarlands, Universität des Saarlands

o Übernehmen Lösungen, sind in die Konzeptionierung einbezogen

o Streben perspektivisch ebenfalls Datenintegrationszentren an

o Industriepartner

o Kairos

Anwendungsfälle von DIFUTURE

Anwendungsfälle von DIFUTURE sind auf Krankheiten ausgerichtetsollen zu nachweisbaren Verbesserungen von Verläufen führenkein primär „methodischen“ Anwendungsfälle

Ziele aller AnwendungsfälleIntegration und Analyse von Daten zur gezielten Ausrichtung vonVorbeugung, Diagnosestellung, Therapie, NachsorgeEntwicklung und Bereitstellung von

entscheidungsunterstützenden KomponentenTreatment Decision Score MS: Prospektive Beobachtung u. Validierung

Übergeordnetes Ziel ist Präzisionsmedizin, personalisierte Medizin

Krankheiten im Fokus der Use Cases

Multiple Sklerose ab 2016/17

Parkinson Erkrankung ab 2017

Onkologie, Kardiologie, Schlaganfall ab 2020, weitere (onkolog.) ab 2022

bauen methodisch aufeinander auf, erweitern Konzepte und Lösungen

VorgehenIntegration von Versorgungsdaten und Forschungsdaten

Verlaufsbeobachtung erfolgt strukturiert / abgestimmt / standardisiert

Standardisierung der Bildgebung

Technik, strukturierte und abgestimmte Befunde

Patienten geben Daten zu ihrem Zustand selbst ein (pat. rep. outcomes)

Erhöhung der Datenqualität; zusätzlich auch Analysen von Freitexten

Anwendungsfälle von DIFUTURE

Integrierte Daten, bereinigte Daten

IT Systeme/Geräte: Krankenhaus, Praxen, Kassen, KV, Patienten und Bürger

5

Ansatz von DIFUTURE

AnalysenMachineLearning

Studien

Qualität

Neue VerfahrenEntscheidungs-unterstützung

Lernendes Gesundheits-

system

IT als Rückgrat der Tanslation

Bett

Labor

Daten

DatenschutzAnonymisierung

Informationsextraktion, Aufbereitung, Harmonisierung

Integrierte Daten, DWH

PortalDatenzugang

IT Systeme/Geräte: Krankenhaus, Praxen, Kassen, KV, Patienten und Bürger

AnalysenMachineLearning

Studien

Datenintegrationszentrum DIFUTUREForschungssysteme

Datenintegrationszentrum

17.09.2019 7

Data Lake

Klinische Primärsysteme

Projekt-DWH

Projektspezifische Pseudonymisierung

Konnektoren

Übergabe der klinischen Daten mittels KonnektorenDatei- oder REST-basiert: sowohl generisches JSON als auch diverse Standards ( XML, HL7 v2, )

Pseudonymisierung der Daten für DL und für die WeiterverarbeitungTreuhandstelle / Trust Center (TC) als Pseudonymisierungsinstanz

Data Lake (DL)Technische Harmonisierung im JSON-Format auf PostgreSQL-DB

Strukturelle und semantische Integration auf dem Data Lake & beim Export

Bereitstellung der Daten für projektspez. Data Warehouses (DWH)

Konzept

TC

& z.B. PHT

MII Jahresversammlung 2019 – Dortmund Jörg Peter und Fabian Prasser

• Welche Daten sind vorhanden?data discovery

DIC A DIC B DIC C

Anfrage

Verteilte Anfragen

• Generiert und validiert Hypothesen

• Setzt Maschinelles Lernen ein, bspw.Verteilte Regression, SVMs

• “Data Analysis Trains”• GO-FAIR Initiative• Implementation Network Personal Health Trains

Verteiltes Rechnen

DIC A DIC B DIC C

Ru

nti

me

Anfrage

Verteilte Ansätze in DIFUTURE

Multiple Sklerose

Seit 2010: Verlaufsdaten mit Texten, strukturierten Daten, Bildern

- Verteilte Analyse: funktionale Hypothesen, prognostische Regeln

- Regeln zur optimalen/gezielten Behandlungsentscheidung

Ab 01/2018: weitere Verlaufsdaten und neu diagnostizierte Patienten (>500)

- Standardisierung von Bildgebung und Befunddokumentation

- Versorgungsdaten und prospektive Studie

- Verteilte Analysen, Auswertung der Studie

- Validierung der Regeln, Erstellen neuer Hypothesen

- Bewertung der Regeln anhand des Behandlungsergebnisses

KVB: Muster vor Erstdiagnose? Begleitkrankheiten?

neu diagnostizierte

bekannte

Patienten

Standorten>5.000

KVBn=30.000

Aktueller Stand, Beispiele

Strukturierte Verlaufsdokumentation

StrukturierteBildbefundungMRT

Quelle:Prof. Dr. J. Kirschke

Selektion nach Verlauf in i2b2 (CIS zu RRMS innerhalb von drei Jahren)

Hinweis: Die Darstellung veranschaulicht lediglich die Funktionalität. Die Daten wurden hierfür verändert.

Darstellung Verlauf in i2b2

Hinweis: Die Darstellung veranschaulicht lediglich die Funktionalität. Die Daten wurden hierfür verändert.

I2b2: Kohortensuche nach Symptomatik

Hinweis: Die Darstellung veranschaulicht lediglich die Funktionalität. Die Daten wurden hierfür verändert.

tranSMART

Hinweis: Die Darstellung veranschaulicht lediglich die Funktionalität. Die Daten wurden hierfür verändert.

Warehousing & PortaleBereitstellung der integrierten Daten inprojektspezifischen Data Warehouses

Erweiterung von tranSMART / Glowing BearOpen Source Weiterentwicklung

Ausschreibung & Projektauftrag an Firma The Hyve (NL)

Dockerisierung der Projekt-DWH

HL7-FHIR basierter Import

Aufteilung von tranSMART Instanzen (Slicing & Dicing)

Filterung nach genomischen Varianten durchAnbindung an einen Genomic Variant Store

Verwendung von i2b2/tranSMART für MS-UCDockerisierte i2b2/tranSMART Instanzen für Daten des MS-UCs

Neben DIFUTURE-UCs erfolgreich in Mikrobiom-Profiling-Projekt zusammen mit Trust Center Komponente verwendet (TUM)

17.09.2019 17MII Jahresversammlung 2019 – Dortmund Jörg Peter und Fabian Prasser

Beispiel für Sekundärdatennutzung

Hapfelmeier, A., Gasperi, C., Donnachie, E., & Hemmer, B. (2019). A large case-control study on vaccination as risk factor for multiple sclerosis. Neurology, 10-1212:

“..to investigate the hypothesis that vaccination is a risk factor for MS in a systematic retrospective analysis of ambulatory claims data …

Ambulatory claims data held by BASHIP cover all members of the statutory health insurance, approximately 85% of the population of Bavaria. It was available for each quarterly billing period between 2005-2017 …

- 223,035 participants (12,262 patients with MS and 210,773 controls) …

Our findings, derived from a very large number of patients and 3 matched control cohorts …. support the assumption that vaccinations are not associated with a higher likelihood of an MS diagnosis ……”

Vielen Dank an alle DIFUTURE Mitarbeiter!

Involviert sind Informatiker/innen, Biostatistiker/innen,Bioinformatiker/innen, Ärztinnen/Ärzte, Vorstandsmitglieder und weitere Personen

8. & 9. Oktober i2b2 tranSMART FoundationTübingen i2b2 tranSMART 2019 European Symposium

10. Oktober DIFUTURE Symposium 2019Tübingen

27. – 29. November 2. Münchner Digital Health SummitMünchen