digitalisierung und open data: chancen & herausforderungen · 2/7/2020 · digitalisierung und...
Post on 25-Aug-2020
1 Views
Preview:
TRANSCRIPT
Digitalisierung und Open Data:Chancen & Herausforderungen
33. Jahrestagung der Spirometrie-Arbeitsgruppe, 07.02.2020 Mannheim
Prof. Dr. Thomas GanslandtHeinrich-Lanz-Center für Digitale Gesundheit
Medienecho zur Digitalisierung in der Medizin
Quelle: https://www.aerzteblatt.de/
Chancen durch Digitalisierung im Gesundheitswesen
Verbesserte Diagnostik undTherapie mit Machine Learning
Laufende Erhebung von Gesundheitsdaten mit Wearables
Moderne App-basierteVersorgungskonzepte
Besserer Zugriff auf vorhandene Versorgungsdaten
Vernetzung mit freienDatenquellen (Open Data)
TelemedizinischeVersorgungskonzepte
DigitaleGesundheit
DVG, PDSG
IFG
TSVG
DVG
MDR/MPG?
Herausforderungen für die Digitalisierung am Beispiel KI
Wie können wirharmonisierte Daten-strukturen erreichen?
Wie können wireinheitliche (breite)
Einwilligungen & Policiesabstimmen?
Wie können wirDatenqualität objektivmessen & optimieren?
Wie können wir KI-Training & Anwendungsicher implementieren?
Medizin-Informatik-Initiative des BMBF
Wiederverwendungklinischer Versorgungsdaten
Nutzennachweis in klinischenAnwendungsfällen (Use Cases)
Stärkung des FachsMedizinische Informatik
160 M€ Förderungdurch das BMBF
Langfristige Perspektive
Quelle: http://www.medizininformatik-initiative.de/en/node/5
Abdeckung allerUniversitätskliniken
Förderkennzeichen: 01ZZ1801E
Gemeinsame Lösungen aus den MII-Arbeitsgruppen
AG Interoperabilität
AG Data SharingAG Consent
ModularerMII Kern-datensatz
ModulareMuster-
Einwilligung
HarmonisierteNutzungsordnung
& -Vertrag
Annotationvon Qualität
& Provenance
HarmonisierteData Sharing-
Prozesse
Consent-Umsetzung
FöderierteAnalyse-
plattformen
HarmonisierteDaten
Consent & Governance
Daten-qualität
SichereUmsetzung
AG Interoperabilität Modularer MII-Kerndatensatz
Onkologie Pathologiebefunde
Radiologie-Befunde
PDMS/Biosignale
Biomaterial
Genetische Tests Strukturdaten
Leistungen
Kostendaten
Erw
eite
run
gsm
od
ule
Diagnosen
Prozeduren
Laborbefunde
Medikation
PersonDemographie Falldaten
Bas
ism
od
ule
…… …
…… …
Daten-strukturen
auf Basis vonHL7 FHIR
SemantischeAnnotation
auf BasisinternationalerTerminologien
Werkzeuge fürdie gemeinsameErarbeitung derAnforderungen
& Datenstrukturen
Offene Governance-Prozessse undAbstimmungs-
verfahren
Beispiel MIRACUM-Use Case 2: Prädiktives Tool für Asthma/COPD
Anwendung derML-Modelle
Endotypisierung
Anwendung
PrädiktionInfrastruktur
Open Data im Kontext des Coronavirus-Outbreak (1)nCov-Dashboard der Johns-Hopkins University
Quelle: https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6
Open Data im Kontext des Coronavirus-Outbreak (2)Laufend aktualisierte Rohdaten als Google Spreadsheet
Quelle: https://docs.google.com/spreadsheets/d/1UF2pSkFTURko2OvfHWWlFpDFAr1UxCBA4JLwlSP6KFo/edit#gid=0
Open Data im Kontext des Coronavirus-Outbreak (3)Gemeinsame Erschließung der nCov-Daten online z.B. auf Kaggle
Quelle: https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset/kernels Quelle: https://www.kaggle.com/lukeimurfather/ncov-animated-geo-eda-and-tweets Quelle: https://www.kaggle.com/politatti/predict-coronavirus-using-prophet
Datenspende: hohe Bereitschaft der Patienten, im akademischen Kontext
Repräsentative Telefonumfrage der FORSA 08/2019 (1,006 Teilnehmer) für die TMF e.V.
Ausblick: Digitale Gesundheit
Große Potentiale
◼ Erschließung großer, bislang ungenutzter Datenpools
◼ Open Data für einfache Verknüpfung vielfältiger Datenquellen
◼ Moderne, app-basierte Versorgungs- & Präventionskonzepte
◼ Entscheidungsunterstützung durch Machine Learning
◼ Umsetzung einer 4P-Medizin (prädiktiv, personalisiert, präventiv, partizipativ)
Große Herausforderungen
◼ Qualität & Verfügbarkeit von Versorgungsdaten
◼ Ambulanter Sektor bislang noch unzureichend eingebunden
◼ Breite Einwilligung schwierig abzustimmen und zu implementieren
◼ Hohe Anforderungen an eine sichere & datenschutzkonforme Umsetzung
◼ Zulassungsverfahren mit schlechter Passung für neuartige Machine Learning-Ansätze
top related