Kunden Projektberichte

Das HiGHmed-Konsortium in Deutschland hat eine semantische interoperable Architektur für elektronische Gesundheitsakten in einem hersteller- und technologieneutralen Format entwickelt.

Auf diese Weise konnten die Konsortiummitglieder Systeme und Werkzeuge einrichten, die einen Mehrwert für die Entscheidungsfindung in der täglichen klinischen Praxis bieten und Forschungsfragen unterstützen. Außerdem ist dies auch die Grundlage für ihr datenzentriertes App-Ökosystem.

Beschreibung des Projekts

HiGHmed hat medizinische Datenintegrationszentren (MeDICs) auf der Grundlage einer generischen und skalierbaren Referenzarchitektur für die Integration von Daten aus Versorgung, Forschung und externen Quellen geschaffen, die die Entwicklung neuer Lösungen für die medizinische Datenanalyse zum Nutzen von Klinikern, Patienten und Forschern erleichtern. HiGHmed entwickelt eine gemeinsame einrichtungsübergreifende Referenzarchitektur auf der Grundlage einschlägiger bestehender Standards wie IHE, openEHR und FHIR. 

Better Platform, ein auf openEHR basierender klinischer Datenspeicher, bietet die erforderlichen Funktionen für die Verwaltung strukturierter klinischer Informationen und unterstützt die Integration zwischen einzelnen Implementierungen unter Verwendung von IHE XDS-Profilen. Die HiGHmed-Referenzarchitektur, die auf der Better Platform basiert, ist skalierbar und offen für die Übernahme durch weitere Partnerkrankenhäuser und Lösungsentwickler, um innovative Anwendungen, z. B. für die Datenintegration oder -analyse, bereitzustellen. 

Lösungen 

  • Eine nationale Infrastruktur für die einrichtungsübergreifende Nutzung medizinischer Daten für Forschung und Lehre, mit dem Ziel, die Erkenntnisse im klinischen Alltag für Patienten nutzen zu können
  • Interoperable Datenverwaltungslösungen
  • Die Integration von Daten aus der Forschung, dem klinischen Betrieb und externen Quellen
  • Neue Lösungen für die Analyse medizinischer Daten zum Nutzen von Patienten, Klinikern, Forschern und der Gesellschaft im Allgemeinen 

COVID-19: Das intelligente Infektionskontrollsystem des HiGHmed-Konsortiums 

Eine der auf der Better Platform aufbauenden Lösungen ist das Smart Infection Control System (SmICS), das von HiGHmed während der COVID-19-Pandemie unabhängig entwickelt wurde. Es ist in der Lage, Kontakte zwischen Patienten, grundlegende epidemiologische Statistiken und Patientenzeitpläne anzuzeigen. Das Hauptziel von SmICS ist es, relevante, präzise und strukturierte Daten für das deutsche Gesundheitssystem bereitzustellen, um die Versorgung der COVID-19-Patienten zu verbessern. Better Platform wird auch einen Beitrag zum deutschen nationalen COVID-19-Forschungsnetzwerk leisten.

Vorteile

Durch die Umsetzung des Open-Data-Ansatzes konnte das Konsortium mehrere Vorteile erzielen:

  • die Verfügbarkeit von strukturierten klinischen Daten in einem einzigen CDR: für statistische Analysen, maschinelles Lernen und die Ausführung von Algorithmen zur Entscheidungsunterstützung,
  • ein Rahmenwerk für die Steuerung von Informationsmodellen: dies trägt dazu bei, ein gemeinsames Verständnis der Daten zwischen den teilnehmenden Krankenhäusern zu schaffen, indem es die gemeinsame Arbeit an Archetypen (formale Darstellungen von klinischen Informationsmodellen) ermöglicht,
  • ein gemeinsames Datenwörterbuch: ermöglicht die direkte Einbindung standardisierter Datenmodelle in die HiGHmed-Plattform, um neue klinische und Forschungsanwendungssysteme und Datenbanken zu erstellen,
  • die Trennung von Daten und Anwendungen: die Anwendungen verwenden keine eigene Datenbankschicht, die dann ein typisches Datensilo bilden würde, sondern nutzen die Plattform zur Speicherung aller strukturierten Patientendaten,
  • die Implementierung zusätzlicher Anwendungen: umfassende und vollwertige klinische Anwendungssysteme können auf der HiGHmed-Plattform entwickelt werden und stellen standardkonforme und interoperable Daten "by design" und ohne kostspielige Mappings zur Verfügung,
  • archetype Query Language (AQL): ein zuverlässiges und sicheres Verfahren zur Abfrage von Daten, zum Einsatz von Algorithmen und zur Entwicklung von Systemen zur klinischen Entscheidungsunterstützung in einer hochgradig verteilten Umgebung,
  • Kosteneffizienz: die Weiterentwicklung des Systems kann je nach den Ressourcen und Prioritäten des jeweiligen Krankenhauses erfolgen.

Zukünftige Aspekte

  • Datenaustausch im Vollbetrieb zwischen den Konsortiummitgliedern Aufbau einer strukturierten Sammlung von Forschungsergebnissen, laufende Ergänzung und Erweiterung
  • Die Nutzung von Forschungsergebnissen im klinischen Betrieb
  • Bewertung der Ergebnisse und mögliche Kontinuität ab 2022
  • Kooperationen mit neuen, außeruniversitären Partnern, z.B. Carl Thiem Klinikum Cottbus


Der Inhalt des HiGHmed-Fallbeispiels wurde teilweise übernommen aus: openEHR in HiGHmed von Birger Haarbrandt, einem Artikel in openEHR - offene Datenplattformen in der medizinischen Informatik, einer Broschüre, die im Juni 2018 von HiGHmed veröffentlicht wurde.
Der Kunde
HiGHmed-Konsortium
 

Das HiGHmed-Konsortium in Deutschland wird vom Bundesministerium für Bildung und Forschung (BMBF) finanziert und besteht aus 8 Universitätskliniken: 

  • Die Medizinische Hochschule Hannover (MHH)
  • Universitätsklinikum Heidelberg (UKL-HD)
  • Die Universitätsmedizin Göttingen (UMG)
  • Das Universitätsklinikum Schleswig-Holstein
  • Das Universitätsklinikum Köln
  • Das Universitätsklinikum Würzburg
  • Die Charité - Universitätsmedizin Berlin
  • Universitätsklinikum Münster (UKM)

Das Konsortium wird durch mehr als 20 Partner aus dem akademischen Bereich und der Industrie ergänzt. 

Herausforderungen für Kunden
  • Das Volumen der erzeugten Daten
  • Geringe Datenintegration für Routineprozesse in einer klinischen Praxis
  • Ein anwendungsorientierter Ansatz, der eine große Anzahl von Datensilos schafft
  • Mangelnde Verfügbarkeit von Daten für Forschungszwecke
  • Das Fehlen eines klinischen Datenspeichers, der leicht erweitert werden könnte, um zusätzliche Forschungsinitiativen abzudecken
Wichtigste Vorteile
  • Die Verfügbarkeit von strukturierten klinischen Daten in einem einzigen CDR
  • Ein Rahmenwerk für die Verwaltung von Informationsmodellen
  • Ein gemeinsames Datenwörterbuch
  • Die Trennung von Daten und Anwendungen
  • Die Einführung zusätzlicher Anwendungen
  • Archetypische Abfragesprache (AQL)
  • Kosteneffizienz 
Product
Better Platform

Contact us for a deep-dive presentation of our case studies here