Synopse

Die drei universitätsmedizinischen Standorte Leipzig, Jena und Aachen haben vom BMBF eine Bewilligung für eine Konzeptphase erhalten und werden zum 28.April 2017 beim BMBF einen konsortialen Antrag für die 4-jährige Aufbau und Vernetzungsphase stellen. Das Vorhaben verbindet medizininformatische, epidemiologische und klinische Kompetenzen. Es wird an allen drei Standorten die IT-Infrastruktur in einer abgestimmten Weise so weiter entwickelt, dass eine Integration von Informationssystemen in Versorgung und Forschung entsteht, die Aufbereitung und Analyse von Daten und Dokumenten in den Krankenhausinformationssystemen (KIS) und ein Austausch von Daten zwischen Einrichtungen unterstützt wird. Diese Entwicklung der Infrastruktur hat das Ziel, die Versorgung von Patienten zu verbessern.

Das Vorhaben besteht aus fünf Komponenten:

KabelIm Rahmen des Vorhabens sollen an allen drei Standorten eng miteinander kooperierende Datenintegrationszentren (DIZ) aufgebaut werden. Diese haben u.a. die Aufgabe als Daten-Broker und Treuhandstelle die Herausgabe von Daten vorzubereiten, zu konsentieren und zu organisieren. Dazu führen die DIZen einen elektronischen Health Record und Metadatenverzeichnisse. Der Aufbau der Datenintegrationszentren umfasst auch die Bereitstellung der IT-Architektur für das Vorhaben, die Strukturierung der Datenhaltung und der Datenweitergabe. Technische Grundlage an der UML ist das in Ausschreibung befindliche EIDMS – IT-System, das alle für Smith erforderliche Voraussetzungen für die technische Interoperabilität schaffen wird. Im Gesamtverbund wird die technische und semantische Interoperabilität in einer engen Kooperation mit Unternehmen aus der Wirtschaft aufgebaut. Diese sind bereit mit erheblichen Eigenmitteln zum Erfolg des Vorhabens beizutragen.

Eine zweite Komponente unseres Antragskonzeptes ist der Aufbau einer Phänotypisierungs – Pipeline. Die Aufgabe besteht darin, für ausgewählte von Klinikern und Forschern spezifizierte Anfragen zur Auswertung von Electronic Health Record Daten zu unterstützen. Dabei ist es nötig diese Anfragen zu algorithmisieren und durch Annotationsmaschinen „veredelte“ Datensätze aufzubauen, die für klinisch epidemiologische und gesundheitsökonomische Fragestellungen nutzbar ist. Hierzu werden wir mit Methoden der semantischen Textanalyse lesbare Dokumente (Arztbriefe, Befunde, Abrechnungsdaten) aus dem KIS aufbereiten und daraus Diagnosen, Befunde, Medikationen, Nebenwirkungen, Labordaten etc. extrahieren. Bereits in der laufenden Konzeptphase haben einen Textkorpus von 3000 Patientendokumenten zu Trainingszwecken aufgebaut.

In einem zweiten Schritt werden dann die spezifischen Phänotypen erschlossen und klassifiziert. Damit entsteht allmählich eine große Datenbank strukturierter Informationen über Patienten die für Zwecke Versorgungsoptimierung und Versorgungsforschung verwendbar sind. Diese Datenbank wird angereichert mit organisatorischen Daten über eventuell vorhandene Verfügbarkeit von Bioproben, von mikrobiologischen Erregerbestimmungen und von Ergebnissen zusätzlichen Befragungen dieser Patienten.

Es sollen ferner zwei klinische Use Cases verfolgt werden, mit denen wir die Leistungsfähigkeit der aufzubauenden IT-Infrastruktur und Datenintegrationszentren nachweisen wollen. Beide Use Cases adressieren das Thema Infektionskrankheiten aus verschiedenen Perspektiven.

BlutDer erste Use Case behandelt das Thema „Antibiotic Stewardship“. Dabei geht es einerseits um den zielgerichteten leitliniengerechten Einsatz von Antibiotika zur Bekämpfung bakterieller Infektionen und um die Beobachtung der nosokomialen Erreger. Der Use Case setzt die Einführung der S3-Leitline zunächst in Intensivstationen und später im Roll out auf Normalstationen voraus und erfordert eine intensive Analyse der Erreger. Ziel ist eine Optimierung des Einsatzes von Antibiotika bei Personen mit bakteriellen Infektionen und eine Vermeidung von Multirestistenz.

Der zweite Use Case spielt sich auf Intensivstationen ab. Hier soll mittels kontinuierlicher Auswertungen Bettder Patienten Daten Management Software (PDMS) eine modellbasierte „Algorithmische Surveillance“ des Zustandes von kritisch kranken Patienten erfolgen. Damit wird die Voraussetzung für eine frühe Alarmierung geschaffen, die ein schnelles diagnostisches und therapeutisches Eingreifen ermöglicht. Diese Daten werden durch High-Performance Computing analysiert und für die klinische Entscheidung annotiert.

Alle beide Use-Cases sollen in allen drei Einrichtungen zum Einsatz kommen. In einer späteren Stufe können sie auch in anderen Versorgungseinrichtungen zum Einsatz kommen.

Als fünfte Komponente werden wir ein Aus-, Fort- und Weiterbildungsmodul konzipieren, das ähnliche und modulare Kurrikula an den drei Standorten im Bereich MSC Medizininformatik und im postgradualen Bereich anbietet. Ferner planen wir auch ein Weiterbildungsmodul für Medizinstudenten und Ärzte, um sie an die Verwendung dieser neuen Techniken heranzuführen.