gms | German Medical Science

GMDS 2013: 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

01. - 05.09.2013, Lübeck

Aspekte der Visualisierung komplexer Datenbestände in der translationalen Forschung

Meeting Abstract

Suche in Medline nach

  • Felix Paul Kühne - Universitätsmedizin Göttingen, Göttingen, DE
  • Christian Bauer - Universitätsmedizin Göttingen, Göttingen, DE
  • Ulrich Sax - Universitätsmedizin Göttingen, Göttingen, DE

GMDS 2013. 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Lübeck, 01.-05.09.2013. Düsseldorf: German Medical Science GMS Publishing House; 2013. DocAbstr.272

doi: 10.3205/13gmds230, urn:nbn:de:0183-13gmds2302

Veröffentlicht: 27. August 2013

© 2013 Kühne et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung: Die Verknüpfung von genotypischen und phänotypischen Daten ist eine der größten Herausforderungen der genetischen Forschung [1]. Das Framework „informatics for integrating biology and the bedside“ (i2b2) [2] ermöglicht die Bildung von Patientengruppen aus einem Pool anhand gegebener Parameter. Hierbei kann eine Verknüpfung von Patientendaten aus dem Routinebetrieb mit Analysedaten aus der aktuellen Forschung erfolgen. Statistische Ergebnisse ohne Visualisierungen in Form von Diagrammen oder Graphen sind in kurzer Zeit oft schwer zu erschließen [3]. Der dargestellte Lösungsvorschlag implementiert eine Ad-Hoc Visualisierung mittels interaktiver Heatmaps.

Material und Methoden: Das i2b2 Framework ermöglicht, basierend auf den Arbeiten des IDRT-Projekts [4] am Standort Göttingen den Import von verschiedenen Patientendaten sowie die Selektion von Patientenkohorten entsprechend definierter Kriterien. Zu Forschungszwecken wurde eine Demonstrationsanwendung mittels einer OpenGL-basierten Zeichnungsumgebung in Objective-C entwickelt, welche einen CSV-Datenimport, Analysen und eine interaktive graphische Darstellung separat von i2b2 erlaubt. Hierbei wurde als Beispiel für großvolumige, verbundene Datensätze medizinische Abrechnungsdaten nach §21 Krankenhausentgeltgesetz verwendet. Im Produktivsystem wird eine Reimplementierung für das Web-basierte Interface von i2b2 angestrebt, welche R und AJAX-Technologien verwenden soll. Die Analytik wird dabei serverseitig und transparent für den Nutzer ablaufen. Hierbei soll auf die Vorarbeit durch das bestehende, mit aktuellen i2b2-Installationen jedoch inkompatible, Pavia-R-Plugin zurückgegriffen werden.

Ergebnisse: Im Rahmen des IDRT-Projektes wurde nicht nur der generische Import von Patientendaten in die i2b2 Umgebung ermöglicht und erleichtert, sondern auch ein spezieller Import für den §21-Datensatz zur Verfügung gestellt. Unter der Verwendung von bestehenden Funktionen und einer Reimplementierung in Form einer Demonstrationsanwendung konnte eine schnelle, zielgenaue Überblickanalytik über große Datensätze aufgezeigt und mittels OpenGL-basierten Darstellungsfunktionen dargestellt werden. Für den §21-Datensatz ergeben sich in der Demonstrationsanwendung spezifische Auswertungsmöglichkeiten und Antworten auf die Fragen: „Wie viele Patienten hatten welche Erkrankungen und wie wurden sie behandelt?“, sowie „Wie verteilen sich die (Unter-) Gruppen des ICDs innerhalb der Geburtsjahre einer Patientenkohorte?“. Die plattformabhängige Implementierung der Demonstrationsanwendung steht im nächsten Schritt zur Reimplementierung in i2b2 über das R-Plugin [5] an.

Diskussion: Anhand des deutschlandweit gesetzlich vorgegebenen §21-Datensatzen mit Angaben zu Diagnosen, Prozeduren und DRGs kann in der Kombination mit dem simplen Abfragewerkzeug i2b2 eine, für jedes Haus sehr wertvolle Datenquelle erschlossen werden.

Die zusätzliche Visualisierung der, in diesem Fall phänotypischen Daten, beispielsweise in Form von Heatmaps bietet nach der Selektion der relevanten Datensätze einen Mehrwert für die schnelle optische Erfassung von Sachverhalten, die in einer tabellarischen Darstellung nicht auffallen. Die Demonstrationsanwendung hat in Gesprächen mit Klinikern, Biometrikern und Medizincontrollern großes Interesse hervorgerufen. Durch die vorgesehene Umsetzung des Demonstrators als i2b2-Plugin basierend auf R, einer freien Programmiersprache für statistische Berechnungen und Visualisierungen, entsteht ein sehr mächtiges Werkzeug für die Kombination von Datenbeständen und für die schnelle Visualisierung in der jeweils geeigneten Form.


Literatur

1.
Nuzzo A, Riva A, Bellazzi R. Phenotypic and genetopic data integration and exploratino through a web-service architecture. BMC Bioinformatics. 2009; 10(Suppl 12): S5.
2.
Kohane I, Churchill S, Murphy S. A translational engine at the national scale: informatics for integrating biology and the bedside. J Am Med Inform Assoc. 2012 Mar-Apr; 19(2): 181–185.
3.
Tufte E. Beautiful Evidence. Cheshire, CT: Graphics Press; 2006
4.
Ganslandt T, Sax U, Löbe M, Drepper J, Bauer C, Baum B, Christoph J, Mate S, Quade M, Stäubert S, Prokosch HU. Integrated Data Repository Toolkit: Werkzeuge zur Nachnutzung medizinischer Daten für die Forschung. In: Goltz U, Magnor M, Appelrath HJ, Matthies H, Balke WT, Wolf L, Hrsg. INFORMATIK 2012. GI-Edition. Lecture Notes in Informatics. P-208 (2012), 1252-1259.
5.
Segagni D, Ferrazzi F, Larizza C, Tibollo V, Napolitano C, Priori SG, Bellazzi R. R Engine Cell: integrating R into the i2b2 software infrastructure. J Am Med Inform Assoc. 2011 May 1;18(3):314-7. doi: 10.1136/jamia.2010.007914. Epub 2011 Jan 24. Externer Link