gms | German Medical Science

HEC 2016: Health — Exploring Complexity
2016 Joint Conference of GMDS, DGEpi, IEA-EEF, EFMI

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

28.08. - 02.09.2016, München

Aufbau einer gemeinsamen virtuellen Biomaterialbank an der Universitätsmedizin Mainz

Meeting Abstract

Suche in Medline nach

  • Matthias Kabala - Universitätsmedizin Mainz, Mainz, Deutschland
  • Torsten Panholzer - Universitätsmedizin Mainz, Mainz, Deutschland

HEC 2016: Health – Exploring Complexity. Joint Conference of GMDS, DGEpi, IEA-EEF, EFMI. München, 28.08.-02.09.2016. Düsseldorf: German Medical Science GMS Publishing House; 2016. DocAbstr. 424

doi: 10.3205/16gmds148, urn:nbn:de:0183-16gmds1484

Veröffentlicht: 8. August 2016

© 2016 Kabala et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hintergrund: Für die translationale Forschung und die personalisierte Medizin ist der Zugang zu Biomaterial wie z.B. Gewebe, Blut oder Serum und zu den zugehörigen klinischen Daten enorm wichtig [1].

In der Universitätsmedizin Mainz wird Biomaterial in verschiedenen Biobanken aufbewahrt. Von Interesse sind besonders Gewebe- und Flüssigproben, die über mehrere Einrichtungen verteilt sind. Ziel ist es, diese Informationen sukzessive in einer gemeinsamen virtuellen Biobank für das Klinikum zu aggregieren. Dadurch können die Proben weiterhin an den verteilten Lagerorten bleiben, aber Forscher sollen zentral über die gemeinsame virtuelle Biobank Kenntnis und Informationen über die Proben erhalten.

Die Herausforderungen, die sich aus dem Datenabgleich mehrerer heterogener Teilsysteme ergeben und die Möglichkeiten, die eine gemeinsame virtuelle Biobank bietet, werden exemplarisch aufgezeigt.

Methoden: Für die Vernetzung der bestehenden Biomaterialinformationen wird die Software CentraXX der Firma Kairos eingesetzt. Diese bietet den Vorteil, auch Daten aus der klinischen Tumordokumentation mit Biomaterialproben verknüpfen zu können. Darüber hinaus wird CentraXX bereits als Brückenkopf innerhalb des Deutschen Konsortiums für Translationale Krebsforschung (DKTK) mit der Möglichkeit einer Standort-übergreifenden Suche eingesetzt.

Für die Datenintegration werden XML und webbasierte Techniken (Rest-API) verwendet. Die klinischen Daten der Tumordokumentation werden automatisiert aus dem Gießener Tumordokumentationssystem (GTDS) in CentraXX eingelesen. Für die Daten zu Frischgeweben und Paraffinproben wird die vorhandene XML-Schnittstelle von CentraXX verwendet. Der Abgleich mit den dokumentieren Patienten aus GTDS findet über die Master Patient ID (MPI) statt.

Ergebnisse: Nach Prüfung der Möglichkeiten [2] haben wir uns für eine zentrale Haltung der Daten, die die Proben beschreiben, entschieden. Die Proben selbst verbleiben an den dezentralen Lagerorten. Für diesen Anwendungsfall wird CentraXX erstmals verwendet.

Der Import der Gewebeproben nach CentraXX ist erfolgt, die Daten zu den Flüssigproben werden aktuell überführt. Der laufende Import der Quellsysteme nach CentraXX wird gerade eingerichtet. Weitere Biomaterialbanken, die aggregiert werden können, werden identifiziert.

Die Daten aus der Tumordokumentation weisen eine gute Datenqualität auf. Durch das Verknüpfen mit vorhandenen Daten aus der Pathologie lassen sich fein granulierte Suchanfragen für mögliche Studienanfragen zu Feststoffen an das System stellen.

Diskussion: Erst durch die Verknüpfung der Proben mit den Daten aus der Tumordokumentation werden sie in den realen Kontext gestellt. Die Situation und das Umfeld zum Zeitpunkt der Probengewinnung werden deutlich. Die Probe wird dadurch charakterisiert, und erst dann ist sie über eine Suche nach Patienten mit einem bestimmten Krankheitsbild erreichbar.

Bei der Datenaggregation in CentraXX bereiten insbesondere das ID-Management und die Frage, anhand welcher identifizierenden Merkmale sich Datensätze aus einzelnen System verknüpfen lassen, Schwierigkeiten.

Ferner stellt sich die Frage inwiefern bestehende Einwilligungserklärungen für zukünftige Forschungsanfragen verwendet werden können.


Literatur

1.
Herpel E, Hummel M. Biobanken - Entwicklung und Struktur. Dtsch med Wochenschr. 2013; 138(20): 1069-1072.
2.
Lablans M, Kadioglu D, Mate S, Leb I, Prokosch HU, Ückert F. Strategien zur Vernetzung von Biobanken. Bundesgesundheitsbl. 2016; 59:373–378.