cloud4health - Telemed

cloud4health
Cloud-Architektur für die
datenschuzkonforme Sekundärnutzung
strukturierter und freitextlicher Daten
Ines Leb
Lehrstuhl für Medizinische Informatik
Telemed
03.07.2013
LMI :: LEB :: CLOUD4HEALTH
2
Agenda
Motivation
Vorgehen
Architektur
Datenschutz
Anwendungsszenarien
LMI :: LEB :: CLOUD4HEALTH
3
Was ist mit ... Freitext
99.9%
80%
71%
53%
LMI :: LEB :: CLOUD4HEALTH
4
Ansatz
Text Mining
Text Annotation
Deidentifikation
LMI :: LEB :: CLOUD4HEALTH
cloud4health
 Fokus
 Cloud Services für Big Data Analysen in der Medizin
 Volumen
 4 Mio EUR
 46,5 Personenjahre
 Dauer
 3 Jahre, Beginn 01.12.2011
5
LMI :: LEB :: CLOUD4HEALTH
6
Sekundärnutzung klinischer Daten
BI
Data Warehouse
ETL
LMI :: LEB :: CLOUD4HEALTH
7
local
Extract
CDMS
Transform
Load
SQL
PIDgen
HIS
Aggregation
CSV
Terminology
…
...
...
Facts
Query-Tool
XLS
DeIdent
...
Dimen
sions
Statistics
Visualization
...
WWW
…
LMI :: LEB :: CLOUD4HEALTH
8
local
cloud
Extract
CDMS
Transform
Load
SQL
PIDgen
HIS
Aggregation
CSV
Terminology
…
letters
...
Facts
Query-Tool
XLS
DeIdent
Textmining
...
...
WWW
Dimen
sions
Statistics
Visualization
…
LMI :: LEB :: CLOUD4HEALTH
9
Architektur
Datenextraktion
Krankenhaus
STUDIENPORTAL
ETL
Anonymisierung
Deidentifikation
Strukturierte Daten
Anonymisierter Text
TRUSTED
CLOUD
Annotationen
Text Mining
Text Annotation
Text Mining
Data Mining
Datenzugriff
Data
Datenanalyse
Warehouse
Data Mining
LMI :: LEB :: CLOUD4HEALTH
10
Architektur
Datenextraktion
C
Deidentifikation
Datenzugriff
A
Text Mining
Text Annotation
•
•
•
Structured Data
Annotation Data
K-Anonym
Export
Datenanalyse
Data Mining
B
D
LMI :: LEB :: CLOUD4HEALTH
11
1
C
2
3
A
•
•
•
Structured Data
Annotation Data
K-Anonym Export
B
D
LMI :: LEB :: CLOUD4HEALTH
Datenextraktion
12
1
LMI :: LEB :: CLOUD4HEALTH
13
2
Deidentifizierung
Metadaten
Namenslisten
Patterns
Maschinelle
Lernverfahren
LMI :: LEB :: CLOUD4HEALTH
14
3
IDAT-Translator
---------------------------------------------------------------
Person
(entspricht Name)
--------------------------------------------------------------- surname <string>
- familyname <string>
- affix
<string> (Graf von)
- titel <string> (Dr., Prof., ....,)
- sex [f|m] <enumeration>
---------------------------------------------------------------
Date
--------------------------------------------------------------- Day <byte> 11
- Month <byte> 1..12
- Year <byte> 1921
- Weekday <byte> 1..7
- Holiday <string> (Weihnachten, Ostern ..)
---------------------------------------------------------------
Location
Division
--------------------------------------------------------------- organisation (Universität, Rhön Kliniken) <string>
- clinic (Bsp. Uniklinik, Waldkrankenhaus) <string>
- department (Innere Medizin) <string>
- city (Freiburg) <string>
- service? (Sprechstunde, Ambulanz..) <string>
---------------------------------------------------------------
ID
--------------------------------------------------------------- entity [MedicalRecordId, ???] <enumeration>
- - value <string>
---------------------------------------------------------------
AGE
--------------------------------------------------------------- days <int>
# in Tage, da Alterangaben bei Neugeborenen eingeschlossen werden müssen
--------------------------------------------------------------- street <string> (Tennenbacherstrasse.)
- housenumber <string> (11a)
- city code <int> (79132)
rule (Freiburg)
"IdatPerson"
- city <string>
- country
<string>
when
- building? (Beispiel Bahnhof, Flughafen, Post)
-------------------------------------------------------------------
--------------------------------------------------------------then
---------------------------------------------------------------
idat:PersonIDAT()
ContactData
(entspricht Phone)
idat.setFirstname(„XXXXX“);
BIOMETRICS
--------------------------------------------------------------- entity <enumeration> [size, weight] # eav schema
- unit <enumeration> [metric]
- value
OTHER
----------------------------------------------------------------------------------------------------------------------------idat.setFamilyname(StringUtils.left(idat.getFamilyname(),1));
# all other
- phoneNumber <int>
-- countryCode
(+49)
idat.setAffix(null);
-- areaCode (761)
idat.setTitel(null);
-- phoneNumber (65465468)
- email ([email protected])
idat.setSex(idat.getSex());
end
---------------------------------------------------------------
LMI :: LEB :: CLOUD4HEALTH
15
1
C
2
3
A
4
5
•
•
•
Structured Data
Annotation Data
K-Anonym Export
B
D
LMI :: LEB :: CLOUD4HEALTH
Cloud Infrastruktur
16
4
LMI :: LEB :: CLOUD4HEALTH
Text Mining
17
5
LMI :: LEB :: CLOUD4HEALTH
18
1
C
2
3
6
A
4
5
•
•
•
Structured Data
Annotation Data
K-Anonym Export
B
D
LMI :: LEB :: CLOUD4HEALTH
19
6
Zentrales Studienportal
 Zugriff auf Daten
 Mehrwertdienste
 Statistische Analyse
 Datamining
 i2b2, R, tranSMART, ...
LMI :: LEB :: CLOUD4HEALTH
Herausforderung - Datenschutz
 Gesundheitsdaten = „sensible Daten“ (§3 Abs. 9
BDSG)
 Verschiedene Gesetze müssen betrachtet werden




Landeskrankenhausgesetze
Arzt- und Arbeitsrecht
Eigentums-, Nutzungs-, Persönlichkeitsrechte der Patienten
Bundes- (BDSG) und Landesdatenschutzgesetze
 Besonderheiten in der medizinischen Forschung
 Informierte Einwilligung
 Begrenzt auf genau definierte Forschungsfragen
 „Seltene“ Daten
 Ziele
 National abgestimmtes Generisches Datenschutzkonzept
 Vertragsvorlagen, Leitlinien, etc.
20
LMI :: LEB :: CLOUD4HEALTH
Anwendungsszenarien in cloud4health
 Aufbau von Registern
 Z.B. für medizinische Forschung und Health Technology
Assessment (HTA)
 „Hüftimplantate besser mit oder ohne Zement einsetzen?“
 Pharmakovigilanz
 Erkennen von Signalen aus Arztbriefen und Medikationslisten
 „Sehnenruptur aufgrund von Antibiotika“
 Plausibilitätschecks
 „Wurden Biologicals bei einer Psoriasisbehandlung wirklich erst als
letzte Möglichkeit angewendet?“
 Pathologie
 „TNM, Grading, Morpholoy ICD-O3, … aus diktierten Berichten“
21
LMI :: LEB :: CLOUD4HEALTH
Zusammenfassung
 Sekundärnutzung
 Strukturierte und unstrukturierte Daten
 Text Mining
 Deidentifizierung
 Cloud computing
 Dynamische Infrastruktur
 Services on demand
 Externe und Inhouse-Nutzung
 „One Stop Shop“
 Datenschutz
 Anwendungsbeispiele
 Register, Forschung, Pharmacovigilanz…
22
LMI :: LEB :: CLOUD4HEALTH
BACKUP SLIDES
23
LMI :: LEB :: CLOUD4HEALTH
24
Beispiel: Endoprothesenregister
 UKER
 200 Arztbriefe
 500 OP-Berichte
 + 2 RHÖN-Kliniken
LMI :: LEB :: CLOUD4HEALTH
What is Cloud Computing?
 Metaphore / Paradigm
 Unlimited (elastic) ressources
 Everybody can access from everywhere
25
LMI :: LEB :: CLOUD4HEALTH
Deidentification
26
2
LMI :: LEB :: CLOUD4HEALTH
Trusted Cloud
LMI :: LEB :: CLOUD4HEALTH
28
Process
Use Case Description
Fragestellung
Identification of Data Sources
Einschlusskriterien
Klinische
Notwendige Daten Quellsysteme
zur Beantwortung
Schnittstellen,
Formate, Qualität
...
Eigentümer und
Schutzbedarf
Allowance
Szenario
Eigentümer
Datenschützer
Data Extraction
Technische
Realisierung
Ggfs.
Syntaktisch &
Einverständnis des semantisch
Patienten