Forschungsprojekt „Zukunftslabor Gesundheit“ Modellierung von Gesundheitsdaten: kein Standard für alles

Anbieter zum Thema

Zentrum für digitale Innovationen Niedersachsen (ZDIN)

Governikus GmbH & Co. KG

secunet Security Networks AG

Wie lassen sich Gesundheitsdaten zielgerichtet modellieren und austauschen? Dieser Frage ging das Forschungsteam des Zukunftslabors Gesundheit nach und untersuchte die gängigen Modellierungsstandards und ihre Einsatzgebiete. Dabei kamen sie zu einem zentralen Ergebnis: Die Wahl ist immer zweckgebunden.

Laborwerte, Vitalparameter, Medikationspläne und viele weitere medizinische Daten sind nötig, um ein digitales Bild des Menschen zu schaffen. Diese Gesundheitsdaten können Therapieverläufe verbessern und individualisieren. Doch nur bei einheitlicher Strukturierung lassen sie sich standortübergreifend nutzen und teilen.

Das Forschungsprojekt „Zukunftslabor Gesundheit“ vom Zentrum für digitale Innovationen Niedersachsen (ZDIN) widmete sich der Thematik mit der Frage: Welcher Modellierungsstandard ist der richtige, und wie lassen sich Gesundheitsdaten zielgerichtet modellieren und austauschen?

Jendrik Richter von der Universitätsmedizin Göttingen betonte: „Viele Akteurinnen und Akteure im Gesundheitswesen – von Universitätskliniken, Forschungsverbünden hin bis zu Systemherstellern – bauen gerade ihre intern verwendeten Systeme aus, um Interoperabilität und zukünftigen Datenaustausch zu ermöglichen.“ Genau deshalb sei die Betrachtung der Modellierung von Gesundheitsdaten derzeit wertvoll: „Sie gibt Orientierung, was beachtet werden muss, damit dieser Ausbau zukunftsfähig gelingt.“

Der Modellierungsprozess selbst führt von fachlichen Anforderungen über standardisierte Strukturen bis zur technischen Implementierung – gesteuert durch Rahmenbedingungen, beteiligte Akteure und technische Vorgaben.

Auswertung und Empfehlung

Die Forschungsgruppe kam in ihrer Studie zu dem Ergebnis: „Es gibt nicht den einen richtigen Standard.“ Lena Elgert von der Medizinischen Hochschule Hannover erklärte: „Je nach Anwendungsfall sollte geprüft werden, welche Standards sich am besten eignen. Deshalb haben wir zur Praxis der Anwendung und Auswahl von Modellierungsstandards geforscht. Mit unseren Ergebnissen wollen wir Forschungsteams bei ihrer Entscheidung unterstützen, damit sie die Modellierung effizient, interoperabel und zukunftsfähig gestalten können.“

Nach Literaturrecherche, Expertengesprächen und einer Online-Umfrage unter Akteuren des Gesundheitswesens identifizierten die Forschenden drei Kernerkenntnisse:

• 1. Verschiedene Standards: Während Informationsmodelle die fachliche Ebene beschreiben, regeln Datenmodelle die technische Umsetzung. International dominieren drei Standards: „Health Level 7 – Fast Healthcare Interoperability Resources“ (HL7 FHIR) für Datenaustausch zwischen Systemen, „Observational Medical Outcomes Partnership“ (OMOP) für datenbasierte Analysen und „open Electronic Health Record“ (openEHR) für die Wiederverwendbarkeit von Modellen.

• 2. Komplexe Anwendungsfälle: Alle drei Standards haben spezifische Stärken. HL7 FHIR ermöglicht nahtlosen Datenaustausch über Institutionen und Grenzen hinweg – für Analysen sind die Daten aber nicht direkt nutzbar. OMOP ist auf institutionsübergreifende Forschung ausgelegt, verzichtet aber auf zentrale Speicherung. openEHR erlaubt effiziente Wiederverwendung, braucht dafür jedoch eine spezielle Infrastruktur. Jeder Standard hat seine Vor- und Nachteile – entscheidend ist der konkrete Einsatzzweck.

• 3. Menschliche, informationstechnische und organisatorische Faktoren: Die Wahl des Standards hängt nicht nur von technischen Anforderungen ab. Auch das Wissen der Anwendenden spielt eine Rolle – sie müssen Ziele, Anforderungen und Eigenschaften der Standards verstehen. Hinzu kommen praktische Faktoren wie verfügbare Tools und Synergieeffekte sowie organisatorische Vorgaben von Fördergebern oder Institutionen.

Das Zukunftslabor Gesundheit zeigte demnach, dass Datenmodelle wie HL7 FHIR, OMOP und openEHR unterschiedliche Profile haben. Welcher Standard passt, ist eine Frage des konkreten Anwendungsfalls. Die Umfrage ergab zudem, dass eine klare Governance (festgelegte Strukturen, Prozesse und Regeln) hilfreich ist – diese muss jedoch einen flexiblen Einsatz von Standards ermöglichen. Denn Forschungsinstitute, die Teil eines größeren Verbundes sind, müssen ihre eigenen Anforderungen mit übergeordneten Rahmenbedingungen vereinbaren können.

Gesundheitsdaten

Forschung zu FHIR-Datenmodell

Rheinland-Pfalz

DataSlam und ein neues Netzwerk für Gesundheitsdaten

(ID:50767106)