Was FHIR für die KI tun kann...

Auf der konstitutionierenden Sitzung der Arbeitsgruppe "Künstliche Intelligenz" des bvitg, wurden in den letzten beiden Tagen zahlreiche Problemfelder für die Nutzung von KI-Algorithmen im Deutschen Gesundheitswesen identifiziert. Gleichzeitig wurde jedoch immer wieder deutlich, dass FHIR an vielen Stellen technische Lösungen bieten kann. Daher wollen wir hier einige Aspekte des neuen HL7-Standards mit Relevanz für KI-Systeme aufführen:

1. Datenvalidierung

Gleichförmige, valide und strukturierte Daten bilden die Basis für die Entwicklung von KI-Systemen. Mit Hilfe des Conformance-Frameworks in FHIR und den umfangreichen Möglichkeiten der Profilierung, können die Mindest-Anforderungen an die gelieferten Daten und die Regeln zur Validierung sehr präzise formuliert und mittels der Validatoren zur Laufzeit auf die Instanzen angewendet werden.
(zur Community)

2. Terminologie-Framework

Um Daten aus verschiedenen Quellen vergleichen zu können, müssen Konzepte codiert werden. Medizinische Terminologien und CodeSysteme, wie z.B. ICD-10, LOINC oder SNOMED sind jedoch enorm umfangreich und komplex in der Handhabung. FHIR bieten Entwicklern die Möglichkeit diese Komplexitäten sowie das Mapping zwischen verschiedenen Terminologien von der eigenen Applikation fernzuhalten und in spezialisierte Terminologie-Server zu verlagern. Mittels der Terminologie-API ist eine einfache und standardisierte Anbindung der Systeme möglich.
(zur Community)

3. Einbindung in Primärsysteme als Clinical Decision Support Dienst

KI-Dienste werden häufig in Form von Entscheidungsunterstützungssystemen eingesetzt (z.B. zur Bewertung von Radiologischen Bildern, Auswertung von EKGs oder unterstützender Labordiagnostik). Um solche Dienste über eine standardisierte Schnittstelle in Klinische Primärsysteme integrieren zu können, liefert "CDS-Hooks" ein FHIR-basiertes Framework, das die Triggerung von CDS-Diensten sowie den Datenaustausch zwischen Primärsystem und CDS beschreibt und das Format für die Rückgabe von Hinweisen an den Anwender vereinheitlicht.
(zur Community)

4. "Datenspenden" von Patienten

Die Aquise von Daten für das Trainieren von Algorithmen ist aufgrund der hohen Datenschutzanforderungen im Gesundheitswesen eine besondere Herausforderung.
Für die "All of Us"-Studie wurde in den USA ein Framework entwickelt, mit dem Patienten aktiv entscheiden können, ihre Daten in pseudonymisierter Form zu "spenden". "Sync4Science" ist eine Kooperation US-amerikanischer EHR-Hersteller, des National Institutes of Health (NIH), des Office of the National Coordinator for Health IT (ONC) und der Abteilung für Biomedizinische Informatik an der Harvard Medical School.

5. Synthetische Massendaten

Ein weiterer Weg zu mehr Daten kann die Erzeugung synthetischer Patientendaten sein. Synthea ist eine OpenSource verfügbares Framework, das realistische, aber synthetische Massendaten im FHIR-Format erzeugt. Eine Übertragung des Modells auf deutsche Gegebenheiten ist technisch möglich.

6. Nachvollziehbarkeit

Die von KI-Systemen erzeugten Entscheidungen, Hinweise oder Daten müssen auf transparente und nachvollziehbare Weise für den Anwender als solche zu erkennen sein.

Mit Hilfe der Provenance-Ressource bietet FHIR eine Möglichkeit, die Herkunft von Daten detailliert festzuhalten. Ein Best-Practice-Ansatz für die Darstellung von Konfidenz und den präzisen Verweis auf  relevante Datenfelder oder -Bereiche, wird derzeit im FHIR-Chat diskutiert.

7. Einheitliches Datenmodell

Warum FHIR nicht nur zum Datenaustausch zwischen klinischem Primärsystem und KI-Service dienen kann, sondern direkt zum Datenmodell für Maschinelles Lernen taugt, kann Google am besten erklären: https://ai.googleblog.com/2018/03/making-healthcare-data-work-better-with.html

Google publiziert FHIR-Tools

Vor wenigen Tagen gab Google die Veröffentlichung der FHIR Protocol Buffer Implementierung bekannt.


Protocol Buffers (protobuf) ist ein Datenformat zur Serialisierung strukturierter Daten. Für eine Vielzahl an Programmiersprachen wird eine offizielle Implementierung von Google als freie Software bereitgestellt, unter anderem C#, C++, Objective-C, Java, Python und Ruby.

Mit Protobuf erhält FHIR eine alternative Möglichkeit, Ressourcen zu serialisieren, die deutlich performanter ist als XML.

Der folgende XML-Code benötigt mindestens 69 Bytes und ca. 5.000-10.000 Nanosekunden zum parsen:

  <person>
    <name>John Doe</name>
    <email>jdoe@example.com</email>
  </person>

Im Protobuf-Binär-Format benötigt die gleiche Information nur noch 28 Bytes und ca. 100-200 Nanosekunden zum parsen.

Dies bietet der FHIR-Community spannende Möglichkeiten, FHIR in high-volume und bandbreiten-begrenzten Szenarien zu nutzen.

Google verspricht in der gleichen Ankündigung die Veröffentlichung weiterer Tools, um die Entwicklung von FHIR-basierten Applikationen für die Forschung und das Management von Gesundheitsdaten zu unterstützen.

Wir warten gespannt...

Google on FHIR: Deep Learning für elektronische Patientenakten

In dem uns als Pre-Print-Artikel vorliegenden Paper "Scalable and accurate deep learning for electronic health records" wird beschrieben, wie FHIR von Google für Deep Learning Algorithmen eingesetzt wird:

Quelle: https://arxiv.org/pdf/1801.07860.pdf

Lesenswert: Microsoft on FHIR

Der Artikel "HL7 on Azure: what's next" ist an sich schon lesenswert genug, aber noch mehr Spaß macht es mit unserem Interoperabilitäts-Buzzword-Bingo!

IoT	Blockchain	Machine Learning	XML
Big Data	SMART-on-FHIR	Data Analysis	Plug-able
RESTful	eBook	Medical Devices	Bots
Precision Medicine	Office 365 on FHIR	OAUTH2	Artificial Intelligence

FHIR-Anwendungen von A-Z

FHIR, der neue webbasierte Standard aus der HL7 Familie, findet dieser Tage viel Beachtung, wird jedoch häufig in einem Atemzug mit "mobilen Apps", "Wearables" und anderen "Gadgets" genannt, die zur Einschätzung verleiten, dass es sich bei FHIR-Implementierungen eher um Spielzeug als um unmittelbar nutzbringende Entwicklungen handelt.

Doch die potentiellen Einsatzbereiche für FHIR gehen weit über das Mobile Computing hinaus.

FHIR kann mehr als "mobile Apps"

FHIR basiert auf etablierten und weit verbreiteten Web-Technologien. Diese solide Basis zusammen mit einem Framework aus modularen Objekten, die verlinkt und dadurch immer wieder neu kombiniert und zu komplexen Strukturen zusammengefügt werden können, machen FHIR zu einer hochgradig flexiblen und skalierbaren Lösung, nicht nur zum Datenaustausch, sondern auch als standardisiertes Format für die Speicherung, Modellierung und Validierung von Daten.

FHIR ist anders als bisherige Standards

Anstatt Informationen zu einem Dokument oder einer Nachricht aggregiert von Sender zu Empfänger zu schicken, erhalten die einzelnen Informationseinheiten eine URL, auf die FHIR-Systeme wie ein Browser auf eine Webseite zugreifen können, nach denen sie "googeln" oder die sie herunterladen können. Konsequenter Weise sind diese Informationen über eben jene URLs miteinander verlinkt.

Die Informationseinheiten werden als "Ressourcen" bezeichnet. Beispiele für in FHIR definierte Ressourcen sind: ein Patient, ein Medikament, eine Allergie oder eine Diagnose.

Verlinkte, also zusammengehörende Ressourcen können - wenn erforderlich - zu einem Dokument oder einer Nachricht gebündelt versendet oder archiviert werden, so dass auch die von bisherigen Standards abgebildeten Funktionen eine Äquivalenz in FHIR finden.

Die größte Revolution ist jedoch die Abkehr vom "Push"-Modell, in dem jeder Datenempfänger darauf warten muss, dass beim Sender ein bestimmtes Ereignis eintritt, das den Dokumente- oder Nachrichtenversand auslöst, hin zu einem Query-getriebenen Ansatz, in dem Daten bereitgestellt und zu einem beliebigen Zeitpunkt in beliebigen Umfang abgefragt werden können.

"Zeige mir Deine API und ich integrier' dich"

Application programming interfaces (APIs) sind in anderen Industrien längst zum Schweizer Messer der Interoperabilität geworden. Entwickler stellen damit im Handumdrehen eine Verbindung zwischen ihrer Applikation und sozialen Netzwerken her oder integrieren die Standortdienste von Google Maps. Dass wir heute Portale nutzen können, die Hotel-, Flug- oder Produktpreise aus unterschiedlichen Systemen vergleichen und das günstigste Angebot für uns finden können, verdanken wir den APIs, die den standardisierten Zugriff auf unterschiedliche Datenquellen ermöglichen.

In Verbindung mit den standardisierten Datenstrukturen und dem Query-getriebenen Ansatz von FHIR sowie einem Framework für Autorisation und Authentifikation, ermöglichen APIs Interaktionen zwischen Systemen, die mit dem reinen Versand von Dokumenten niemals denkbar wäre.

Das Technische Komitee für FHIR von HL7 Deutschland erarbeitet derzeit eine Übersicht möglicher Einsatzszenarien mit Erläuterungen und weiteren Informationsquellen, die in Kürze auf den Wiki-Seiten von HL7 Deutschland veröffentlicht wird. 

Eine (unvollständige) Vorschau:

-A-

Arzneimittelwechselwirkungen
Ärzteverzeichnis
AuditTrails
Authentifikation und Autorisation

-B-
Big Data Analytics

-C-
Chemotherapie 

Clinical Decision Support

-D-
Dokumentenaustausch

-F-
Fragebögen und Formulare

-G-
Genomics

-H-
Hilfsmittelverzeichnis

-I-
IHE-Profile

-K-
Konformitäts- und Kompatibilitätsprüfung
Klinische Studien

-L-
Logische Modelle

-M-
Medikationsplan

-N-
Nachrichtenbasierte Kommunikation

-O-
Ontologien

-P-
Patient Empowerment
Personalisierte Medizin
Phamakogenomische Studien

-Q-
Query-getriebene Kommunikation

-R-
RDF - Resource Description Framework

-S-
SMART on FHIR
Strukturierte Dokumente

-T-
Terminvereinbarung
Terminologie-Dienste

-U-
Ultrakurzformat (Medikationsplan)

-V-
Versichertenstammdatenmanagement (VSDM)
Veterinärmedizin

R on FHIR: FHIR für Statistiker

R ist eine freie Programmiersprache für statistische Berechnungen und Grafiken. Sie wurde von Statistikern für Anwender mit statistischen Aufgaben entwickelt.

Zahlreiche Pakete enthalten zusätzliche Funktionen, um Daten hinsichtlich Fragestellungen aus unterschiedlichen Fachbereichen zu analysieren. Die Sprache bietet Schnittstellen zu anderen Programmiersprachen und Möglichkeiten zur Integration in verschiedene Software. R grenzt sich von anderen Programmiersprachen durch die für Statistik entworfenen Datenstrukturen und Funktionen sowie die Möglichkeiten bei der Grafikerzeugung ab.

R gilt zunehmend als die Standardsprache für statistische Problemstellungen sowohl in der Wirtschaft als auch in der Wissenschaft.

Quelle: Wikipedia 

Gerade wurde die Programmiersprache R von StackOverflow zur beliebtesten Programmiersprache gekürt, oder - genauer gesagt - zur am wenigsten gehassten.

Nun gibt es noch einen weiteren Grund R zu lieben:
Unsere Partner von Furore veröffentlichten ein Paket zur Integration von R und FHIR, das es R-Programmierern erlaubt, auf die Daten eines FHIR-Servers zuzugreifen.
FHIR-Produktmanager Grahame Grieve berichtet in seinem Blog von den ersten Erfahrungen und weiteren Pläne.


Wer es gleich selbst ausprobieren möchte, findet hier eine ausführliche Anleitung.


Auf den FHIR DeveloperDays in der kommenden Woche wird es ein Tutorial zu "R on FHIR" geben.