Mit Open Source zu Gesundheitsdatenanalysen

Wissenschaftler von Helmholtz Munich haben eine frei zugängliche Software entwickelt, die komplexe Gesundheitsdatenanalysen vereinfachen soll. Die Lösung steht der wissenschaftlichen Gemeinschaft weltweit zur Verfügung.

Ehrapy heißt die Lösung, mit der ab sofort komplexe medizinische Gesundheitsdatenanalysen möglich sein sollen. Entwickelt unter Federführung von Helmholtz Munich soll das Open Source Programm ab sofort der wissenschaftlichen Gemeinschaft weltweit zur Verfügung stehen. Ziel ist es, nicht nur große, heterogene Datensätze strukturiert und systematisch zu untersuchen, sondern die Lösung auch gemeinschaftlich weiterzuentwickeln.

„Ehrapy soll eine zentrale Lücke in der Analyse von Gesundheitsdaten schließen“, sagt Lukas Heumos, einer der Hauptentwickler und Wissenschaftler am Institute of Computational Biology bei Helmholtz Munich und der Technischen Universität München (TUM): „Es gab bisher keine standardisierten Tools, um vielfältige und komplexe medizinische Daten systematisch und effizient auszuwerten. Das haben wir mit Ehrapy geändert.“ Das Entwicklerteam kommt ursprünglich aus der biomedizinischen Forschung und hat große Erfahrung bei der Auswertung komplexer wissenschaftlicher Datensätze – und hat dann festgestellt, dass der Gesundheitssektor insgesamt vor ähnlichen Herausforderungen bei der Datenauswertung steht, wie die Forscher im Labor.

Explorativer Ansatz – hypothesenfreie Analyse

Zusammen mit vielen weiteren Beteiligten hat Heumos deshalb seine Expertise bei der Entwicklung wissenschaftlicher Software genutzt, um eine Lösung zur Auswertung von Patientendaten zu schaffen: „Ehrapy kann auch neue Muster aufdecken und Erkenntnisse möglich machen, ohne dass man die Daten mit einer bestimmten Vorannahme oder Hypothese untersucht.“ Dieser als explorativ bezeichnete Ansatz sei ein Alleinstellungsmerkmal von Ehrapy.

Mit der neuen Lösung können Forscher also vor allem komplexe, heterogene und sehr große Datenmengen sortieren, gruppieren und dann hypothesenfrei analysieren. Die Forscher erhoffen sich, dass dieser explorative Ansatz frischen Wind in die Analyse von Gesundheitsdaten bringt. Denn die werden aufgrund ihrer Komplexität oftmals gar nicht erst ausgewertet. Ehrapy könnte also durchaus dazu führen, Gesundheitsdaten überhaupt erst für die medizinische Forschung und Praxis nutzbar zu machen.

Einsatz in der klinischen Praxis

Und genau deshalb sei Ehrapy auch von Anfang an als Open Source Lösung konzipiert, unterstricht Heumos: „Es war uns wichtig, die Software von Tag eins an der wissenschaftlichen Gemeinschaft zugänglich zu machen.“ Dafür steht die Software als so genanntes Python-Package auf Git Hub, einem Online-Dienst zur Softwareentwicklung, zur Verfügung und kann von Forschern weltweit genutzt und weiterentwickelt werden.

Derzeit liegt der Fokus von Ehrapy darauf, Forschungsdatensätze, wie sie etwa in großen Gesundheitsforschungszentren gespeichert werden, effizienter und schneller analysieren zu können. „Ein routinemäßiger Einsatz in der klinischen Praxis ist ein langfristiges Ziel, aber zunächst konzentrieren wir uns darauf, der Forschungsgemeinschaft ein leistungsfähiges Werkzeug zur Verfügung zu stellen“, sagt Heumos.

Zukünftig plant das Team, standardisierte Datenbanken für elektronische Gesundheitsdaten (EHRs) bereitzustellen. Diese Datenbanken sollen es ermöglichen, große Mengen medizinischer Daten besser zu integrieren und zu analysieren. Des Weiteren ermöglicht dies die Entwicklung von EHR-Atlanten, die als Referenzdatensätze zur Kontextualisierung und Annotation neuer Datensätze dienen können.

Noch ein langer Weg

„Ehrapy erlaubt umfassende Datenanalyse über Einzelsysteme hinweg – das kann einen wichtigen Schritt für zukünftige KI-Systeme in der Medizin liefern, daher erhoffe ich eine relativ zügige Etablierung in verschiedenen Standorten“, sagt der Direktor des Institute of Computational Biology bei Helmholtz Munich und TUM-Professor, Prof. Fabian Theis. „Die Etablierung solcher Technologien in der Medizin ist ein langwieriger Prozess, der Jahrzehnte dauern kann. Unser Ziel ist es, die Brücke zwischen biomedizinischer Forschung und der praktischen Anwendung in der Medizin zu schlagen.“ Dabei, so Theis weiter, konzentriere sich das Entwicklerteam auf Methoden zur explorativen Analyse der Daten in ganzheitlicher Form, um versteckte Zusammenhänge so leichter offenzulegen. „Wir versuchen damit auch, akademische und kommerzielle Akteure im Gesundheitssektor zu unterstützen.“