FHIR – Überfälliger Standard im radiologischen Data-Warehouse

Zusammenfassung

Hintergrund

In der Radiologie hat der technologische Fortschritt zu einem enormen Anstieg der Datenmengen geführt. Um diese Daten während der Befundung oder späteren klinischen Auswertung effektiv nutzen zu können, müssen diese an einer zentralen Stelle aggregiert und im Kontext sinnvoll abrufbar sein. Diese Aufgabe übernehmen sogenannte radiologische Data-Warehouses: Sie integrieren vielfältige Datenquellen, ermöglichen eine patientenspezifische und untersuchungsspezifische Auswertung und bieten damit zahlreiche Vorteile in der Patientenversorgung, Ausbildung und klinischen Forschung.

Methode

Der internationale Standard Health Level 7 (HL7) Fast Healthcare Interoperability Resources (FHIR) eignet sich besonders für die Implementierung eines solchen Data-Warehouses. FHIR ermöglicht einen einfachen und schnellen Datenzugriff, unterstützt moderne Web-basierte Frontends und bietet aufgrund der Integration medizinischer Ontologien wie SNOMED-CT oder RadLex eine hohe Interoperabilität. Zudem verfügt FHIR über ein robustes Datensicherheitskonzept. Aufgrund dieser Eigenschaften wurde FHIR von der Medizin Informatik Initiative (MII) als Datenstandard für den Kerndatensatz ausgewählt und soll auch im European Health Data Space (EHDS) als internationaler Standard vorangetrieben werden.

Schlussfolgerung

Die Implementierung des FHIR-Standards in radiologischen Data-Warehouses ist daher ein logischer und sinnvoller Schritt hin zu einer datengetriebenen Medizin.

Kernaussagen

• Ein Data-Warehouse ist essenziell für datengetriebene Medizin, klinische Versorgung und Forschungszwecke.

• Data-Warehouses ermöglichen effiziente Integration von KI-Ergebnissen und strukturierte Befundvorlagen.

• Fast Healthcare Interoperability Resources (FHIR) ist ein geeigneter Standard für ein Data-Warehouse.

• FHIR bietet einen interoperablen Datenstandard, unterstützt durch bewährte Web-Technologien.

• FHIR verbessert die semantische Konsistenz und erleichtert einen sicheren Datenaustausch.

Zitierweise

• Arnold P, Pinto dos Santos D, Bamberg F et al. FHIR – Overdue Standard for Radiology Data Warehouses. Rofo 2025; 197: 518–525

Publikationsverlauf

Eingereicht: 08. Mai 2024

Angenommen nach Revision: 27. Oktober 2024

Artikel online veröffentlicht:
06. Dezember 2024

• References

• 1 Prather JC, Lobach DF, Goodwin LK. et al. Medical data mining: knowledge discovery in a clinical data warehouse. Proc AMIA Annu Fall Symp 1997; 4: 101
• 2 Kawamoto K, Houlihan CA, Balas EA. et al. Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success. BMJ 2005; 330: 765
• 3 McDonald RJ, Schwartz KM, Eckel LJ. et al. The effects of changes in utilization and technological advancements of cross-sectional imaging on radiologist workload. Acad Radiol 2015; 22: 1191-1198
• 4 Xu L, Busch F, Adams LC. et al. Artificial intelligence in radiology and radiotherapy. Onkologie 2024; 1-7
• 5 Gagalova KK, Angelica Leon Elizalde M, Portales-Casamar E. et al. What You Need to Know Before Implementing a Clinical Research Data Warehouse: Comparative Review of Integrated Data Repositories in Health Care Institutions. JMIR Form Res 2020; 4
• 6 Nemati HR, Steiger DM, Iyer LS. et al. Knowledge warehouse: an architectural integration of knowledge management, decision support, artificial intelligence and data warehousing. Decis Support Syst 2002; 33: 143-161
• 7 Murphy SN, Dubey A, Embi PJ. et al. Current State of Information Technologies for the Clinical Research Enterprise across Academic Medical Centers. Clin Transl Sci 2012; 5: 281-284
• 8 MacKenzie SL, Wyatt MC, Schuff R. et al. Practices and perspectives on building integrated data repositories: results from a 2010 CTSA survey. J Am Med Informatics Assoc 2012; 19: e119-e124
• 9 Der Kerndatensatz der Medizininformatik-Initiative. Zugriff am 29. April 2024 unter: https://www.medizininformatik-initiative.de/de/der-kerndatensatz-der-medizininformatik-initiative
• 10 Ayaz M, Pasha MF, Alzahrani MY. et al. The Fast Health Interoperability Resources (FHIR) Standard: Systematic Literature Review of Implementations, Applications, Challenges and Opportunities. JMIR Med Inf 2021; 9 (07) e21929 https://medinform.jmir.org/2021/7/e21929
• 11 Taylor & Francis; 2006
• 12 Noumeir R. Benefits of the DICOM structured report. J Digit Imaging 2006; 19: 295-306
• 13 Clunie DA. DICOM structured reporting. PixelMed publishing 2000;
• 14 Mustra M, Delac K, Grgic M. Overview of the DICOM standard. In: 2008 50th International Symposium ELMAR. 2008
• 15 Benson T. HL7 Version 2 BT – Principles of Health Interoperability HL7 and SNOMED. In: Benson T. , ed. . London: Springer London; 2012: 101-119
• 16 Viangteeravat T, Anyanwu MN, Nagisetty VR. et al. Clinical data integration of distributed data sources using Health Level Seven (HL7) v3-RIM mapping. J Clin Bioinforma 2011; 1: 1-10
• 17 Lee D, de Keizer N, Lau F. et al. Literature review of SNOMED CT use. J Am Med Informatics Assoc 2014; 21: e11-e19
• 18 Marwede D, Daumke P, Marko K. et al. RadLex – Deutsche version: Ein radiologisches lexikon zur indexierung von bild- und befunddaten. Fortschr Röntgenstr 2009; 181: 38-44
• 19 McDonald CJ, Huff SM, Suico JG. et al. LOINC, a universal standard for identifying laboratory observations: a 5-year update. Clin Chem 2003; 49: 624-633
• 20 Vreeman DJ, Abhyankar S, Wang KC. et al. The LOINC RSNA radiology playbook – a unified terminology for radiology procedures. J Am Med Informatics Assoc 2018; 25: 885-893
• 21 Ivanović M, Budimac Z. An overview of ontologies and data resources in medical domains. Expert Syst Appl 2014; 41: 5158-5166
• 22 Cimino JJ. Desiderata for Controlled Medical Vocabularies in the Twenty-First Century. Methods Inf Med 1998; 37: 394
• 23 Gruber TR. Toward principles for the design of ontologies used for knowledge sharing?. Int J Hum Comput Stud 1995; 43: 907-928
• 24 Mildenberger P. The Essence of HL7, DICOM, and IHE BT – Basic Knowledge of Medical Imaging Informatics: Undergraduate Level and Level I. In: van Ooijen PMA. , ed. . Cham: Springer International Publishing; 2021: 15-23
• 25 IHE. IHR Category:FHIR. Zugriff am 01. Juli 2024 unter: https://wiki.ihe.net/index.php/Category:FHIR
• 26 HL7 Messaging Standard Version 2.9. Zugriff am 29. April 2024 unter: https://www.hl7.org/implement/standards/product_brief.cfm?product_id=516
• 27 Sharma M, Aggarwal H. HL-7 Based Middleware Standard for Healthcare Information System: FHIR. Lect Notes Networks Syst 2019; 46: 889-899
• 28 Zhu S-H, Rao N-N. Design and Implementation of HL7 V3 Gateway. J Electron Sci Technol China 2005; 3
• 29 Smith B, Ceusters W. HL7 RIM: An Incoherent Standard. Stud Health Technol Inform 2006; 124: 133-138
• 30 Bender D, Sartipi K. HL7 FHIR: An agile and RESTful approach to healthcare information exchange. Proc CBMS 2013 – 26th IEEE Int Symp Comput Med Syst. 2013
• 31 Marcus JS, Martens B, Carugati C. et al. The European Health Data Space. SSRN Electron J 2022;
• 32 Open Source Implementations – FHIR – Confluence. Zugriff am 29. April 2024 unter: https://confluence.hl7.org/display/FHIR/Open+Source+Implementations
• 33 GitHub – hapifhir/hapi-fhir-jpaserver-starter. Zugriff am 29. April 2024 unter: https://github.com/hapifhir/hapi-fhir-jpaserver-starter
• 34 Overview of Docker Desktop | Docker Docs. Zugriff am 29. April 2024 unter: https://docs.docker.com/desktop/
• 35 GitHub – microsoft/FHIR-Converter: Conversion utility to translate legacy data formats into FHIR. Zugriff am 29. April 2024 unter: https://github.com/microsoft/FHIR-Converter
• 36 GitHub – LinuxForHealth/hl7v2-fhir-converter: Converts HL7 v2 Messages to FHIR Resources. Zugriff am 29. April 2024 unter: https://github.com/LinuxForHealth/hl7v2-fhir-converter
• 37 Resource Description Framework (RDF) Model and Syntax Specification. Zugriff am 27. März 2024 unter: https://www.w3.org/TR/1999/REC-rdf-syntax-19990222/
• 38 Berners-Lee T, Hendler J, Lassila O. (PDF) The Semantic Web: A New Form of Web Content That is Meaningful to Computers Will Unleash a Revolution of New Possibilities. Sci Am 2001;
• 39 Fensel D, Facca FM, Simperl E. et al. Semantic Web. Semant Web Serv 2011; 87-104
• 40 Prud’hommeaux E, Collins J, Booth D. et al. Development of a FHIR RDF data transformation and validation framework and its evaluation. J Biomed Inform 2021; 117: 103755
• 41 Lehmann J, Bühmann L. AutoSPARQL: Let users query your knowledge base. Lect Notes Comput Sci (including Subser Lect Notes Artif Intell Lect Notes Bioinformatics) 2011; 6643: 63-79
• 42 Perevalov A, Yan X, Kovriguina L. et al. Knowledge Graph Question Answering Leaderboard: A Community Resource to Prevent a Replication Crisis. Lang Resour Eval Conf Lr 2022; 2998-3007
• 43 Xiao G, Pfaff E, Prud’hommeaux E. et al. FHIR-Ontop-OMOP: Building clinical knowledge graphs in FHIR RDF with the OMOP Common data Model. J Biomed Inform 2022; 134: 1-23