Use Cases

Use Case 1: KI-basierte Prozessunterstützung in der Radiologie

Vorhaben

In diesem Use Case wird demonstriert, wie man Gesundheitsdaten aus Krankenhausinformationssystemen und Bildarchivierungs- und Kommunikationssystemen herstellerneutral, automatisch, datenschutzkonform und semantisch interoperabel zwischen Krankenhaus, Arztpraxen, Universität, Vertragsforschungseinrichtungen (CRO), Unternehmen, Patienten und Medizinprodukten teilt. Die hierzu fehlenden Elemente der Standards werden durch harmonisierte Standards herstellerneutral ergänzt. Durch ein Mapping mit regulären Expressionen und Methoden der KI wird die semantische Interoperabilität hergestellt. Die Wahrung von Patientenrechten wie z.B. die Rechte auf Transparenz, Auskunft, Einschränkung, Informationspflicht oder Vergessenwerden, werden durch den datenschutzgetriebenen Designansatz von GAIA-X implementiert, der deutlich über Standard-implementationen von HL7 oder FHIR hinausgeht. Durch darauf basierende Advanced Services können die Prozesse zwischen verschiedenen Gesundheitsanbietern optimiert werden und damit kostengünstiger und schneller gestaltet werden. Um dies praxisnah zu illustrieren, wird in diesem Use Case KI zur  Analyse radiologischer Bilder aus der Radiologie des UKSH realisiert, um Diagnose und Behandlungsqualität zu verbessern.

Ergebnis

Für den Datenaustausch zwischen dem Röntgengerät und der Gaia-X-Cloud wurde der DICOM- Standard verwendet, da dieses Protokoll für markttypische Geräte umfassend etabliert ist. Im Verlauf des Projektes zeigte sich jedoch, dass der DICOM-Standard zur medinischen Bildverarbeitung und Gaia-X nur schwer vereinbar sind: Da DICOM auf einem socketbasierten Verbindungsprotokoll aus dem Jahr 1984 basiert, während Gaia-X moderne Webservices nutzt, entstanden gravierende Probleme bei den Kompatibilitätsanforderungen, beim Datenschutz, bei der IT-Sicherheit und unterschiedlichen Standardisierungsansätzen.

Aufgrund der vorbeschriebenen Herausforderungen wurde der Plan einer vollständigen Umsetzung der Integration nicht weiterverfolgt. Bei dem entwickelten Workflow werden jetzt die Gaia-X-Prinzipien beibehalten, und zur Authentifikation, Verschlüsselung und Übertragung Web-Services eingesetzt. Für das Handshaking mit den Röntgengeräte / dem PACS wird aber der DICOM-Standard verwendet, und die für das Projekt erforderlichen Informationen werden über einen neu entwickelten Connector (IQ-Router) bis in die Cloud weitergeleitet. Ein zentrales Thema dabei ist der Datenschutz, da eine echte Anonymisierung von Röntgenbildern (DICOM-Daten) nicht möglich ist. Daher wurde eine Pseudonymisierungslösung entwickelt, bei der Pseudonymisierungsprozess vom Connector getrennt und ins LAN verschoben wird, während der Connector in der DMZ verortet ist. Der Connector trennt somit die internen von den externen Prozessen wie ein Proxy-Server und diese Protokolltrennung zwischen DMZ/WAN und LAN erhöht die Sicherheit deutlich.

Der Connector wurde mit der entwickelten KI-Anwendung “Röntgenassistent” im Rechenzentrum erfolgreich getestet. Die Risiken des Workflows wurden vom Datenschutzbeauftragten der Radiologie mit Unterstützung von einem externen Experten bewertet und es wurde eine umfassende Datenschutzfolgeabschätzung erstellt. Durch die erzielten Ergebnisse ist das System breit einsatzfähig und im Verlaufs des Jahres 2024 sollen über den Connector weitere Anbieter von KI-Lösungen an die internen Systeme der Radiologie des UKSH angebunden werden.

Use Case 2: Datenintegration zur patientenindividuellen Ablationstherapie

Vorhaben

Vorhofflimmern ist die am häufigsten verbreitete Herzrhythmusstörung. Die RF-Ablationstherapie hat sich als effektive Intervention erwiesen. Dennoch ist bei komplexen Varianten des Vorhofflimmerns, speziell in der persistierenden Form, eine patientenindividuelle Ablationsstrategie notwendig. Um die Prozesse bei J&J mit den klinischen Partnern und komplementären Medizintechnikunternehmen zu innovieren, sollen im Rahmen von GAIA-Med ausgewählte relevante Patientendaten betroffener Menschen herangezogen werden. Dies soll perspektivisch neben einer Ablationsstrategie-Empfehlung auch eine Voraussage des prozeduralen Erfolgs, d.h. einer prädiktiven Aussage für den konkreten Patienten, ermöglichen. Durch die Verwendung von GAIA-X am Beispiel der Kardiologie des UKSH können neben Daten wie Demografie, Alter und medizinischer Historie der Patienten auch andere Datenquellen wie Bildgebung und Biosensorik des Herzens oder Nachsorge-Daten für eine Optimierung der Therapie herangezogen werden (vor allem auch überregional). Die abgeleiteten KI-basierten Analysen ermöglichen ein völlig neues Qualitäts-Niveau in der Rhythmus-kontrollierenden Ablationstherapie und haben das Potenzial, die limitierten Ressourcen des Gesundheitssystem durch die Minimierung von Folgeerkrankungen zu entlasten. 

Ergebnis

Es wurden Gaia-X-konforme Selbstbeschreibungen für die beteiligten Services ausgearbeitet. Der Daten- und Serviceaustausch zwischen Partnern wurde durch die entwickelten GAIA-X-Med-Connectors realisiert. Insgesamt resultierte dies in einen Demonstrator, der einen Gaia-X-kompatiblen KI- Service zur Berechnung der Wahrscheinlichkeit eines Vorhofflimmern-Rezidivs eines Patienten bereitstellt. Zum Training des KI-basierten Algorithmus wurden Baseline-, Ablations- und Follow-up- Daten von 288 Patienten benutzt. Dieser trainierte KI-Algorithmus kann so individuell für einzelne Patienten vorhersagen, ob ein erhöhtes Risiko für ein Vorhofflimmern-Rezidiv besteht. Unter Berücksichtigung der Vorhersage, kann entschieden werden ob besagter Patient ggf. von einer aggressiveren Ablationsstrategie oder einem engmaschigeren Follow-up profitieren könnte.

Darüber hinaus wurden 3D-elektroanatomische Karten des Herzens benutzt, um das arrhythmische Substrat in die Analyse zu integrieren. Ziel war die Detektion von Mustern innerhalb der verschiedenen Dateiengruppen, um daraus Algorithmen zu entwickeln, die (Ziel-)Daten automatisiert extrahieren und strukturiert für die weitere Verarbeitung zur Verfügung stellen können. Hierfür wurden verschiedene Algorithmen entwickelt, um zum einen die Strukturen in den Datendateien zu erkennen und zum anderen um die verschiedenen Daten wie Spannung, Positionen, Impedanz, ECG Data und Ablationsdaten zu extrahieren und strukturiert ausliefern. Die Entwicklung wird bis zu einem marktfähigen Produkt einer cloudbasierten Library fortgesetzt. Zusätzlich wurden auch diese Daten genutzt, um einen KI-basierten Algorithmus zu trainieren, der die Wahrscheinlichkeit eines Rezidivs vorhersagt.

Use Case 3: KI-basiertes Home Monitoring von Augenerkrankungen

Vorhaben

Ziel dieses Use Cases ist die Entwicklung von Advanced Smart Services für das KI-basierte Home Monitoring von Augenerkrankungen auf Basis des von der Fa. Visotec entwickelten, innovativen Home-OCT-Geräts (OCT ist Abk.f. Optische Kohärenztomographie) mit einer KI-Software zur Detektion von Biomarkern in OCT-Augenbildern, für die eine sichere Infrastruktur (Cloudlösung) für Routineanwendungen sowie robuste und individualisiert optimierte KI-Lösungen benötigt werden. Als Nutzer des Systems, zwischen denen Bilddaten und KI-Analyseergebnisse ausgetauscht werden, sind neben den beteiligten Patienten niedergelassene Augenärzte sowie auch Reading Center zu nennen.  Aus dem UKSH werden zur gesamtheitlichen Beurteilung weitere Bilddaten wie z.B. Fundusbilder, Fluoresenzaufnahmen, FLIO-Bilder etc. in die Cloud integriert und für eine Auswertung der multimodalen Bilddaten gemeinsam mit weiteren klinischen Informationen genutzt. Reading Center sind bei der klinischen Evaluation sowie für die weitere Verbesserung des Systems von hoher Bedeutung, da hier hochqualitative Ground Truth Annotationen für die Bilddaten erstellt werden. Die Komponenten des Gesamtsystems benötigen KI-Methoden, um bspw. Bilder zu analysieren oder den individuellen, zeitlichen Krankheitsverlauf zu erfassen und automatisch zu bewerten. Entsprechend sollen im Rahmen des GAIA-Med-Projekts systematisch patientenindividuelle, zeitliche Verläufe in den 4D-Bildfolgen durch erweiterte KI-Methoden analysiert werden, in denen sich das individuelle Fortschreiten der Krankheit widerspiegelt.

Ergebnis

m Rahmen der Projektarbeiten wurden die Möglichkeiten zum webbasierten Austausch und zur KI-unterstützten Verarbeitung von OCT-Bilddaten erweitert, diese modularisiert und der gesamte Daten- und Informationsaustausch durch Ergänzung relevanter Komponenten in die Gaia-X-Architektur integriert. Hierzu wurden die Gaia-X-konforme Rollenverteilung der beteiligten Akteurinnen und Akteure festgelegt, erforderliche Attribute für die Self- Descriptions der Gaia-X-TeilnehmerInnen und -Services identifiziert sowie relevante Vertragsinhalte definiert. Auf Implementierungsebene wurde eine API entwickelt, welche eine Anfrage an den GAIA-X- Med-Service verarbeitet und das Ergebnis der KI-Analyse in Form eines Segmentierungsergebnisses zurücksendet. Dieser Service ist über das Internet verfügbar und mithilfe eines Zugangsschlüssels durch externe Firmen nutzbar.

Im Zusammenhang mit diesem Use Case sind folgende Veröffentlichungen entstanden, die zur Erweiterung der Einsatzbarkeit des KI-Algorithmus für eine große Bandbreite verschiedener OCT- Geräte beitragen und somit perspektivisch die Nutzung des Gaia-X-Services durch weitere Gerätehersteller neben Visotec unterstützen:

• Reducing the Impact of domain shift in deep learning for OCT segmentation using image manipulations, Marc S Seibel, Joshua Niemeijer, Marc Rowedder, Helge Sudkamp, Timo Kepp, Gereon Hüttmann, Heinz Handels, Medical Imaging 2023: Computer-Aided Diagnosis, San Diego, United States, Proc. SPIE, SPIE, 12927, 2024
• Anatomical Conditioning for Contrastive Unpaired Image-to-Image Translation of Optical Coherence Tomography Images, Marc S. Seibel, Hristina Uzunova, Timo Kepp, Heinz Handels, 2024 IEEE International Symposium Biomedical Imaging, Athens, Greece, 2024 (in press)

Zusammenfassend wurde als Ergebnis ein KI-basierter Algorithmus zur Segmentierung der Retina als Service über die GAIA-X-Med-Infrastruktur nutzbar gemacht und somit das mit Use Case 3 verbundene Projektziel erreicht.

Use Case 4: KI-basierte Unterstützung in der Traumaversorgung

Vorhaben

Das Gesamtkonzept des Teilprojekts besteht darin, einen digitalen und intelligenten Versorgungspfad in der Traumaversorgung zu etablieren. Startpunkt bildet die videobasierte Ferninteraktion im Operationssaal bzw bei der Notaufnahme. Elektronische Gesundheitsakten (EHR), Patientenberichte und Bilddaten, Operationsdaten und -technologie werden auf einer digitale Plattformtechnologie integriert, um eine nachfolgende hochwertige und personalisierte Trauma-Versorgung zu erreichen. Kernelemente der Plattform sind ein Digitaler Zwilling und eine anzuarbeitende KI sowohl als Expertensystem an der Klinik als auch für ein Nachsorge-System für Rehabilitation und Patienten-Feedback. Die Plattform als Dienstleistungs-Produkt unterstützt als Expertensystem die klinische Versorgungsplanung und Mediziner in der akuten Versorgungsstrategie und in der Nachsorgefunktion die integrierte Versorgung und bietet Transparenz zu medizinischen Nutzern zur gewählten Versorgungsstrategie als digitalen Erfahrungswert. Sensor-, Prozess- und Patientendaten – aus diversen Bereichen der Patienten-Physiologie – werden in einem Trauma-Zwilling (Klinischer und postklinischer Zwilling) zusammengeführt und können so in eine individualisierte datenbasierte Behandlung auch klinisch umgesetzt werden.

Durch die Verknüpfung des digitalen klinischen Zwillings mit den Daten aus Rehabilitation und Patienten-Feedback (Postklinischer Zwilling) könnte dann auch der Patient-Outcome im Zusammenhang mit der Therapie messbar gemacht werden und nicht nur die klinische Umsetzung eines Operations-Prozesses. Dieser digitale Zwilling kann auf Grund wachsender Datendichte Patientennutzen durch individuell angepasste Therapien bewirken. Im Projekt wird auf Basis des GAIA-X-basierten Datenaustausches von Geräten, Bildgebung und KIS-System die Demonstration eines initialen Telepräsenzsystems an der Traumatologie/Orthopädie des UKSH angestrebt.

Ergebnis

Es wurde eine Plattform aufgesetzt, die bereits zwei IDA (Intervention-calculus when the DAG is Absent) Algorithmen zur Berechnung von kausalen Effekten auf Beobachtungsdaten bereitstellt. Zudem ermöglicht die Plattform das Hochladen weiterer, nicht zwangsläufig kausaler, Algorithmen zur Datenanalyse. Eine Besonderheit ist hier, dass Algorithmen in beliebigen Programmiersprachen innerhalb eines Docker-Containers auf den Server geladen und hier zentral ausgeführt werden können. Der frei verfügbare und bereits inkludierte Syntren-Datensatz ermöglicht das Berechnen von kausalen Effekten zwischen Genen. Auch hier kann das System zudem einfach mit weiteren Datensätzen erweitert werden.

Die Plattform ermöglicht außerdem den Austausch von Algorithmen und Datensätzen zwischen Nutzern. Dabei stellt das System die Geheimhaltung von Algorithmen und Daten gegenüber anderen Nutzern in den Vordergrund. Dazu werden diese auf dem zentralen Server gespeichert und ausgeführt. Gewährt ein Daten- oder Algorithmenprovider anderen Nutzern Zugang zu seinen Ressourcen, so können diese Nutzer Algorithmen auf ihnen zugänglichen Daten ausführen, ohne jedoch lokalen Zugriff auf fremde Ressourcen zu erhalten. So wird einerseits verhindert, dass Fremde direkt die eigenen Daten und Algorithmen einsehen können, anderseits dennoch Kooperation zwischen Nutzern ermöglicht. So kann beispielsweise die Kooperation zwischen verschiedenen medizinischen Versorgern gefördert werden, indem die gemeinsame Nutzung von Daten ermöglicht wird, ohne Patientendaten weiterzugeben. Dies ermöglicht dann Ärzten eine Entscheidungsfindung aufgrund einer größeren Datenbasis oder unter Einsatz einer Vielzahl medizinischer Algorithmen.

Use Case 5: HACCP im Smart Hospital

Vorhaben

Betreiber von Krankenhausküchen sind verpflichtet, gesetzlich vorgegebene Hygienevorschriften einzuhalten, die Einhaltung zu dokumentieren und die Dokumentation für die Überwachung und Auditierung durch das Amt für Lebensmittelüberwachung („Veterinäramt“) jederzeit aktuell verfügbar zu haben. Grundlage dieser Dokumentation ist ein HACCP-Konzept (Hazard Analysis Critical Control Point)  zur Gefährdungsanalyse kritischer Kontrollpunkte. Ziel dieses Teilpojektes ist es, die Überwachung dieser kritischen Kontrollpunkte in der Nahrungsmittellagerung, der Speisenvorbereitung, dem Speisentransport und der Abfallentsorgung im UKSH durch die Nutzung von IoT-Sensorik zu automatisieren und die Messergebnisse in die GAIA-X Plattform zu übertragen. Das zuständige Amt für Lebensmittelsicherheit oder auch die UKSH-Infektiologie (Infektionsüberwachung) kann sich dann in Echtzeit über die GAIA-X Cloud über die Einhaltung der Hygienevorschriften und der Mess-/Grenzwerte der einzelnen kritischen Kontrollpunkte im UKSH informieren und ist nicht mehr auf ein aufwändiges Audit angewiesen, um seinen Kontrollpflichten nachzukommen. Das UKSH kann den manuellen Aufwand für die verpflichtende Dokumentation reduzieren bei gleichzeitig deutlich erhöhter Qualität der Dokumentation. KI-basierte Prozesse können aus der Analyse der verschiedenen Sensorwerte Hinweise auf zusätzlich durchzuführende Kontrollen geben und die Mess-/ Dokumentationsfrequenz bestimmter Sensorwerte in der IoT-Plattform aktiv steuern, um die Lebensmittelsicherheit in den verschiedenen UKSH-Prozessen sicherzustellen. Der Demonstrator soll darüber hinaus zeigen, dass den Veterinärämtern in Schleswig-Holstein über die Hypros Iot-Plattform in Verbindung mit der GAIA-X Cloud ein Monitoring-Portal zur Verfügung gestellt werden kann, mit dem die kritischen Kontrollpunkte und damit die Einhaltung der Hygienevorschriften in den Gesundheitseinrichtungen kontinuierlich in Echtzeit dokumentiert und überwacht werden können, so dass vorgeschriebene Überprüfungsaudits zukünftig sehr fokussiert und faktenbasiert durchgeführt werden können. Neben der Herstellung der eigenen GAIA-X-Fähigkeit besteht die Mitwirkung des Unternehmens insoweit vor allem auch darin, das Architekturmodell und die Servicelevels/-inhalte von GAIA-X-Servicedefinitionen (Zweckbestimmungen), über Spezifikationen, entwicklungsbegleitende Unterstützung bis hin zur Erprobung/Validierung mit zu gestalten/formen.

Ergebnis

Ein GAIA-X-Med-Businesskonzept ist zwischen den Industriepartnern entstanden, für dessen Ausführung die notwendigen Softwarekomponenten zum sicheren Datenaustausch in Form der Connectors und Authentication Services entwickelt wurden. Der sichere, auf Gaia-X basierende Datenaustausch vom Sensordaten-Provider zum Sensordaten-Consumer wurde umfassend getestet und verifiziert.

Zum Ende des Projekts konnte der Datenaustausch erfolgreich über den GAIA-X-Med-Katalog angefordert und initiiert werden. Ein zentrales Cockpit ermöglicht die Echtzeitverfolgung des Sensordatenaustauschs. Durch das Erstellen von HACCP-Regeln sollen künftig die im UKSH laufenden HACCP-Prozesse in einer Ampeldarstellung auf ihren Zustand überprüft werden.

Die Projektziele eines sicheren, auf GAIA-X-Med basierenden Datenaustauschs sowie der Datenferndarstellung in einem zentralen Cockpit wurden erreicht. Zukünftig sollen Regeln erstellt werden, mit denen der Zustand der HACCP-Prozesse im Krankenhaus kontinuierlich und nutzerspezifisch erfasst und nutzerfreundlich beurteilt werden kann.

Use Case 6: Decision Support System

Vorhaben

Das Ziel des Use Cases ist die GAIA-X-Befähigung medizinischer Expertensysteme auf Basis von MCEA Medical Cause and Effects Analysis. Dieserart Decision Support Systeme bedürfen des Datenaustausches mit Bild- und Sensor-gestützten Systemen (Geräten) sowie KIS/PACS-Systemen samt angebundener KI-Anwendungen z.B. der maschinellen Mustererkennung. Die dem Projekt MCEA zugrundeliegende funktionale Modellierungssoftware der Firma PLATO bedarf insoweit einer gezielten Einbindung in die GAIA-X-Architektur, die einerseits durch geeignete KI-Serviceschnittstellen sowie andererseits Inputschnittstellen für medizinische Daten realisiert wird und beidseitig einen anfragegerechten Datenoutput an die User (i.d.R. Mediziner) ermöglicht. Anhand des MCEA-UseCases Infektiologie ggf auch in Kombination mit dem UseCase HACCP soll die generelle GAIA-X-Fähigkeit der Software entwickelt, erprobt und demonstriert werden.

Ergebnis

Um den Grundsätzen von Gaia-X bezüglich der Themen Datenschutz und Vertrauenswürdigkeit gerecht zu werden, wurde mittels eines speziell entwickelten Gaia-X-kompatiblen Trainingsschemas ein domänenspezifisches Sprachmodell trainiert, das zwecks verbesserter Überprüfbarkeit neben einer textuellen Ausgabe auch grafische Darstellungen von relevanten Ausschnitten des fundierten symbolischen Modells bereitstellt, so dass bekannte Schwächen von Sprachmodellen abgemildert werden können. Auf Basis dieses Sprachmodells wurde ein prototypischer Service entworfen und implementiert, der es einem Nutzer erlaubt, über die Gaia-X-Infrastruktur in einer leicht zugänglichen Chat-Umgebung das explizit im verwendeten MCEA-Modell abgebildete Wissen einzusehen. Mittels Demonstratoren wurde die Leistungsfähigkeit der Gaia-X-Konzepte demonstriert.