[EyeMatics-Multicenter data evaluation of real-world data with interoperable medical informatics]

Ophthalmologie. 2024 Nov 14. doi: 10.1007/s00347-024-02135-0. Online ahead of print.
[Article in German]

Abstract

The evaluation of real-world data (RWD) enables insights to be gained from a wide range of patient data collected in routine clinical practice. In addition, multicenter analyses represent a broad and representative patient population and have the potential to capture the actual treatment situation. As a basis for this, the definition of datasets and an infrastructure for data exchange is necessary. Data integration centers (DIC) have already been established at (university) hospitals throughout Germany in order to extract RWD for scientific analyses from the various source systems and integrate them into research-compatible data infrastructures. The project described here aims to demonstrate the added value of this data integration using a case of application in ophthalmology, defining a core dataset as an ophthalmology extension module and establishing a cross-site data exchange infrastructure. As a first step, the treatment success of eye diseases treated with intravitreal injection (IVI) should be improved. To achieve this goal a dashboard for clinical data is provided that clearly visualizes the merged data. Furthermore, algorithms will be developed to identify new imaging biomarkers that can be used for treatment monitoring and predict treatment outcomes.

Die Auswertung von Real-World-Daten (RWD) ermöglicht Erkenntnisse aus einer Vielzahl von Patientendaten, die in der klinischen Routine erhoben werden. Multizentrische Analysen bilden darüber hinaus eine breite und repräsentative Patientenpopulation ab und bergen das Potenzial, die reale Versorgungssituation zu erfassen. Als Basis dafür sind die Definition von Datensätzen und eine Infrastruktur zum Datenaustausch notwendig. Datenintegrationszentren (DIZ) sind bereits bundesweit an (universitären) Standorten etabliert worden, um RWD für wissenschaftliche Analysen aus den verschiedenen Quellsystemen zu extrahieren und in forschungskompatiblen Dateninfrastrukturen zu integrieren. Das hier beschriebene Projekt soll den Mehrwert dieser Datenzusammenführung anhand eines Ophthalmologie-Anwendungsfalls demonstrieren und dazu einen Kerndatensatz als Augenheilkunde-Erweiterungsmodul definieren sowie eine standortübergreifende Datenaustauschinfrastruktur etablieren. In einem ersten Schritt soll der Behandlungserfolg bei Augenkrankheiten verbessert werden, die mit intravitrealer operativer Medikamentenapplikation (IVOM) behandelt werden. Zur Erreichung dieses Ziels soll ein Dashboard für klinische Daten bereitgestellt werden, das die zusammengeführten Daten übersichtlich visualisiert. Darüber hinaus sollen Algorithmen zur Identifikation neuer bildgebender Biomarker entwickelt werden, die der Therapieüberwachung dienen und Behandlungsergebnisse prognostizieren können.

Keywords: Artificial intelligence; Core dataset; Data exchange; Eye diseases; Intravitreal injection.

Publication types

  • English Abstract
  • Review