Big Data im OP

Die zunehmende Vernetzung von Medizingeräten in Operationssälen führt im klinischen Umfeld zu neuen Möglichkeiten und Herausforderungen hinsichtlich Datenhaltung und -analyse. Im Big-Data-Umfeld etablierte Tools wie Apache Hadoop, Storm und Kafka finden Einsatz auch im medizinischen Bereich, um Vitalparameter eines Patienten, Videosequenzen eines chirurgischen Eingriffs, radiologisches Bildmaterial und Informationen von Operationsgeräten in nahe Echtzeit akquirieren und analysieren zu können, um später diese für eine retrospektive Betrachtung einer bzw. vieler Operationen zur Verfügung zu stehen. Kombiniert mit weiteren klinisch-administrativen Informationen ergeben sich dadurch sowohl auf der Mikroebene (Patient) als auch auf der Makroebene (Klinik) neue Analyseszenarien, die entsprechend technologisch untermauert werden müssen.

Skills
Die Besucher müssen keinerlei Vorkenntnisse im Bereich Big Data und/oder Medizinische Informatik mitbringen. Grundsätzliches Interesse an klinischen bzw. medizinischen Themen schadet jedoch nicht.

Lernziele
Dieser Vortrag vermittelt den Besuchern einen grundlegenden Einblick in aktuelle Big Data Themen im klinischen/medizinischen Umfeld eines Universitätsklinikums. Neben dem Fokus auf die Vernetzung von Operationssälen gibt der Vortrag darüber hinaus Einblicke in weitere Anwendungsszenarien, genutzte Technologien und datenschutzrechtliche Aspekte.

// Referenten

// Raluca Pahontu

arbeitet als wissenschaftliche Mitarbeiterin am Zentrum für Informations- und Medizintechnik des Universitätsklinikums Heidelberg. Ihr Forschungsschwerpunkt liegt auf der sicheren und dynamischen Vernetzung von Medizintechnik und klinischer Informationssystemwelt und den sich daraus ergebenden Herausforderungen und Möglichkeiten hinsichtlich Datenhaltung und -analyse.

// Gerd Schneider

ist ebenfalls wissenschaftlicher Mitarbeiter am Zentrum für Informations- und Medizintechnik des Universitätsklinikums Heidelberg. Sein Forschungsschwerpunkt liegt im Bereich Data & Process Science, wobei er neben der Analyse klinischer Prozesse speziellen Fokus auf Complex-Event- und Stream-Processing-Szenarien im klinischen Umfeld legt.