Algorithmen teilen statt Daten
Alle Bilddaten verbleiben an ihrer ursprünglichen Institution – geteilt werden die Analyse-Algorithmen. Das ist der Ansatz der neuen 'Joint Imaging Platform' für die Analyse medizinischer Bilder.
-
Datum:10.11.2020
-
Autor:S. Kohlstädt (mh/ktg)
-
Quelle:Deutsches Krebsforschungszentrum (DKFZ)
Die 'Joint Imaging Platform' (JIP) soll institutsübergreifende Bildgebungsprojekte erleichtern. Und sie soll helfen, die technischen und rechtlichen Herausforderungen zu meistern, die mit der gemeinsamen Nutzung von Bilddaten verbunden sind.
„Die Hürden bei der Nutzung medizinischer Daten verzögern die klinische Krebsforschung mitunter erheblich“, sagt Heinz-Peter Schlemmer, Leiter der Radiologie im Deutschen Krebsforschungszentrum.
Besonders anschaulich wird dieses Problem im Deutschen Konsortium für translationale Krebsforschung (DKTK): Hier verbinden sich über 20 akademische Institutionen an acht Standorten mit dem DKFZ, um gemeinsame klinische Studien durchzuführen. „Das wissenschaftliche Potential des Konsortiums ist enorm. Doch hierfür sind die Wissenschaftler und Ärzte des DKTK im hohen Maße darauf angewiesen, Zugang zu den Daten der beteiligten Partner zu haben, sie auszutauschen und gemeinsam zu nutzen, um bestmögliche Ergebnisse in der Forschung und Patientenversorgung zu erreichen“, so Schlemmer.
Um Abhilfe zu schaffen, haben Forscher am DKFZ ein Netzwerk aller radiologischen und nuklearmedizinischen Abteilungen des DKTK initiiert und eine flexible dezentrale Analyseplattform für medizinische Bilder eingerichtet – die Joint Imaging Platform, kurz JIP.
„Das besondere an JIP: Wir bringen die Algorithmen und Bearbeitungswerkzeuge zu den Daten, und nicht umgekehrt“, erklärt Projektleiter Klaus Maier-Hein. „Das bedeutet, die Datenhoheit verbleibt bei den einzelnen Institutionen. Dieser dezentralisierte Ansatz ermöglicht es, die hohen Anforderungen des europäischen Datenschutzes einzuhalten.“
In Zukunft soll die JIP auch als Open-Source-Softwareprojekt zur Verfügung stehen.
Mehr zu JIP in der im November 2020 in Clinical Cancer Informatics veröffentlichten Arbeit
