בהובלת הלמהולץ מינכן, מדענים פיתחו פתרון תוכנה נגיש שתוכנן במיוחד לניתוח נתוני בריאות רפואיים מורכבים. תוכנת הקוד הפתוח המכונה "ehrapy" מאפשרת לחוקרים לבנות ולבחון באופן שיטתי מערכי נתונים גדולים והטרוגניים. התוכנה זמינה לקהילה המדעית העולמית לשימוש ולפיתוח נוסף.
Ehrapy נועד למלא פער קריטי בניתוח נתוני בריאות, אומר לוקאס היומוס, אחד המפתחים הראשיים ומדען במכון לביולוגיה חישובית בהלמהולץ מינכן ובאוניברסיטה הטכנית של מינכן (TUM): "עד עכשיו, לא היו כלים סטנדרטיים לניתוח שיטתי ויעיל של נתונים רפואיים מגוונים ומורכבים, שינינו את זה עם ehrapy. הצוות מאחורי ehrapy מגיע ממחקר ביו-רפואי ויש לו ניסיון רב בניתוח מערכי נתונים מדעיים מורכבים. "מגזר הבריאות מתמודד עם אתגרים דומים בניתוח נתונים כמו אלה העובדים במעבדות", ציין Heumos בתחילת פרויקט ehrapy.
גישה חקרנית – ניתוח נטול השערות
יחד עם תורמים רבים אחרים, Heumos השתמש במומחיות שלו בפיתוח תוכנה מדעית כדי ליצור פתרון לניתוח נתוני מטופלים: "Ehrapy יכולה לחשוף דפוסים חדשים ולייצר תובנות מבלי צורך לנתח את הנתונים על סמך הנחה או השערה ספציפית." גישה חקרנית זו, אומר Heumos, היא תכונה ייחודית של ehrapy.
Ehrapy מאפשר לחוקרים למיין, לקבץ ולנתח מערכי נתונים גדולים, הטרוגניים ומורכבים ללא כל השערות קיימות. זה פותח תובנות חדשות שניתן לחקור אותן הלאה. Heumos מסביר: "הגישה החקרנית מביאה נקודות מבט חדשות לניתוח נתוני בריאות. בשל המורכבות וההטרוגניות שלהם, נתונים אלו לרוב אינם מנותחים ביעילות כפי שהם יכולים להיות." Ehrapy פותחת אפיקים חדשים להפיכת נתוני בריאות שימושיים יותר למחקר רפואי ולתרגול.
המטרה ארוכת הטווח: שימוש שגרתי בפרקטיקה הקלינית
Ehrapy תוכננה כתוכנת קוד פתוח מההתחלה. "היה לנו חשוב להפוך את התוכנה לזמינה לקהילה המדעית מהיום הראשון", מדגיש היומוס. התוכנה זמינה כחבילת Python ב-GitHub, פלטפורמה מקוונת לפיתוח תוכנה, וניתנת לשימוש ולפיתוח נוסף על ידי חוקרים ברחבי העולם.
נכון לעכשיו, ehrapy מתמקדת בניתוח יעיל ומהיר של מערכי נתונים מחקריים, כגון אלו המאוחסנים במרכזי מחקר בריאותיים גדולים. "שימוש שגרתי בתרגול קליני הוא מטרה ארוכת טווח, אך לעת עתה, אנו מתרכזים במתן כלי רב עוצמה לקהילת המחקר", אומר Heumos.
בעתיד, הצוות מתכנן לספק מאגרי מידע סטנדרטיים עבור רשומות בריאות אלקטרוניות (EHRs). מאגרי מידע אלו יאפשרו אינטגרציה וניתוח טובים יותר של כמויות גדולות של נתונים רפואיים. בנוסף, זה יקל על הפיתוח של אטלסים EHR שיכולים לשמש מערכי נתונים התייחסות להקשר ולהערות מערכי נתונים חדשים.
מסע ארוך
"Ehrapy מאפשרת ניתוח נתונים מקיף בין מערכות, מה שיכול להיות צעד מפתח עבור מערכות AI עתידיות ברפואה. לכן אני מקווה לאימוץ מהיר יחסית באתרים שונים", אומר פרופ' פביאן תיס, מנהל המכון לביולוגיה חישובית בהלמהולץ מינכן ופרופסור TUM: "ביסוס טכנולוגיות כאלה ברפואה הוא תהליך ארוך שיכול לקחת עשרות שנים. המטרה שלנו היא לגשר על הפער בין המחקר הביו-רפואי ליישום מעשי ברפואה". תיס מסביר עוד שצוות הפיתוח מתמקד בשיטות ניתוח נתונים גישושים בצורה הוליסטית כדי לחשוף בקלות רבה יותר קשרים נסתרים. "אנחנו גם מנסים לתמוך בשחקנים אקדמיים ומסחריים במגזר הבריאות".
