Wie das Imperial College London die Demenzforschung mit einer modernen Datenplattform beschleunigt

Stellen Sie sich vor, Sie könnten Ihrem Arzt nicht mitteilen, ob Sie Schmerzen oder Fieber haben. Für viele Menschen mit Demenz ist dies Realität – und das bedeutet, dass Ärzte oft Schwierigkeiten haben, die richtige Diagnose zu stellen, was zu verzögerten Behandlungen führt.

Für Menschen mit Demenz können subtile Veränderungen wie Schlafstörungen, verringerte Bewegung und Abweichungen im Tagesablauf wichtige gesundheitliche Veränderungen signalisieren. Wenn Betroffene diese Lücken jedoch nicht selbst füllen können, kann die Erfassung dieser Daten und deren Bereitstellung für Pflegekräfte die Ergebnisse erheblich verbessern. Am UK Dementia Research Institute Centre for Care Research and Technology (CR&T) am Imperial College London verfolgen Forschende diese Signale kontinuierlich. Mithilfe von Daten aus Heimsensoren, Schlafmonitoren und elektronischen Patientenakten (EHR) erstellt das Team ein Echtzeitbild der Gesundheit der Betroffenen, um die Pflege zu verbessern und die Forschung voranzutreiben. Dieses Bild kann Infektionen frühzeitig erkennen, vermeidbare Krankenhausaufenthalte reduzieren und dazu beitragen, dass Menschen länger sicher zu Hause leben können.

Doch im Laufe der Jahre, als die Anzahl der Haushalte, der Heimgeräte und die Datenmengen wuchsen, stieß die Datenplattform hinter dieser Mission an ihre Skalierungsgrenzen. Dies erschwerte die Bereitstellung zeitnaher, zuverlässiger Erkenntnisse zur Unterstützung von Pflege und Forschung.

Wenn kritische Daten nicht schnell genug fließen können

Über einen Zeitraum von fünf Jahren entwickelte sich der Flaggschiff-Dienst des CR&T, die Minder-Plattform, zu einer umfassenden Infrastruktur, auch wenn das Wachstum der Plattform zunehmende Herausforderungen bei der Skalierung mit sich brachte.

Mit wachsenden Datenmengen und neuen Anwendungsfällen verlangsamten drei Herausforderungen den Fortschritt:

1. Konkurrierende Workloads verlangsamten Innovationen – Systeme für Datenaufnahme (Ingestion), Analysen und Echtzeit-Abfragen überschnitten sich zunehmend. Selbst kleine Änderungen bargen das Risiko, Produktions-Workflows zu stören, was die Teams zu vorsichtigem Vorgehen zwang und Iterationen verlangsamte.

2. Speicher und Rechenleistung waren eng gekoppelt – Um den Datenzugriff zu gewährleisten, wurden große Mengen in operativen Datenbanken gespeichert. Mit dem Datenwachstum stiegen auch die Infrastrukturkosten, ohne dass ein klarer Weg für eine effiziente Skalierung vorhanden war.

3. Forschende hatten keinen einfachen Datenzugriff – Es gab keine dedizierte Forschungsumgebung. Nicht-technische Stakeholder, einschließlich des klinischen Personals, hatten nur begrenzten Einblick in die Daten, was die Validierung von Modellen und die Übertragung von Erkenntnissen in die Pflege erschwerte.

Diese Probleme verzögerten die Übertragung der Forschungsergebnisse des Zentrums in die klinische Praxis.

Aufbau einer Plattform für Forschung und Pflege

Um schneller voranzukommen, gestaltete das CR&T seine Plattformarchitektur neu. Ziel war es, zuvor eng gekoppelte Systeme zu trennen und eine dedizierte Umgebung für Analysen und Forschung zu schaffen.

IoT-Daten werden nun über eine Kubernetes-Ebene aufgenommen und validiert, bevor sie in Delta Lake auf Azure Data Lake Storage gespeichert werden. Die Daten durchlaufen verschiedene Stufen von Rohdaten (Bronze) über bereinigte Daten (Silber) bis hin zu anonymisierten, forschungsbereiten Datensätzen (Gold), die für nachgelagerte Analysen genutzt werden.

Diese Umstellung schuf ein modulares, zuverlässiges und skalierbares Fundament für die Arbeit mit kontinuierlich wachsenden Sensordaten – und das ganz ohne Beeinträchtigung der operativen Systeme.

Gleichzeitig bewahrte das CR&T bewährte klinische Workflows und modernisierte die gesamte Umgebung. EHR-Systeme blieben für die Interoperabilität mit dem NHS und anderen klinischen Umgebungen optimiert und nutzen weiterhin den FHIR-Standard, um einen nahtlosen Datenaustausch zu gewährleisten. Dieses Fundament ermöglicht nun eine aktive Integration in die klinische Versorgung des NHS über den Imperial College Healthcare NHS Trust, wodurch die Erkenntnisse von Minder näher an die praktischen Entscheidungen herangeführt werden. Erste Implementierungen konzentrieren sich darauf, Fernüberwachungsdaten in klinische Workflows einzubetten, um das medizinische Personal mit zeitnahen und kontextbezogenen Informationen über zu Hause lebende Patienten zu unterstützen.

Auf diesem Fundament führte das Team eine zentralisierte Governance über Unity Catalog (UC) ein, was eine feingranulare Zugriffskontrolle für Forschungsteams, Studien und externe Partner ermöglicht. Databricks wurde daraufhin zur dedizierten Analyse-Ebene, die Forschenden eine einheitliche Umgebung bietet, um Daten zu untersuchen, Modelle zu erstellen und unabhängig von Produktions-Workflows zusammenzuarbeiten.

Für das Deployment von Modellen nutzt das CR&T weiterhin Kubeflow, evaluiert jedoch aktiv MLflow, um Experimente, Bereitstellung, erneutes Training und die Wartung von Modellen weiter zu optimieren.

Vom Datenzugriff zu schnelleren Forschungsergebnissen

Die Modernisierung der Architektur war nur ein Teil der Lösung. Das CR&T dachte auch die Interaktion der Forschenden mit den Daten neu und baute einen Research-to-Production-Workflow auf, der die Entwicklung und Weitergabe von Erkenntnissen beschleunigt. Unity Catalog spielt dabei eine zentrale Rolle, indem es die Nutzung von Datensätzen nachverfolgt und dabei hilft, besonders wertvolle Datenbestände zu identifizieren. Analyse- und Verarbeitungspipelines, die von Forschungsteams für häufig genutzte Datensätze entwickelt wurden, werden im Code gehärtet und teamübergreifend wiederverwendbar gemacht. Dies reduziert Doppelarbeit und beschleunigt die Bereitstellung, da Forschende Gold-Standard-Pipeline-Vorlagen für die Arbeit mit neuen oder komplexen Datensätzen erhalten.

Auch die Barrierefreiheit für klinisches Personal und andere nicht-technische Stakeholder wurde erheblich verbessert. Databricks-Dashboards stellen nun den Zustand von IoT-Geräten, verhaltensbezogene und physiologische Trends sowie Erkenntnisse auf Kohortenebene intuitiver dar. Darüber hinaus werden eingebettete Dashboard-Integrationen in Überwachungssystemen getestet, sodass das klinische Personal direkt in den bereits genutzten Tools auf Erkenntnisse zugreifen kann.

Die Plattform erfüllt zudem eine kritische Anforderung der medizinischen Forschung: die Reproduzierbarkeit. Da sich IoT-Daten kontinuierlich aktualisieren, können sich Ergebnisse im Laufe der Zeit ändern. Um Konsistenz zu gewährleisten, wird jeder Datenpunkt mit seinem ursprünglichen Zeitstempel gespeichert. So können Forschende genau rekonstruieren, was eine Ärztin oder ein Arzt zu jedem beliebigen Zeitpunkt in der Vergangenheit gesehen hat.

Von Monaten zu Wochen – echte Auswirkungen auf die Produktivität

Durch den Aufbau der neuen Plattform parallel zu bestehenden Systemen vermied das CR&T Betriebsunterbrechungen und beschleunigte gleichzeitig den Fortschritt. Erste Ergebnisse zeigen deutliche Verbesserungen:

• 100 % Betriebszeit beibehalten während der gesamten Migration
• Neue IoT-Datenquellen in nur einem Monat integriert, statt zuvor ca. 6 Monaten
• Modellentwicklungszeit auf ca. 1 Monat verkürzt, was schnellere Iterationen ermöglicht
• Rasantes Datenwachstum, einschließlich Millionen von IoT-Datenpunkten, die innerhalb weniger Monate aufgenommen wurden
• 50 % Plattformwachstum im Monatsvergleich, mit steigender Akzeptanz bei nicht-technischen Nutzern

Vor allem aber führen diese Verbesserungen zu konkreten Auswirkungen in der Praxis:

„Wir haben unsere Arbeitsweise umstrukturiert und Daten zugänglicher gemacht. Die Databricks-Analyseplattform hat in den letzten 5 Monaten bereits klinische Erkenntnisse für 581 Menschen mit Demenz bereitgestellt.“—Ethan de Villiers, Data Engineer, CR&T

Das Team schätzt außerdem, dass im Vergleich zum Aufbau einer gleichwertigen Infrastruktur von Grund auf Hunderte von Engineering-Stunden eingespart werden.

Die Mission für eine bessere Demenzversorgung vorantreiben.

Am CR&T geht die Arbeit kontinuierlich weiter. Für eine Patientengruppe, die sich oft nicht selbst artikulieren kann, ist die Fähigkeit, objektive, kontinuierliche Daten über das Geschehen zu Hause zu erheben, ein wesentlicher Bestandteil der Pflege. Mit dem Wachstum der Plattform steigt auch das Potenzial, mehr Menschen zu erreichen, die Zeitspanne zwischen einer Forschungserkenntnis und einer klinischen Entscheidung zu verkürzen und Pflegeteams die Evidenz zu liefern, die sie zum Handeln benötigen.

Die Erfahrung des CR&T zeigt auch, dass die größte Hürde für eine datengestützte Pflege selten die Daten selbst sind. Es geht vielmehr darum, ob die richtigen Personen, unabhängig von ihren technischen Vorkenntnissen, darauf zugreifen, ihnen vertrauen und sie nutzen können. Das ist das Problem, das das CR&T lösen wollte. Und die Daten deuten darauf hin, dass es funktioniert.

Erkenntnisse für den Aufbau von Datenplattformen im Gesundheitswesen

Die Erfahrung des CR&T spiegelt einen breiteren Wandel im gesamten Gesundheitswesen wider, bei dem die Zukunft der Pflege davon abhängt, fragmentierte, reale Daten in direkt nutzbare Erkenntnisse umzuwandeln.

Da Unternehmen zunehmend vernetzte Geräte, Fernüberwachung und AI-gestützte Analysen einsetzen, besteht die Herausforderung nicht mehr nur darin, Daten zu sammeln. Es geht darum, Systeme aufzubauen, die diese Daten für die Menschen, die täglich Pflegeentscheidungen treffen, zugänglich, vertrauenswürdig und nutzbar machen.

Insbesondere bei der Demenzversorgung, bei der Betroffene Veränderungen ihres Zustands nicht immer mitteilen können, können kontinuierliche Daten einen entscheidenden Kontext liefern, der andernfalls verloren ginge. Die Auswirkungen gehen weit über einen einzelnen Anwendungsfall hinaus. Dieselben Architekturprinzipien rund um skalierbare Dateninfrastruktur, kontrollierten Zugriff und forscherfreundliche Analysen werden zur Grundlage für moderne Gesundheitssysteme, die die Forschung beschleunigen, die Versorgung personalisieren und die Ergebnisse im großen Maßstab verbessern wollen.

Die Arbeit des CR&T zeigt, wie eine gemeinsame, vertrauenswürdige Datenplattform Organisationen im Gesundheitswesen dabei helfen kann, die Forschung zu beschleunigen, die klinische Entscheidungsfindung zu verbessern und letztendlich bessere Patientenergebnisse zu erzielen.

Danksagung

Wir danken den Mitgliedern des Kernteams des Care Research and Technology Centre, unseren Geldgebern und Sponsoren der Studie für die Unterstützung dieser Arbeit. Besonderer Dank gilt den Data Science- und Software-Teams (Nora Joby, Anna Joffe, Ethan de Villiers, Amer Marzuki, Ramsheed Abdul Rahim und Gaia Frigerio) für ihre technischen Beiträge zur Entwicklung dieser Plattform.

Förderung & Unterstützung

Minder wird vom UK Dementia Research Institute (UK DRI Ltd) unterstützt, das hauptsächlich vom UK Medical Research Council finanziert wird, mit zusätzlicher Unterstützung durch die Alzheimer's Society. Mindercare wird in ähnlicher Weise vom UK Dementia Research Institute (UK DRI Ltd) unterstützt, das hauptsächlich vom Medical Research Council finanziert wird, mit zusätzlicher Finanzierung durch LifeArc.

Mehr erfahren

Erhalten Sie regelmäßige Updates darüber, wie Databricks Organisationen des öffentlichen Sektors dabei hilft, Daten zusammenzuführen, AI zu steuern und Wissen weltweit in Taten umzusetzen, indem Sie Databricks for Public Sector auf LinkedIn folgen.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag