BQS-Registersuche: Medizinische Register als potenzielle Datenquellen identifizieren

Autorin: Eveline Prochaska, Technische Universität Dresden, 16.07.26

Gesundheitsdaten bilden eine wesentliche Grundlage für die Entwicklung und Bewertung datenbasierter Methoden in der Medizin. Das gilt insbesondere für Forschungsprojekte, die Verfahren der künstlichen Intelligenz entwickeln, erproben oder in medizinische Anwendungskontexte übertragen möchten.

Bevor Daten analysiert werden können, müssen Forschende jedoch zunächst klären, welche Datenquellen für eine konkrete Fragestellung grundsätzlich infrage kommen. Neben klinischen Informationssystemen, Forschungsdatenzentren, Kohorten und Abrechnungsdaten können medizinische Register eine wichtige Rolle spielen. Sie erfassen strukturierte Informationen zu bestimmten Erkrankungen, Behandlungen, Medizinprodukten oder Versorgungsbereichen und können damit wertvolle Grundlagen für medizinische Forschung bereitstellen.

Im Projekt KIMed – Netzwerk für Künstliche Intelligenz in der Medizin beschäftigen wir uns unter anderem mit der Frage, wie Informationen über vorhandene Gesundheitsdaten besser auffindbar, verständlich und für Forschungsvorhaben nutzbar gemacht werden können. Ein öffentlich zugängliches Angebot, das bei der ersten Orientierung helfen kann, ist die Registersuche des BQS Instituts für Qualität und Patientensicherheit [1].

Die BQS-Registersuche ist ein öffentlich zugängliches Informationsangebot zu medizinischen Registern in Deutschland [2]. Über eine Suchmaske können registrierte Datenbestände beispielsweise anhand von Erkrankungen, Fachgebieten oder weiteren Suchbegriffen recherchiert werden.

Die Ergebnisse liefern strukturierte Beschreibungen der erfassten Register. Dazu können unter anderem folgende Informationen gehören:

• Bezeichnung und thematische Ausrichtung des Registers,
• zugrunde liegende Erkrankungen oder Indikationen,
• Zweck und Zielsetzung des Registers,
• verantwortliche Organisationen und Registerträger,
• Laufzeit oder aktueller Status,
• beteiligte beziehungsweise meldende Einrichtungen,
• Größenordnung der erfassten Fälle.

Damit stellt die Plattform keine Gesundheitsdaten im engeren Sinne bereit. Sie bietet vielmehr Metadaten, also beschreibende Informationen über bestehende Register und deren Inhalte.

Gerade diese Unterscheidung ist für die medizinische Informatik wichtig: Die Registersuche ermöglicht nicht die unmittelbare Analyse patientenbezogener Daten. Sie kann aber dabei helfen, potenziell relevante Datenquellen überhaupt erst zu identifizieren und deren grundsätzliche Eignung für ein Forschungsvorhaben einzuschätzen.

Bei der Planung eines Forschungsprojekts muss zunächst geklärt werden, ob geeignete Daten vorhanden sind und unter welchen Voraussetzungen diese genutzt werden können.

Für KI-bezogene Forschung sind dabei beispielsweise folgende Fragen relevant:

• Welche Patientengruppen und Krankheitsbilder werden erfasst?
• Welche klinischen Merkmale, Untersuchungen oder Behandlungsergebnisse sind dokumentiert?
• Wie groß und wie vollständig ist der Datenbestand?
• Über welchen Zeitraum wurden Daten erhoben?
• Werden Daten einmalig oder im zeitlichen Verlauf erfasst?
• Sind Daten aus mehreren Einrichtungen enthalten?
• Unter welchen Bedingungen ist ein Zugang für Forschungszwecke möglich?
• Lassen sich die vorhandenen Daten mit weiteren Datenquellen verknüpfen?

Die BQS-Registersuche beantwortet diese Fragen nicht vollständig. Sie kann jedoch einen ersten strukturierten Zugang zur deutschen Registerlandschaft eröffnen. Forschende können dadurch Register identifizieren, die thematisch zu einer Projektidee passen, und anschließend gezielt mit den verantwortlichen Stellen Kontakt aufnehmen.

Damit eignet sich die Plattform insbesondere für frühe Phasen eines Forschungsprojekts: für die Exploration möglicher Datenquellen, die Präzisierung einer Forschungsfrage und die Vorbereitung vertiefender Datenanfragen.

Ein Eintrag in der Registersuche bedeutet nicht automatisch, dass die zugrunde liegenden Daten frei verfügbar oder unmittelbar für ein Forschungsprojekt nutzbar sind. Medizinische Register unterliegen organisatorischen, rechtlichen, ethischen und datenschutzrechtlichen Rahmenbedingungen.

Nach der Identifikation eines potenziell geeigneten Registers sind deshalb weitere Schritte erforderlich. Dazu gehören typischerweise:

1. die Prüfung der verfügbaren Registerbeschreibung,
2. die Kontaktaufnahme mit dem Registerbetreiber,
3. die Klärung der vorhandenen Datenarten und Variablen,
4. die Prüfung der Datenqualität und Vollständigkeit,
5. die Abstimmung des wissenschaftlichen Nutzungskonzepts,
6. die Klärung von Datenschutz, Einwilligung und ethischen Voraussetzungen,
7. gegebenenfalls die Beantragung des Datenzugangs.

Für die Entwicklung von KI-Modellen kommen weitere Anforderungen hinzu. Relevant sind beispielsweise die Repräsentativität der Daten, mögliche Verzerrungen, die Dokumentation der Datenerhebung, der Umgang mit fehlenden Werten und die Frage, ob die Daten für Training, Validierung oder externe Evaluation geeignet sind.

Die Registersuche sollte deshalb nicht als Datenzugangsportal verstanden werden. Sie ist vielmehr ein Ausgangspunkt für eine strukturierte Recherche.

Die Auffindbarkeit geeigneter Gesundheitsdaten ist eine zentrale Herausforderung der medizinischen Informatik [3]. Häufig existieren relevante Datenbestände, sie sind jedoch über unterschiedliche Institutionen verteilt und nach verschiedenen fachlichen, technischen und organisatorischen Kriterien beschrieben.

Damit Gesundheitsdaten für Forschung und Innovation nutzbar werden, müssen nicht nur die Daten selbst, sondern auch Informationen über diese Daten verfügbar sein [4]. Solche Metadaten beschreiben beispielsweise:

• welche Daten erhoben wurden,
• in welchem Versorgungskontext sie entstanden sind,
• welche Population abgebildet wird,
• welche Standards und Terminologien verwendet wurden,
• welche zeitliche und räumliche Abdeckung vorliegt,
• welche Einschränkungen bei der Nutzung bestehen,
• wer für Anfragen zuständig ist.

Metadaten ermöglichen es Forschenden, die Eignung einer Datenquelle einzuschätzen, bevor aufwendige Antrags- und Zugangsverfahren begonnen werden [4]. Sie sind damit eine wichtige Voraussetzung für transparente, nachvollziehbare und effiziente datenbasierte Forschung.

Das Projekt KIMed – Netzwerk für Künstliche Intelligenz in der Medizin verfolgt das Ziel, Infrastrukturen und Anwendungsmöglichkeiten für medizinische KI in Sachsen weiterzuentwickeln. Ein zentraler Aspekt ist dabei die Frage, wie vorhandene Gesundheitsdaten und Datenkompetenzen besser erschlossen und für Forschung, Entwicklung und Transfer zugänglich gemacht werden können.

Dazu gehört nicht nur der technische Aufbau von Daten- und Analyseinfrastrukturen. Ebenso wichtig ist es, Informationen über bestehende Datenquellen verständlich bereitzustellen und Forschende, medizinische Einrichtungen sowie weitere Projektpartner bei der Orientierung zu unterstützen.

Die Vorstellung öffentlich zugänglicher Rechercheangebote wie der BQS-Registersuche ist daher Teil einer umfassenderen Betrachtung von Gesundheitsdatenökosystemen. Sie zeigt exemplarisch, wie Informationen über bestehende Datenbestände zusammengeführt und auffindbar gemacht werden können.

Für KI-Projekte kann dies ein erster Schritt sein, um realistische und datenbasierte Forschungsvorhaben zu entwickeln. Die eigentliche Nutzbarkeit eines Registers muss jedoch immer im Austausch mit den zuständigen Registerbetreibern und unter Berücksichtigung der jeweiligen rechtlichen und methodischen Voraussetzungen geprüft werden.

Die BQS-Registersuche bietet einen Überblick, ersetzt aber keine detaillierte Bewertung eines Registers. Die Aussagekraft der Einträge hängt davon ab, wie aktuell und vollständig die hinterlegten Informationen sind.

Außerdem lassen sich aus der bloßen Existenz eines Registers keine verlässlichen Rückschlüsse auf die konkrete Datenqualität oder die wissenschaftliche Nutzbarkeit ziehen. Nicht unmittelbar erkennbar sind beispielsweise:

• Vollständigkeit und Aktualität der Datensätze,
• Umfang der erhobenen Variablen,
• Anteil fehlender Angaben,
• verwendete Kodierungen und Terminologien,
• Repräsentativität der eingeschlossenen Population,
• Möglichkeiten der Datenverknüpfung,
• konkrete Zugangs- und Nutzungsbedingungen.

Auch die Entwicklung von KI-Verfahren stellt besondere Anforderungen, die über eine allgemeine Registerbeschreibung hinausgehen. Ein großer Datenbestand ist nicht automatisch für maschinelles Lernen geeignet. Entscheidend sind unter anderem die Qualität der Zielvariablen, die Vergleichbarkeit der Erhebungsverfahren und eine hinreichende Dokumentation des Entstehungskontexts.

Die BQS-Registersuche ist ein hilfreiches Orientierungsinstrument für Forschende, die nach medizinischen Registern und potenziellen Gesundheitsdatenquellen in Deutschland suchen. Sie stellt keine patientenbezogenen Daten bereit und ermöglicht keinen unmittelbaren Datenzugang. Ihr Mehrwert liegt in der strukturierten Beschreibung vorhandener Register.

Für Projekte im Bereich der medizinischen Informatik und der künstlichen Intelligenz kann sie dabei unterstützen,

• die Registerlandschaft zu einem Forschungsthema zu überblicken,
• potenziell relevante Datenquellen zu identifizieren,
• Forschungsfragen an verfügbare Datenbestände anzunähern,
• gezielte Anfragen an Registerbetreiber vorzubereiten.

Die Plattform ist damit ein möglicher erster Schritt innerhalb eines längeren Prozesses – von der Suche nach geeigneten Gesundheitsdaten über die Prüfung der Nutzbarkeit bis hin zur rechtlich, methodisch und technisch abgesicherten Analyse.

Im Projekt KIMed möchten wir dazu beitragen, solche Wege zu Gesundheitsdaten transparenter zu machen und den Austausch zwischen Datenbereitstellenden, Forschenden und zukünftigen Anwenderinnen und Anwendern medizinischer KI zu unterstützen.

Metadaten ermöglichen es Forschenden, die Eignung einer Datenquelle einzuschätzen, bevor aufwendige Antrags- und Zugangsverfahren begonnen werden [4]. Sie sind damit eine wichtige Voraussetzung für transparente, nachvollziehbare und effiziente datenbasierte Forschung.