Kerndatensatz Senologie - Local Development build (v0.9.0) built by the FHIR (HL7® FHIR® Standard) Build Tools. See the Directory of published versions

Technisches

Datenbereitstellung und Testumgebungen

Der Kerndatensatz Senologie stellt neben den Profilen und Terminologien eine vollständige Testinfrastruktur bereit.

Bereitgestellte Komponenten

Alle Docker-Compose-Dateien, Import-Skripte und Testdaten sind im GitHub-Repository frei verfügbar.

Quickstart

# 1. Repository klonen
git clone https://github.com/BIH-CEI/SenologieOnFHIR.git
cd SenologieOnFHIR

# 2. Umgebung konfigurieren
cp .env.example .env
# → Aidbox-Lizenz in .env eintragen (https://aidbox.app/)

# 3. Server starten
docker compose up -d                                    # Aidbox (Port 8888)
docker compose -f docker-compose.matchbox.yaml up -d    # Matchbox (Port 8080)
docker compose -f docker-compose.pathling.yaml up -d    # Pathling (Port 8091)

# 4. Testdaten laden
bash scripts/import-to-aidbox.sh                        # → Aidbox
python3 scripts/load-to-pathling.py                     # → Pathling

# 5. Testen
# Questionnaire rendern:   http://localhost:8888/fhir/Questionnaire/senologie-diagnose
# SDC $extract:            POST http://localhost:8080/fhir/QuestionnaireResponse/$extract
# StructureMap $transform: POST http://localhost:8080/fhir/StructureMap/$transform
# SQL-on-FHIR:            POST http://localhost:8091/fhir/ViewDefinition/$run
# CQL-Auswertung:         POST http://localhost:8888/fhir/$cql
# Jupyter Notebook:        jupyter notebook notebooks/senologie-analyse.ipynb

Standardports

Die Ports können über die .env-Datei oder die jeweiligen Docker-Compose-Dateien angepasst werden.

Synthetische Testdaten

Die 12 synthetischen Testpatientinnen (210+ FHIR-Instanzen) decken alle klinisch relevanten Szenarien ab: alle Brustkrebs-Subtypen, Stadien 0–IV, benigne und B3-Befunde, neoadjuvante und adjuvante Therapie, Komplikationen, Implantate, BRCA-Mutation, männliches Mammakarzinom. Jeder Fall enthält vollständig verknüpfte FHIR-Ressourcen (Patient → Diagnose → Bildgebung → Pathologie → Therapie → Verlauf).

Die Testdaten sind als FSH-Beispiele im IG enthalten und können direkt in einen FHIR-Server geladen werden.

Verfügbare FHIR-Server

Für die Erprobung des Kerndatensatzes stehen drei Docker-basierte Testumgebungen bereit. Alle Docker-Compose-Dateien, Import-Skripte und Testdaten sind im GitHub-Repository frei verfügbar.

HAPI FHIR und Pathling können ohne Registrierung oder Lizenz direkt aus dem Repository gestartet werden. Für Aidbox ist eine individuelle (kostenlose) Lizenz erforderlich, die unter aidbox.app beantragt werden kann. Die Lizenzdatei (.env) ist nicht im Repository enthalten.

HAPI FHIR (Open Source, empfohlen für CQL)

git clone https://github.com/BIH-CEI/SenologieOnFHIR.git
cd SenologieOnFHIR
docker compose up -d hapi-fhir-server fhir-postgres
# Daten laden (Python 3 erforderlich):
python3 -c "
import json, glob, urllib.request
for f in sorted(glob.glob('fsh-generated/resources/*.json')):
    r = json.load(open(f))
    rt, rid = r.get('resourceType'), r.get('id')
    if rt and rid and 'Fall' in rid:
        urllib.request.urlopen(urllib.request.Request(
            f'http://localhost:8095/fhir/{rt}/{rid}',
            data=json.dumps(r).encode(), method='PUT',
            headers={'Content-Type': 'application/fhir+json'}))
"

Pathling (Open Source, empfohlen für Analysen)

docker compose -f docker-compose.pathling.yaml up -d
python3 scripts/load-to-pathling.py

Aidbox (SQL on FHIR ViewDefinitions, kostenlose Lizenz nötig)

# 1. Lizenz beantragen unter https://aidbox.app/
# 2. .env anlegen:
echo "AIDBOX_LICENSE=<ihr-jwt-token>" > .env
# 3. Starten:
docker compose up -d

Aidbox bietet nativen SQL-on-FHIR-Support: die ViewDefinitions aus input/fsh/views/ können direkt über den $run-Endpunkt ausgeführt werden und liefern flache JSON/CSV-Tabellen.

Zugang zur Admin-UI: http://localhost:8888 (Login: admin/admin)

HAPI FHIR (empfohlen für CQL)

docker compose up -d hapi-fhir-server fhir-postgres

HAPI unterstützt die Ausführung von CQL-Expressions ($cql) und FHIR Measures ($evaluate-measure). Die CQL-Library mit den S3-Qualitätsindikatoren kann direkt gegen die geladenen Testdaten ausgeführt werden.

Pathling (empfohlen für analytische Abfragen)

docker compose -f docker-compose.pathling.yaml up -d
python3 scripts/load-to-pathling.py

Pathling basiert auf Apache Spark und eignet sich für analytische FHIRPath-Abfragen über größere Datenmengen. Der Datenimport erfolgt über NDJSON-Bulk-Import ($import).

Alternativ: Pathling als Python-Library ohne Docker:

pip install pathling

Datenimport

Die Testdaten liegen als JSON-Ressourcen unter fsh-generated/resources/. Import-Skripte für die verschiedenen Server:

# Generischer FHIR-Import (HAPI oder jeder FHIR R4 Server)
import json, glob, urllib.request
SERVER = "http://localhost:8095/fhir"
for f in sorted(glob.glob("fsh-generated/resources/*.json")):
    with open(f) as fh:
        r = json.load(fh)
    rt, rid = r.get("resourceType"), r.get("id")
    if rt and rid and "Fall" in rid:
        req = urllib.request.Request(f"{SERVER}/{rt}/{rid}",
            data=json.dumps(r).encode(), method='PUT',
            headers={'Content-Type': 'application/fhir+json'})
        urllib.request.urlopen(req)

SQL on FHIR ViewDefinitions

Sechs ViewDefinitions für tabellarische Analysen liegen unter input/fsh/views/:

Ausführung über Aidbox:

curl -u root:secret -X POST "http://localhost:8888/fhir/ViewDefinition/\$run?_format=json" \
  -H "Content-Type: application/fhir+json" \
  -H "Accept: application/json" \
  -d @input/fsh/views/ViewDefinition-PatientKohorte.json

Jupyter Notebook

Das Analyse-Notebook (notebooks/senologie-analyse.ipynb) verbindet sich mit einem der FHIR-Server und führt die ViewDefinitions aus. Es enthält 7 vordefinierte Analysen:

1. Fallzahl pro Subtyp (HR+/HER2-, HER2+, TNBC, DCIS)
2. BET-Rate (brusterhaltende Therapie vs. Mastektomie)
3. R0/R1/R2-Verteilung
4. Altersverteilung (Boxplot)
5. Therapie-Mix pro Subtyp
6. Time-to-Treatment (Diagnose → OP)
7. Crosstab Subtyp × OP-Art

Drei Ausführungsmodi stehen zur Verfügung:

Siehe notebooks/README.md für die vollständige Anleitung.

CQL-Auswertung

Die CQL-Library enthält S3-Qualitätsindikatoren (QI-2 bis QI-14) und deskriptive Statistiken. Ausführung gegen HAPI:

curl -X POST "http://localhost:8095/fhir/\$cql" \
  -H "Content-Type: application/fhir+json" \
  -d '{"resourceType":"Parameters","parameter":[{"name":"expression","valueString":"Count([Patient])"}]}'

Meldungs-Transformation (StructureMaps)

Die StructureMaps transformieren die FHIR-Daten in die vier Meldeformate. Für die Ausführung wird ein Matchbox-Container empfohlen, der die FML-Maps als $transform-Operation bereitstellt.

Weiterentwicklung

Geplant für kommende Versionen:

• Skalierung auf 100 synthetische Patientinnen für statistisch aussagekräftigere Analysen
• FHIR Measures als formale Measure-Ressourcen für $evaluate-measure
• Matchbox-Integration in die Docker-Compose-Umgebung für StructureMap-Ausführung
• Interaktives Dashboard (Plotly/Dash) für Qualitätsindikatoren