Refine
Has Fulltext
- yes (6)
Keywords
Institute
- Institut für Zivilrecht (5)
- Juristische Fakultät (5)
- Lehrstuhl für Bürgerliches Recht, Haftungsrecht und Recht der Digitalisierung (5)
- Fakultät für Angewandte Informatik (1)
- Institut für Informatik (1)
- Lehrstuhl für IT-Infrastrukturen für die Translationale Medizinische Forschung (1)
- Nachhaltigkeitsziele (1)
- Ziel 16 - Frieden, Gerechtigkeit und starke Institutionen (1)
- Ziel 9 - Industrie, Innovation und Infrastruktur (1)
Die personenbezogene Verknüpfung von unterschiedlichen, gesundheitsbezogenen Daten mit dem Ziel einen Forschungsdatensatz zu erstellen, wird als Record Linkage bezeichnet. Diese Daten zu einer Person können bei voneinander getrennten Datenhaltern vorliegen. Auf diese Weise lassen sich wissenschaftliche Fragestellungen beantworten, die wegen des beschränkten Variablenumfangs mit einer Datenquelle alleine nicht zu beantworten wären. Diese verknüpften Daten entfalten ein riesiges Potential für die Gesundheitsforschung, um Prävention, Therapie und Versorgung der Bevölkerung zu verbessern. Da es sich dabei um sensible Daten handelt, gelten strenge Rechtsvorschriften um vor potenziellen Missbrauch zu schützen. Die derzeitigen rechtlichen Gegebenheiten schränken allerdings die Nutzung der Gesundheitsdaten für die Forschung so stark ein, dass ihr Potenzial für eine Verbesserung von Prävention und Versorgung bisher nicht ausgeschöpft werden kann. Record Linkage wird in Deutschland dadurch erschwert bzw. in vielen Fällen sogar unmöglich gemacht, dass es im Gegensatz zu Ländern keinen eindeutigen personenbezogenen Identifikator gibt, der eine Zusammenführung über verschiedene Datenkörper hinweg ermöglichen würde. Zudem sind in Deutschland interoperable Lösungen nicht vorhanden, um ein umfassendes studien- und datenkörperübergreifendes Record Linkage in einer gesicherten Umgebung durchführen zu können. Dem berechtigten Interesse auf Schutz der personenbezogenen Daten steht z. B. das Interesse entgegen, Risiken und Nutzen von Behandlungen zu erforschen und diese zur Verbesserung der gesundheitlichen Versorgung zu nutzen. Bei der Durchführung von Record Linkage-Projekten steht die Wissenschaft vor großen Herausforderungen. Oftmals wird von Datenhaltern oder Datenschützern für die Verknüpfung personenbezogener Daten die informierte Einwilligung der einzelnen Studienteilnehmenden gefordert, selbst wenn dies nicht erforderlich ist, z. B. weil klare gesetzliche Regelungen fehlen. Hinzu kommt eine unterschiedliche Auslegung der gesetzlichen Rahmenbedingungen durch Datenschutzbehörden. Zweitens erlauben die Informationen der zu verknüpfenden Datenquellen oft keine exakte Verknüpfung. So ist die Datensatzverknüpfung nicht nur ein rechtliches, sondern auch eine methodische Herausforderung. Insgesamt ist festzuhalten, dass das Record Linkage für die Gesundheitsforschung in Deutschland gegenwärtig weit hinter den Standards anderer europäischer Länder hinterherhinkt. So müssen für jeden Anwendungsfall und jedes Record Linkage-Projekt einzelfallspezifische Lösungen entwickelt, geprüft, ggf. modifiziert und – falls positiv beschieden – umgesetzt werden. Die Limitationen und Möglichkeiten dieser unterschiedlichen und spezifisch auf verschiedene Anwendungsfelder zugeschnittenen Ansätze werden diskutiert und es werden die Voraussetzungen beschrieben, die erfüllt sein müssen, um einen forschungsfreundlicheren Ansatz für die personenbezogene Datensatzverknüpfung zwischen verschiedenen Datenquellen in Deutschland zu erreichen. Dabei werden auch entsprechende Empfehlungen an den Gesetzgeber formuliert. Das White Paper soll die Grundlage für eine Verbesserung des Record Linkage für die Gesundheitsforschung in Deutschland schaffen. Es zielt darauf ab, praktikable Lösungen für die personenbezogene Datensatzverknüpfung von unterschiedlichen Datenquellen anzubieten, die im Einklang mit der europäischen Datenschutzgrundverordnung stehen.
Purpose
Preoperative (neoadjuvant) chemoradiotherapy (CRT) and total mesorectal excision is the standard treatment for rectal cancer patients (UICC stage II/III). Up to one-third of patients treated with CRT achieve a pathological complete response (pCR). These patients could be spared from surgery and its associated morbidity and mortality, and assigned to a “watch and wait” strategy. However, reliably identifying pCR based on clinical or imaging parameters remains challenging.
Experimental design
We generated gene-expression profiles of 175 patients with locally advanced rectal cancer enrolled in the CAO/ARO/AIO-94 and -04 trials. One hundred and sixty-one samples were used for building, training and validating a predictor of pCR using a machine learning algorithm. The performance of the classifier was validated in three independent cohorts, comprising 76 patients from (i) the CAO/ARO/AIO-94 and -04 trials (n = 14), (ii) a publicly available dataset (n = 38) and (iii) in 24 prospectively collected samples from the TransValid A trial.
Results
A 21-transcript signature yielded the best classification of pCR in 161 patients (Sensitivity: 0.31; AUC: 0.81), when not allowing misclassification of non-complete-responders (False-positive rate = 0). The classifier remained robust when applied to three independent datasets (n = 76).
Conclusion
The classifier can identify >1/3 of rectal cancer patients with a pCR while never classifying patients with an incomplete response as having pCR. Importantly, we could validate this finding in three independent datasets, including a prospectively collected cohort. Therefore, this classifier could help select rectal cancer patients for a “watch and wait” strategy.
Translational relevance
Forgoing surgery with its associated side effects could be an option for rectal cancer patients if the prediction of a pathological complete response (pCR) after preoperative chemoradiotherapy would be possible. Based on gene-expression profiles of 161 patients a classifier was developed and validated in three independent datasets (n = 76), identifying over 1/3 of patients with pCR, while never misclassifying a non-complete-responder. Therefore, the classifier can identify patients suited for “watch and wait”.
Ausgangssituation: Die informierte Einwilligung ("Informed Consent") stellt den Königsweg für die Nutzung personenbezogener Daten dar. Gute Beispiele und Orientierungshilfen sind z.B. bei der Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS) bzw. der Medizininformatik Initiative (MII) zu finden. Für die prospektive Verknüpfung eines personenbezogenen Datensatzes mit weiteren personenbezogenen Daten (Record Linkage) – z.B. die Anreicherung von Primärdaten einer epidemiologischen Studie mit Sekundärdaten aus der Krankenversorgung bzw. von Kostenträgern – gestaltet sich das Vorgehen hinsichtlich der Datenschutzanforderungen als sehr komplex. Studien in der Onkologie bzw. der Infektionsforschung, bei meldepflichtigen Erkrankungen bzw. im COVID-19-Umfeld könnten als Erlaubnistatbestand das jeweilige Krebsregistergesetz bzw. das Infektionsschutzgesetz heranziehen. Epidemiologische Studien erfordern i.d.R. diesbezüglich einen Informed Consent zum Record Linkage. Es kann allerdings nicht davon ausgegangen werden, dass alle Betroffenen diesen Informed Consent dazu uneingeschränkt erteilen. Zudem kann eine solche Einwilligung widerrufen werden. Aufgrund der sich daraus ergebenden Anforderungen werden für zukünftige Projekte Mustertexte für die informierte Einwilligung zum Record Linkage als Grundlage für studienspezifische Einwilligungserklärungen – nicht nur für COVID-19 – bereitgestellt. Diese basieren auf erprobten Aufklärungstexten und Formulierungen aus der CoVerlauf-Studie sowie der NAKO Gesundheitsstudie.
Die Rolle von Dateninfrastrukturen für die Gesundheitsforschung beschränkt sich nicht allein darauf, als Service oder Schnittstelle für den Datenaustausch zwischen Datenerzeuger:innen und -nutzer:innen zu fungieren. Die Infrastruktur ist vielmehr selbst ein Akteur im Prozess des Datenteilens, der für diesen auch entsprechend Verantwortung trägt.
Dies gilt zuallererst für die Rechtmäßigkeit der Verarbeitung personenbezogener Daten. Fußt die Datenverarbeitung auf einer Einwilligung der betroffenen Person, ist auch seitens der Infrastruktur sicherzustellen, dass sämtliche Datenverarbeitungsprozesse von dieser Einwilligung erfasst sind. Stützt sich die Datenverarbeitung auf einen gesetzlichen Erlaubnistatbestand, müssen im Rahmen der Infrastruktur v. a. technische und organisatorische Maßnahmen ergriffen werden, damit ein möglichst hohes Datenschutzniveau sichergestellt ist. Zudem fällt der Infrastruktur eine Verantwortung zu, wenn es um die Umsetzung von Betroffenenrechten wie Auskunft, Berichtigung oder Löschung von Daten geht und um den Umgang mit Zufalls- und Zusatzbefunden.
Die Frage, mit welchem Selbstverständnis sich Forscher:innen in Infrastrukturprojekte einbringen und in welcher Form auch privatwirtschaftliche Unternehmen in solcherlei Projekte eingebunden werden sollen, muss sich am Gemeinwohl orientieren. Damit einher geht die Verpflichtung, dass Infrastrukturen so weit wie möglich an den Prinzipien der Partizipation, der Transparenz und der Wissenschaftskommunikation ausgerichtet sind. Die Beachtung all dieser ethischen und rechtlichen Aspekte ist vor allem auch deshalb wichtig, weil nur auf diese Weise das Vertrauen aller Stakeholder gewonnen und damit die zentrale Basis für den erfolgreichen Aufbau und Betrieb einer Dateninfrastruktur geschaffen werden kann.
Der Konflikt zwischen Datenschutz und Forschungsfreiheit ist so alt wie das Datenschutzrecht selbst. In vielen Fällen wird Datenschutz als ein Hemmschuh für die Forschung wahrgenommen, gerade auch im Bereich der medizinischen Forschung. Ein aktuell viel diskutierter Lösungsansatz, diesen Konflikt zu entschärfen, ist das Modell der Datentreuhand. Ob und wie ein solches Modell nutzbar gemacht werden kann, um für die medizinische Forschung einen leichteren und großzügigeren Zugang zu personenbezogenen Daten zu eröffnen, soll im Folgenden erörtert werden.
