Biosignale wie Puls oder Sauerstoffsättigung sowie Geräteereignisse entstehen in der Medizin an vielen Stellen. Damit sie für Forschung, Qualitätsmanagement oder die Entwicklung von Alarmsystemen nutzbar sind, müssen Daten aus unterschiedlichen Geräten zusammengeführt und zeitlich korrekt verarbeitet werden. Am Institut für Medizinische Informatik der Uniklinik RWTH Aachen entstand dazu ein wiederverwendbares Open-Source-Framework, das Datenquellen einheitlich anbinden und flexibel kombinieren soll. Diese Forschungsergebnisse wurden von Nils Freyer auf dem Europäischen Medizininformatikkongress in Genua vorgestellt. (→ MIE 2026)
Hintergrund und Problemstellung
In vielen Projekten liefern Medizingeräte kontinuierliche Zeitreihen: Vitalparameter, Zustände oder Messwerte – als einzelne Momentaufnahmen oder als hochauflösende Echtzeitströme. Oft sind Datenerfassung und Aufbereitung jedoch auf ein konkretes Projekt zugeschnitten. Das begrenzt die Wiederverwendbarkeit von Software und erhöht den Aufwand, sobald neue Geräte, Datenformate oder Versuchsaufbauten hinzukommen.
Was wurde erforscht?
Das Team entwickelte ein modulares Framework, das typische Aufgaben der Zeitreihendatenverarbeitung als getrennte Services abbildet. Die Services tauschen Daten nach einem Publish/Subscribe-Prinzip aus: Ein Service veröffentlicht Daten, andere abonnieren sie und verarbeiten sie weiter. Für die Kommunikation wurde ein socket-basierter Event-Bus umgesetzt, der Nachrichten in einem einfachen JSON-Format überträgt. So lassen sich auch externe Komponenten einbinden, etwa vorhandene Geräteschnittstellen oder Auswertetools. Zusätzlich wurde ein Service implementiert, der Messwerte mit mehreren parallel gültigen Markierungen annotieren kann.
Die wichtigsten Ergebnisse
In einer Fallstudie wurde das Framework mit zwei Datenquellen erprobt: Daten wurden über das Medibus-Protokoll eines Beatmungsgeräts (Draeger Oxylog 3000 Plus) sowie über Bluetooth Low Energy von einem Finger-Pulsoximeter (Viatom PC-60FW) erfasst. Das Setup wurde in einem Szenario zur mechanischen Ventilation in einer Simulation eingesetzt. Dabei zeigte sich eine geringe Verzögerung in der Verarbeitung, und Daten konnten korrekt und vollständig erhoben werden. Zudem blieb die Architektur flexibel: Dienste konnten auf einem Gerät oder verteilt auf mehrere Systeme betrieben werden.
Was bedeutet das?
Das Framework kann Forschungsteams helfen, Datenerfassung und -integration über Geräte hinweg schneller aufzubauen und Bausteine in neuen Studien wiederzuverwenden. Das ist besonders relevant, wenn mehrere Signale zusammengeführt oder Daten systematisch annotiert werden sollen – etwa zur Entwicklung und Prüfung von Alarmstrategien. Für die klinische Routine ist die Lösung derzeit nicht vorgesehen: Für einen Einsatz in der Versorgung wären zusätzliche regulatorische Anforderungen nötig, insbesondere zu Sicherheit sowie Risiko- und Qualitätsmanagement.
„Wir wollten eine gemeinsame Grundlage schaffen, mit der sich Biosignale und Gerätezustände aus verschiedenen Quellen einheitlich erfassen und in Forschungsanwendungen kombinieren lassen“, sagt Nils Freyer. „Als nächsten Schritt planen wir Untersuchungen zur Datenfusion in Alarmsystemen – technisch und empirisch in Simulation und Usability-Labor“, ergänzt Myriam Lipprandt.
Die Forschungsarbeit wurde als Originalarbeit in den → Proceedings veröffentlicht: Nils Freyer, Rainer Röhrig, Myriam Lipprandt: An Open-Source Abstraction Framework for Biosignal and Medical Device Data. Stud Health Technol Inform, Volume 336, 2026, 1808-1809. DOI: 10.3233/SHTI260543
Das Framework wurde unter GNU GPLv2 veröffentlich unter: https://github.com/rwth-imi/FRAMED
