Anja Wagner, Sylvia Schick, Laura Rahm, Julia Mühlbauer, Klaus Bauer, Steffen Peldschus

• Im Rahmen der Neugestaltung der GIDAS Unfalldatenbank, stellt sich die Frage, ob eine standardmäßige Aufnahme medizinischer Schnittbilder (CT und MRT-Aufnahmen, Röntgen und sonografische Aufnahmen) sinnvoll wäre, wie es in den Unfalldatenbanken anderer Länder (zum Beispiel in der CIREN Unfalldatenbank in den USA) gehandhabt wird. Aus den Schnittbildern, insbesondere aus Ganzkörper-CT Aufnahmen ließen sich potenziell einige Vorteile ziehen. So wäre etwa eine bessere Analyse der durch einen Unfall entstandenen Verletzungen ebenso möglich wie eine Verbesserung der Rekonstruktion eines Unfalls auf Grund verbesserter Modellierung des Insassen. Auch morphologische und anthropometrische Daten, die bislang nicht in GIDAS einfließen, ließen sich in größerem Stil erheben und – ab einer gewissen Anzahl an Datensätzen - statistisch auswerten, um etwa Rückschlüsse auf Vulnerabilitätsmerkmale zu ziehen oder in Zusammenhang mit physikalischen Unfallparametern neue Verletzungsmuster zu erkennen. Im hier vorliegenden Projekt werden nun die Anwendungsmöglichkeiten einer Integration von medizinischen Bilddaten in GIDAS recherchiert und in Bezug auf ihren Nutzen zur Verletzungsanalyse und Unfallvermeidung konkret dargestellt. Hierbei wird sowohl darauf eingegangen, welche neuen Variablen auch ohne Vorhaltung der Daten möglich wären (etwa anthropometrische Variablen oder Lokalisationsvariablen zur Verletzungskodierung) als auch welche sich nur bei dauerhafter Datenvorhaltung zur späteren Rekonstruktion erheben ließen (z.B. Gurtverlauf und Lungenkontusionsausmaß). Zudem wird auf den Vorteil verschiedener Nutzergruppen eingegangen. Diesen Nutzungsmöglichkeiten wird im zweiten Projektteil der konkrete technische, personelle und finanzielle Aufwand gegenübergestellt, der sowohl bei einer nur temporären Nutzung (etwa zur Extraktion neuer Datenbankvariablen) als auch bei langfristiger Speicherung der Bilddatensätze anfallen würde. Im Zuge dessen wird ein Vorschlag der Datenspeicherung auf einem Fileserver in Verbindung mit einem Webportal vorgeschlagen, über das der Zugriff auf Bilddaten und die eigentliche GIDAS SQL-Datenbank erfolgen kann. Auch eine Verwaltung unterschiedlicher Zugriffrechte, eine Sichtung der Datensätze, der Up- und Download sowie die Suche in der GIDAS Datenbank könnte über ein solches Portal erfolgen. Vor- und Nachteile einer Cloudlösung werden diskutiert. Besonders eingegangen wird in diesem Rahmen auf die konkreten Schritte und Aufwände der Anonymisierung der CT und MRT-Datensätze mit verschiedenen Softwares sowie auf die zu beachtenden Datenschutz-Richtlinien. Anhand eines Beispieldatensatzes werden die Möglichkeiten unterschiedlicher Anonymisierungssoftwares aufgezeigt, die über das reine Anonymisieren der Metadaten hinausgehen und auch die Schwärzung der Bilddaten selbst beinhalten. Bezüglich des Datenschutzes werden die aktuellen Richtlinien dargestellt. Im letzten Teil des Projekts werden konkret folgende drei Umsetzungsvarianten einer Bilddatenintegration in die nächste Stufe von GIDAS vorgeschlagen: Variante A schlägt vor, die vorhandenen Bilddaten anzufordern und ausführlich auszuwerten, diese jedoch nicht dauerhaft zu speichern. Vorteile sind neben der Verbesserung der Dokumentation ein geringerer Aufwand für Datenschutz und Aufklärung sowie keine Kosten für langfristige Datenspeicherung und die damit verbundene Bereitstellung, Zugriffsbeschränkung und Anonymisierung der Daten. Haupt-Nachteil der Variante A ist jedoch, dass rückwirkend keine Kontrolle der erhobenen Variablen mehr möglich ist, und sich auch im Nachhinein keine neuen Fragestellungen verwirklichen lassen. Daher muss das erhebende Personal zum Zeitpunkt der Erhebung eine hohe Qualifikation im medizinischen und anthropometrischen Bereich sowie eventuell Programmierkenntnisse aufweisen. Skripte für eine automatische Datenerhebung müssten bereits zuvor entwickelt und getestet werden, um die Korrektheit der erhobenen Variablen zu gewährleisten. Eine Anpassung an individuelle Nutzerbedürfnisse ist nicht möglich. Variante B sieht eine dauerhafte Vorhaltung der angeforderten Bilddatensätze für spätere Zwecke vor, beinhaltet aber keine oder nur eine geringe Anzahl zusätzlicher Auswertungen zum Erhebungszeitpunkt. Dadurch ist der Aufwand der Erhebung gering, da diese auf später verschoben wird – es wird weniger geschultes Personal bzgl. Medizin, Anthropometrie und IT benötigt als in den beiden anderen Varianten. Allerdings fallen Aufwand und Kosten für die Anonymisierungsschritte, die Datenspeicherung und Bereitstellung an. Vorteil ist der geringere Qualifikationsanspruch für das erhebende Personal sowie, dass alle Daten für eine spätere Auswertung zur Verfügung stehen. Dies macht die Variante kostengünstiger als die Varianten A und C. Der Nachteil liegt darin, dass zunächst kein zusätzlicher Nutzen für die GIDAS-Nutzer entsteht, da die Daten nur vorgehalten werden. Variante C kombiniert die Teilansätze der Varianten A und B. Die Bilddaten werden angefordert, dauerhaft gespeichert und ausgewertet. In der Auswertung wird dabei ein Teildatensatz der Parameter aus Variante A erhoben und als neue Variablen in die neue Version der GIDAS SQL-Datenbank eingepflegt. Wie weit diese Basisauswertung gehen soll und ob sie etwa auch die Erstellung automatisierter Skripten beinhaltet, hängt vom vorhandenen Budget für geschultes Personal und den verfolgten Zielen ab. Jedoch können immer auch zu jedem späteren Zeitpunkt Variablen zu neu auftauchenden Fragestellungen an den gespeicherten Bilddaten erhoben und in GIDAS eingepflegt werden. Es wird explizit eine modulare Erhebung in Teilschritten empfohlen. Die Vorteile sind zum einen die umfassende Dokumentation von Verletzungen und deren Lokalisation sowie extrahierte Variablen. Zum anderen können extrahierte Variablen zu einer Rekonstruktion der im Unfall erfolgten Verletzungen sowie – bei Auswertung einer großen Zahl von Datensätzen – zu einer statistischen Auswertung herangezogen werden. Nachteil sind im Vergleich zu Variante A höhere Kosten für Anonymisierung und den mit der Vorratsspeicherung zusammenhängenden Anforderungen und im Vergleich zu Variante C die höheren Kosten für geschultes Personal. Es handelt sich im die kostenintensivste der 3 Varianten. Die Vorteile sind jedoch eine sehr gute Dokumentation von Verletzungen sowie medizinischen und anthropologisch bzw. morphologischen Parametern mit Potenzial, sich neu aufkommenden Forschungsfragen in der Zukunft zu widmen und Nutzern eigene Auswertungen zu ermöglichen. Dies bringt bei einer zu Grunde liegenden geschätzten Zahl von ca. 300 in Frage kommenden Bilddatensätzen im Jahr einen hohen Mehrwert für viele Nutzer.
• As the German in Depth Accident Database (GIDAS) is redesigned to a new version the question arises, whether an integration of medical images (CTs, MRIs, X-rays and sonographic images) in combination with the derivation of new parameters for GIDAS would make sense. In other countries’ federal accident databases – like the American database CIREN - storage of medical images is already a standard feature and much research has been done using these medical imaging crash databases. Integrating medical images into GIDAS – especially whole-body CTs – holds great potential for injury analysis and prevention. For example, a better analysis of injuries caused by an accident would be possible, as well as an improved reconstruction of the accident due to improved modelling of the occupant’s anthropometric characteristics. Morphological and anthropometric data, which have not yet been included in GIDAS, could also be collected and – if collected in a larger scale – could be used to draw conclusions concerning occupant vulnerability or to identify new injury patterns. Aim of the project described here, is to present possible uses of integrating CT and MR datasets in GIDAS for injury analysis and prevention and the efforts concerning staff, technical infrastructure and software that come along with them. The first part of the project shows, which new parameters could be derived for GIDAS if datasets are evaluated but only stored temporarily (e.g. anthropometric parameters and localizers for AIS codes) as well as what options are only possible, if datasets are stored permanently (e.g. seatbelt markings, lung-contusion parameters). Additionally, the advantages for different user groups are discussed. The second part of the project focuses on the efforts concerning staff qualifications and technical equipment if imaging data are stored temporarily or permanently in GIDAS. Considering these factors, an implementation for long-term storage, administration, and provision of the datasets to the users is suggested. In this implementation datasets are stored on a file server that can be accessed via a web portal. Via this web portal administrators can upload datasets and manage user access rights. Users on the other hand can browse the GIDAS database, filter corresponding imaging datasets, view them (using an integrated online DICOM viewer) and – if this is desired - download them. Also, the advantages and disadvantages of a cloud solution are discussed in this chapter. In addition to technical and staff issues particular attention is laid on outlining the concrete steps and efforts involved in anonymizing the CT and MR datasets using various software packages as well as which guidelines concerning data privacy have to be considered. Using a CT dataset as an example, different options of anonymization, which also provide deidentification of imaging data and 3D objects (not only DICOM headers), are presented. In the last part of the project, three solutions how to integrate medical image data in GIDAS are proposed: Solution A suggests requesting medical imaging data from hospitals and evaluating it in detail, but not saving the datasets permanently. In addition to improving injury documentation the advantage of this solution is, that there is less effort for data protection and no costs for long-term data storage as well as the provision, access restriction and anonymization that go along with it. However, the main disadvantage of solution A is that it will be impossible to check the measured parameters afterwards. Further research questions arising in the future cannot be addressed. Therefore, if solution A is desired, the specialists who gather the data have to be very well trained in medicine and anthropometry. In some cases, also coding experience in e.g. MATLAB or Python will be required. Scripts for automatic data collection would have to be developed and tested beforehand in order to make sure that the measured parameters are correct. An adaption to the individual user’s needs would not be possible. Solution B suggests storing medical imaging datasets permanently for later use but does not intend to collect a broad set of anthropometric measurements or injury parameters on these datasets. Therefore, the efforts for data collection are small and less qualifications in medical, anthropometry and IT are required compared to solutions A and C. However, anonymization steps, data storage and client access will produce costs. Advantages of this solution are, that the staff does not need higher evaluation qualifications and all data are available in the future. Disadvantages are, that there is initially no additional use for GIDAS users as they have to do measurements on the image datasets themselves. Solution C combines solutions A and B. Medical imaging data are requested and stored permanently. According to predefined research questions injuries are documented and anthropometric and morphological parameters are measured and put into GIDAS SQL database. In what extend new parameters shall be derived from the imaging data and if a semi-automated evaluation with scripts shall be included depends on the budget available for staff training and on which research questions shall be addressed. However new database parameters can be measured at any time later and integrated into GIDAS database. The advantages of this solution are, on the one hand, comprehensive documentation and localization of injuries, as well as extracted variables. On the other hand, variables can be used to reconstruct the injuries sustained in the accident and, when analysing a large number of data sets, to perform statistical evaluations. The disadvantage, compared to solution A, are higher costs for anonymization and the requirements associated with data retention, and compared to solution C, higher costs for trained personnel. However, the advantages are a very good documentation of injuries, as well as medical and anthropological or morphological parameters, with the potential to address new research questions in the future and enable users to conduct their own evaluations. This provides a high added value for many users, based on an estimated number of around 300 eligible image data sets per year.