Bedeutung von Big Data für die molekulare Diagnostik

Big Data wird mit der Vision verknupft, aus unuberschaubaren Datenmengen durch computerbasierte Analysemethoden neue Erkenntnisse zu gewinnen. Welche Analysekonzepte stehen hinter dieser Big-Data-Diskussion? Im Grunde sind mit dem Einsatz von Hochdurchsatztechnologien in der molekularen Forschung in der Rheumatologie schon seit ca. 15 Jahren Big Data vorhanden und Analysen in Entwicklung bzw. im Gebrauch. Hierzu gehoren insbesondere die Omics-Technologien, wie z. B. Genomics, Transcriptomics oder Cytomics. Einige Basismethoden der Datenanalyse werden mit der Technologie geliefert. Dagegen mussen fur die funktionelle Auswertung und Interpretation Softwarelosungen entwickelt bzw. an die Fragestellungen angepasst werden. Dabei sind die Strukturierung und Auswertung nach biologischen Zusammenhangen enorm wichtig und kein alleiniges mathematisches Problem. Dieser Aspekt muss bei molekularen Big Data noch weit mehr berucksichtigt werden als z. B. bei Big Data aus Gesundheitsokonomie und Epidemiologie. Molekulare Daten sind durch die Technologie der Erhebung in sich strukturiert und folgen in ihrer quantitativen Auspragung biologischen Gesetzmasigkeiten. Diese Zusammenhange mussen in Softwarelosungen abgebildet werden, zum Teil auch durch die Vernetzung zwischen molekularen Big Data der gleichen oder auch unterschiedlichen Technologien, um technologieubergreifende Bestatigung zu erzielen. Mit immer umfangreicherer Erfassung molekularer Vorgange in individuellen Patienten entstehen Big Data auch personenbezogen und stellen neue Anforderungen an die Bearbeitung, um datengetriebene individualisierte Losungskonzepte zu entwickeln. Damit sind fur die Umsetzung von Informationen aus Big Data im molekularen Bereich auch neue Anforderungen an Ausbildung und Berufskompetenzen zu erwarten.