Katalog działań realizowanych przez Centrum
1. Zarządzanie danymi badawczymi
- Projektowanie i utrzymanie hurtowni danych (Data Warehouse / Data Lake House) dla danych klinicznych, obrazowych i omicznych
- Nadawanie identyfikatorów trwałych (PID) i standaryzacja metadanych zgodnie z zasadami FAIR i HL7 FHIR
- Zarządzanie cyklem życia danych badawczych — od zbierania, przez przechowywanie, po archiwizację
- Bezpieczne przesyłanie dużych plików i zbiorów danych między instytucjami
2. Anonimizacja i ochrona danych
- Anonimizacja i pseudonimizacja danych medycznych zgodnie z RODO i wytycznymi EDPB
- Automatyczne usuwanie danych osobowych z tekstów wolnych (opisów klinicznych) z wykorzystaniem NLP/NER
- Generowanie danych syntetycznych do celów badawczych i testowych
- Wsparcie prawne i etyczne w zakresie zgód, dokumentacji oraz kontaktu z komisjami bioetycznymi
- Kodowanie próbek i zachowanie poufności danych powiązanych z materiałem biologicznym
3. Wsparcie analityczne i AI
- Analiza danych wielomodalnych (dane kliniczne, obrazowe, sekwencyjne) przy użyciu AI i uczenia maszynowego
- Budowa narzędzi wspierających decyzje kliniczne na bazie sztucznej inteligencji
- Automatyczna ekstrakcja zmiennych i klasyfikacja tekstów medycznych (NLP)
- Analizy typu genome-wide association, RNA sequencing, single-cell sequencing
- Wsparcie metodologiczne i statystyczne dla projektów badawczych oraz wniosków grantowych
4. Współpraca z biobankiem
- Pobieranie, izolacja i przechowywanie materiału biologicznego (krew, tkanki, płyny biologiczne)
- Ekstrakcja DNA/RNA oraz przygotowanie próbek do dalszych analiz, w tym sekwencjonowania genomowego (WGS)
- Monitorowanie warunków przechowywania i zapewnienie identyfikowalności próbek
- Tworzenie i zarządzanie nowymi kolekcjami próbek na potrzeby konkretnych projektów badawczych
- Krajowa i międzynarodowa wysyłka próbek oraz wymiana danych z innymi biobankami na podstawie umów MTA i DTA
5. Katalogowanie i udostępnianie zasobów
- Prowadzenie katalogu zbiorów danych, kohort i kolekcji biobankowych dostępnych dla badaczy
- Portal zgłoszeniowy umożliwiający zamawianie próbek, obrazów i danych przez jedno okno kontaktowe
- Integracja z międzynarodowymi katalogami i sieciami
6. Rozwój badaczy i promocja nauki
- Szkolenia i warsztaty z zakresu zarządzania danymi, narzędzi analitycznych i zasad etycznych
- Doradztwo w zakresie wniosków grantowych i oceny wykonalności projektów danych
- Wsparcie publikacyjne — repozytoria, bibliografia, promocja wyników badań
- Udostępnianie infrastruktury obliczeniowej (cloud, storage) dla zespołów badawczych
Data Marty i OMOP CDM
Data Marty w standardzie OMOP CDM
Interdyscyplinarne Pomorskie Centrum Medycyny Cyfrowej przygotowuje dla badaczy dedykowane Data Marty oparte na standardzie OMOP CDM — gotowe, uporządkowane zestawy danych, na których można od razu prowadzić analizy.
Czym jest Data Mart? Data Mart to wydzielony, tematyczny zbiór danych przygotowany pod konkretny obszar analiz lub grupę odbiorców. W odróżnieniu od pełnej hurtowni danych, która gromadzi wszystko, Data Mart zawiera wyselekcjonowany, oczyszczony i odpowiednio ustrukturyzowany wycinek — dzięki czemu badacz otrzymuje dane w formie od razu gotowej do pracy, bez potrzeby ich żmudnego przygotowywania.
Czym jest OMOP CDM? OMOP CDM (Observational Medical Outcomes Partnership Common Data Model) to międzynarodowy, otwarty standard organizacji danych medycznych, rozwijany przez społeczność OHDSI (Observational Health Data Sciences and Informatics). Sprowadza dane z różnych systemów źródłowych do jednej, wspólnej struktury tabel oraz ujednoliconych słowników medycznych (m.in. SNOMED CT, LOINC, RxNorm, ICD). Innymi słowy — niezależnie od tego, skąd pochodzą dane, w modelu OMOP wyglądają i „mówią” tak samo.
Zalety OMOP jako modelu analitycznego:
- Standaryzacja i interoperacyjność — dane z różnych źródeł opisane są w jednolity sposób, co ułatwia ich łączenie i porównywanie.
- Powtarzalność badań — analizy napisane raz można uruchomić na dowolnym zbiorze zgodnym z OMOP, także w innych ośrodkach.
- Badania wieloośrodkowe i federacyjne — ten sam kod analityczny działa w wielu instytucjach bez udostępniania surowych danych pacjentów.
- Wspólne słowniki — spójne mapowanie pojęć klinicznych eliminuje niejednoznaczności i błędy interpretacyjne.
- Dojrzały ekosystem narzędzi — wokół standardu istnieje bogaty zestaw gotowych, otwartych narzędzi analitycznych.
Narzędzia wspierające pracę z OMOP. Wokół standardu rozwinął się szeroki ekosystem bibliotek i aplikacji — przede wszystkim społeczności OHDSI. Do najważniejszych należą:
- Achilles oraz Data Quality Dashboard (DQD) — narzędzia do charakteryzacji zbioru i kontroli jakości danych.
- HADES — zestaw pakietów R (m.in. DatabaseConnector, SqlRender, FeatureExtraction, CohortGenerator, CohortMethod, PatientLevelPrediction) do zaawansowanych analiz, w tym epidemiologicznych i predykcyjnych.
- Narzędzia dla Pythona — dostęp do danych OMOP możliwy jest również z poziomu Pythona (np. biblioteka inspectomop do zapytań na modelu, w połączeniu ze standardowymi bibliotekami data science).
IPCMC oferuje badaczom wsparcie w korzystaniu z tych narzędzi — od konfiguracji i pierwszych kroków, przez budowę kohort i analiz, po zaawansowane obliczenia.
Współpraca z narzędziem Leaf. Standard OMOP dobrze współpracuje z naszym rozwiązaniem do samodzielnego budowania kohort — Leaf. Dzięki temu badacze mogą najpierw interaktywnie, „klikając”, zdefiniować i oszacować interesującą ich grupę pacjentów w Leaf, a następnie prowadzić na danych OMOP pogłębione analizy z użyciem opisanych wyżej narzędzi.
Niestandardowe zestawy danych. Poza Data Martami w standardzie OMOP przygotowujemy również niestandardowe zestawy danych, dopasowane do specyficznych potrzeb konkretnego projektu badawczego. W takim przypadku prosimy o bezpośredni kontakt z Centrum — wspólnie ustalimy zakres, strukturę i sposób przygotowania danych.
Więcej o standardzie: ohdsi.github.io/CommonDataModel
ATLAS
ATLAS — webowa platforma do definiowania kohort, analiz charakterystyk populacji i budowy badań bez pisania kodu.
Anonimizacja danych
Interdyscyplinarne Pomorskie Centrum Medycyny Cyfrowej opracowało autorski anonimizator tekstów klinicznych — narzędzie, które umożliwia bezpieczne udostępnianie danych medycznych do badań naukowych przy jednoczesnym pełnym zabezpieczeniu prywatności pacjentów. Rozwiązanie jest wykorzystywane w samym Centrum, a także zostało wdrożone w Uniwersyteckim Centrum Klinicznym (UCK).
Dlaczego anonimizacja jest tak ważna? Dokumentacja medyczna należy do najbardziej wrażliwych kategorii danych osobowych. Prawo pacjenta do prywatności oraz wymogi prawne — przede wszystkim RODO i przepisy o ochronie danych medycznych — nakładają na placówki ścisłe obowiązki w zakresie ochrony tych informacji. Równocześnie to właśnie rzeczywiste dane pacjentów stanowią bezcenny materiał dla nauki: bez nich nie sposób prowadzić badań, które prowadzą do lepszej diagnostyki, skuteczniejszych terapii i rozwoju medycyny. Powstaje więc napięcie między dwiema uzasadnionymi potrzebami — ochroną prywatności i postępem badań naukowych.
Nasz anonimizator rozwiązuje ten dylemat: pozwala udostępniać badaczom cenne dane kliniczne, jednocześnie całkowicie je anonimizując — tak, aby na ich podstawie nie można było zidentyfikować konkretnego pacjenta.
Jak to działa? Sercem rozwiązania jest szeregowe (kaskadowe) połączenie kilku uzupełniających się technologii:
- dedykowanych modeli NER (Named Entity Recognition), rozpoznających w tekście dane wrażliwe, takie jak imiona i nazwiska, daty, adresy czy identyfikatory,
- dużych modeli językowych (LLM), radzących sobie z bardziej złożonymi, kontekstowymi i nieoczywistymi przypadkami,
- metod regułowych, precyzyjnie wychwytujących dane o przewidywalnej strukturze (np. numery PESEL, sygnatury, kody).
Takie połączenie warstw pozwala na optymalizację i zniuansowanie działania anonimizatora — każdy komponent nadrabia ograniczenia pozostałych, dzięki czemu narzędzie jest zarazem dokładne i odporne na różnorodność rzeczywistych tekstów klinicznych.
Skuteczność potwierdzona w praktyce. W testach przeprowadzonych wspólnie z UCK, na próbie blisko 1,5 tys. tekstów klinicznych, anonimizator osiągnął 100% skuteczności w zakresie ochrony danych pacjentów.
Co dalej? Nasz zespół pracuje obecnie nad rozszerzeniem tej technologii o anonimizację danych obrazowych — kolejny krok w kierunku bezpiecznego udostępniania pełnego spektrum danych medycznych dla nauki.
Jupyter Hub
JupyterHub to otwarte, darmowe narzędzie, które udostępnia moc interaktywnych notatników (Jupyter Notebook / JupyterLab) całym grupom użytkowników. Zamiast instalować i utrzymywać środowisko obliczeniowe samodzielnie na własnym komputerze, użytkownik — badacz, student czy analityk danych — otrzymuje dostęp do gotowego, współdzielonego środowiska pracy w przeglądarce, które jest centralnie zarządzane przez administratorów systemu. JupyterHub może działać zarówno w chmurze, jak i na infrastrukturze lokalnej instytucji, udostępniając skonfigurowane wcześniej środowisko do analizy danych każdemu upoważnionemu użytkownikowi.
Grupa docelowa i przykłady zastosowań
JupyterHub jest dostosowany do potrzeb badaczy, analityków danych, doktorantów i studentów, a także zespołów, które potrzebują wspólnego, kontrolowanego środowiska obliczeniowego.
- Wspólne środowisko badawcze: zespół badawczy pracuje w tym samym, ustandaryzowanym środowisku analitycznym (te same wersje bibliotek i narzędzi), bez konieczności konfigurowania go osobno na każdym komputerze.
- Zajęcia i szkolenia dydaktyczne: prowadzący udostępnia studentom lub uczestnikom szkolenia gotowe środowisko z odpowiednim zestawem narzędzi, bez potrzeby instalacji czegokolwiek na ich własnych urządzeniach.
- Kontrolowany dostęp do zasobów obliczeniowych: użytkownicy mogą korzystać z zasobów, które trudno byłoby zapewnić na własnym sprzęcie (np. większa moc obliczeniowa, dostęp do GPU, specjalistyczne dane), przy zachowaniu pełnej kontroli administracyjnej nad środowiskiem.
- Reprodukowalna analiza danych: praca w jednolitym, wersjonowanym środowisku ułatwia odtworzenie wyników analizy przez innych członków zespołu.
Podstawowa architektura techniczna
JupyterHub pełni rolę centralnego elementu obsługującego logowanie wielu użytkowników. Sam Hub odpowiada głównie za uwierzytelnianie oraz uruchamianie („spawnowanie") indywidualnego, odizolowanego serwera Jupyter dla każdego użytkownika — właściwa praca analityczna odbywa się już na tym pojedynczym, przypisanym do użytkownika serwerze, a nie bezpośrednio w samym Hubie.
- Elastyczność uruchomieniowa: JupyterHub można wdrożyć w chmurze, na maszynie wirtualnej, na własnym serwerze instytucji lub w klastrze Kubernetes.
- Wiele interfejsów i języków: obsługuje dziesiątki tzw. kerneli (środowisk wykonawczych języków programowania, m.in. Python, R, Julia) oraz różne interfejsy użytkownika — Jupyter Notebook, JupyterLab, RStudio i inne.
- Skalowalność: dzięki wsparciu dla kontenerów i Kubernetesa JupyterHub może obsłużyć zarówno niewielki zespół badawczy, jak i instalacje liczące dziesiątki tysięcy użytkowników.
Społeczność Jupyter udostępnia dwie gotowe „dystrybucje” ułatwiające wdrożenie JupyterHub: Zero to JupyterHub for Kubernetes (link otworzy się w nowej karcie), przeznaczoną do większych, skalowalnych instalacji opartych na Kubernetesie, oraz The Littlest JupyterHub (link otworzy się w nowej karcie) — lekkie rozwiązanie do instalacji na pojedynczej maszynie wirtualnej, dobrze sprawdzające się przy mniejszych wdrożeniach.
Kluczowe funkcje i możliwości
- Konfigurowalność: możliwość dostosowania środowiska do potrzeb konkretnego zespołu — wyboru języków, bibliotek i interfejsu pracy.
- Elastyczne uwierzytelnianie: dostęp do systemu można ograniczyć do wybranej grupy użytkowników; uwierzytelnianie jest modułowe i obsługuje różne metody logowania (np. OAuth, konto instytucjonalne, GitHub).
- Izolacja pracy użytkowników: każdy użytkownik pracuje we własnym, oddzielonym środowisku (workspace), które nie wpływa na pracę pozostałych osób korzystających z tego samego Huba.
- Otwartość i przenośność: JupyterHub jest w pełni otwartoźródłowy i może zostać uruchomiony na dowolnej infrastrukturze — od komercyjnych dostawców chmury, przez maszyny wirtualne, po lokalny sprzęt instytucji.
Bezpieczeństwo i model dostępu
JupyterHub został zaprojektowany z myślą o obsłudze umiarkowanie zaufanych grup użytkowników (np. zespołu badawczego czy uczestników kursu), którzy pracują we własnych, odizolowanych środowiskach na wspólnej infrastrukturze. Administratorzy systemu mogą dodatkowo wzmocnić izolację użytkowników względem siebie oraz zabezpieczyć komunikację wewnętrzną między poszczególnymi komponentami — szczegółowe wytyczne dotyczące konfiguracji bezpieczeństwa znajdują się w oficjalnej dokumentacji technicznej.
Dostęp i dokumentacja techniczna
- Repozytorium open source: kod źródłowy JupyterHub dostępny jest na GitHubie pod adresem github.com/jupyterhub/jupyterhub (link otworzy się w nowej karcie).
- Dokumentacja techniczna: pełny opis konfiguracji, wdrażania i architektury JupyterHub dostępny jest pod adresem jupyterhub.readthedocs.io (link otworzy się w nowej karcie).
- Wdrożenie w Kubernetes: przewodnik „Zero to JupyterHub for Kubernetes” dostępny jest pod adresem z2jh.jupyter.org (link otworzy się w nowej karcie).
- Lekkie wdrożenie na pojedynczej maszynie: przewodnik „The Littlest JupyterHub” dostępny jest pod adresem tljh.jupyter.org (link otworzy się w nowej karcie).
Społeczność Project Jupyter
JupyterHub jest rozwijany w ramach otwartego, non-profitowego projektu Project Jupyter, tworzonego i utrzymywanego przez międzynarodową społeczność programistów, badaczy i instytucji akademickich na całym świecie.
PLGrid i HPC
PLGrid i HPC — obliczenia dużej mocy dla badaczy
Interdyscyplinarne Pomorskie Centrum Medycyny Cyfrowej, we współpracy z ACK Cyfronet AGH, oferuje badaczom dostęp do infrastruktury obliczeniowej PLGrid.
Czym jest HPC? HPC (ang. High Performance Computing, obliczenia wielkiej skali) to wykorzystanie potężnych systemów obliczeniowych — superkomputerów łączących tysiące procesorów i kart graficznych (GPU) — do zadań, które przekraczają możliwości zwykłego komputera. Pozwala wykonywać w kilka godzin obliczenia, które na laptopie trwałyby tygodnie lub byłyby wręcz niewykonalne.
Czym jest PLGrid? PLGrid to ogólnopolska infrastruktura obliczeniowa dla nauki, udostępniająca środowisku badawczemu moc obliczeniową, przestrzeń dyskową oraz specjalistyczne oprogramowanie. Jej zasoby utrzymuje m.in. ACK Cyfronet AGH w Krakowie, operator jednego z najszybszych superkomputerów w Polsce. Dostęp do PLGrid jest bezpłatny dla naukowców i realizowany w ramach tzw. grantów obliczeniowych.
Do czego może służyć badaczom? Infrastruktura HPC sprawdza się wszędzie tam, gdzie pojawiają się duże zbiory danych lub złożone obliczenia — w medycynie cyfrowej są to m.in.:
- trenowanie modeli sztucznej inteligencji i uczenia maszynowego (np. analiza obrazów medycznych),
- analiza danych genomowych i sekwencjonowania (NGS),
- przetwarzanie dużych zbiorów danych klinicznych,
- symulacje i modelowanie procesów biologicznych,
- obliczenia statystyczne na dużą skalę.
Jak pomagamy? IPCMC wspiera badaczy na każdym etapie korzystania z infrastruktury PLGrid:
- pomoc w założeniu projektu obliczeniowego i uzyskaniu dostępu do grantu,
- przygotowanie danych do obliczeń w środowisku HPC,
- wsparcie w wykonaniu obliczeń — od konfiguracji zadań po ich uruchomienie i optymalizację.
Dzięki temu badacze mogą skupić się na swoich pytaniach naukowych, a formalne i techniczne aspekty pracy z superkomputerem biorą na siebie specjaliści Centrum.