Das R-Paket zur einfachen und schnellen Erstellung interaktiver Web-Anwendungen ist in vielen Organisationen im Gesundheitswesen gesetzt – Tendenz steigend. Die Basis dafür ist natürlich die enge Verbundenheit des Themas Data Analytics in dieser Branche mit der Programmiersprache R. Ausgehend von Robert Gentlemen, Bioinformatiker und einer der Initiatoren von R, und seinem Bioconductor-Projekt bietet R ein enorm umfangreiches Methodenset für die Forschung und Entwicklung in den Branchen Pharma und Healthcare.

Die Vorteile von Shiny in der Forschung und Entwicklung

Basierend auf der Symbiose mit R bietet Shiny viele Vorteile – für Entwickler und Konsumenten von Datenanalysen gleichermaßen.

• Hoher Interaktionsgrad mit Daten & Visualisierungen: Shiny Apps ermöglichen die leichte Exploration von Laborergebnissen oder Studien und fördern damit die Geschwindigkeit und Qualität in der Forschung und Entwicklung.
  
• Standardisierter, zentraler Zugriffspunkt für die Daten: Shiny Apps sind verbindende Elemente. Statt „lokaler“ Tools und schwer reproduzierbaren Individualanalysen fördern sie das gemeinsame Verständnis für die Daten und schaffen eine bessere Entscheidungsgrundlage.
• Einfache Bereitstellung der Daten: Die Forschung und Entwicklung lebt vom Erkenntnisgewinn. Mit Shiny können Daten und Analysen einer viel breiteren Zielgruppe zur bereitgestellt werden – anwenderfreundlich als Web-Applikation und ohne, dass die Anwender technische Voraussetzungen erfüllen müssen.
  
• Anbindung an andere Systeme: R ermöglicht den Anschluss von anderen Systemen, wie zum Beispiel Laborsystemen oder öffentlichen Web-APIs, an die Shiny-Applikationen. Dies ermöglicht es, die eigenen Daten einfach und schnell mit externen Daten zu kombinieren und somit neue Erkenntnisse zu generieren. Außerdem lassen sich die Schnittstellen auch nutzen, um eigene Ergebnisse an die Laborsysteme zu übergeben.
  
• Open-Source-Ökosystem: Als Open-Source-Lösungen stehen R und Shiny für umfangreiche Toolsammlungen, wie zum Beispiel für Datenvisualisierung, Statistik, oder Konnektivität. Die sinnvollen Hilfestellungen reichen von bereits entwickelten Shiny Apps, auf denen aufgesetzt werden kann, bis hin zu den 20.000 Erweiterungspaketen.

Einsatzszenarien von Shiny im Gesundheitswesen

So vielfältig wie das Methodenset von R sind auch die Anwendungsbeispiele von Shiny im Gesundheitswesen. Wir als eoda unterstützen aktuell Kunden bei Shiny-App-Entwicklungen zu beispielsweise folgenden Themen:

• Visualisierung der Effektivität dermatologischer Wirkstoffe: Darstellung von Messwerten und der Wechselwirkung chemischer Inhaltsstoffe auf der Haut
  
• Suchmaschine für mikrobielle Belastung: Entwicklung einer interaktiven App zur Identifikation verschiedener Mikroorganismen und zur Ermittlung ihrer Häufigkeit
  
• Darstellung und Auswertung von Studien bzgl. bestimmter Erkrankungen: Entwicklung einer intuitiven App zur Darstellung von Studienergebnissen

Unser Partner und Shiny-Entwickler Posit (ehemals RStudio) stellt auf seinem Blog ebenfalls Praxisbeispiele für Shiny Apps im Gesundheitswesen vor – von der einfacheren Personalplanung in Impfkliniken und -zentren bis zur interaktiven Analysen von Daten aus klinischen Studien.

Wie Shiny die Bereitstellung von Daten und Ergebnissen revolutioniert, betont Andy Nicholls, Head of Statistical Data Sciences beim Pharmaunternehmen GSK:

„I think the possibility now with open source and particularly something like R, where you’ve got a tool like Shiny, is you can start to deliver that submission in a different way. I think we’ll be sharing the data directly with the regulators in the future, we’ll be worried less about how we format that and get it to look really nice on a piece of paper.“

Wenn Datenwissenschaftler zum Beispiel prädiktive Analysen in eng getaktete klinische Arbeitsabläufe einbringen wollen, bei denen Ärzte, Krankenschwestern, Wissenschaftler und Verwaltungsangestellte in kürzester Zeit Entscheidungen treffen müssen, braucht es das passende Tool zur Informationsaufnahme und -bearbeitung.

Deswegen ist Shiny der Wissensmultiplikator im Gesundheitswesen.