Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Institut für Medizinische Informatik, Statistik und Epidemiologie Vernetzte Forschung in der Medizin Ein Metadata Repository für Items in klinischen, epidemiologischen.

Ähnliche Präsentationen


Präsentation zum Thema: "Institut für Medizinische Informatik, Statistik und Epidemiologie Vernetzte Forschung in der Medizin Ein Metadata Repository für Items in klinischen, epidemiologischen."—  Präsentation transkript:

1 Institut für Medizinische Informatik, Statistik und Epidemiologie Vernetzte Forschung in der Medizin Ein Metadata Repository für Items in klinischen, epidemiologischen und Register-Studien Matthias Löbe

2 Institut für Medizinische Informatik, Statistik und Epidemiologie Inhaltsübersicht 1.Folksonomy Tagging Kollaboration 2.Content Syndizierung Microformats Lizenzen 3.Applications Ajax Mashups Web-APIs Architekturen Einleitung

3 Institut für Medizinische Informatik, Statistik und Epidemiologie Was ist das Web2.0? Einleitung

4 Institut für Medizinische Informatik, Statistik und Epidemiologie Einleitung GebietWeb1.0Web2.0 Persönliche SeiteHomepageBlog Websitemanagemen t CMSWiki StrukturHTMLMicroformats InhaltsverbreitungNewsletterRSS DynamikAppletsAjax MehrwertPortaleMashups NutzerorganisationHierarchieCommunity KlassifizierungTaxonomieTagging Web1.0 >> Web2.0

5 Institut für Medizinische Informatik, Statistik und Epidemiologie Soziale Software Folksonomy ist zusammengesetzt aus folk und taxonomy Idee: Kontexterschließung durch gemeinschaftliches Indizieren (collaborative tagging) Informationselemente werden mit Tags (Labels, Attribute,...) versehen Im Gegensatz zu traditioneller Verschlagwortung: –Kein fester Schlagwortsatz –Keine Hierarchie –Keine Fachexperten oder Qualitätssicherung Zurzeit nur ein Trend, Vorteile sind wissenschaftlich nicht nachgewiesen Folksonomy - 1

6 Institut für Medizinische Informatik, Statistik und Epidemiologie Bookmarkverwaltung: del.icio.us Folksonomy – 2

7 Institut für Medizinische Informatik, Statistik und Epidemiologie Verzeichnisse: Open Directory Project Folksonomy – 3

8 Institut für Medizinische Informatik, Statistik und Epidemiologie Homepages: Weblogs (Blogs) Folksonomy – 4

9 Institut für Medizinische Informatik, Statistik und Epidemiologie Suchmaschinen: Technorati Folksonomy - 5

10 Institut für Medizinische Informatik, Statistik und Epidemiologie Wikis: Wikipedia Folksonomy - 6

11 Institut für Medizinische Informatik, Statistik und Epidemiologie Typen von Wikis Folksonomy - 7

12 Institut für Medizinische Informatik, Statistik und Epidemiologie Fotos: FlickR Folksonomy - 8

13 Institut für Medizinische Informatik, Statistik und Epidemiologie Webseiten: Co-Op Folksonomy - 9

14 Institut für Medizinische Informatik, Statistik und Epidemiologie Publikationen: CiteULike Folksonomy - 10

15 Institut für Medizinische Informatik, Statistik und Epidemiologie Weitere Beispiele Videos (YouTube.com) Community (MySpace.com) Nachrichten (digg.com) Bücher (Amazon.de) Artikel (eBay.de) Folksonomy - 11

16 Institut für Medizinische Informatik, Statistik und Epidemiologie Really Simple Syndication (RSS) Wirklich einfache Verbreitung Erzeugt Kurzzusammenfassungen des Inhalts einer Website, die sich abonnieren lassen Verschiedene Standards, leicht inkompatibel (RSS0.92, RSS1.0, RSS2.0, ATOM) Unterstützung durch moderne Webbrowser und Mailclients Nahezu alle Folksonomy-Anwendungen exportieren / verwerten RSS-Feeds Syndizierung - 1

17 Institut für Medizinische Informatik, Statistik und Epidemiologie RSS-Aufbau Syndizierung - 2

18 Institut für Medizinische Informatik, Statistik und Epidemiologie RSS-Anwendung Syndizierung - 3

19 Institut für Medizinische Informatik, Statistik und Epidemiologie Was sind Mikroformate? Microformats - 1

20 Institut für Medizinische Informatik, Statistik und Epidemiologie Designprinzipien Entwickelt primär für Menschen, sekundär für Maschinen –Nützlich für den menschlichen Anwender –Nützlich für Suchmaschinen Dont Repeat Yourself –Metadaten werden nicht vom Inhalt getrennt Beispiel ohne semantisches Markup: Am 11. September 2006 von 13:00 Uhr-17:00 Uhr findet das Tutorium "Im WWW nichts Neues? - Web2.0" im Haus 3, Raum 03 statt, gehalten von Matthias L ö be vom IMISE Leipzig. Microformats - 2

21 Institut für Medizinische Informatik, Statistik und Epidemiologie Beispiel mit semantischem Markup (I) Benutzung der Mikroformate hCal und hCard: Am 11. September 2006 von 13:00 Uhr-17:00 Uhr findet das Tutorium Im WWW nichts Neues? - Web2.0 im Haus 3, Raum 03 statt, gehalten von Matthias L ö be vom IMISE Leipzig. Microformats - 3

22 Institut für Medizinische Informatik, Statistik und Epidemiologie Beispiel mit semantischem Markup (II) 11. September :00 Uhr - 17:00 Uhr Im WWW nichts Neues? - Web2.0 Haus 3, Raum 03 Ein Tutorium ü ber neue Trends im WWW gehalten von Matthias L ö be IMISE ( Leipzig ) Microformats - 4

23 Institut für Medizinische Informatik, Statistik und Epidemiologie Beispiel mit semantischem Markup (III) Microformats - 5

24 Institut für Medizinische Informatik, Statistik und Epidemiologie Creative Commons (CC) Lizenzen für: –Texte –Bilder –Musik –Videos Hintergrund: Unsicherheit über dem Umfang des Verzichts bei Freigabe eines Werks –Weitere Verbreitung durch Freigabe –Wichtige Rechte können eingeschränkt werden Lizenzen - 1

25 Institut für Medizinische Informatik, Statistik und Epidemiologie 4 Säulen der CC 1.Namensnennung 2.Keine Kommerzielle Nutzung 3.Keine Bearbeitung 4.Weitergabe unter gleichen Bedingungen Lizenzen - 2

26 Institut für Medizinische Informatik, Statistik und Epidemiologie 6 Lizenzmodelle (Version 2.5) Lizenzen - 3 byNamensnennung by-saNamensnennung – Weitergabe unter gleichen Bedingungen by-ndNamensnennung – Keine Bearbeitung by-ncNamensnennung – Nicht-Kommerziell by-nc- sa Namensnennung – Nicht-Kommerziell – Weitergabe unter gleichen Bedingungen by-nc- nd Namensnennung – Nicht-Kommerziell – Keine-Bearbeitung

27 Institut für Medizinische Informatik, Statistik und Epidemiologie Science Commons Schutzmechanismen für Rohdaten Lizenzen für Zweitverwertungen, Vorabdrucke oder Nachdrucke Mechanismen für die persönlichen Archive der Wissenschaftler Rechtliche Implikationen von Open-Access-Modellen Verwendung maschinenlesbarer Lizenzen Lizenzen - 4

28 Institut für Medizinische Informatik, Statistik und Epidemiologie Open Access Wissenschaftliche Literatur und Materialien sollen –Kostenlos –Ohne Lizenzbeschränkungen abrufbar sein Öffentliche finanzierte Autoren und Gutachter sollen freie Ergebnisse liefern Budapest Open Access Initiative (2001) bzw. Berliner Erklärung (2003) –Grundsatzerklärung –Einbeziehung des kulturellen Erbes Lizenzen - 5

29 Institut für Medizinische Informatik, Statistik und Epidemiologie Archivierungspflicht Gesetz über die deutsche Nationalbibliothek ( ) Langzeitarchivierungspflicht für alle Webinhalte –Texte, Bilder, Töne –Ablieferungspflicht innerhalb 1 Woche –Ablieferungspflichtiger Sitz in Deutschland –Auf eigene Kosten Infrastruktur unklar Anmeldekennung für jede Lieferung Lizenzen - 6

30 Institut für Medizinische Informatik, Statistik und Epidemiologie Gadgets, Widgets, whatever Look&Feel - 1

31 Institut für Medizinische Informatik, Statistik und Epidemiologie Ajax Asynchronous Javascript and XML –Funktionsweise –Vorteile –Nachteile Look&Feel - 2

32 Institut für Medizinische Informatik, Statistik und Epidemiologie Ajax-APIs Look&Feel - 3 Bibliotheken (javascriptbasiert, nur Client) –Prototype –Dojo –Script.aculo.us Frameworks (alle Programmiersprachen, Client und Server) –Google Web Toolkit –DWR

33 Institut für Medizinische Informatik, Statistik und Epidemiologie Textverarbeitung Look&Feel - 4

34 Institut für Medizinische Informatik, Statistik und Epidemiologie Tabellenkalkulation Look&Feel - 5

35 Institut für Medizinische Informatik, Statistik und Epidemiologie Betriebssysteme Look&Feel - 6

36 Institut für Medizinische Informatik, Statistik und Epidemiologie Mashup Mashup - 1 Verknüpfung unterschiedlicher externer Datenquellen Veredlung, d.h. es entsteht ein Mehrwert für den Nutzer durch deren Kombination Bauen auf offenen Programmierschnittstellen auf

37 Institut für Medizinische Informatik, Statistik und Epidemiologie Wichtige APIs Mashup - 2 Google Maps FlickR Amazon A3 Yahoo Maps del.icio.us eBay YouTube Google Search

38 Institut für Medizinische Informatik, Statistik und Epidemiologie Beispiel: diggdot.us Mashup - 3

39 Institut für Medizinische Informatik, Statistik und Epidemiologie Beispiel KML-Studienzentren Mashup - 4

40 Institut für Medizinische Informatik, Statistik und Epidemiologie Protokolle, Architekturen und Serialisierungen Unterstützung beliebiger Programmiersprachen Unterstützung beliebiger Betriebssysteme Kommunikation nur über Port 80 Keine Binärformate Protokolle - 1

41 Institut für Medizinische Informatik, Statistik und Epidemiologie Protokolle: SOAP SOAP ist das Basisprotokoll für Web Services –XML als Repräsentationssprache tut-06 Protokolle - 2

42 Institut für Medizinische Informatik, Statistik und Epidemiologie Protokolle: XML-RPC XML Remote Procedure Call gmds.getTutorialName 06 Protokolle - 3

43 Institut für Medizinische Informatik, Statistik und Epidemiologie Architektur: REST Respresentational State Transfer = Übertragung der Darstellung eines Zustands REST verwendet in der Modellierung Substantive, SOAP/RPC dagegen Verben GET HTTP/1.1 Protokolle - 4

44 Institut für Medizinische Informatik, Statistik und Epidemiologie Serialisierungen: JSON JSON: JavaScript Object Notation –Kompakte Kodierung von Datenstrukturen, geringer Overhead –Gutes Unmarshalling in Javascript { "Person": { "Name": "L ö be", "Vorname": "Matthias", "Titel": null "Alter": 31, "Interessen": [ "Ajax", "Mashup", "Tagging" ], } Protokolle - 5

45 Institut für Medizinische Informatik, Statistik und Epidemiologie Serialisierungen: YAML YAML: Ain't Markup Language –Kompakte Kodierung von Datenstrukturen, geringer Overhead –Keine Datentypen --- Person: Name: L ö be Vorname: Matthias Titel: null Alter: 31 Interessen: - Ajax - Mashup - Tagging Protokolle - 6

46 Institut für Medizinische Informatik, Statistik und Epidemiologie Web2.0 Das Web2.0 macht wenig neu, aber vieles anders: 1.Content wird von der Community produziert –Als Qualitätsmerkmal gilt seine Reichweite –Sein Kontext erschließt sich durch Tags –Seine Struktur wird semantisch angereichert –Er steht unter freien Lizenzen zur Verfügung 2.Web-Applikationen werden benutzerfreundlich –Komfortabel wie Desktopprogramme –Verzögerungsfreies Arbeiten –Angereichert durch Zusatzdienste Zusammenfassung

47 Institut für Medizinische Informatik, Statistik und Epidemiologie Inhalt Die Vision des Semantic Web Grundlegende Technologien Praktische Anwendungen Einsatzszenarien in der Medizin

48 Institut für Medizinische Informatik, Statistik und Epidemiologie Inhalt Die Vision des Semantic Web Grundlegende Technologien Praktische Anwendungen Einsatzszenarien in der Medizin

49 Institut für Medizinische Informatik, Statistik und Epidemiologie Das World Wide Web bisher Was wir haben Eine Vielzahl von Dokumenten, Inhalten und Daten Sprachen zur Darstellung von Inhalten (HTML, CSS...) Werkzeuge für die Nutzung (Webbrowser, Suchmaschinen...) Anwendungsfälle (Information, Bildung, Unterhaltung, E- Commerce, Organisation, Kommunikation...) Was wir nicht haben Ein echtes Zusammenspiel der informationsverarbeitenden Systeme Was wir brauchen Semantik

50 Institut für Medizinische Informatik, Statistik und Epidemiologie Semantik? Bezeichnet die exakte Bedeutung von Sprachen unter Zuhilfenahme formaler, logisch-mathematischer Methoden. In Abgrenzung zur Semantik in Philosophie und Linguistik als formale Semantik bezeichnet. Ziel ist es, dass Computersysteme Inhalte nicht nur bereitstellen (Webserver), transportieren (Internet) und präsentieren (Webbrowser), sondern auch verstehen. Zumindest soweit verstehen, dass die bereitgestellten Daten in nutzbringender Weise miteinander in Verbindung gebracht werden können.

51 Institut für Medizinische Informatik, Statistik und Epidemiologie Ein visionäres Beispiel At the doctor's office, Lucy instructed her Semantic Web agent through her handheld Web browser. The agent promptly retrieved information about Mom's prescribed treatment from the doctor's agent, looked up several lists of providers, and checked for the ones in-plan for Mom's insurance within a 20-mile radius of her home and with a rating of excellent or very good on trusted rating services. It then began trying to find a match between available appointment times and Pete's and Lucy's busy schedules. In a few minutes the agent presented them with a plan. Pete didn't like itUniversity Hospital was all the way across town from Mom's place, and he'd be driving back in the middle of rush hour. He set his own agent to redo the search with stricter preferences about location and time. Lucy's agent, having complete trust in Pete's agent in the context of the present task, automatically assisted by supplying access certificates and shortcuts to the data it had already sorted through. Quelle: Tim Berners-Lee, James Hendler und Ora Lassila: The Semantic Web - A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities, Scientific American, May 17, 2001

52 Institut für Medizinische Informatik, Statistik und Epidemiologie Ein paar praktische Beispiele Zusammenstellen von Nachrichten-Schlagzeilen aus verschiedenen Quellen und Filterung nach vorgegebenen Kategorien Präsentation persönlicher Kontaktinformationen auf verschiedenen Websites und zugleich im Adressbuch des -Clients, der Terminverwaltung und im PDA Import von Terminen aus verschiedenen Quellen per Drag&Drop aus dem Webbrowser in die persönliche Terminverwaltung

53 Institut für Medizinische Informatik, Statistik und Epidemiologie Beispiel: Termine aus mehreren Quellen Website Informationsfluss SW-Baustein

54 Institut für Medizinische Informatik, Statistik und Epidemiologie Das Web in Semantic Web Anbieter von semantisch ausgezeichneten Daten und die Nutzer dieser Daten sind nur lose miteinander gekoppelt. Genauso wie Webserver und Webbrowser nur lose über HTTP und HTML miteinander in Verbindung stehen. Es gibt keine zentrale Instanz, die die Kommunikation steuert. Website Client Zugriff

55 Institut für Medizinische Informatik, Statistik und Epidemiologie It's all about the Data Das Semantic Web wird kein Nachfolger des World Wide Web sein. Es ist vielmehr eine Ergänzung desselben. Da die Hauptnutzer Softwaresysteme sind, wird das Semantic Web für uns Menschen weitgehend im Verborgenen bleiben. Der Fokus liegt auf den Daten, die ausgetauscht und miteinander kombiniert werden. Die (visuelle) Darstellung spielt hierbei eine nachgeordnete Rolle.

56 Institut für Medizinische Informatik, Statistik und Epidemiologie Zwei grundlegende Philosophien Zugang zu strukturierten Informationen in Datenbanken Diese Daten sind sonst gar nicht oder nur indirekt über Webanwendungen erreichbar. Semantisches Markup von Webdokumenten Dokumente, die für den Menschen als Nutzer gedacht sind, werden zusätzlich mit Markup versehen, der die Inhalte für Computersysteme verständlich macht. Beide Philosophien stehen nicht im Widerspruch zueinander und so werden für beide eine Vielzahl von Technologien entwickelt

57 Institut für Medizinische Informatik, Statistik und Epidemiologie Inhalt Die Vision des Semantic Web Grundlegende Technologien Praktische Anwendungen Einsatzszenarien in der Medizin

58 Institut für Medizinische Informatik, Statistik und Epidemiologie Ein Stapel von Spezifikationen Das Semantic Web wird vom W3C auf dem Fundament des WWW entwickelt URIs für Identifikation Unicode für universelle Zeichencodierung XML als universelle Repräsentationsform Sprachen des Semantic Web: RDF, OWL (Ontology), SPARQL (Query), SWRL (Rules) Logic, Proof und Trusted SW folgen später

59 Institut für Medizinische Informatik, Statistik und Epidemiologie Resource Description Framework Mit RDF werden Aussagen über Dinge (Statements) ausgedrückt. Dinge (Ressourcen) können Dokumente im Web sein oder Personen oder Termine oder oder oder... Also alles, worüber man etwas ausdrücken möchte. Die Aussagen haben die Form von Tripeln (Subjekt, Prädikat, Objekt) oder (Subject, Property, Value) Subject Property Value

60 Institut für Medizinische Informatik, Statistik und Epidemiologie RDF-Beispiele Aus RDF-Statements werden Graphen gebildet. Die Statements können aus beliebigen Quellen stammen. Die Verbindung erfolgt über die URIs. Im WWW nichts Neues? Roland Mücke

61 Institut für Medizinische Informatik, Statistik und Epidemiologie Web Ontology Language (OWL) Die explizite Festlegung von Struktur erfolgt durch Vokabulare (einfach), Schemata oder Ontologien (komplex). OWL definiert Konzepte und Beziehungen. Klassen und ihre Eigenschaften Hierarchien von Klassen und Eigenschaften Vergleichbar mit Datenbank-Schemata. Kann aber komplexere Beziehungen ausdrücken Wird in RDF ausgedrückt. Unterscheidung in z. B. OWL Lite, OWL DL und OWL Full. Grundlage für die Ableitung impliziter Statements.

62 Institut für Medizinische Informatik, Statistik und Epidemiologie OWL-Beispiel Definition der Klasse Person und einer ihrer Eigenschaften firstName aus dem FOAF-Schema

63 Institut für Medizinische Informatik, Statistik und Epidemiologie Implizites Wissen Mit den in OWL ausgedrückten Beziehungen von Konzepten und ihren Eigenschaften kann aus vorhandenem Wissen neues Wissen abgeleitet werden. Beispiel Im WWW nichts Neues? ist ein GMDS-Tutorium. Ein GMDS-Tutorium ist eine GMDS-Veranstaltung. Im WWW nichts Neues? ist eine GMDS-Veranstaltung und gehört deswegen in jeden Tagungs-Kalender. Die Ableitung dieses impliziten Wissens (Inferenz, Entailment) wird von einem Reasoner durchgeführt, der meist direkt an einem RDF-Store angeschlossen sind.

64 Institut für Medizinische Informatik, Statistik und Epidemiologie SPARQL Protocol and RDF Query Language Abfragesprache für RDF-Graphen Grundlage jeder anspruchsvollen SW-Anwendung Liefert einzelne Werte, Datensätze oder Teilgraphen Vergleichbar mit SQL für Datenbanken Allerdings nur mit lesendem Zugriff Die Spezifikation definiert zusätzlich ein Protokoll für die Kommunikation zwischen SPARQL-Clients und - Servern. Implementationen können auf HTTP oder SOAP aufsetzen

65 Institut für Medizinische Informatik, Statistik und Epidemiologie SPARQL-Beispiele SELECT ?title WHERE { dc:title ?title } SELECT ?title ?price WHERE { ?x ns:price ?price. FILTER (?price < 30). ?x dc:title ?title. } SELECT ?name ?mbox ?hpage WHERE { ?x foaf:name ?name. OPTIONAL { ?x foaf:mbox ?mbox }. OPTIONAL { ?x foaf:homepage ?hpage } }

66 Institut für Medizinische Informatik, Statistik und Epidemiologie Inhalt Die Vision des Semantic Web Grundlegende Technologien Praktische Anwendungen Einsatzszenarien in der Medizin

67 Institut für Medizinische Informatik, Statistik und Epidemiologie Das Semantic Web in der freien Wildbahn Seit der Einführung des Semantic Web im Scientific American im Jahre 2001 hat es nicht nur Entwicklungen im wissenschaftlichen Umfeld gegeben. Einige Anwendungen sind dabei, die Labore zu verlassen und sich im praktischen Alltag zu bewähren. Besonders empfänglich: die Blogger-Szene Der Geek-Faktor ist jedoch noch immer sehr hoch. Die einzige Ausnahme ist RSS – und das ist nicht mal echtes Semantic Web.

68 Institut für Medizinische Informatik, Statistik und Epidemiologie Nachrichten-Aggregation: RSS Bereitstellung von Nachrichten-Schlagzeilen mittels Rich Site Summary Clientseitige Nutzung in Newsreadern oder Live- Bookmarks Serverseitige Nutzung auf Nachrichten-Portalen, die Schlagzeilen aus vielen Quellen zusammenführen (Syndizierung) Kategorien von News (Channels) Kein allgemeiner Standard zur Kategorisierung Es existieren mehrere Versionen von RSS und nur eine (die 1.0) verwendet RDF

69 Institut für Medizinische Informatik, Statistik und Epidemiologie Netzwerk von Bekanntschaften: FOAF FOAF steht für Friend of a Friend Persönliche Beschreibung von sich und seinen Freunden Name, Mailbox, Homepages, Bild Diverse Instant-Messenger-IDs und Online-Accounts Bekanntschaften, Interessen, Publikationen, Projekte Derzeit die Visitenkarte im Semantic Web und bei Bloggern. Dan Brickley fb0e6289f92815fc210f9e c252e

70 Institut für Medizinische Informatik, Statistik und Epidemiologie Semantisches Markup in XHTML Die Grundidee ist, dass vorhandene Web-Dokumente mit Auszeichnungen versehen werden, die ihren Inhalt semantisch greifbar machen. Die Ansätze reichen bezüglich der Auswirkungen auf den XHTML-Code von unauffällig (GRDDL) bis brachial (RDF/A). Das Ziel ist, eine Dopplung von Informationen in XHTML- und RDF-Dateien zu vermeiden. Minimiert Arbeit und Fehler Ideal, wenn die Inhalte nicht anderweitig strukturiert sind, z.B. in Datenbanken

71 Institut für Medizinische Informatik, Statistik und Epidemiologie GRDDL, Microformats, RDF/A GRDDL: Gleaning Resource Descriptions from Dialects of Languages extrahiert Daten mittels XSL- Transformation aus XML-Dokumenten. XSL muss die Struktur der XML-Dialekte (z. B. XHTML) kennen, in denen die gewünschten Inhalte stecken. Microformats: Vorgegebene Konstrukte aus - und -Tags zusammen mit CSS-Klassen Vordefinierte Formate, die die Verarbeitung stark vereinfachen. Beispiele sind hCard oder hCalendar RDF/A: Einbettung von RDF direkt in XHTML-Code Dieser Teil des Tutoriums ist von Roland Mücke.

72 Institut für Medizinische Informatik, Statistik und Epidemiologie SPARQL-Endpunkt für SQL-Datenbanken Zugriff auf SQL-Datenbanken über einen Wrapper, der SPARQL-Querys in SQL-Querys umwandelt. Beispiel: D2RQ Anbindung an lokale SQL-Datenbanken Zugriff auf Datenbankinhalt als RDF-Graph möglich Beziehung zwischen Datenbankschema und RDF-Graph über Mapping, das semi-automatisch hergestellt wird. DB Endpunkt Semantic Web SPARQLSQL

73 Institut für Medizinische Informatik, Statistik und Epidemiologie Zum Rumprogrammieren: APIs Für die Entwicklung von Semantic-Web- Anwendungen stehen einige APIs als OpenSource zur Verfügung. Teilweise Referenzimplementationen, also kein Bastelkram! Jena, Sesame Java-APIs für RDF und SPARQL, RDF-Store Redland Gleicher Leistungsumfang, in C geschrieben Bindings u. a. für Perl, Python, Ruby und PHP Keine APIs, aber sehr leistungsfähige Browser/Editoren: Protege und Swoop

74 Institut für Medizinische Informatik, Statistik und Epidemiologie Wann kommt die Killer-App? Vermutlich wird es nie eine Killer-Applikation geben, die dem Semantic Web zum Durchbruch verhelfen wird. Gab es eine Killer-Website, die dem WWW zum Durchbruch verhalf? Stattdessen wird es viele kleine Semantic Webs geben, die sich in bestimmten Nutzerkreisen oder bei bestimmten Anwendungsfällen durchsetzen, z. B. RSS oder FOAF. Der Wandel hin zum Semantic Web wird sich hinter den Kulissen vollziehen, so dass Otto-Normalsurfer nichts davon mitbekommt. Große E-Commerce-Websites könnten die Entwicklung drastisch beschleunigen.

75 Institut für Medizinische Informatik, Statistik und Epidemiologie Inhalt Die Vision des Semantic Web Grundlegende Technologien Praktische Anwendungen Einsatzszenarien in der Medizin

76 Institut für Medizinische Informatik, Statistik und Epidemiologie Medizinische Informationsportale RSS für Neuigkeiten und Termine FOAF als Visitenkarte Entweder aus Verzeichnisdienst generieren oder FOAF-a-Matic Microformats für Termine und Kontaktinformationen Spätestens bei der nächsten Überarbeitung mit einplanen, wenn man sich sowieso stärker mit CSS beschäftigen will Generell gilt: Catch the low hanging fruit! Mit geringem Aufwand den Nutzern einen zusätzlichen Service bieten.

77 Institut für Medizinische Informatik, Statistik und Epidemiologie Verteilte Studienregister Anstelle eines zentralen Dienstes wird die bestehende Web-Infrastruktur von Studien- gruppen und Forschungsprojekten genutzt. Beschreibung von Studien mit RDF Entweder aus der lokalen Studiendatenbank Oder mittels GRDDL oder RDF/A Ein zentrales Schema für die Beschreibung ist nicht zwingend notwendig Mapping individueller Schemata aufeinander Vereinfacht die Organisation

78 Institut für Medizinische Informatik, Statistik und Epidemiologie Planung und Durchführung von Studien Beschreibung von Studien-Items mit RDF Nutzung dieser Beschreibungen zur Erzeugung der Studiendatenbanken Generierung von Studiendokumenten (CRFs) Annotation der Studienprotokolle Kommunikation mit Studienregistern

79 Institut für Medizinische Informatik, Statistik und Epidemiologie Semantisch annotierte SOPs SOPs besitzen meist eine Grundstruktur, klar definierte Zielgruppen und Anwendungsfälle. Über Annotationen kann die Erreichbarkeit und Bekanntmachung von SOPs verbessert werden. Zielgruppengerichtete Information über Neuerungen Anwendungsfallbezogene Suche in SOP-Systemen Integration direkt in die Arbeitsumgebung

80 Institut für Medizinische Informatik, Statistik und Epidemiologie Semantische Wörterbücher Wörterbücher dienen dazu, die vielschichtigen Begrifflichkeiten in der Medizin klarer zu fassen und Missverständnisse zu vermeiden. Eine semantische Beschreibung von Wörterbucheinträgen hilft, Begriffe und ihre Bedeutungen im richtigen Kontext zu gebrauchen. In Verbindung mit annotierten SOPs liefern sie die korrekten Begriffe beim Nachschlagen. Bei Studienregistern sorgen sie für eine präzise Interpretation von Studieneigenschaften (z. B. beim Begriff der Remission)

81 Institut für Medizinische Informatik, Statistik und Epidemiologie Medizinische Ontologien Eine Grundlage für die Beschreibung medizinischer Sachverhalte sind Vokabulare, Terminologien und Klassifikationen. ICD-10, SNOMED, MeSH, UMLS, GALEN Das National Cancer Institute (NCI) stellt mit ihren Enterprise Vocabulary Services ein umfangreiches Vokabular für die Onkologie bereit. Wem das alles zu schwergewichtig ist, der kann sich natürlich auch seine eigene Ontologie erstellen. Die Interoperabilität wird durch Mappings gewährleistet.

82 Institut für Medizinische Informatik, Statistik und Epidemiologie Ausblick Das Semantic Web steckt noch in seinen Kinderschuhen Noch stehen nicht alle benötigten Bausteine zur Verfügung Die Praxistauglichkeit mancher Ideen muss sich erst zeigen Medizinische Anwendungsgebiete stehen explizit im Fokus der Forschung rund um das Semantic Web Eine ergiebige Domäne mit breitem Anwendungsspektrum und einer Vielzahl von Profiteuren (Ärzte, Patienten, Wissenschaftler, Controller) Das Semantic Web wird allmählich seinen Nutzen zeigen Mitmachen ist gefragt, sonst droht das Henne-Ei-Problem

83 Institut für Medizinische Informatik, Statistik und Epidemiologie Zusammenfassung Das Semantic Web macht Wissen im World Wide Web für Maschinen verständlich und nutzbar. Es ist eine Ergänzung des bestehenden Web, die weitgehend unsichtbar für den Menschen mit Daten operiert. Die Daten stammen entweder aus Datenbanken oder aus semantisch ausgezeichneten Webdokumenten. Die Infrastruktur und Grundbausteine des WWW werden genutzt: URI, Unicode, XML Auf ihnen setzen die Sprachen des Semantic Web auf

84 Institut für Medizinische Informatik, Statistik und Epidemiologie Zusammenfassung RDF zur Beschreibung von Dingen im Semantic Web Statements (Subject, Property, Value) bilden RDF-Graphen OWL zur Beschreibung von Vokabularen oder Ontologien Definition von Klassen, ihren Eigenschaften und Beziehungen Unerlässlich für das Schlussfolgern impliziten Wissens SPARQL zur Abfrage von RDF-Stores Das SQL für das Semantic Web Regeln, Logik, Beweisen, Signatur und Verschlüsselung werden in der Zukunft ein vertrauensürdiges SW erlauben

85 Institut für Medizinische Informatik, Statistik und Epidemiologie Zusammenfassung Aktuelle Anwendungsgebiete des Semantic Web RSS für Nachrichten-Schlagzeilen FOAF als Visitenkarte GRDDL, Microformats und RDF/A für semantisches Markup von Webdokumenten Im medizinischen Umfeld ist die Nutzung des Semantic Webs für Studienregister, SOPs oder Wörterbücher vorstellbar Neue Anwendungsfälle benötigen nur ein wenig Phantasie – und der sind keine Grenzen gesetzt!

86 Institut für Medizinische Informatik, Statistik und Epidemiologie Kontakt Roland Mücke Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE) Universität Leipzig Härtelstraße Leipzig Tel.:


Herunterladen ppt "Institut für Medizinische Informatik, Statistik und Epidemiologie Vernetzte Forschung in der Medizin Ein Metadata Repository für Items in klinischen, epidemiologischen."

Ähnliche Präsentationen


Google-Anzeigen