Wien, September 2025 – Im Rahmen des Smart FOX Forschungsprojekts haben Forscherinnen des AIT Austrian Institute of Technology in Zusammenarbeit mit der ELGA GmbH eine Publikation vorgestellt, in der der Open-Source-Compiler MaLaC-HD präsentiert wird. Das entwickelte Werkzeug macht die Transformation von Gesundheitsdatenformaten deutlich schneller, transparenter und portabler. Dieser Fortschritt ist auch wichtig für den Aufbau des European Health Data Space (EHDS) und des geplanten Austrian Health Data Donation Space (AHDDS).
Gesundheitssysteme generieren große Mengen an Daten in unterschiedlichen Formaten – in Österreich etwa CDA über ELGA, während neue Anwendungen zunehmend auf FHIR setzen. Diese Vielfalt erschwert den Datenaustausch. Zwar ermöglicht HL7’s FHIR Mapping Language (FML) die Definition von Mappings, doch die bisher verfügbaren Tools zur Ausführung dieser Mappings sind oft langsam und schwer skalierbar.
MaLaC-HD adressiert genau diese Herausforderung:
- In Tests konnte der Compiler Datenumwandlungen fast 100-mal schneller ausführen als bestehende Tools wie Matchbox.
- Der erzeugte Python-Code bleibt eng an den ursprünglichen FML-Mappungen, was Debugging und Wartung erleichtert.
- Ausgangs- und Ziel-Formate wie CDA und FHIR (v4 & v5) werden unterstützt, Erweiterungen – zB. für OMOP – sind bereits geplant.
- Die Veröffentlichung unter einer LGPL-Lizenz stellt sicher, dass die Lösung frei verfügbar ist und in Forschung und Praxis breit eingesetzt werden kann.
Für SmartFOX ist dies ein bedeutender Schritt: MaLaC-HD kann die Datentransformation im Projekt beschleunigen, zB. bei der Integration von ELGA-Daten oder bei der Aufbereitung von Daten für Forschungszwecke. Dank der hohen Effizienz können auch große Datenmengen oder Echtzeitanwendungen verarbeitet werden – ein wichtiger Beitrag zur Umsetzung der Vision interoperabler, nutzerzentrierter Forschungsinfrastrukturen.
Die nächsten Schritte der Entwickler:innen umfassen die Portierung des Compilers auf weitere Sprachen wie Java, .NET oder JavaScript sowie umfangreiche Tests mit realen Datensätzen. Auch die Integration in Anonymisierungs- oder Pseudonymisierungspipelines ist geplant, um Datenschutzanforderungen optimal zu erfüllen.
Mit MaLaC-HD steht der Forschung und Gesundheitswirtschaft ein leistungsfähiges, offenes Werkzeug zur Verfügung, das die Vision eines vernetzten, europäischen Gesundheitsdatenraums einen großen Schritt näherbringt.
