Editorial ilmu komputer
Open AccessOA2026
OpenHealth Lake: Merancang dan menguji platform lakehouse data untuk aplikasi kesehatan
Prototipe lakehouse data yang mengintegrasikan federasi data dan prinsip FAIR untuk penelitian kesehatan global yang kolaboratif
Danilo Silva; Monika Moir; Cheryl Baxter; Tulio de Oliveira; Joicymara Xavier; Marcel Dunaiski· 2026· DOI 10.48550/arXiv.2605.19922
Masalah inti
Bioinformatika dan ilmu kesehatan terus menghasilkan dataset heterogen yang sangat besar, sehingga manajemen data menjadi tantangan yang kompleks. Dalam inisiatif kesehatan global yang kolaboratif, penyimpanan dan berbagi data secara aman sangat penting untuk mendukung penelitian yang berdampak. Namun, tidak adanya platform manajemen data yang terpadu mempersulit pertukaran dan tata kelola data yang efisien dalam inisiatif tersebut. Untuk menjawab kesenjangan ini, penulis memperkenalkan proses perancangan OpenHealth Lake, platform prototipe manajemen data yang berbasis arsitektur lakehouse data, federasi data, dan prinsip FAIR. Platform ini dirancang menggunakan alat open-source, dipandu oleh kebutuhan sistem yang diidentifikasi dalam studi yang telah dipublikasikan sebelumnya dan dilengkapi dengan wawasan dari literatur yang ada. Tujuannya adalah menyediakan pendekatan yang fleksibel dan komplementer yang memungkinkan organisasi menyesuaikan sistem manajemen data dengan kebutuhan dan sumber daya spesifik mereka, termasuk pilihan penyimpanan berbasis cloud atau self-hosted.
Inovasi
Studi pengguna menunjukkan bahwa prototipe OpenHealth Lake dapat digunakan dan bermanfaat. Peserta dengan beragam latar belakang teknis mampu berinteraksi dengan platform melalui berbagai antarmuka: situs web yang ramah pengguna, API terbuka, serta paket Python dan R. Hasilnya menunjukkan bahwa platform ini berhasil menjawab kebutuhan akan solusi manajemen data yang terpadu dalam inisiatif kesehatan global yang kolaboratif. Desain prototipe yang berbasis arsitektur lakehouse data, federasi data, dan prinsip FAIR terbukti adaptif dan skalabel. Studi ini mengonfirmasi bahwa platform dapat digunakan oleh organisasi mana pun, terlepas dari sumber daya teknis mereka, karena mendukung pilihan penyimpanan berbasis cloud maupun self-hosted. Temuan ini menyoroti potensi sistem lakehouse untuk memfasilitasi penyimpanan dan berbagi data secara aman, sehingga mendukung penelitian yang berdampak. Evaluasi juga menegaskan pentingnya alat open-source dalam menciptakan sistem manajemen data yang reproduktif dan dapat disesuaikan. Secara keseluruhan, hasil ini memvalidasi pendekatan desain dan menunjukkan bahwa OpenHealth Lake dapat berfungsi sebagai solusi yang fleksibel dan komplementer untuk man
Bioinformatika dan ilmu kesehatan terus menghasilkan dataset heterogen yang sangat besar, sehingga manajemen data menjadi tantangan yang kompleks. Dalam inisiatif kesehatan global yang kolaboratif, penyimpanan dan berbagi data secara aman sangat penting untuk mendukung penelitian yang berdampak. Namun, tidak adanya platform manajemen data yang terpadu mempersulit pertukaran dan tata kelola data yang efisien dalam inisiatif tersebut. Untuk menjawab kesenjangan ini, penulis memperkenalkan proses perancangan OpenHealth Lake, platform prototipe manajemen data yang berbasis arsitektur lakehouse data, federasi data, dan prinsip FAIR. Platform ini dirancang menggunakan alat open-source, dipandu oleh kebutuhan sistem yang diidentifikasi dalam studi yang telah dipublikasikan sebelumnya dan dilengkapi dengan wawasan dari literatur yang ada. Tujuannya adalah menyediakan pendekatan yang fleksibel dan komplementer yang memungkinkan organisasi menyesuaikan sistem manajemen data dengan kebutuhan dan sumber daya spesifik mereka, termasuk pilihan penyimpanan berbasis cloud atau self-hosted.
Proses perancangan OpenHealth Lake mengikuti pendekatan yang sistematis. Pertama, kebutuhan sistem diidentifikasi dari studi yang telah dipublikasikan sebelumnya dan dilengkapi dengan wawasan dari literatur yang ada. Kebutuhan tersebut memandu pemilihan alat open-source dan arsitektur secara keseluruhan. Platform ini dibangun sebagai prototipe yang terdiri atas situs web yang ramah pengguna, API terbuka, serta paket Python dan R, sehingga pengguna dapat berinteraksi dengan platform melalui berbagai cara. Arsitekturnya berbasis model lakehouse data, yang menggabungkan skalabilitas data lake dengan kemampuan kueri terstruktur dari data warehouse. Federasi data digunakan untuk memungkinkan akses tanpa hambatan ke sumber data yang terdistribusi tanpa memusatkan penyimpanan, sementara prinsip FAIR (Findable, Accessible, Interoperable, Reusable) memastikan praktik manajemen data mendukung sains terbuka dan reproduktifitas. Untuk mengevaluasi prototipe, studi pengguna dilakukan dengan peserta yang memiliki beragam latar belakang teknis. Studi tersebut menilai kegunaan dan manfaat platform. Evaluasi bertujuan menentukan apakah prototipe manajemen data yang diusulkan memenuhi kebutuhan beragam pengguna dalam lingkungan penelitian kesehatan. Desain prototipe menunjukkan kemampuan adaptasi, skalabilitas, dan reproduktifitas, sehingga cocok untuk organisasi mana pun. Metodologi ini menekankan fleksibilitas, memungkinkan organisasi menyesuaikan sistem dengan kebutuhan dan sumber daya spesifik mereka, termasuk pilihan penyimpanan berbasis cloud atau self-hosted.
Mengapa penting
Prototipe OpenHealth Lake menjawab tantangan kritis dalam manajemen data untuk bioinformatika dan kesehatan global dengan mengintegrasikan arsitektur lakehouse data, federasi data, dan prinsip FAIR. Kombinasi ini memungkinkan pertukaran dan tata kelola data yang efisien sekaligus menjaga fleksibilitas bagi organisasi dengan sumber daya yang berbeda. Penggunaan alat open-source memastikan reproduktifitas dan kemampuan adaptasi, sehingga organisasi dapat menyesuaikan sistem dengan kebutuhan spesifik mereka. Studi pengguna, yang melibatkan peserta dengan beragam latar belakang teknis, mengonfirmasi kegunaan dan manfaat platform, menunjukkan potensinya untuk diadopsi secara luas. Dukungan desain terhadap pilihan penyimpanan berbasis cloud maupun self-hosted membuatnya dapat diakses oleh berbagai organisasi, mulai dari yang memiliki infrastruktur cloud ekstensif hingga yang lebih memilih solusi on-premises. Skalabilitas dan kemampuan adaptasi prototipe menunjukkan bahwa platform ini dapat menangani volume dan heterogenitas data kesehatan yang terus bertambah. Namun, studi ini juga menyiratkan bahwa pengembangan dan pengujian lebih lanjut mungkin diperlukan untuk mewujudkan sepenuhnya potensi platform dalam beragam lingkungan dunia nyata. Penulis memosisikan OpenHealth Lake sebagai pendekatan yang fleksibel dan komplementer yang dapat diintegrasikan dengan sistem yang ada, bukan solusi satu untuk semua. Hal ini sejalan dengan prinsip FAIR, yang mendorong data yang dapat ditemukan, diakses, dioperasikan, dan digunakan kembali. Pembahasan ini menyoroti pentingnya antarmuka yang ramah pengguna dan berbagai metode akses (situs web, API, paket Python/R) untuk mengakomodasi preferensi pengguna dan keterampilan teknis yang berbeda. Arsitektur platform, yang diilustrasikan dalam diagram Mermaid di bawah, menunjukkan alur dari sumber data melalui federasi dan penyimpanan lakehouse hingga antarmuka pengguna. Proses desain, yang dipandu oleh kebutuhan sistem dan literatur, memastikan platform memenuhi kebutuhan inisiatif kesehatan global yang kolaboratif. Pekerjaan selanjutnya dapat melibatkan perluasan studi pengguna dan penambahan fitur berdasarkan umpan balik. Secara keseluruhan, OpenHealth Lake merupakan langkah signifikan menuju manajemen data yang terpadu dalam penelitian kesehatan, dengan potensi meningkatkan berbagi data dan kolaborasi antarorganisasi.
Siapa yang sebaiknya membaca
Praktisi dan peneliti ilmu komputer
Membuka konten member…