eTRANSAFEのロゼッタ・ストーンアプローチ

科学分野:

• 生物医学情報学
• 翻訳研究
• データ統合

背景:

• 翻訳的研究は臨床前と臨床データを統合する必要がありますが,しばしば異なる用語や細部によって妨げられます.
• eTRANSAFEプロジェクトは,この統合の課題に対応するツールを開発することを目的としています.
• 既存のデータ形式には,単一の事前調整された臨床概念と複雑な事前臨床概念の組み合わせが含まれています.

研究 の 目的:

• 臨床前の概念を臨床的概念にマッピングするためのロゼッタ・ストーンアプローチの開発と評価.
• 柔軟なマッピングを可能にし,異なるデータタイプ間の精度が異なる.
• 研究のために様々な臨床前データと臨床データの組み合わせを容易にする.

主な方法:

• 臨床前 (組織病理学,SEND,マウス・グラス・アナトミー) と臨床 (MedDRA) の用語は,SNOMED CTにマッピングされた.
• 既存の臨床からSNOMEDCTマッピングを活用して,臨床前からSNOMEDCTマッピングの手動作成.
• マッピング関係を定義し,不正確な点数を割り当てるための調整テンプレートの開発.
• 60の概念のサブセットを使用して,語彙的な用語マッチングに対する意味的マッピングの評価.

主要な成果:

• 3万4千以上のコンセプトが SNOMED CT にマッピングされました.
• 精確で不正確なマッピングをダイナミックに提供するための用語サービスが作成されました.
• ローゼッタ・ストーンのアプローチは,マッピングにおいて95%の精度を達成し,語彙的マッチングを大幅に上回りました (22%).

結論:

• ロゼッタ・ストーンアプローチは,臨床前と臨床データの橋渡しをするために,SNOMED CTを成功裏に利用しています.
• 正確で不正確なマッピングの両方を生成する能力は,接続可能なデータの量を増加させます.
• このセマンティック・マッピング戦略は,トランスレーション・リサーチのユースケースを進めるのに価値があります.