从原始数据到研究准备:基于FHIR的转型管道在现实世界瘤环境中

科学领域:

• 医疗信息学 医疗信息学
• 数据科学数据科学数据科学
• 计算生物学 计算生物学

背景情况:

• 医疗数据的指数增长需要提高互操作性和标准化.
• 异质的临床数据在数据交换和二次使用方面存在挑战,原因是数据不一致.
• 快速医疗互操作性资源 (FHIR) 是医疗数据协调的关键标准.

研究的目的:

• 利用RDF开发基于FHIR的管道,将异质瘤学数据转化为语义上丰富的,准备研究的数据集.
• 为了实现语义互操作性,并加强跨不同医疗保健系统的数据链接.
• 支持在瘤学研究中的自动推理和大规模二次数据使用.

主要方法:

• 开发了一个基于FHIR的转型管道,利用资源描述框架 (RDF).
• 以RDF图形表示FHIR资源,用于语义互操作性和自动推理.
• 采用了一个模板转换策略,用于域专家专注的声明映射.
• 将该方法应用于癌症虚拟实验室内的真实世界瘤学数据集.

主要成果:

• 从36,335个患者记录中成功将1,093,705个临床记录转换为1,151,559个基于RDF的FHIR资源类型.
• 证明了使用FHIR和RDF语义整合瘤学数据的可行性.
• 通过语法/语义验证和专家审查,确保技术正确性和临床相关性.

结论:

• FHIR-RDF管道有效地从瘤学数据中创建机器可读,可互操作的知识表示.
• 丰富的数据有助于提高数据质量,协调,纵向分析和人工智能驱动的决策支持.
• 该方法促进临床数据的大规模二次使用,以推进癌症研究和患者护理.