关键字: [FHIR to OMOP, Omop Data Repository, Ehr Data Transformation, Fhir To Omop, Cloud Data Pipeline, Automated Data Refresh]

本文字数: 1600, 阅读完需: 8 分钟

导读

在一场亚马逊云科技活动上, 演讲者介绍了如何利用基于云的Pipeline 服务, 将电子健康记录(EHR) 数据无需编码即可填充到观察性医学结果伙伴关系(OMOP) 数据存储库中。在演示过程中, 演讲者阐述了该Pipeline 如何与亚马逊云科技服务( 如HEALTHLAKE) 集成, 并利用FHIR 标准进行数据映射。OMOP 存储库支持跨机构的标准化数据分析, 用于研究、临床试验和质量测量。演示重点介绍了InterSystems 的云服务如何实现从EHR 自动填充OMOP 数据、数据质量监控, 以及在亚马逊云科技上利用AI/ML 进行表型化等功能。

演讲精华

在这个全面的演讲中, 演讲者深入探讨了如何在无需编码的情况下, 将电子健康记录(EHR) 数据填充到观察性医疗结果伙伴关系(OMOP) 存储库的复杂过程。首先, 演讲者介绍了InterSystems, 这是一家医疗保健数据平台公司, 为Epic 提供支持, 其技术管理着超过10 亿条患者记录。InterSystems 为各种实体提供解决方案, 包括政府、医院、付费人和生命科学公司。

演讲者强调了InterSystems 与亚马逊云科技(AWS) 的合作, 认识到云战略的广泛采用。他们已在亚马逊云科技市场上开发并提供产品, 利用FHIR 等标准, 使组织能够使用FHIR 数据。此外,InterSystems 还在亚马逊云科技平台上提供了其数据平台技术, 包括Iris Cloud SQL( 一种本地数据管理技术) 和其他服务。

接着, 演讲者介绍了OMOP, 这是一项于2008 年由美国食品药品监督管理局(FDA) 和一家制药公司启动的倡议, 旨在加强药物安全监测。OMOP 很快发展成为一个标准, 从一个通用数据模型开始, 并扩展到包括帮助医疗机构、研究人员和制药公司利用OMOP 格式的EHR 数据的工具。2014 年成立的观察健康数据科学与信息学(OHDSI) 组织在创建开源社区和推动OMOP 发展方面发挥了关键作用。

演讲者强调了一些已采用OMOP 的倡议和组织, 包括EDEN, 这是一项获得资助的欧洲努力, 旨在创建OMOP 数据存储库以实现数据共享和研究合作。在COVID-19 大流行期间,EDEN 通过使用共同的数据模式跨不同数据存储库进行查询, 促进了快速的临床观察和指导。演讲者还提到了DARWIN, 这是另一个由欧洲药品管理局参与的欧盟资助倡议, 认识到OMOP 数据存储库对于获得宝贵见解的价值。

在英国, 全国医疗服务体系(NHS) 已将OMOP 格式标准化为其研究安全数据环境, 确保了全国范围内研究工作的通用数据格式。演讲者还讨论了美国的” 全民健康计划”, 该计划旨在以OMOP 格式收集超过一百万公民的记录、基因组数据和长期随访数据。国家COVID 协作组织(N3C) 也利用OMOP 格式进行COVID-19 队列协作。

演讲者解释说,OMOP 由不到40 个表格组成, 包括患者数据模型( 例如,person 而非patient,visit occurrence 而非encounter) 和标准词汇表。标准词汇表确保数据使用相同的标记和本体论进行标准化, 从而能够在不同的存储库中进行一致的查询。这种标准化对于分布式查询至关重要, 因为亚马逊云科技提供了诸如清洁室之类的服务, 可以在具有相同疾病、药物和诊断定义的多个环境中运行查询。

然而, 演讲者承认, 填充OMOP 存储库并非易事。大部分开发都是在开源领域进行的, 需要手动和硬编码的ETL 过程, 需要专业知识, 而这在许多机构中并不常见。在一个机构中开发的脚本可能无法在另一个机构中使用, 导致可扩展性问题。合同研究组织在这一领域提供服务, 但它们的服务可能会很昂贵, 且许多更改仍需手动完成。

随后, 演讲者介绍了FHIR 带来的机遇, 因为EHR 可以以FHIR 标准格式生成数据。虽然在FHIR 和OMOP 之间进行映射似乎合乎逻辑, 但仍存在一些固有的技术挑战需要克服。演讲者强调, 有了InterSystems 的Pipeline 服务, 医院和研究人员现在有了一种快速从EHR 数据创建OMOP 存储库的方式。

传统上,OMOP 存储库的刷新过程每隔数月进行一次, 涉及清除和重新填充数据, 之后再进行数据质量检查。然而, 演讲者强调了新的使用案例, 例如德国某家医院可以对其OMOP 存储库实现每日刷新, 用于临床试验招募。另有一个重症监护室联盟正在探索利用OMOP 进行临床质量测量和监控服务, 这需要每日刷新。演讲者强调, 如果通用数据模型能够实现每日刷新, 将开启诸多临床和研究应用场景。

数据质量是演讲者讨论的另一个关键方面。传统上, 数据质量分析是在填充OMOP 存储库之后进行的, 之后修复问题并重新填充数据。随着自动化刷新, 数据质量监控也必须自动化。

演讲者随后介绍了他们开发的Pipeline, 该Pipeline 起始于EHR, 经过云服务进行FHIR 到InterSystems 数据Pipeline 的转换, 将数据填充到亚马逊云科技上的OHDSI 存储库。令人兴奋的是, 可以利用亚马逊云科技的功能, 例如在InterSystems 的Iris 或其他数据库环境上托管数据库, 并利用亚马逊云科技的机器学习、基因组数据集成等工具。该Pipeline 还与亚马逊云科技HealthLake 集成, 允许由HealthLake 生成的批量文件被放入S3 存储桶, 并自动被拾取、转换和填充到OMOP 存储库中。

演讲者强调, 该Pipeline 之所以成功, 是因为使用了FHIR 等标准, 以及InterSystemsPipeline 中的工作流引擎, 该引擎可自动执行术语查找和其他过程, 从而无需自定义脚本或编码。该Pipeline 包括基于已发布实现的从FHIR 资源到OMOP 表的预构建映射, 并利用本体智能地将数据映射到适当的OMOP 表。

该Pipeline 作为云服务提供, 用户可以部署用于FHIR 到OMOP 转换的研究数据Pipeline 。部署了两项服务: 转换服务和OMOP Pan Iris 环境, 后者用作数据质量调整、推理和使用自然语言处理(NLP) 和生成式人工智能(GenAI) 等技术进行丰富的暂存区, 然后再将数据加载到主存储库。

演讲者强调了Pipeline 的配置驱动性质, 仅需最少的编程。用户只需提供参数, 如S3 存储桶和HEALTHLAKE 数据集信息,Pipeline 即可自动化整个过程。演讲者着重强调了HEALTHLAKE 服务与Pipeline 服务之间的无缝集成, 实现了自动数据检索和处理。

演讲者认为, 拥有不到2,000 张病床的中型医院是这些服务的最佳对象, 因为它们通常缺乏大型研究IT 部门。通过提供自动化服务, 研究人员可以开展工作, 而无需给IT 部门增加负担。

随后, 演讲者演示了错误监控功能, 展示了Pipeline 如何识别和处理批量FHIR 文件、识别未识别或缺失代码等错误, 并提供直观的解决方案, 如导入带有额外代码映射的CSV 文件。还提供了资源计数、患者计数和资源级统计数据等指标, 用于数据质量监控。

演讲者确认,OHDSI 工具Atlas 和Hades 已经增强, 可在Iris Data Platform 上工作, 允许研究人员使用熟悉的基于Web 的工具查询OMOP 存储库, 而无需依赖SQL 。

总的来说, 演讲者强调了利用FHIR 的好处, 这是一种被各种实体( 包括保险公司) 采用的标准, 研究人员可以利用EHR 数据以OMOP 格式进行分析。自动化的基于云的Pipeline 简化了流程, 实现了每日刷新和基于消费的定价。与亚马逊云科技服务( 如HEALTHLAKE) 的集成, 以及利用亚马逊云科技的机器学习、基因组数据集成等功能, 进一步增强了Pipeline 的价值。演讲者对保险公司采用OMOP 标准作为分析基础, 以及OHDSI 工具在Iris Data Platform 上的可用性表示兴奋。最后, 演讲者强调与亚马逊云科技合作的重要性, 利用其生态系统工具, 将数据转化为有意义的临床研究见解。

总结

1)       该Pipeline 利用亚马逊云科技服务, 与HealthLake 相融合, 允许数据从电子健康记录(EHR) 系统流向托管在亚马逊云科技上的OMOP 存储库, 使研究人员能够充分利用云平台的强大功能。

2)       通过采用FHIR 标准和自动化工作流程, 该Pipeline 消除了定制脚本的需求, 使整个过程更加便捷, 并有利于跨机构扩展。

3)       该Pipeline 包含数据质量检查环节, 并能够在填充主OMOP 存储库之前执行额外的数据丰富和推理操作, 例如利用GenAI 进行表型化处理。

总体而言, 这种基于云的解决方案强调了在简化OMOP 存储库的创建和维护方面的巨大潜力, 有助于实现更高效、更具协作性的研究工作, 同时充分利用亚马逊云科技和新兴技术( 如GenAI) 的强大功能。

亚马逊云科技（Amazon Web Services ）是全球云计算的开创者和引领者。提供200 多类广泛而深入的云服务，服务全球245 个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI 的首选，通过生成式AI 技术栈，提供用于模型训练和推理的基础设施服务、构建生成式AI 应用的大模型等工具、以及开箱即用的生成式AI 应用。深耕本地、链接全球 -- 在中国，亚马逊云科技通过安全、稳定、可信赖的云服务，助力中国企业加速数字化转型和创新，并深度参与全球化市场。