文摘
重用的数据从医疗信息系统可以有效地促进临床试验(CTs)。患者如何选择候选人资格CT招聘标准是一个中心任务。相关工作要么取决于DBA(数据库管理员)招聘标准转换为本机SQL查询或涉及标准本体/信息模型之间的数据映射源模式和个人数据。本文提出了一种计算机辅助CT招聘模式,基于语法翻译不同dsl(领域特定语言)。在这种范式,CT招聘标准是第一个正式用产生式规则表示。引用规则变量都来自底层的数据库模式。然后生产规则是翻译一个中间面向DSL(例如,LINQ)。最后,中间DSL直接映射到本地数据库查询(如SQL)自动的ORM(对象关系映射)。
1。介绍
临床试验(CTs)是循证医学(EBM)的构建块。临床试验通常执行临床试验协议(茶多糖)的指导下,标准化的指导方针进行CT。CTP包含几个组件,包括目的、研究设计、招聘标准的主题、治疗对象,评估疗效,评估安全、不良事件、质量控制和保证,和道德。其中,“招聘标准”(或“合格标准”)是一个重要的步骤进行CTs。
招聘标准指定一组共同的特征,定义感兴趣的人口子集。这些特性包括年龄、性别、习惯,诊断,疾病的发展阶段、手术史,和遗传数据。招聘标准通常包含“包容”和“排除”规则,并分别定义需要和不需要的功能。对于某些CTs,标准可能相当复杂,使病人登记非常具有挑战性。与医疗IT(打击)的快速发展,电子病人数据获得临床护理过程中提供了一个新的方法来促进招聘过程。
许多工作已经报道过关于前面提到的方法。这种方法的传统方法通常依赖于DBA(数据库管理员)或临床工程师。标准最初是用自然语言形式CT协议作者或临床研究人员。然后,工程师将叙事标准转化为本地数据库查询语言,如SQL。由于专业的障碍和可能的自然语言的模糊性,这样的标准翻译可能不准确。其次,工程师的参与增加了人力资源和沟通成本。由于这些原因,一些研究人员选择开发计算机辅助工具或临床试验招募支持系统(点击率数据)促进招聘过程。下面的手稿将介绍一些相关的工作。
2。相关工作
欧洲研究人员建立了变换查询工作台工具(1)作者、存储和执行临床数据查询为临床研究识别潜在的主题。此工具可以创建招聘标准可计算的表示。然后在机构性的标准转化为可执行的查询数据库。查询工作台工具使用的临床数据集成模型(CDIM) [2)作为一个中间标准本体,所以它可以支持跨多个异构数据源的查询。英国CancerGrid [3)项目的设计被广泛接受临床试验模型通过受控词汇表和通用数据元素(cd)。基于这个模型中,一个癌症数据查询系统开发支持跨CancerGrid-compliant临床试验数据共享边界。Penberthy et al。4)设计了一种CT匹配系统。该系统允许用户通过一个基于表单的GUI工具定义的招聘标准。然后系统将执行定期自动检查对病人的信息系统。匹配对象通过电子邮件将被发送到人员。BreastCancerTrials.org [5)项目创建一个CT匹配网站的目标受众是病人。它使用自我报告的病人收集的数据通过网络形式匹配现有注册癌症CTs和推荐可用的CTs患者。病人也可以重定向自己参与研究的网站。BreastCancerTrials.org可以增加病人的意识参与癌症CTs,可以改善病人的数据在多个CT研究小组使用。也有一些使用更为复杂的方法的实验研究,如自然语言处理(NLP) [6和语义网7),促进招聘标准及病人的自动提取和比较数据。
一般来说,许多研究工作集中在跨异构数据源的查询,并使用form-alike结构化数据录入(SDE)技术作者招聘标准。这些钻工具通常是根据一些中间设计信息模型(本体)。基于这个模型,引用的招聘标准和数据元素可以定义在正式表示,具有独特的优势在数据交换和语义互操作性。然而,这种模式需要中级模型之间的映射和个别病人数据库在执行查询。这种映射可以相当知识密集型和耗时的工作,而且由于信息粒度和语义差异,某些数据元素的映射可以是非常困难的甚至是不支持的。
这样的问题,本文尝试另一种方法,使用直接的语法翻译避免模型映射。下面的手稿将详细介绍方法和相应的案例研究。
3所示。方法
3.1。知识表示的临床试验招募标准
本研究的第一步是招聘标准及相关的知识表示病人数据。分析知识表示将有助于确定某种信息模型或正式语言能够代表所有相关的实体(例如,概念和规则)在这一领域。以下是两个典型的招聘标准用于临床试验。这两个例子都与视网膜病变的早产(ROP),即目标疾病在我们的案例研究。
例1。考虑以下:
| (CT)的目的 |
| 评估intravitreal贝伐单抗的anti-neovascularization活动,由回归视网膜病变的血管新生血管性早产(ROP)在新生儿急性阶段3罗普区或后区II +疾病。 |
| (招聘标准) |
| 出生克 |
| 妊娠期周 |
| 诊断= 3期早产儿视网膜区我或后区 |
| 吸毒=贝伐单抗(阿瓦斯丁®) |
| 没有先天性系统性异常 |
| 没有先天性眼异常。 |
例2。考虑以下:
| (CT)的目的 | |
| 评估Pan-VEGF(血管内皮生长因子)治疗早产儿视网膜病变的封锁。 | |
| (招聘标准) | |
| 妊娠期周 | |
| 妊娠期1/7周 | |
| 诊断= 1型pre-threshold罗普 | |
| 没有之前的治疗方法 | |
| 没有媒体透明度从而排除眼底可视化 | |
| 没有眼或眼周的感染(年代)。 |
从这些例子,典型的CT招聘标准由一组医学的概念(例如,出生体重、胎龄和诊断)和一个规则条件由这些概念(例如,出生克& &妊娠周& &(诊断=第三阶段罗普在带我| | =后区诊断II))。在这项研究中,我们选择了产生式规则的知识表示CT招聘标准。在运行时,数据来源应与实际病人数据提要规则成功查询或推理。
3.2。病人CT招聘的查询语法翻译
临床数据可以传达两种风格。一个是自然语言(NL),这是由人类在日常生活中广泛使用。另一种是正式语言(FL)或特定于域的语言(DSL),通常为一个特定的目的和设计包含一组有限的符号和语法。典型FLs的/ dsl包括阿拉伯数字和运算符号用于数学、化学分子式,编程语言。问所携带的数据通常是“结构化”,而传达的数据/ DSL大多是“结构化。“虽然比问FL / DSL可能缺乏表现力,他们更适合计算机解析和处理。
患者在CT查询招聘的本质是问的翻译(招聘标准从CTP或临床研究人员)FL / DSL(如SQL)。虽然有相关工作,使用NLP技巧来促进本地语言的翻译FL / DSL,研究和实际应用之间存在差距。NLP(尤其是中国NL)仍然是不成熟的,许多研究使用更可靠的数据。在这些研究中,招聘标准由SDE第一作者在某些正式的表示。接下来,正式代表标准需要被转化为特定于数据库的查询(如SQL)。如前所述,许多研究依赖于一个可共享的模型或本体和必须处理可共享的模型之间的映射和个人数据源。这种映射可以是一个相当复杂的工作,知识密集型的,非常耗时的任务。作为一种替代方法,提出了一种基于DSL的语法翻译法,除了本体映射。
我们的方法直接使用底层数据库的模式作为SDE的工具的参考模型及其生成的生产规则。即所有规则变量在SDE的工具来自数据字段在数据库模式。例如,SDE的工具输出生产规则”(出生体重)< 1.0 & & GestationalAgeInWeeks < 30”。在这条规则,“(出生体重)”和“(GestationalAgeInWeeks)”规则变量对应的“出生体重”和“GestationalAgeInWeeks”数据字段在底层数据库模式。下一步是将这样的生产规则面向DSL。提供了面向DSL在许多现代编程语言,如Java, c#, VB.Net。以LINQ(综合语言查询)为例。在Microsoft . net框架中,LINQ c#和VB.Net的语言子集。LINQ支持近40运营商,包括“选择”,“从”,“,”“,”和“顺序。“LINQ,程序员可以直接编写sql风格c#或VB。网络编码查询基础数据提供者,比如ORM(对象关系映射),ODBC(开放数据库连接)或XML(可扩展标记语言)文件。 Because our case study is conducted in the context of Microsoft.Net framework and the SQL server relational database, we will use LINQ for demonstration purposes. For other technical platforms, there are also equivalent technologies, such as JINQ, Linq4j, and JaQue, for the Java platform. After the production rule is converted to LINQ, LINQ to native-SQL conversion is automatically supported by the ORM provider, and no extra effort is required.
在前面提到的过程中,产生式规则,LINQ,和SQL都严格约束FLs的/ dsl,所以它们之间的句法转换是明确的和明确的。此外,这些dsl都使用底层数据库模式作为参考模型,所以不需要一个复杂的概念映射。这样的概念图在医学信息学是一个众所周知的问题,又名“花括号”问题[8),包括外部临床数据映射到规则变量的规则表达式。
图1说明了不同模式的比较。模式取决于DBA将临床医生的叙述招聘标准本地数据库查询。如前所述,这些手册翻译有时是不准确的,由于专业障碍和本地语言的模糊特性。范式B采用SDE作者正式代表标准基于共享模型。的正式代表然后翻译标准SQL基础之间的映射共享模型和个人数据库。C范式,提出了本文作者还使用SDE招聘标准形式的产生式规则,但不涉及任何数据映射工作。在接下来的手稿,我们将介绍一个案例研究来证明我们的方法并给出系统实现的更多细节。
4所示。案例研究和系统实现
4.1。临床的设置
在深圳市眼科医院进行案例研究,这是一个拥有200个床位的第三类专业在中国医院。自2013年以来,我们一直在开发一个罗普(早产儿视网膜病变)小儿视网膜手术部的管理系统。罗普,即特里综合征,是一种常见的眼科疾病,早产婴儿,特别是那些与低出生体重和怀孕早期的年龄。罗普混乱增长有关视网膜血管导致视网膜疤痕或超然。没有早期筛查和及时干预,罗普可以导致严重的视觉障碍,甚至失明。罗普已经成为儿童失明的主要原因。据估计,中国每年至少020万罗普新生儿。罗普在中国已经成为一个nonneglectable问题,而ROP-oriented信息系统在中国市场稀缺。在这种情况下,我们建立了这个罗普管理系统帮助临床医生管理罗普筛选信息和跟踪病人疾病的发展。
罗普管理系统也设计成一个区域远程医疗系统。不仅涵盖了罗普筛查病例在深圳眼科医院,而且还来自合作伙伴的医院,比如深圳Dapeng-District妇产科医院,梅州人民医院(中国广东省),和普宁人民医院(福建省,中国)。这些合作伙伴医院可以上传ROP-related数据(例如,RetCam成像,新生信息)通过系统中央数据存储库。然后罗普医疗队在深圳眼科医院将有助于诊断这些案件。直到现在,这个系统已经招收了超过22238名患者病例。演示版本的系统http://ropd.brahma.pub。
随着“大数据时代”,如何有效地利用收集到的数据已经成为一个重要的临床医生和研究人员的关注。支持临床试验(CT)是临床数据的典型应用之一。
4.2。计算机辅助CT招聘
基于范例C提议在图1,我们开发了一个计算机辅助CT招聘模块罗普管理系统中的一个子系统。这个系统的内核的想法是重用病人数据在中央数据存储库用于临床研究。如前所述,CT招聘标准不同研究学习。SDE来满足不同的需求,我们开发了一个通用的工具(图2临床医生可以作者定制搜索模式)。SDE的工具生产规则的输出,为CT的正式表示招聘标准。
产生式规则生成后,它需要转换成原生查询对底层数据存储库。图3给出了一个具体的例子的转换过程。在图3,生产规则是第一个翻译LINQ lambda表达式(“条款”)内的匿名函数。然后,自动翻译成相应的原生SQL LINQ查询的ORM。应该注意的是,LINQ和SQL代码片段在图3只使用一个实体集/数据表:“IntegratedView。“在现实中,病人数据通常是分散在多个数据表。例如,在我们的罗普管理系统,有“病人掌握表,”“病人访问表”和“病人手术表。“有时候,用户在多个表之间共同查询。为了降低复杂性,我们创建了一个数据库视图通过加入现有表“IntegratedView”。虽然“IntegratedView”是一个“虚拟表”,这是一个完全功能的可搜索对象物理表一样,它同样支持ORM。这种观点不仅集成来自多个表的数据,而且还可以减少复杂性提供了一个统一的逻辑模式。这个模式是引用的整个系统所有的模块,包括以下几点:(1)数据字段(图2)用于组合生产规则;(2)实体集(“domainDBContext.IntegratedView”)和实体属性(例如,“x。在LINQ手术”、“x.BirthWeight”);(3)和最终的SQL代码改变了ORM。
基于DSL-conversion过程,原始CT招聘标准用产生式规则表示已经最终转化为对底层数据库原生SQL语句。返回的病人将会显示为一个html表格。用户可以将搜索结果导出到Excel或csv(逗号分隔值)文件。他们还可以检查每个病人,分配一个特定的“CT研究标签”这个病人。
4.3。评价
CT招聘系统最早将在2015年8月。直到现在(2016年11月),系统日志显示已经有230用户查询。虽然我们还没有进行大规模的科学的评价体系,我们收集了大量的反馈来自最终用户和临床工程师。基于这些反馈,可以评估系统的几个方面。
(1)实施成本。如前所述,SDE的标准编写工具用在许多相关的工作是基于共享信息模型或本体,和共享的模型映射到本地数据库查询可以相当复杂和耗时。本文提出的方法不使用这样一个中间模型,所以保存的映射和实施成本相对较低。此外,这种方法使用LINQ作为一个中间的DSL。因为LINQ和招聘标准生产规则严格约束dsl,它们之间的转换是明确的,容易实现。更重要的是,LINQ可以使用ORM作为数据提供者,所以可以自动转换LINQ到SQL ORM。
(2)DSL表达能力。在这项研究中,SDE的工具使用产生式规则作者CT招聘标准。DSL的表达能力决定的标准可以表示和处理的信息系统。表1显示了运营商和DSL产生式规则中使用的数据类型。尽管DSL只支持一组有限的操作符(例如,它不支持赋值和算术运算符“= +、-、/”),它满足了CT招聘需求230年查询任务以来第一次部署。表达这个DSL的力量在于两个方面:(1)复杂的规则可以由基本元素的组合。(2)通配符支持这个系统有效地处理自由文本数据字段。生产规则DSL,“%”表示任何文本,可用于构建复杂的文字模式。这个本地野生卡支持底层SQL引擎。
(3)性能。系统性能的定量评价是进行云计算虚拟机(CPU:双核2.39 GHz, RAM: 4 GB,操作系统:Windows Server 2012 R2数据中心64位版本,DB: SQL Server 2012 Express)。CT招聘的总消耗时间查询任务包含4个部分:(1)规则验证。该系统首先检查是否规则表达式可以作为一个结构良好的解析树(使用ANTLR库)。(2)DSL翻译:“产生式规则- > LINQ - > SQL。(3)SQL查询:查询执行时间由底层数据库服务器。(4)客户端处理:时间消耗的web浏览器,包括AJAX调用服务器端和html渲染(显示在网页服务器归还记录)。
三个CT招聘规则在不同的复杂性进行测试。从表2,最耗时的部分是SQL查询和客户端处理,而规则验证和DSL翻译成本小。它也可以被看到,随着规则的复杂性的增长,DSL翻译过程的消耗时间和底层SQL server并不显著扩大。这表明计算机辅助CT招聘系统具有良好的性能曲线关于规则的复杂性。
(4)规则变量可扩展性。CT招聘系统的第一个版本后,最终用户构成的一个频繁请求支持更多的数据字段(规则变量)。一开始,我们只提供了一些基本的数据字段的规则编辑工具,如生日、妊娠年龄、出生体重、和诊断。然而,当用户进行更多的CTs,他们不断地请求延长更多的数据字段,如家族疾病史,药物使用在怀孕期间,CPAP治疗(持续气道正压)。
为了满足这些频繁的请求,我们开发了SDE规则编写工具基于纯粹的直接技术(HTML和JavaScript),规则创作工具是与服务器端逻辑规则解析和执行。当需要扩展一个新的规则变量,临床工程师只需要几行扩展HTML和JavaScript代码的编辑工具。因为规则变量名和数据类型都是相同的数据库中相应的数据字段,招聘标准规则产生的创作工具可以直接解析和执行的连续模块没有任何进一步的修改。从这个意义上讲,规则变量可扩展性非常满意,系统维护工作量大大降低。
(5)查询精度和召回率。准确率和召回率是两个常见的措施来评估查询系统。对于我们的系统,我们发现这两个措施取决于用户编写规则表达式。系统只是一个“执行者”的搜索规则。没有NLP或模糊逻辑模块的系统,可以把“不确定性”或“歧义”,系统本身不妥协的总体查询准确、召回率。规则编辑工具,用户可以不断提高查询准确率和召回率通过常规技术,如加入多个变量条件下,增加或减少阈值和添加更多的逻辑分支。
5。结论和讨论
使用CT招聘系统已经在深圳眼科医院一年多。临床评估和反馈已经证实了它的可用性。系统也收到由系统开发人员和临床工程师:开发和维护成本明显低,扩展性也令人满意。
这些积极的评论主要是由于系统的两个特点。(1)系统直接使用底层数据库模式作为所有相关的参考模型模块,如规则创作工具,中间LINQ代码,最终的SQL查询。通过这种方式,大大减少了系统的复杂性和数据映射。(2)系统使用面向DSL(例如,在c#和VB.Net LINQ;JINQ、Linq4j JaQue Java)作为中间正式语言。生产等DSL使用类似的语法规则和SQL,并支持ORM数据提供者。通过这种方式,从本地数据库查询招聘标准是翻译过程大大简化。
与其他相关工作相比,本研究也有一些局限性和参数。
(1)数据集成和知识共享。大部分现有相关工作集中在如何实现数据共享和数据查询跨异构临床数据来源。这些作品的核心方法是一种常见的本体或数据模型。对于每个数据源,中间件或数据映射模块提供单个数据库映射到共享模型。规则编辑工具还取决于共享的模型,因此,招聘标准可共享的可计算的形式表示,可以分布式共享知识资产。
另一方面,由于罗普管理系统在我们的案例研究中已经有一个中央数据存储库,收集并存储数据从多个医院(换句话说,数据集成工作已经转移到底层数据存储库),我们不关注来自异构数据源的数据集成问题。我们的方法不需要共享本体或数据映射中间件。然而,缺点也是明显的:招聘标准规则创建的创作工具紧密耦合与当地的数据库模式。换句话说,规则是“机构性”和难以被分布式共享的知识资产。
(2)扩展规则变量。如前所述,SDE规则变量提供的规则编写工具来自底层的数据库模式。这样,规则中引用变量规则表达式可以“识别”和“处理”系统中所有相关的模块。这样的设计产生一些论点:如果用户想要添加一个医学概念/规则变量不存在在当前数据库模式?我们可以分析这个论点3例:(a)的概念是一个高级或者是粗粒度的概念,而数据库中的数据字段。对于这种情况,高层概念通常可以由现有细粒度项。例如,一个用户想要使用“最严重的诊断”的概念,和数据库有“最严重的诊断OD”和“最严重的诊断系统”数据字段(OD =右眼,OS =左眼)。标准的“最严重的诊断= ROP_Stage4A”概念可以表示成“(最严重的诊断OD) = ROP_Stage4A | |(最严重的诊断操作系统)= ROP_Stage4A”。(b)的概念是一个低级或细粒度的概念。它通常是处理这种情况下更加困难和复杂。例如,用户想要使用“罗普区”和“罗普阶段”规则变量,但数据库只有一个字符串类型的数据字段“诊断”。 A rule of “[ROP zone] = 1 && [ROP stage] = 3” can be represented as “[diagnosis] = %Zone1Stage3% || [diagnosis] = %Stage 3 in zone 1%” (% is a wild card). However, due to the unconstraint nature of natural language, not all eligible patients can be covered by the previously mentioned rule, which will compromise the recall rate. Moreover, for many cases, it can even be impossible to compose an equal representation with coarse-grained data fields. (c) The concept is totally new to the current database. For example, the user wants to do some genotype research, but there are no genetic data fields in the underlying database. For these cases, the only solution in the context of our proposed method is to extend the database schema. In summary, case (a) is well supported in the system, case (b) is partially supported, and case (c) is not supported. For unsupported cases, the only feasible solution is to extend the database schema to add new data fields.
(3)利用非结构化的临床资料。在这个案例研究中,数据存储在罗普管理系统大多是格式和结构。然而,一些有关病人信息仍然在非结构化形式(例如,手写RetCam扫描报告,眼科手术记录)。如何使用这些叙述数据是临床研究人员所面临的一个长期存在的问题,和有前途的NLP技术一直是一个热门研究领域。联合查询结构化和nonstructured数据将CT招聘系统的有意义的研究课题。另一种重要nonstructured医学成像数据。罗普,RetCam诊断的图像是一个非常重要的证据。如何提取图像形态从RetCam甚至生理信息是一个具有挑战性的和有意义的任务。结合成像数据将进一步提高病人查询结果。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项研究支持由中国国家自然科学基金(71602044),人文和社会科学的基础(15 yjc630106),中国教育部中国浙江省自然科学基金(LQ16G020006),深圳市科技创新委员会,中华人民共和国(201602293000443,JCY20140414114853651)。还支持本研究的研究中心信息技术与经济和社会发展,浙江省,中国。