编辑推荐：
罕见病（RDs）数据质量低且稀缺，严重阻碍相关研究与治疗。研究人员开发了基于本体的罕见病通用数据模型（RD-CDM），整合多标准数据。结果显示该模型可提高数据质量和精准度，对推动 RDs 研究和临床治疗意义重大。
在医疗领域，罕见病（RDs）虽单个发病率低，但全球患病人数超 2.6 亿，约占总人口的 4% 。然而，罕见病的诊疗和研究面临诸多困境。一方面，非罕见病专科医疗人员对罕见病认知不足，且其在常规医疗中系统性代表性不足，导致诊断耗时久，误诊情况频发。这不仅延误患者治疗，阻碍新疗法研究，还会给患者及其家庭带来不良心理影响。另一方面，医疗数据缺乏互操作性，大多以非结构化格式记录，未使用标准本体、格式和编码系统，难以用于精确研究。同时，由于罕见病种类繁多，超过 10,000 种，每种都有特定的数据需求，现有国际疾病分类标准（如 ICD-10）又未充分涵盖罕见病，使得统一和简化数据收集及实施困难重重。因此，开发一种能整合各类数据标准、提高数据质量和互操作性的罕见病通用数据模型（RD-CDM）迫在眉睫。
柏林健康研究所（Berlin Institute of Health at Charité – Universit?tsmedizin Berlin）等机构的研究人员开展了相关研究，旨在将欧洲罕见病登记基础设施通用数据集（ERDRI-CDS）、健康级别 7 快速医疗互操作性基础资源（HL7 FHIR）和全球基因组学与健康联盟表型数据包模式（GA4GH Phenopacket Schema）整合为一种新型罕见病通用数据模型（RD-CDM）。研究结果显示，该 RD-CDM v2.0.0 版本包含 78 个数据元素，相比 ERDRI-CDS 增加了 62 个元素，能有效提高罕见病数据的质量和精准度，为临床护理和研究提供支持。该研究成果发表在《Scientific Data》上，对推动罕见病领域的发展具有重要意义。
研究人员采用了多种关键技术方法。首先，以 ERDRI-CDS 为基础，参考其他数据模型，将相关元素映射到 HL7 FHIR v4.0.1 和 GA4GH Phenopacket Schema v2.0。接着，与临床专家合作进行临床评估，平衡模型的范围和数据粒度。然后，采用基于本体的编码方法，使用多种本体和术语系统对数据元素和值集进行编码。最后，在四个德国大学医院的 REDCap 系统中进行了原型实施，收集真实患者数据进行验证和优化。
研究结果主要从以下几个方面呈现：
- RD-CDM 模型构建：详细介绍了 RD-CDM 的各个部分，包括 8 个主要部分及其子部分，每个部分的数据元素、编码系统、与其他标准的对应关系等。例如，对部分章节进行了重命名和扩展，像 “Diagnosis” 部分被细分为四个子部分，新增了许多数据元素，如在 “Genetic Findings” 中，详细描述了基因诊断相关的多个元素，包括基因组诊断、变异解读状态等。
- 评估类别：
- 医疗数据粒度：对模型各部分数据元素从临床角度分析，发现扩展的元素如入院日期、年龄类别等对登记提交和临床研究很重要；同时，纳入一些元素（如性别相关元素）可提高数据精准度，排除（如种族元素）则是考虑到其争议性和数据质量问题。
- 医学推理和临床相关性：在临床环境中实施模型，发现将临床和遗传发现转化为数据元素的过程存在问题，数据质量参差不齐。不过，该模型在临床试用中可行，能支持登记导出和精确分析，但目前范围有限，限制了医学推理能力。
- 互操作性和协调：从六个层面评估模型与数据标准的一致性，发现大部分数据元素（96%）与 HL7 FHIR 或 GA4GH Phenopacket Schema 对齐，但仍存在一些问题，如部分数据元素的数据类型和值集与标准不完全匹配，需要进一步扩展和转换。
研究结论和讨论部分指出，RD-CDM 通过整合多种数据标准，提高了数据的质量和精准度，有助于实现临床、研究和登记目的的无缝数据捕获，为欧洲参考网络更广泛使用 Phenopacket Schema 奠定基础，缩小常规护理与专业 RD 数据之间的差距。然而，该模型也面临一些挑战，如部分数据元素和值集的编码需要进一步优化，缺乏实施指南和明确的基数定义等。未来需在更多国际医疗信息系统和特定疾病用例中进行验证和实施，不断完善模型。同时，可围绕 FHIR 国际患者摘要和基因组报告等进行开发，探索使用大语言模型（LLMs）提高数据的互操作性。总之，该研究为罕见病领域的数据管理提供了重要的基础和方向，有望推动罕见病诊疗和研究的进一步发展。
