基于自动化框架的临床编码表开发：针对英国多长期病症患者的验证研究

本研究针对临床编码表（codelist）开发过程中耗时且易出错的问题，提出了一种通用自动化框架（GCAF），通过整合可信数据源（如CALIBER和eFI2）和半自动化流程，显著减少了临床专家验证时间。以英国多长期病症（MLTC）患者数据为案例，该框架成功生成214个编码表，验证效率提升80%以上，为电子健康记录（EHR）研究的透明性和可重复性树立了新标准。

　　

在当今医疗大数据时代，电子健康记录（EHR）已成为人口健康管理和临床研究的重要工具。然而，将这些原始数据转化为可分析的标准化信息，离不开临床编码表（codelist）的桥梁作用。编码表是将分散的临床术语（如SNOMED CT或ICD代码）归类为特定疾病或治疗概念的关键工具，但其开发却面临巨大挑战：现有方法依赖大量人工操作，临床专家需耗费数月时间验证数万条代码，且不同研究间的编码表缺乏透明性和可重复性。

针对这一痛点，由英国利物浦大学、利兹大学和曼彻斯特大学等机构组成的研究团队，在《BMC Medical Research Methodology》发表了题为《An automation framework for clinical codelist development validated with UK data from patients with multiple long-term conditions》的论文。研究团队设计了一个通用编码表自动化框架（Generalised Codelist Automation Framework, GCAF），通过半自动化流程整合可信数据源（如CALIBER和电子衰弱指数eFI2），显著提升了编码表开发效率。

研究团队采用多阶段技术方法：首先通过NHS TRUD映射文件统一编码格式；其次利用自然语言处理技术匹配不同编码表中的同义临床概念；再通过临床专家对条件名称（而非单个代码）进行分组或拆分指导；最后通过CALIBER等已验证编码表自动“收缩”需人工审核的代码量。研究以英国国家健康研究所（NIHR）资助的DynAIRx项目为案例，该项目旨在优化多病症（MLTC）患者的药物处方，需构建涵盖214种病症的复杂编码表。

研究结果显示，GCAF框架实现了三大突破：一是效率提升，一个包含14,000条SNOMED代码的编码表仅需7-9小时临床验证时间，较传统方法缩短80%以上；二是覆盖全面，新增78种未被CALIBER收录的特定病症代码（如肾结石、周围神经病变）；三是质量可控，通过四轮临床专家会议（每次1小时）完成对复杂病症（如酒精相关疾病、精神健康）的精准分类验证。与现有编码表（如OPTIMAL、AI-MULTIPLY）相比，DynAIRx编码表更专注于多病症研究，剔除无关条件后仍保持14,000条代码的规模。

讨论部分强调，GCAF的创新性体现在三个维度：方法学上首次提出可扩展的自动化流程模板；实践上通过GitHub开源框架促进透明研究；理论上为多病症（multimorbidity）与多重用药（polypharmacy）的交互研究奠定基础。局限性包括尚未解决临床术语的时间漂移问题（如QOF激励政策变化对编码的影响），未来可结合OMOP-CDM模型进一步扩展。这项研究为处理EHR数据的“脏、乱、慢”难题提供了标准化解决方案，其开源工具（附于论文补充材料）已可直接应用于英国临床实践研究数据链（CPRD）等真实世界数据库。