基于FHIRPath的FHIR数据表格化视图标准化研究：实现跨平台医疗数据分析互操作性

这篇综述创新性地提出了"SQL on FHIR"视图定义规范，通过FHIRPath表达式实现医疗数据(FHIR)到表格结构的标准化转换。研究团队历时18个月开发出兼容多种技术平台(如Spark、PostgreSQL)的解决方案，成功复现了ICU氧疗种族差异研究，证实其在大规模临床数据分析中的可行性。该规范采用三层架构(数据层-视图层-分析层)，支持select/forEach等指令，显著提升了医疗互操作性标准(FHIR)在实时分析(CDSS)、预测建模等场景的应用效率。

　　

Abstract

医疗数据互操作性标准FHIR(Fast Healthcare Interoperability Resources)在分析领域面临复杂数据结构转换和JSON/XML查询性能等挑战。国际工作组开发的新型规范通过FHIRPath定义表格视图，经多平台验证可实现：1）跨技术栈执行相同视图定义；2）保留FHIR语义的同时提升分析效率；3）通过MIMIC-IV数据集复现ICU氧疗种族差异研究，证实结果一致性。

Introduction

FHIR作为现代医疗互操作标准，其模块化资源设计相比OMOP CDM更侧重实时数据交换。尽管被ONC"21世纪治愈法案"和欧盟EHDS强制采用，但嵌套的JSON/XML结构导致：1）可视化困难；2）分析工具兼容性差；3）查询性能瓶颈。现有方案如原始SQL on FHIR、FML等存在实现复杂或可移植性差的问题。

Results

Specification

规范采用三层架构：

• 数据层：支持REST API、NDJSON等多种FHIR存储
• 视图层：通过select(定义列)、forEach(行展开)等指令实现转换
• 分析层：输出兼容SQL/R/Python等工具

关键创新包括：

1. 使用FHIRPath表达式提取数据，支持getResourceKey()生成连接键
2. 提供base/shareable/tabular三级规范，约束程度递增
3. 通过unionAll合并查询结果，forEachOrNull实现外连接语义

Implementations

8个独立实现验证可行性：

• Pathling：转译为Spark SQL
• Aidbox：基于PostgreSQL实现
• 谷歌FHIR Data Pipes：适配多种数据仓库
  测试显示在4600万条MIMIC-IV观察记录中保持稳定性能。

Study replication

复现Gottlieb等关于ICU氧疗种族差异研究：

1. 亚洲患者接受率低22%(p<0.001)
2. 非裔患者低19%
3. 西班牙裔低15%
   结果在Pathling/Spark和Aidbox/PostgreSQL双平台完全一致。

Discussion

与CQL、FML等方案对比显示：

• 表达力3/5 vs CQL的5/5
• 易用性4/5 vs FML的2/5
• 可移植性5/5最佳

局限包括单资源约束和单向转换，但换取了：

1. 与现有分析工具无缝集成
2. 降低70%自定义转换代码量
3. 支持Bulk Data API等新兴标准

未来将拓展Parquet格式支持和OMOP CDM映射，为FHIR-based AI(EHRMamba等)提供标准化数据管道。规范已获HL7官方工具集成，正在改变临床研究(如Cumulus项目)的数据准备范式。