从人群癌症登记到质量注册：波兰国家癌症登记处作为整合肿瘤数据生态系统

《ESMO Real World Data and Digital Oncology》：From population-based cancer registration to quality registries: the Polish National Cancer Registry as an integrated oncology data ecosystem

　　

背景与目的：基于人群的癌症登记处为流行病学研究和监测提供了重要数据源。本文介绍了波兰电子波兰国家癌症登记处(e-PNCR)平台的组织与功能架构，这是一个旨在实现国家癌症登记现代化并支持高粒度质量注册发展的综合数据生态系统。 材料与方法：e-PNCR平台于2023年实施，集中化了全国范围的数据采集，通过自动化医院网络导出(企业服务总线)和结构化网络界面整合了多机构的真实世界数据(RWD)。自然语言处理(NLP)模型从非结构化临床文档中提取与登记相关的概念，随后进行符合欧洲癌症登记网络/联合研究中心(ENCR/JRC)建议的自动验证。 结果：该平台采用模块化架构以支持特定疾病的质量注册。诸如波兰血液肿瘤登记处(PROH)等框架直接作为核心国家基础设施的结构性扩展部署。这一范式允许新的注册处重用现有的标准化术语和验证规则，而无需修改外部医院接口。此外，集成的NLP流水线以约87%的平均敏感度和阳性预测值(PPV)提取临床信息，在保持强制性专家核查的同时简化了病例登记流程。 结论：e-PNCR平台为国家癌症登记建立了一种高度可扩展的范式，促进了高质量RWD的高效生成。通过利用共享技术基础设施，专门质量注册处的部署所需资源大幅减少。至关重要的是，该平台的标准化数据环境提高了登记处对未来与欧洲数据共享计划(包括欧洲健康数据空间(EHDS))无缝整合的准备度。

论文解读：从人群癌症登记到质量注册——波兰国家癌症登记平台(e-PNCR)的综合数据生态

一、研究背景与问题提出

癌症登记处系统性地收集基于人群的癌症发病率、诊断特征、治疗和结局信息，为流行病学研究与医疗规划提供基础数据源。波兰国家癌症登记处(PNCR)覆盖波兰约3700万人口，每年记录约19万例新发癌症病例和10万例癌症死亡。尽管PNCR作为欧洲历史最悠久的人群登记处之一已有近75年历史，并在2013年引入基于网络的电子报告系统，但其传统模式仍面临数据采集效率低、非结构化文本处理困难、缺乏灵活扩展能力等问题。特别是在发展高粒度质量注册(quality registry)方面，现有基础设施难以高效支持针对特定疾病的精细化数据收集与分析。为此，研究人员开发了电子波兰国家癌症登记处(e-PNCR)平台，旨在通过整合自动化数据交换、自然语言处理(NLP)技术和模块化架构，建立一个现代化的综合数据生态系统，以提升登记效率、数据质量，并为未来融入欧洲健康数据空间(EHDS)做好准备。

二、研究内容与结论

研究人员设计并实施了e-PNCR平台，该平台于2023年正式部署。研究得出以下核心结论：第一，e-PNCR通过自动化医院网络导出和企业服务总线(Enterprise Service Bus)集成多机构真实世界数据(RWD)，显著提升了数据采集的效率与完整性；第二，NLP模型能从非结构化临床文档中提取登记相关信息，平均敏感度和阳性预测值(PPV)约为87%，但需人工核查以确保准确性；第三，模块化架构使疾病特异性质量注册如波兰血液肿瘤登记处(PROH)可直接作为核心基础设施的结构性扩展部署，极大降低了新注册系统的开发资源需求；第四，标准化数据环境增强了登记处与未来欧洲数据共享倡议(如EHDS)的互操作性。这些成果表明e-PNCR为国家癌症登记建立了高度可扩展的范式，促进了高质量RWD的高效生成。

三、关键技术方法

为实现上述目标，研究人员采用了以下几项关键技术方法：

1. 1.
   自动化数据采集架构：通过企业服务总线(ESB)实现约260家医院的电子临床文档(如病理报告、出院小结)自动传输，同时为非集成医疗机构提供结构化网络表单手动录入方式。
2. 2.
   自然语言处理(NLP)提取管道：开发NLP模型从非结构化临床文本中提取登记相关信息，并将其映射至标准化癌症通知表单字段，随后应用符合欧洲癌症登记网络/联合研究中心(ENCR/JRC)建议的自动验证规则。
3. 3.
   模块化子表单部署框架：将核心癌症通知表单组织为患者识别、诊断、分期、治疗和报告机构等模块化部分，允许新质量注册(如PROH)在不改变外部医院接口的前提下，复用现有标准术语和验证规则并扩展专用变量。
4. 4.
   人机协同验证机制：系统高亮显示NLP提取值对应的原始文本片段供工作人员核查，并将人工修正数据反馈用于模型迭代训练。

四、研究结果

1. 登记范围与数据结构：核心PNCR涵盖ICD-10编码C00-D09的恶性肿瘤与原位肿瘤，使用ICD-O-3.2进行形态学编码；PROH则限定于血液恶性肿瘤(C81–C96, D45–D47)。两者共享一组核心变量(如患者唯一标识符、诊断日期、肿瘤部位、形态学、分级等)，PNCR额外记录TNM分期、侧别、分子标志物(HER2、ER、PR等)；PROH则增加Ann Arbor分期、R-ISS、免疫表型、细胞遗传学特征、详细纵向治疗信息等变量。

2. 数据来源与报告工作流：数据来源于医院、病理实验室、门诊、私人诊所和临终关怀机构。集成提供商通过ESB自动传输文档，NLP提取信息后经自动验证；非集成提供商通过结构化网络表单手动提交。所有通知由经过培训的登记人员审查，判断是否为原发肿瘤或更新记录。

3. 患者识别与记录链接：主要依靠PESEL(波兰国民身份识别号)进行患者识别，不可用时使用出生日期、姓名等替代组合。登记以病例为基础，每个原发肿瘤独立登记。波兰设有一个中央单位(位于华沙的Maria Sklodowska-Curie国家肿瘤研究所)和16个省级办公室，实行基于居住地而非治疗地的登记原则。

4. NLP自动数据提取：NLP模型从非结构化文档中提取信息并填入标准化通知表单，平均敏感度和PPV约87%。系统高亮显示提取值对应的源文本段以便人工核查。不同机构间文档实践差异是错误的主要来源，人工修正数据被保留用于模型迭代优化。

5. 质量注册集成：PROH作为首个质量注册实例，通过扩展核心PNCR数据集实现部署。新注册系统只需进行数据库结构扩展、界面调整和补充NLP模型训练，无需修改外部医院接口。

6. 登记及时性：集成提供商实时传输数据，手动报告延迟约12-18个月。官方统计通常在诊断年后约24个月发布，此时数据完整度约95%。

7. 信息安全：采用安全认证、基于角色的访问控制、加密传输、审计日志、高可用数据中心、备份恢复和防火墙等措施保障数据机密性、完整性和可用性。

五、讨论与结论

讨论总结：e-PNCR平台的核心优势在于其稳定的制度与资金框架(由国家肿瘤战略支持)和模块化设计，使得质量注册(如PROH)可作为现有基础设施的直接扩展高效部署。主要局限包括：(1)各机构电子临床文档的高度异质性(术语、结构、报告实践的差异)影响NLP提取性能，导致敏感度和PPV波动，仍需人工核查；(2)处理大量非结构化临床叙述需要持续维护的大量计算资源，未来扩展需持续投资IT基础设施和NLP模型开发。

结论翻译：e-PNCR平台的实施标志着波兰癌症登记的重要进步。通过整合自动化电子报告、集中数据处理和基于NLP的非结构化临床文档提取，该平台为生成高质量RWD以支持癌症监测和研究建立了稳健的基础设施。此外，其模块化结构使疾病特异性质量注册能在现有国家框架内无缝发展。正如PROH所证明的，新注册可以复用通用技术组件、标准化术语和验证规则，同时扩展核心数据集以包含专门的临床信息。这种方法大大减少了实施后续质量注册所需的技术工作和资源。e-PNCR建立的标准化和互操作数据环境为未来的欧洲数据共享倡议(包括欧洲健康数据空间EHDS)提供了坚实的组织和技术基础。通过标准化变量定义、编码系统和验证规则，该平台支持严格的元数据管理，促进未来的数据发现和国际互操作性。因此，e-PNCR作为关键的准备性基础设施，显著提高了PNCR对未来与EHDS相关服务整合的准备度。