《The Pharmacogenomics Journal》：Development and validation of an open data model for pharmacogenetics to enable semantic interoperability in clinical practice
编辑推荐：
药物遗传学（pharmacogenetics）利用基因检测来提高处方药物的安全性与有效性，但由于缺乏能够将检测结果整合至处方工作流程中的可互操作医疗信息技术（health IT）解决方案，其规模化实施仍然受限。本研究旨在开发并验证用于药物遗传学结果的开放数据标
药物遗传学（pharmacogenetics）利用基因检测来提高处方药物的安全性与有效性，但由于缺乏能够将检测结果整合至处方工作流程中的可互操作医疗信息技术（health IT）解决方案，其规模化实施仍然受限。本研究旨在开发并验证用于药物遗传学结果的开放数据标准，以实现跨卫生保健系统的互操作性。研究人员采用开放标准openEHR，通过综合文献、基因组测序输出结果以及国际数据规范构建了一个基础数据模型，并通过与全球基因组与健康联盟（Global Alliance for Genomics and Health, GA4GH）的迭代式研讨会对其进行完善。该模型经历了两轮结构化同行评审，共有来自10个国家的24位专家参与。研究还采用人工与自动化两种方法评估其向HL7 FHIR的映射情况，其中包括使用FHIR-Connect工具。最终形成的标准化药物遗传学数据模型将检测结果与治疗学影响分离，并纳入SNOMED CT和HGNC等公认术语体系。该模型已获得国际共识，并发布于openEHR Clinical Knowledge Manager平台。向HL7 FHIR的映射表明，该模型能够支持卫生保健系统内部的双向信息流，而自动化映射则可实现可扩展且可复用的转换。本研究为药物遗传学检测结果的存储与交换提供了一个框架，支持语义协调、互操作性以及与临床决策支持系统（clinical decision support, CDS）的整合。因此，药物遗传学检测结果的开放数据标准为药物遗传学在常规临床实践中的可扩展实施奠定了基础。
该文发表于《The Pharmacogenomics Journal》，围绕药物遗传学（pharmacogenetics）在常规医疗中的落地障碍展开，核心问题是虽然基因检测已被证明能够改善常用药物处方的安全性与有效性，但现实中的实施规模仍十分有限。其关键原因并不在于单纯缺乏检测能力，而在于缺少能被临床信息系统稳定识别、存储、交换并调用的数据标准。传统遗传检测通常以纸质或PDF“遗传报告”形式输出，这类结果不可机器读取，且术语复杂、临床解释困难，难以直接嵌入电子健康记录（electronic health record, EHR）和处方流程。对于药物遗传学而言，这一问题尤其突出，因为其应用场景并不限于专科，而是广泛存在于全科、基层与各类常规开药情境中。因此，如何把复杂的基因组信息转化为可供非遗传学专科医生使用的、结构化且可互操作的“检测结果”，成为推进精准医疗（precision medicine）的关键前提。
在这一背景下，研究人员开展了开放数据标准建模研究，目标是构建一个面向药物遗传学检测结果的开放数据模型，以支持跨系统语义互操作性（semantic interoperability）以及后续临床决策支持。研究的理论出发点非常明确：药物遗传学检测结果必须从传统“报告”模式转向可计算、可共享、可复用的标准化数据对象，同时这一对象还应作为下游知识调用的“单一事实来源”（single source of truth）。研究最终得出结论：基于openEHR构建的开放数据模型能够以稳定、标准化的方式表达药物遗传学检测结果；将“遗传检测结果”与“治疗学影响”分离建模是合理且必要的；进一步与HL7 FHIR实现映射后，该模型可支持医疗系统内双向信息流与可扩展转换。这一成果的重要意义在于，它为药物遗传学在日常临床中的规模化部署提供了底层信息学基础，也为精准医疗从试点走向常规服务创造了条件。
研究人员主要采用以下几类关键技术方法。首先，在项目背景上，该研究隶属于“Pharmacogenetics Roll Out: Gauging Response to Service”（PROGRESS，ISRCTN15390784）计划，由The University of Manchester、NHS England药物遗传学卓越网络及GA4GH支持。其次，研究以openEHR为核心建模框架，综合既往文献、基因组测序输出内容及2022年FHIR药物遗传学报告规范建立基础模型，并通过GA4GH研讨会持续迭代。再次，研究采用受Delphi法启发的两轮国际同行评审机制进行共识验证。最后，研究通过利益相关方半结构式访谈评估模型在NHS场景中的可用性，并结合人工及FHIR-Connect自动化工具完成向HL7 FHIR的映射验证。
在结果部分，论文首先以“Baseline data model”为标题，说明基础数据模型的形成逻辑。研究人员发现，既往研究和FHIR规范常将两类本质不同的信息置于同一模型之中：一类是底层遗传检测结果，即反映患者基因构成及其对药物代谢或反应能力预测的信息；另一类则是治疗学影响，即面向具体药物的处方建议。研究指出，这种混合表达会削弱模型的灵活性和复用性，因为遗传结果具有长期稳定性和普遍适用性，而治疗学影响会随证据更新、药物可及性和临床情境变化而变化。据此，研究人员提出并实现了二者分离建模：将遗传检测结果保存为稳定且语义一致的记录，而将治疗建议作为可动态关联、可独立更新的知识内容处理。通过这一设计，模型既保存了基因层面的长期价值，也支持临床知识层面的动态演进。随后再将该模型映射至HL7 FHIR，以测试其互操作能力。
在“Final data model”部分，论文总结了最终模型的结构特征及国际共识形成过程。研究经过两轮同行评审和多次编辑会议，最终确定了数据元素名称、定义及用途，并引入既有标准术语体系，包括HUGO Gene Nomenclature Committee（HGNC）、LOINC以及临床药物遗传学实施联盟（Clinical Pharmacogenetics Implementation Consortium, CPIC）推荐的SNOMED CT术语。最终模型围绕一组离散数据元素组织，用于捕获遗传学发现及其即时解释，同时保持与下游治疗学影响相分离。模型核心包括基因符号、二倍型（diplotype）和推断表型（inferred phenotype），这些元素构成患者遗传背景与功能后果之间的主要连接。为支持更细粒度表达，模型还纳入等位基因单倍型信息、单个活性值及汇总活性评分（activity score），从而提高跨基因表达的一致性，并支持不同计算框架下的结果表示。
该部分还进一步指出，模型详细规定了受检基因组区域及覆盖的等位基因范围，使检测范围与局限性具有透明性。在这一分支下，还可记录变异发现细节及其他背景信息，以便随着未来证据积累对结果进行再次解释。除此之外，模型中还设置了描述与归属等元数据元素，以支持结果的来源追踪（provenance）、可追溯性（traceability）和质量保证。研究据此认为，该模型在标准化与灵活性之间取得平衡，既可作为药物遗传学结果的长期存储框架，也可为未来更新和跨系统交换提供支撑。
在“Validation and usability testing”部分，论文报告了对模型可用性和落地条件的验证结果。研究人员访谈了NHS England转型平台主管信息技术专家、国家医学主任、全科医生（general practitioner, GP）及生物信息学专家，围绕系统整合、临床使用与推广实施展开分析。在“Integration into health IT systems”小标题下，研究发现受访者普遍强调该模型需要与NHS现有数字基础设施对齐，尤其是电子处方服务和全科临床系统，并且必须兼容FHIR和SNOMED CT等既有标准，以确保无缝数据交换。同时，受访者指出电子健康记录中缺乏标准化药物遗传学决策支持工具，是现实应用的重要障碍。
在“Usability and clinical decision-making”小标题下，结果显示，全科医生和国家医学主任强调，若药物遗传学数据要真正支持处方决策，就必须以清晰、简洁的形式嵌入现有处方工作流程中。警报机制和临床决策支持系统（CDS）被认为是降低认知负担、支持及时决策的关键组成。生物信息学专家则强调，将原始基因组数据转化为临床可理解输出具有高度复杂性，因此需要自动化流程来处理和解释检测结果。这说明仅有数据标准本身并不足够，还需要与解释和应用层紧密协同。
在“Implementation and adoption”小标题下，论文指出，利益相关方一致认为治理、政策和培训是决定推广成败的重要因素。受访者提出，不同NHS机构之间若要统一使用药物遗传学数据，必须建立相应监管框架和一致规则；与此同时，还需通过培训和认知提升建立临床人员使用此类结果的信心。政策制定者与一线临床人员之间的持续互动也被认为是推动实施的必要条件。整体而言，这一验证部分表明，模型虽在技术上可行，但成功部署仍有赖于强健的信息基础设施、以用户为中心的设计理念以及明确的治理路径。
在讨论部分，研究人员首先指出，本研究提供了一个基于openEHR存储药物遗传学检测结果的开放数据模型，并探索了其映射至HL7 FHIR的需求，为精准医疗在常规护理中的更广泛应用补充了有关标准与互操作性的实证内容。就临床实践意义而言，研究认为这是首个面向一线照护场景、用于结构化和标准化药物遗传学检测结果的开放数据模型。论文强调，药物遗传学若要实现规模化，就必须从面向专科的复杂“报告”转向面向广泛临床用户的简洁“检测结果”，其定位更类似于指导剂量决策的肾功能检查结果，而非静态、难以计算的遗传报告。论文还结合既有文献指出，药物遗传学结果只有在与EHR及CDS系统整合后，才能在处方工作流程中真正发挥价值。
研究进一步讨论了“genomic indicator”概念，认为遗传检测结果不同于常规“观察”（observation）或“诊断”（diagnosis）类信息，若简单套入这些现有信息学结构，可能并不符合其临床用途。由于个体一生中可能接受多次药物遗传学检测，临床决策往往依赖累积信息，因此需要类似“药物遗传学档案”或“基因组指示器（genomic indicator）”这样的独立概念，作为统一且稳定的事实来源。论文认为，这一概念未来还可能拓展至多基因风险评分和单基因疾病标志，从而推动基因组结果在卫生系统中的可操作性增强。
在政策意义方面，研究指出，卫生数据标准领域长期存在“何种标准更合适”的争论，而对药物遗传学而言，显式的语义协调是结果纳入EHR的关键。论文认为，openEHR由于具备协作式、类Delphi共识方法及成熟工具生态，适合作为建模起点；其“最大数据集”理念也便于广泛收集并表达临床概念，之后再映射至FHIR这类遵循“80/20数据集”思想的标准。因此，从openEHR出发再映射至FHIR是可行路径，反向则较难实现。研究还强调，药物遗传学融入常规医疗不仅依赖技术标准，还依赖临床指南、专业教育、患者与公众参与以及对CDS作为受监管医疗器械的规范管理。
论文也明确说明了研究局限。首先，尽管同行评审具有较广泛的国际代表性，但反馈整合依赖编辑会议，未必能够完全覆盖所有观点。其次，本研究的验证主要基于利益相关方访谈，而非真实临床环境部署，因此仍需后续工作评估其在实际场景中的性能与适配性。再次，虽然与HL7 FHIR的映射证明了可行性，但未来还需进一步评估其在不同医疗环境中的可扩展性与采用情况。
研究结论部分可概括并翻译为：药物遗传学整合进常规临床实践有望显著改善医疗照护与结局，但缺乏开放数据标准仍是其广泛实施的关键障碍。研究人员利用openEHR和FHIR开发了一个用于表示药物遗传学检测结果的开放数据模型。该模型能够支持数据的结构化存储，并作为支撑临床实施和临床决策支持系统的“单一事实来源”。这种可互操作的方法可使药物遗传学检测结果在不同医疗场景间可用，并推动精准医疗实现规模化应用。
