基于自由文本到结构化基因组学:面向精准肿瘤学的癌症登记系统未来化改造

《ESMO Real World Data and Digital Oncology》:From free text to structured genomics: future-proofing cancer registries for precision oncology

【字体: 大 中 小 】 时间:2026年09月19日 来源:ESMO Real World Data and Digital Oncology 2.6

编辑推荐:

  分子病理学已成为精准肿瘤学的核心,但德国癌症登记系统的数据结构是为更简单的分子发现而设计的。本研究主张,登记系统需要对分子变异进行最小化、结构化且可互操作的表示,同时保持与数据最小化原则及现有报告基础设施的兼容性。以德国肿瘤学核心数据集(全国标准化的肿瘤学报告

  
分子病理学已成为精准肿瘤学的核心,但德国癌症登记系统的数据结构是为更简单的分子发现而设计的。本研究主张,登记系统需要对分子变异进行最小化、结构化且可互操作的表示,同时保持与数据最小化原则及现有报告基础设施的兼容性。以德国肿瘤学核心数据集(全国标准化的肿瘤学报告核心数据集——einheitlicher onkologischer Basisdatensatz [oBDS])为例,研究人员概述了向后兼容的分子数据结构的概念性原则,并提出了未来在共识建设、试点实施和影响评估方面的工作议程。
# 癌症登记系统如何迈向精准肿瘤学:从自由文本到结构化基因组变异记录的路径分析

## 研究背景与问题

癌症登记系统是人群监测、质量保证、研究和真实世界证据生成的核心基础设施。在德国,2013年《癌症筛查与登记法》和全国标准化的肿瘤学核心数据集显著提升了临床癌症登记的覆盖率和可比性。然而,分子肿瘤学的发展速度已超过许多登记数据模型。早期以单基因、热点检测为主,产生二元的突变/野生型结果;而当前靶向测序panel和全外显子组/全基因组测序则生成高维数据,包含广泛的变异谱和情境依赖性。这产生了对标准化变异注释的固有需求,以支持可解释性、兼容性和复用性。

这些发展在癌症登记系统内部造成了结构性张力:分子复杂性和粒度不断增加,而登记数据模型仍面向明确的、已知野生型或突变状态的热点变异。结果,现有模型可能限制分子信息的结构化、机器可读和可互操作表示,尤其不利于纵向分析、跨机构比较或与新兴真实世界数据基础设施的链接。这带来了一个登记政策挑战:分子数据必须充分结构化以保持可解释性和可复用性,同时要尊重数据最小化原则——这对基因组数据尤其重要,因其具有敏感性和可再识别性。因此,核心问题不是登记系统是否应收集更全面的基因组数据,而是如何定义一种与其公共卫生使命、法律责任和现有基础设施兼容的最小化、结构化、可互操作的表示方式。本研究以德国肿瘤学核心数据集为例,探讨这一从经典肿瘤文档向精准肿瘤学过渡的国家登记标准问题。

## 当前oBDS的结构性局限

现行德国肿瘤学核心数据集(oBDS,2021版)在分子遗传发现的结构化表示方面仅提供有限的粒度。尽管分子信息被正式纳入,但该数据集并非为捕获分子肿瘤学日益增长的情境依赖性、复杂性和粒度而设计。结果,分子信息往往从结构化诊断系统简化为登记字段或自由文本,限制了其在协调、质量保证和研究中的下游使用。关键缺陷包括:缺乏机器可读性和语义精确性——没有明确的标识符、版本或基因组坐标,不同机构对相同变异可能有不同表示,难以追溯解决;没有明确的转录本标识符和版本、基因组坐标以及参考基因组版本(如HG19/GRCh37、HG38/GRCh38或T2T),分子发现可能无法可靠映射到潜在DNA改变,或随着知识演进被重新解释。数据集的可扩展性也有限——面向单基因或热点检测,难以适应基因panel或全外显子组/全基因组测序的高维输出,也无法轻松整合新兴生物标志物或更新命名。此外,一些遗留类别(如显式野生型注释)在panel测序中信息价值降低,因为未报告的变异可能代表真阴性、报告阈值或缺失信息。本质上,当前oBDS隐含地假设自由文本文档可以表示复杂的基因组信息,但随着每例报告的变异数量增长,这种假设的扩展性很差。

## 研究内容与概念模型

研究人员主张采用演进式扩展而非替代,保持与现有登记、法律和软件结构的兼容性。设计原则包括:向后兼容性——先前收集的数据保持可用,适应不需要根本性系统变更;数据最小化——分子数据收集应聚焦于对既定登记目的必要、可解释和可复用的参数;句法清晰性——减少跨报告机构的歧义;互操作性——与实验室信息系统兼容,并符合HGVS等国际命名标准。

为说明如何在现有登记约束下实现更结构化的分子文档,研究人员提出了一个概念模型,建立在现有字段23.1(“基因变异”)和23.2(“基因表达”)之上,不改变数据集正式结构。关键约束是相关字段的100字符限制,这需要紧凑和标准化的表示。在示例模型中,字段23.2保留现有单字母代码“M”表示报告突变;在二代测序中,未报告突变不应被解读为显式野生型结果。字段23.1可采用管道符分隔的固定顺序字符串语法,将基因符号置于首位以保持向后可读性。该字符串包含13个有序、机器可读的元素,分为五个概念类别:基因身份和位置(HUGO基因符号、染色体和外显子);基于HGVS的蛋白、DNA和编码DNA水平变异描述;参考框架(带版本的转录本标识符和参考基因组版本);变异分类(变异类别、变异类型和提交原因——VCR、VUS、VSI);定量质量指标(总读长深度和变异等位基因频率)。这种最小化的基于本体的扩展可将非结构化基因级条目转换为精确、可互操作、可复用的变异记录,同时保持与当前oBDS的完全向后兼容。

## 未来实施议程

研究人员提出了分步式多利益相关方流程。首先,概念模型应与癌症登记系统、分子病理实验室、临床利益相关方、软件供应商、数据保护专家和监管机构讨论,以确定哪些分子参数对登记目的是必要且相称的。其次,参数集需经过法律和治理审查,特别是数据最小化、目的限制和基因组数据敏感性。第三,在试点实施中评估技术可行性,包括与现有登记软件、实验室信息系统和数据交换格式的兼容性测试,关注字符限制、解析器可读性、错误处理、向后可读性及oBDS语义保留。第四,使用不同肿瘤实体、测序panel和报告机构的分子病理报告评估真实世界分子发现的可表示性,评估相关信息丢失或歧义,以及哪些变异类型需要额外建模。最后,评估临床、研究和运营影响,包括数据完整性、歧义变异文档减少、登记查询能力改善、跨机构协调可行性以及质量保证和真实世界证据生成的可用性。

## 结论与意义

本研究认为,现有癌症登记数据集的务实、向后兼容演进可提高分子真实世界数据的质量、互操作性和长期可用性。通过概述如何在当前oBDS框架内实现结构化、机器可读的变异文档,研究确定了增强可追溯性、减少歧义并支持登记、质量保证和研究二次使用的路径。与国际标准(包括基于HGVS的命名法和显式转录本及参考基因组信息)对齐,可支持跨境互操作性。在欧洲背景下,此类数据可支持协作研究基础设施、分布式分析和新兴健康数据空间,前提是解决治理、互操作性和技术实施问题。将oBDS视为活数据集,能够根据科学和技术进步进行受控调整,为平衡创新、治理、互操作性和数据最小化提供了务实途径。实现这一目标需要癌症登记系统、病理学和检验医学、临床利益相关方、软件提供者、数据保护专家和监管机构的持续合作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号