T-Rx: A toolbox for reproducible processing of prescriptions (Rx) stored in electronic health record databases

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel zu lösen: Warum werden manche Menschen von einer Krankheit gesund, während andere es nicht werden? Um dies zu lösen, benötigen Sie eine riesige Bibliothek voller Indizien. In der Welt der modernen Medizin sind diese Indizien in „elektronischen Patientenakten“ (EHRs) verborgen – den digitalen Notizbüchern, in denen Ärzte aufschreiben, was Ihnen fehlt und welche Medikamente sie Ihnen verschreiben. Aber hier liegt der Haken: Diese digitalen Notizbücher sind unordentlich. Ein Arzt schreibt vielleicht „nimm zwei 500mg-Pillen“, ein anderer „500mg Tabletten, Menge 2“ und ein dritter schreibt einfach nur „hohe Dosis“ hin. Es ist, als würde man versuchen, eine Geschichte zu lesen, bei der jede Seite in einer anderen Handschrift und Sprache verfasst ist.

Wissenschaftler besitzen auch „Biobanken“, das sind riesige Schatzkisten, die DNA-Proben und persönliche Geschichten von Hunderttausenden von Menschen enthalten. Wenn sie versuchen, die unordentlichen Arztnotizen mit der DNA-Schatzkiste zu kombinieren, stoßen sie auf eine Mauer. Sie können nicht einfach herausfinden, wie viel Medizin eine Person genau eingenommen hat oder wie lange. Ohtl fehlt dieses klare Bild, ist es schwer zu sehen, ob ein bestimmtes Medikament wirkt, ob jemand resistent dagegen ist oder ob die Dosis eine Rolle spielt. Dieses Paper stellt ein neues Werkzeug vor, das dazu entwickelt wurde, diese unordentliche Handschrift zu bereinigen und jene verstreuten Notizen in eine klare, lesbare Geschichte zu verwandeln, die jeder nutzen kann, um das Rätsel um die Behandlungsergebnisse zu lösen.

Lernen Sie T-Rx kennen, das digitale Schweizer Taschenmesser für Verschreibungsdaten. Betrachten Sie es als einen superintelligenten Übersetzer und Organisator, der in einem Computerprogramm namens R lebt. Seine Aufgabe ist es, die chaotischen, unstrukturierten Skizzen, die in elektronischen Patientenakten zu finden sind, in ordentliche, organisierte Daten zu verwandeln, die Forscher tatsächlich nutzen können. Die Autoren entwickelten T-Rx, weil sie bemerkten, dass wir zwar Unmengen an Daten haben, uns aber eine standardisierte Methode zu deren Verarbeitung fehlt. Derzeit muss, wenn ein Forscher untersuchen möchte, wie Menschen auf Antidepressiva reagieren, sein eigenes komplexes Coding schreiben, um herauszufinden, was „500mg“ in einer spezifischen Notiz bedeutet. Ein anderer Forscher, der dasselbe untersucht, schreibt vielleicht völlig anderen Code. Dies macht es unmöglich, ihre Ergebnisse zu vergleichen – wie zwei Köche, die versuchen, Rezepte zu vergleichen, wenn sie unterschiedliche Messbecher verwenden.

T-Rx löst dies mit drei Hauptmodulen, oder Werkzeugen, die wie ein Fließband zusammenarbeiten.

Zuerst gibt es das Extraction and Imputation Module (Extraktions- und Imputationsmodul). Stellen Sie sich vor, Sie betrachten ein Rezept, auf dem steht: „Amoxicillin 500mg Kapsel“. T-Rx nutzt einen speziellen Satz von Regeln (genannt „Regular Expressions“, also Such- und Find-Muster), um nach Zahlen und Einheiten zu suchen. Es schnappt sich die „500“ und das „mg“ und legt sie in ein ordentliches Kästchen. Wenn in der Notiz eine Zahl fehlt, hat T-Rx einen zweiten Trick auf Lager, das sogenannte „Imputation“. Es ist wie ein Detektiv, der die Lücken basierend auf dem, was Sinn ergibt, füllt. Wenn ein Arzt zum Beispiel schreibt „nimm eine Tablette“, aber die Stärke vergessen hat, kann T-x die Standardstärke für dieses Medikament nachschlagen und sie ergänzen. Das Team testete dies an echten Daten aus dem UK Biobank und dem Clinical Practice Research Datalink (CPRD). Sie fanden heraus, dass T-Rx bei Antidepressiva in der Lage war, die Stärke für etwa 85 % der Notizen direkt herauszuziehen, und nach Anwendung des „Lückenfüll-Tricks“ die Stärke für über 99 % der Fälle ermittelte. Das ist eine enorme Verbesserung gegenüber dem Verlassen unordentlicher Daten.

Zweitens fungiert das Exposure Ascertainment Module (Modul zur Bestimmung der Exposition) wie eine Zeitraffer-Kamera. Verschreibungen in einer Datenbank sind meist nur eine Liste einzelner Ereignisse: „Patient erhielt am Montag eine Pille“, „Patient erhielt am Dienstag eine Pille“. Aber im echten Leben nehmen Menschen Medikamente über einen Zeitraum hinweg ein. Dieses Modul nimmt diese verstreuten Punkte und verbindet sie zu einer durchgehenden Linie, um genau aufzuzeigen, wann ein Patient tatsächlich dem Medikament „exponiert“ war. Es findet heraus, ob sich zwei Verschreibungen überschneiden (was bedeutet, dass der Patient einen kontinuierlichen Vorrat hatte) oder ob es eine Lücke gab. Es ermöglicht Forschern, die gesamte Reise der Behandlung zu sehen und nicht nur isolierte Schnappschüsse.

Schließlich ist das Phenotyping Module (Phänotypisierungsmodul) der „Geschichtenerzähler“. Sobald die Daten sauber und organisiert sind, hilft dieses Werkzeug Forschern dabei, spezifische Fragen zu stellen. Es kann beispielsweise sofort „therapieresistente Depression“ (TRD) identifizieren. In der Vergangenheit erforderte die Definition von TRD komplexes Coding, um zu prüfen, ob ein Patient während einer Episode mindestens zweimal das Medikament gewechcht hat. T-Rx besitzt vorgefertigte Befehle, die dies mit einer einzigen Zeile Code erledigen. Es kann auch erkennen, wenn ein Patient von einem Medikament zu einem anderen wechselt. Die Autoren zeigten, dass sie mit diesen Werkzeugen in der Lage waren, rohe Verschreibungslisten in klare Profile von Patienten zu verwandeln, die das Medikament gewechselt haben oder die nicht auf die Behandlung ansprachen.

Das Paper behauptet nicht, dass T-Rx perfekt ist oder dass es bereits überall auf der Welt funktioniert. Das Team gibt zu, dass es das Tool nur mit Daten aus dem Vereinigten Königreich (speziell der UK Biobank und dem CPRD) getestet hat. Sie haben noch nicht überprüft, ob es auch mit Daten aus anderen Ländern funktioniert, in denen Ärzte Notizen anders verfassen könnten. Sie schlagen jedoch vor, dass – da T-Rx Open-Source ist (was bedeutet, dass jeder den Code einsehen und verbessern kann) – andere Wissenschaftler helfen können, es zu erweitern. Sie merken auch an, dass während einige andere Tools komplexe künstliche Intelligenz nutzen, um Notizen zu lesen, T-Rx einfachere, regelbasierte Methoden verwendet, die schneller und leichter überprüfbar sind, was es zu einem großartigen Ausgangspunkt für jeden macht, der untersuchen möchte, wie Medikamente in der realen Welt wirken.

Kurz gesagt: T-Rx ist ein Werkzeugkasten, der die unordentliche, verwirrende Welt digitaler Verschreibungsnotizen in einen sauberen, organisierten Datensatz verwandelt. Es entdeckt keine neuen Medikamente oder heilt Krankheiten von selbst, aber es gibt Wissenschaftlern die klaren, zuverlässigen Daten, die sie brauchen, um endlich zu verstehen, warum Behandlungen bei einigen Menschen wirken und bei anderen nicht. Indem die Autoren diese Werkzeuge kostenlos und einfach nutzbar machen, hoffen sie, Forscher weltweit dabei zu helfen, nicht länger das Rad neu zu erfinden, sondern ihre Erkenntnisse zu vergleichen, um das größere Rätsel der menschlichen Gesundheit zu lösen.