An EMOI-Based Object-Level Event Governance Framework for Multimodal Healthcare Data Integration and Clinical Research

Technische Zusammenfassung: Ein EMOI-basiertes Framework zur Governance auf Objektebene für die Integration multimodaler Gesundheitsdaten und die klinische Forschung

Problemstellung
Trotz der Akkumulation umfangreicher multimodaler Gesundheitsdaten in Tertiärkrankenhäusern (umfassend klinische Texte, Bildgebung, Laborergebnisse und physiologische Signale) behindern signifikante Engpässe deren effektive Nutzung. Das aktuelle standesweite Datenmanagement leidet unter unzureichender Datenassoziation, semantischer Heterogenität und geringer Effizienz. Während Enterprise Master Patient Index (EMPI)-Frameworks die Patientenidentität über verschiedene Systeme hinweg erfolgreich vereinheitlichen, versagen sie bei der Beantwortung der granularen Frage: „Während welcher Episode der Versorgung wurden diese Daten generiert?“ Bestehende Strategien zur Verknüpfung auf Basis der Patientenidentität führen oft zu fragmentierten Datensätzen, die nur etwa 43 % der Begegnungsdatensätze über heterogene Systeme hinweg verbinden können. Diese Einschränkung verhindert den Aufbau vollständiger Assoziationsketten für multimodale Datensätze, die zu einem einzelnen klinischen Ereignis gehören, und schränkt dadurch die Effizienz der klinischen Forschung und der intelligenten Entscheidungsunterstützung ein.

Methodik
Die Studie schlägt ein umfassendes Governance-Framework vor, das auf einer geschichteten Lakehouse-basierten Architektur und einem neunstufigen geschlossenen Governance-System basiert und dabei 72 TB an realen multimodalen Daten aus einem Tertiärkrankenhaus (1,7 Millionen Patienten, 317 Millionen Datensätze) nutzt.

1. Kernmechanismus (EMOI): Das Framework führt den Enterprise Multimodal Object Identifier (EMOI) ein, eine Erweiterung des EMPI. Während der EMPI die Patientenidentität vereinheitlicht, etabliert der EMOI eine assoziative Kette auf Objektebene, welche den Workflow verknüpft: Begegnung → Untersuchung → Bericht → Diagnose → Behandlung. Dies schafft eine kohärente spatiotemporale semantische Struktur für fragmentierte Daten.
2. Architektur:
   • Datenquellen-Schicht: Entkoppelt über 30 heterogene Systeme (HIS, PACS, LIS usw.) mittels HL7 v2/v3/FHIR-Standards und JDBC. Ein BERT-basiertes Modul identifiziert während der Akquisition automatisch 14 Kategorien von geschützten Gesundheitsinformationen (PHI).
   • Persistenz der Rohdaten: Verwendet eine verteilte TiDB-Datenbank mit Raft-Konsens für die zuverlässige, skalierbare Speicherung von Terabyte-großen Daten.
   • Multimodale Merkmalsfusion: Wechselt von der physischen Speicherung zur semantischen Assoziation. Es verwendet eine Cross-Attention-Strategie, um Bildmerkmale (extrahiert via ResNet-50) mit Berichtstext-Embeddings (via Transformer-Encoder) in einem einheitlichen Merkmalsraum abzugleichen. Die zeitliche Entwicklung wird mittels Cosine-Similarity quantifiziert, um Bildveränderungen mit narrativen Krankheitsverläufen zu verknüpfen.
3. Neunstufiger Governance-Prozess:
   • Bereinigung & Mapping: Nutzt erweiterbare Regel-Repositories, K-Nearest-Neighbors (KNN) zur Ausreißererkennung und Generative Adversarial Networks (GAN) zur Imputation fehlender Werte.
   • Standardisierung & Identität: Wendet ICD-10- und LOINC-Ontologien an. Konstruiert den EMPI durch probabilistisches gewichtetes Matching, gefolgt von der EMOI-Konstruktion zur Verknüpfung von Patient-Begegnung-Untersuchung-Diagnose-Behandlung.
   • Sicherheit & Datenschutz: Implementiert eine „Onion Model“-Defense-in-Depth-Strategie mit einer fünfstufigen Datenklassifizierung. Sensible Daten werden mittels SM4-Verschlüsselung, dynamischer Maskierung und datenschutzfreundlicher Berechnung (Modelle bewegen sich, Daten bleiben lokal) verwaltet, um die chinesischen Datensicherheitsgesetze und HIPAA einzuhalten.

Wesentliche Beiträge

• EMOI-Framework: Ein neuartiger Mechanismus, der über die Identität auf Patientenebene hinausgeht und eine Assoziation auf Objektebene ermöglicht, was eine feingranulare Verknüpfung multimodaler Datensätze innerhalb spezifischer klinischer Episoden erlaubt.
• Integriertes Governance-Framework: Ein reproduzierbares technisches Paradigma, das eine Lakehouse-Architektur mit einem neunstufigen geschlossenen Qualitätskontrollprozess kombiniert und den gesamten Lebenszyklus von der Datenerfassung bis zur Assetisierung adressiert.
• Semantische Ausrichtung: Ein technischer Ansatz, der Deep Learning (ResNet-50, Transformer, Cross-Attention) nutzt, um pixelbasierte Läsionsmerkmale semantisch mit terminologischen klinischen Beschreibungen abzugleichen.
• Sicherheitsmodell: Ein fünfstufiges Sicherheitsklassifizierungssystem, das nationale kryptographische Standards (SM4) mit datenschutzfreundlicher Berechnung für eine sichere institutionelle Zusammenarbeit integriert.

Ergebnisse
Die Implementierung dieses Frameworks lieferte die folgenden quantitativen Ergebnisse:

• Datenskalierung: Integrierte 19 Kategorien medizinischer Daten in 81 standardisierte Tabellen (1.479 Felder) und generierte 336 Millionen standardisierte Datensätze aus 105 Millionen Rohdatensätzen.
• Identität & Assoziation: Erzielte eine EMPI-Konsistenzrate von 86,7 % und eine EMOI-Assoziationsrate von 100 %, wodurch erfolgreich ein umfassender Wissensgraph erstellt wurde, der Patienten, Untersuchungen, Bilder und Diagnosen verknüpft.
• Datenqualität: Erreichte eine Datenkonsistenz von 99,63 %, eine Genauigkeit von 97,78 % und eine Aktualität von 95,70 %. Die durchschnittliche Compliance-Rate für Kernmodule der klinischen Praxis erreichte 92,63 %.
• Effizienz: Reduzierte den Integrationszyklus zwischen Systemen von 9–14 Tagen auf 1–2 Tage. Die Zeit für die Vorbereitung von Forschungskohorten sank von durchschnittlich 30 Tagen (manueller Workflow) auf 2–3 Tage.
• Sicherheit: Erzielte eine Genauigkeit von 96,4 % bei der automatischen Identifizierung von PHI und eine nahezu 100-prozentige Abdeckung der verschlüsselten Speicherung für sensible Kerndaten.

Bedeutung und Ansprüche
Das Paper behauptet, dass der EMOI-basierte Governance-Mechanismus auf Objektebene die Fragmentierung multimodaler medizinischer Daten effektiv löst und ein Lebenszyklus-Management von der Integration bis zur Nutzung in der Forschung ermöglicht. Das Framework wurde zur Unterstützung validiert in:

• Klinischer Forschung: Drastische Reduzierung der Zeit für die Kohortenakquise und Unterstützung der Real-World-Research (RWR).
• Klinischen Anwendungen: Ermöglichung eines 360-Grad-Patientenprofils, intelligenter klinischer Entscheidungsunterstützung (z. B. Warnung vor Risiken, direkter Vergleich von Läsionen) und medizinischer Berichtsinterpretation.
• Operativem Management: Erleichterung des Übergangs zu einem Echtzeit-Datenmanagement im Krankenhausbetrieb über ein vierstufiges Analyse-Framework.

Die Autoren merken an, dass das Framework zwar Durchführbarkeit und Skalierbarkeit demonstriert, eine systematische Evaluierung in nachgelagerten Anwendungen (wie der Entwicklung multimodaler KI-Modelle) jedoch ein Bereich für zukünftige Arbeiten bleibt. Die Studie betont, dass der primäre Wert in der Verbesserung der Extraktion von Forschungskohorten, der Eignungsprüfung und der Bereinigung von Datenfeldern liegt.