PRomop: A Decision-Ready Longitudinal Patient Health Record on the OMOP Common Data Model

Resumen Técnico: PRomop (PatientRecord on OMOP)

Planteamiento del Problema
Los sistemas de salud y las empresas biofarmacéuticas enfrentan una brecha persistente entre la posesión de datos de pacientes y la capacidad de actuar con ellos. Si bien los datos se capturan frecuentemente en formatos conformes a estándares (como el Modelo de Datos Común OMOP), la estructura está optimizada para el almacenamiento y el análisis a nivel poblacional, más que para la toma de decisiones individual. En consecuencia, los registros de los pacientes están fragmentados, y cada aplicación descendente (por ejemplo, emparejamiento de ensayos clínicos, analítica de cohortes, soporte de decisiones clínicas) debe reconstruir de forma independiente el estado clínico del paciente a partir de tablas transaccionales normalizadas. Este proceso requiere la derivación repetitiva y propensa a errores de estados clínicos complejos —como líneas de terapia, estado de la enfermedad actual y biomarcadores normalizados—, lo que genera un esfuerzo redundante, inconsistencia entre aplicaciones y altos costos computacionales debido a las extensas uniones de tablas (joins).

Metodología
PRomop (PatientRecord on OMOP) aborda esto introduciendo una arquitectura de dos capas que separa el registro transaccional de una proyección lista para la toma de decisiones, construida sobre OMOP CDM 5.4 con extensiones de oncología.

1. Capa Transaccional (Fuente de Verdad): Esta capa se adhiere al estándar OMOP CDM, alimentada mediante la ingestión nativa de FHIR y las prácticas de mapeo estándar de OHDSI. Incluye extensiones específicas de oncología (por ejemplo, tablas de Episode y Episode_Event) para modelar episodios de enfermedad y regímenes de tratamiento, preservando el historial longitudinal completo de eventos clínicos.
2. Capa de Proyección (PatientRecord): La innovación central es una proyección aplanada y desnormalizada que colapsa todo el historial longitudinal de un paciente en una única fila "lista para la decisión" que contiene 286 columnas. Esta proyección se computa una sola vez durante la ingestión o mediante actualizaciones impulsadas por eventos, en lugar de realizarse en el momento de la consulta.
   • Derivación Clínica: A diferencia de la simple agregación de los valores más recientes, esta capa incorpora un razonamiento clínico complejo. Computa atributos que no existen en los datos transaccionales brutos, como la inferencia de la línea de terapia actual a partir de notas no estructuradas y exposiciones a fármacos dispersas, y el cálculo de marcadores compuestos de estado de la enfermedad (por ejemplo, MeetsCRAB y MeetsSLiM para mieloma múltiple).
   • Categorías: Las 286 columnas abarcan demografía, estadificación de la enfermedad, valores de laboratorio/biomarcadores, historial de tratamiento, indicadores clínicos derivados y datos conductuales/de dispositivos vestibles (wearables).
3. Capa de Servicio: Todas las aplicaciones descendentes (analítica poblacional, emparejamiento de ensayos, evaluación del estándar de atención) consultan esta única proyección compartida. Esto elimina la necesidad de que cada aplicación reconstruya el estado del paciente o realice uniones contra tablas normalizadas.

Contribuciones Clave

• Patrón Arquitectónico: Un patrón validado que separa un registro transaccional basado en estándares de una proyección aplanada y lista para la decisión, permitiendo que múltiples clases de aplicaciones sirvan desde un único sustrato.
• Extensiones de Oncología: Desarrollo de abstracciones específicas de oncología (episodios, líneas de terapia) dentro del ecosistema OHDSI, destinadas a la contribución ascendente al OMOP CDM.
• Evidencia Operativa: Despliegue en dos organizaciones de oncología gobernadas de forma independiente (HealthTree Foundation y CancerBot), cubriendo aproximadamente 17,500 pacientes reales y soportando el emparejamiento de ensayos frente a 19,500 ensayos en reclutamiento activo.
• Integración de Razonamiento Clínico: Demostración de que la preparación para la decisión requiere un razonamiento clínico embebido (por ejemplo, la inferencia de la línea de terapia) en lugar de una mera transformación de datos, lo que exige el mantenimiento continuo de la proyección como un "artefacto vivo".

Resultados

• Escalabilidad: El sistema opera con éxito en producción para ~17,500 pacientes, gestionando fuentes de datos del mundo real fragmentadas y heterogéneas.
• Eficiencia de Consulta (Analítica): Una búsqueda representativa de elegibilidad de ensayo clínico de 20 criterios, que requiere entre 27 y 39 uniones (joins) sobre las tablas OMOP originales (escaneando millones de filas), se reduce a cero uniones contra la proyección PatientRecord (escaneando una única tabla de 10,000 filas). Esto produce una aceleración efectiva estimada de 30×–200×.
• Eficiencia de Consulta (Empírica): Un benchmark controlado en una cohorte sintética de cáncer de mama generada por Synthea (n=100) ejecutado en hardware local midió una aceleración media de 23.9× (IC 95%: 23.3–24.4×). El cribado de elegibilidad promedió 0.92 ms usando PatientRecord frente a 20.7 ms usando OMOP bruto con indexación estándar.
• Versatilidad de Aplicación: El sustrato compartido soporta diversos flujos de trabajo, incluyendo analítica poblacional, emparejamiento de ensayos por criterio, evaluación del estándar de atención y potenciales agentes conversacionales orientados al paciente sin mantener copias divergentes del estado del paciente.

Significancia y Reivindicaciones
El artículo posiciona a PRomop no como un modelo de datos novedoso, sino como un patrón de infraestructura viable y desplegado para transformar datos fragmentados en infraestructura accionable. Su principal significancia es económica más que puramente técnica: al computar una vez la "parte difícil" (la derivación clínica limpia y lista para la decisión), reduce drásticamente el costo marginal de añadir nuevas aplicaciones descendentes.

Los autores enfatizan que la proyección es un "artefacto vivo" que requiere un mantenimiento continuo para alinearse con las demandas clínicas en evolución (por ejemplo, nuevos criterios de ensayos). Establecen explícitamente que el valor reside en la disciplina de computar la preparación para la decisión clínica una sola vez y eliminar ese paso propenso a errores de cada equipo descendente, más que en la tecnología de materialización específica utilizada. El trabajo sirve como prueba de existencia de que una proyección aplanada sobre un registro basado en estándares puede cerrar eficazmente la brecha entre poseer datos y actuar sobre ellos, permaneciendo conforme con OMOP y contribuyendo al ecosistema OHDSI en general.

Limitaciones Señaladas por los Autores

• El benchmark empírico se realizó en una cohorte sintética (n=100) en hardware local, no directamente en los despliegues de producción.
• Las métricas de aceleración son ilustrativas del efecto del patrón para formas de consulta específicas y pueden variar según la cobertura de índices y el hardware.
• La validación actual se limita a la oncología; las extensiones para otros dominios de enfermedades aún no han sido validadas.
• Los despliegues de producción son operados por organizaciones independientes; los autores no poseen ni analizan los datos a nivel de paciente, lo que limita el alcance de la evidencia operativa reportada a la forma y escala del despliegue, más que a los resultados clínicos.