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

Imaginez que vous êtes un détective essayant de résoudre un mystère pour comprendre pourquoi certaines personnes guérissent d'une maladie tandis que d'autres non. Pour ce faire, vous avez besoin d'une immense bibliothèque d'indices. Dans le monde de la médecine moderne, ces indices sont cachés à l'intérieur des « Dossiers Médicaux Électroniques » (DME) — les carnets de notes numériques que les médecins utilisent pour noter ce qui ne va pas chez vous et quel médicament ils vous prescrivent. Mais voici le problème : ces carnets de notes numériques sont désordonnés. Un médecin peut écrire « prendre deux comprimés de 500 mg », tandis qu'un autre écrira « comprimés de 500 mg, quantité 2 », et un troisième pourrait simplement griffonner « dose élevée ». C'est comme essayer de lire une histoire où chaque page est écrite avec une écriture et une langue différentes.

Les scientifiques disposent également de « biobanques », qui sont de gigantesques coffres au trésor contenant des échantillons d'ADN et les histoires personnelles de centaines de milliers de personnes. Lorsqu'ils essaient de combiner les notes de médecins désordonnées avec le coffre au trésor de l'ADN, ils se heurtent à un mur. Ils ne peuvent pas facilement déterminer exactement quelle quantité de médicament une personne a prise ou pendant combien de temps. Sans cette image claire, il est difficile de voir si un médicament spécifique fonctionne, si quelqu'un y est résistant, ou si le dosage est important. Ce document présente un nouvel outil conçu pour nettoyer cette écriture désordonnée et transformer ces notes éparpillées en une histoire claire et lisible que n'importe qui peut utiliser pour résoudre le mystère des résultats de traitement.

Découvrez T-Rx, le couteau suisse numérique pour les données de prescription. Considérez-le comme un traducteur et un organisateur super intelligent qui vit à l'intérieur d'un programme informatique appelé R. Son travail consiste à prendre les gribouillis chaotiques et non structurés trouvés dans les dossiers de santé électroniques et à les transformer en données nettes et organisées que les chercheurs peuvent réellement utiliser. Les auteurs ont construit T-Rx car ils ont remarqué que, bien que nous ayons énormément de données, nous manquons d'une méthode standard pour les traiter. Actuellement, si un chercheur souhaite étudier comment les gens réagissent aux antidépresseurs, il doit écrire son propre code complexe pour comprendre ce que signifie « 500 mg » dans une note spécifique. Un autre chercheur étudiant la même chose pourrait écrire un code totalement différent. Cela rend impossible la comparaison de leurs résultats, comme deux chefs essayant de comparer des recettes alors qu'ils utilisent des tasses à mesurer différentes.

T-Rx résout cela grâce à trois principaux « modules », ou outils, qui travaillent ensemble comme une chaîne de montage d'usine.

Premièrement, il y a le Module d'Extraction et d'Imputation. Imaginez que vous regardiez une prescription qui indique « Amoxicilline 500 mg capsule ». T-Rx utilise un ensemble spécial de règles (appelées « expressions régulières », qui sont comme des modèles de recherche et de détection) pour traquer les nombres et les unités. Il saisit le « 500 » et le « mg » et les place dans une boîte bien nette. Si la note manque d'un nombre, T-Rx possède un deuxième tour dans son sac appelé « imputation ». C'est comme un détective remplissant les blancs en fonction de ce qui est logique. Par exemple, si un médecin écrit « prendre un comprimé » mais oublie d'écrire la concentration, T-Rx peut rechercher la concentration standard pour ce médicament et la compléter. L'équipe a testé cela sur des données réelles de la UK Biobank et du Clinical Practice Research Datalink (CPRD). Ils ont constaté que pour les antidépresseurs, T-Rx pouvait extraire avec succès la concentration pour environ 85 % des notes immédiatement, et après avoir utilisé son astuce de « remplissage des blancs », il obtenait la concentration pour plus de 99 % d'entre elles. C'est une amélioration énorme par rapport à des données laissées en désordre.

Deuxièmement, le Module d'Ascertainment de l'Exposition agit comme une caméra en accéléré. Les prescriptions dans une base de données sont généralement une liste d'événements isolés : « Le patient a reçu une pilule lundi », « Le patient a reçu une pilule mardi ». Mais dans la vie réelle, les gens prennent des médicaments sur une période de temps. Ce module prend ces points dispersés et les connecte pour tracer une ligne solide, montrant exactement quand un patient a réellement été « exposé » au médicament. Il détermine si deux prescriptions se chevauchent (ce qui signifie que le patient avait une réserve continue) ou s'il y a eu une interruption. Il permet aux chercheurs de voir tout le parcours du traitement, et non pas seulement des instantanés isolés.

Enfin, le Module de Phénotypage est le « conteur ». Une fois que les données sont propres et organisées, cet outil aide les chercheurs à poser des questions spécifiques. Par exemple, il peut identifier instantanément la « dépression résistante au traitement » (DRT). Auparavant, définir la DRT nécessitait un codage complexe pour vérifier si un patient changeait de médicament au moins deux fois au cours d'un épisode. T-Rx possède des commandes pré-établies qui font cela en une seule ligne de code. Il peut également repérer lorsqu'un patient passe d'un médicament à un autre. Les auteurs ont montré qu'en utilisant ces outils, ils pouvaient transformer des listes de prescriptions brutes en profils clairs de patients ayant changé de traitement ou de patients n'ayant pas répondu au traitement.

Le document ne prétend pas que T-Rx est parfait ou qu'il fonctionne partout dans le monde pour le moment. L'équipe admet qu'elle ne l'a testé que sur des données du Royaume-Uni (plus précisément la UK Biobank et le CPRD). Elle n'a pas vérifié s'il fonctionne sur des données d'autres pays où les médecins pourraient écrire les notes différemment. Cependant, elle suggère que, puisque T-Rx est en "open-source" (ce qui signifie que n'importe qui peut regarder le code et l'améliorer), d'autres scientifiques peuvent aider à l'étendre. Ils notent également que, bien que certains autres outils utilisent une intelligence artificielle complexe pour lire les notes, T-Rx utilise des méthodes plus simples, basées sur des règles, qui sont plus rapides et plus faciles à vérifier, ce qui en fait un excellent point de départ pour quiconque souhaite étudier comment les médicaments fonctionnent dans le monde réel.

En résumé, T-Rex est une boîte à outils qui transforme le monde désordonné et confus des notes de prescription numériques en un ensemble de données propres et organisées. Il ne découvre pas de nouveaux médicaments ou ne guérit pas de maladies par lui-même, mais il donne aux scientifiques les données claires et fiables dont ils ont besoin pour enfin comprendre pourquoi les traitements fonctionnent pour certains et pas pour d'autres. En rendant ces outils gratuits et faciles d'utilisation, les auteurs espèrent aider les chercheurs du monde entier à cesser de réinventer la roue et à commencer à comparer leurs découvertes pour résoudre le puzzle plus vaste de la santé humaine.