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

Sintesi Tecnica: Un Framework di Governance degli Eventi a Livello di Oggetto Basato su EMOI per l'Integrazione di Dati Sanitari Multimodali e la Ricerca Clinica

Problematica
Nonostante l'accumulo di estesi dati sanitari multimodali negli ospedali di terzo livello (che spaziano da testi clinici, immagini, risultati di laboratorio e segnali fisiologici), significativi colli di bottiglia ne ostacolano l'utilizzo efficace. La gestione dei dati a livello ospedaliero soffre attualmente di un'inadeguata associazione dei dati, eterogeneità semantica e bassa efficienza. Sebbene i framework Enterprise Master Patient Index (EMPI) riescano a unificare le identità dei pazienti tra i vari sistemi, essi non riescono a rispondere alla domanda granulare: "durante quale episodio di cura è stato generato questo dato". Le attuali strategie di collegamento basate sull'identità del paziente portano spesso a record frammentati, collegando solo circa il 43% dei record degli incontri tra sistemi eterogenei. Questa limitazione impedisce l'instaurazione di catene di associazione complete per i record multimodali corrispondenti a un singolo evento clinico, restringendo così l'efficienza della ricerca clinica e del supporto alle decisioni intelligenti.

Metodologia
Lo studio propone un framework di governance completo basato su un'Architettura a Livelli Lakehouse e un Sistema di Governance a Ciclo Chiuso in Nove Fasi, utilizzando 72 TB di dati multimodali reali provenienti da un ospedale di terzo livello (1,7 milioni di pazienti, 317 milioni di record).

1. Meccanismo Core (EMOI): Il framework introduce l'Enterprise Multimodal Object Identifier (EMOI), un'estensione dell'EMPI. Mentre l'EMPI unifica l'identità del paziente, l'EMOI stabilisce una catena di associazione di eventi a livello di oggetto che collega il flusso di lavoro: incontro → esame → referto → diagnosi → trattamento. Ciò crea una struttura semantica spazio-temporale coerente per i dati frammentati.
2. Architettura:
   • Livello Sorgente Dati: Disaccoppia oltre 30 sistemi eterogenei (HIS, PACS, LIS, ecc.) utilizzando gli standard HL7 v2/v3/FHIR e JDBC. Un modulo basato su BERT identifica automaticamente 14 categorie di Informazioni di Identificazione Personale (PHI) durante l'acquisizione.
   • Persistenza dei Dati Grezzi: Utilizza il database distribuito TiDB con consenso Raft per uno stoccaggio affidabile e scalabile di dati su scala terabyte.
   • Fusione delle Caratteristiche Multimodali: Sposta l'attenzione dallo stoccaggio fisico all'associazione semantica. Impiega una strategia di cross-attention per allineare le caratteristiche delle immagini (estratte tramite ResNet-50) con gli embedding del testo dei referti (tramite encoder Transformer) in uno spazio di caratteristiche unificato. L'evoluzione temporale è quantificata tramite la Similarità del Coseno per collegare i cambiamenti nelle immagini con le narrazioni della progressione della malattia.
3. Processo di Governance in Nove Fasi:
   • Pulizia e Mappatura: Utilizza repository di regole estendibili, K-Nearest Neighbors (KNN) per il rilevamento degli outlier e Reti Generative Avversarie (GAN) per l'imputazione dei valori mancanti.
   • Standardizzazione e Identità: Applica le ontologie ICD-10 e LOINC. Costruisce l'EMPI tramite un matching probabilistico pesato, seguito dalla costruzione dell'EMOI per collegare paziente-incontro-esame-diagnosi-trattamento.
   • Sicurezza e Privacy: Implementa una strategia di difesa in profondità "a cipolla" con cinque livelli di classificazione dei dati. I dati sensibili sono gestiti tramite crittografia SM4, mascheramento dinamico e calcolo preservante la privacy (i modelli si spostano, i dati rimangono locali) per conformarsi alla Legge sulla Sicurezza dei Dati della Cina e a HIPAA.

Contributi Chiave

• Framework EMOI: Un meccanismo innovativo che va oltre l'identità a livello di paziente per arrivare all'associazione di eventi a livello di oggetto, consentendo il collegamento granulare dei record multimodali all'interno di specifici episodi clinici.
• Architettura di Governance Integrata: Un paradigma ingegneristico riproducibile che combina un'architettura lakehouse con un processo di controllo qualità a ciclo chiuso in nove fasi, affrontando l'intero ciclo di vita dall'acquisizione dei dati alla loro valorizzazione come asset.
• Allineamento Semantico: Un approccio tecnico che utilizza il deep learning (ResNet-50, Transformer, Cross-Attention) per allineare semanticamente le caratteristiche delle lesioni a livello di pixel con le descrizioni cliniche a livello terminologico.
• Modello di Sicurezza: Un sistema di classificazione della sicurezza a cinque livelli che integra gli standard crittografici nazionali (SM4) con il calcolo preservante la privacy per una collaborazione inter-istituzionale sicura.

Risultati
L'implementazione di questo framework ha prodotto i seguenti esiti quantitativi:

• Scala dei Dati: Ha integrato 19 categorie di dati medici in 81 tabelle standardizzate (1.479 campi), generando 336 milioni di record di dati standardizzati a partire da 105 milioni di record grezzi.
• Identità e Associazione: Ha raggiunto un tasso di coerenza EMPI dell'86,7% e un tasso di associazione EMOI del 100%, costruendo con successo un grafo di conoscenza completo che collega pazienti, esami, immagini e diagnosi.
• Qualità dei Dati: Ha ottenuto una consistenza dei dati del 99,63%, un'accuratezza del 97,78% e una tempestività del 95,70%. Il tasso medio di conformità per i moduli clinici core ha raggiunto il 92,63%.
• Efficienza: Ha ridotto il ciclo di integrazione tra i sistemi da 9–14 giorni a 1–2 giorni. Il tempo richiesto per la preparazione della coorte di ricerca è diminuito da una media di 30 giorni (workflow manuale) a 2–3 giorni.
• Sicurezza: Ha raggiunto un'accuratezza del 96,4% nell'identificazione automatica delle PHI e una copertura vicina al 100% per lo stoccaggio criptato dei dati sensibili core.

Significatività e Rivendicazioni
Il documento afferma che il meccanismo di governance degli eventi a livello di oggetto basato su EMOI risolve efficacemente la frammentazione dei dati medici multimodali, consentendo una gestione completa del ciclo di vita, dall'integrazione all'utilizzo nella ricerca. Il framework è stato validato nel supportare:

• Ricerca Clinica: Riducendo drasticamente i tempi di acquisizione delle coorti e supportando la ricerca nel mondo reale (RWR).
• Applicazioni Cliniche: Consentendo un profilo completo del paziente a 360 gradi, il supporto intelligente alle decisioni cliniche (es. avvisi di rischio, confronto affiancato delle lesioni) e l'interpretazione dei referti medici.
• Gestione Operativa: Facilitando la transizione verso operazioni ospedaliere in tempo reale guidate dai dati tramite un framework analitico a quattro livelli.

Gli autori osservano che, sebbene il framework dimostri fattibilità e scalabilità, la valutazione sistematica nelle applicazioni a valle (come lo sviluppo di modelli di IA multimodale) rimane un ambito per lavori futuri. Lo studio sottolinea che il valore primario risiede nel miglioramento dell'estrazione delle coorti di ricerca, dello screening dell'ammissibilità e della pulizia dei campi dei dati.