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

Resumo Técnico: PRomop (PatientRecord on OMOP)

Definição do Problema
Sistemas de saúde e empresas de biotecnologia enfrentam uma lacuna persistente entre possuir dados de pacientes e agir sobre eles. Embora os dados sejam frequentemente capturados em formatos conformes a padrões (como o modelo de dados comum OMOP), a estrutura é otimizada para armazenamento e análise em nível populacional, e não para a tomada de decisão individual. Consequentemente, os registros dos pacientes tornam-se fragmentados, e cada aplicação downstream (ex: triagem de ensaios clínicos, análise de coortes, suporte à decisão clínica) deve reconstruir independentemente o estado clínico do paciente a partir de tabelas transacionais normalizadas. Esse processo exige a derivação repetitiva e propensa a erros de estados clínicos complexos — como linhas de terapia, status de doença atual e biomarcadores normalizados — levando a esforços redundantes, inconsistência entre aplicações e altos custos computacionais devido a extensas junções (joins) de tabelas.

Metodologia
O PRomop (PatientRecord on OMOP) aborda isso introduzindo uma arquitetura de duas camadas que separa o registro transacional de uma projeção pronta para decisão, construída sobre o OMOP CDM 5.4 com extensões de oncologia.

1. Camada Transacional (Fonte da Verdade): Esta camada adere ao padrão OMOP CDM, sendo populada com dados via ingestão nativa de FHIR e práticas de mapeamento padrão OHDSI. Inclui extensões específicas de oncologia (ex: tabelas Episode e Episode_Event) para modelar episódios de doenças e regimes de tratamento, preservando o histórico longitudinal completo de eventos clínicos.
2. Camada de Projeção (PatientRecord): A inovação central é uma projeção achatada e desnormalizada que colapsa todo o histórico longitudinal de um paciente em uma única linha "pronta para decisão" contendo 286 colunas. Esta projeção é computada uma única vez na ingestão ou mediante atualizações baseadas em eventos, em vez de no momento da consulta.
   • Derivação Clínica: Diferente da simples agregação dos valores mais recentes, esta camada incorpora raciocínio clínico complexo. Ela computa atributos que não existem nos dados transacionais brutos, como inferir a linha de terapia atual a partir de notas não estruturadas e exposições de drogas dispersas, e calcular marcadores de estado de doença compostos (ex: MeetsCRAB e MeetsSLiM para mieloma múltiplo).
   • Categorias: As 286 colunas abrangem demografia, estadiamento de doença, valores laboratoriais/biomarcadores, histórico de tratamento, flags clínicas derivadas e dados comportamentais/de dispositivos vestíveis (wearables).
3. Camada de Serviço: Todas as aplicações downstream (análise populacional, triagem de ensaios clínicos, avaliação de padrão de cuidado) consultam esta projeção única compartilhada. Isso elimina a necessidade de cada aplicação reconstruir o estado do paciente ou realizar junções contra tabelas normalizadas.

Principais Contribuições

• Padrão Arquitetural: Um padrão validado que separa um registro transacional baseado em padrões de uma projeção achatada e pronta para decisão, permitindo que múltiplas classes de aplicações sirvam a partir de um único substrato.
• Extensões de Oncologia: Desenvolvimento de abstrações específicas de oncologia (episódios, linhas de terapia) dentro do ecossistema OHDSI, destinadas à contribuição upstream para o OMOP CDM.
• Evidência Operacional: Implementação em duas organizações de oncologia independentes (HealthTree Foundation e CancerBot), cobrindo aproximadamente 17.500 pacientes reais e suportando a triagem de ensaios clínicos contra 19.500 ensaios em recrutamento ativo.
• Integração de Raciocínio Clínico: Demonstração de que a prontidão para decisão requer o raciocínio clínico incorporado (ex: inferência de linha de terapia) em vez de mera transformação de dados, necessitando da manutenção contínua da projeção como um "artefato vivo".

Resultados

• Escalabilidade: O sistema opera com sucesso em produção para ~17.500 pacientes, lidando com fontes de dados do mundo real fragmentadas e heterogêneas.
• Eficiência de Consulta (Analítica): Uma busca representativa de elegibilidade de ensaio clínico com 20 critérios, que exigiria de 27 a 39 junções (joins) sobre as tabelas OMOP brutas (escaneando milhões de linhas), reduz-se a zero junções contra a projeção PatientRecord (escaneando uma única tabela de 10.000 linhas). Isso resulta em um aumento de velocidade efetivo estimado de 30×–200×.
• Eficiência de Consulta (Empírica): Um benchmark controlado em uma coorte sintética de câncer de mama gerada pelo Synthea (n=100), executado em hardware local, mediu um aumento de velocidade médio de 23,9× (IC 95%: 23,3–24,4×). A triagem de elegibilidade levou em média 0,92 ms usando o PatientRecord versus 20,7 ms usando o OMOP bruto com indexação padrão.
• Versatilidade de Aplicação: O substrato compartilhado suporta diversos fluxos de trabalho, incluindo análise populacional, triagem de ensaios por critério, avaliação de padrão de cuidado e potenciais agentes conversacionais voltados ao paciente, sem manter cópias divergentes do estado do paciente.

Significância e Alegações
O artigo posiciona o PRomop não como um novo modelo de dados, mas como um padrão de infraestrutura viável e implementado para transformar dados fragmentados em infraestrutura acionável. Sua principal significância é econômica, e não puramente técnica: ao computar a "parte difícil" (a derivação clínica limpa e pronta para decisão) uma única vez, ele reduz drasticamente o custo marginal de adicionar novas aplicações downstream.

Os autores enfatizam que a projeção é um "artefato vivo" que requer manutenção contínua para se alinhar com as demandas clínicas em evolução (ex: novos critérios de ensaios). Eles afirmam explicitamente que o valor reside na disciplina de computar a prontidão para decisão clínica uma única vez e remover esse passo propenso a erros de cada equipe downstream, em vez de focar na tecnologia específica de materialização utilizada. O trabalho serve como uma prova de existência de que uma projeção achatada sobre um registro baseado em padrões pode efetivamente preencher a lacuna entre possuir dados e agir sobre eles, permanecendo conforme ao OMOP e contribuindo de volta para o ecoss de OHDSI.

Limitações Notadas pelos Autores

• O benchmark empírico foi conduzido em uma coorte sintética (n=100) em hardware local, não diretamente nas implementações de produção.
• As métricas de aceleração são ilustrativas do efeito do padrão para formas específicas de consulta e podem variar com base na cobertura de índices e no hardware.
• A validação atual é limitada à oncologia; extensões para outros domínios de doenças ainda não foram validadas.
• As implementações de produção são operadas por organizações independentes; os autores não detêm nem analisam os dados ao nível do paciente, o que limita o escopo da evidência operacional relatada à forma e escala de implementação, em vez de resultados clínicos.