Developing a Specialized Dravet Syndrome Ontology for Rare Disease Informatics and AI Applications

Resumo Técnico: Desenvolvimento de uma Ontologia Especializada para a Síndrome de Dravet para Informática de Doenças Raras e Aplicações de IA

Definição do Problema
A síndrome de Dravet (SD) é uma encefalopatia do desenvolvimento e epiléptica grave, caracterizada por um fenótipo complexo que abrange convulsões, desenvolvimento, comportamento, disfunção autonômica, genética (principalmente SCN1A) e resposta ao tratamento. Embora existam ontologias de epilepsia de uso geral para harmonizar a terminologia de crises, elas carecem da profundidade necessária para representar conceitos específicos da síndrome que conectem o cuidado clínico, a pesquisa pré-clínica e modelos translacionais. Os autores identificam uma lacuna na infraestrutura de informática atual: a necessidade de uma camada semântica especializada que possa integrar o conhecimento heterogêneo da SD sem sacrificar a interoperabilidade com estruturas de epilepsia mais amplas.

Metodologia
Os autores empregaram uma estratégia de extensão modular em vez de criar uma ontologia isolada. Partindo da Ontologia de Epilepsia e Crises (EpSO) previamente publicada como a estrutura semântica pai, eles especializaram o recurso para focar na SD. O processo de engenharia envolveu:

• Curadoria Guiada por Especialistas: Um conselho consultivo científico definiu nove domínios de conteúdo principais (eixos) para guiar a expansão de termos e a modelagem hierárquica: crises, desenvolvimento, comportamento, risco de SUDEP/autonômico, genética, comorbidades, eletrofisiologia, farmacologia e resposta a drogas.
• Modelagem Iterativa: Candidatos a termos foram avaliados quanto à relevância clínica, distinção semântica e potencial de reuso; os conceitos foram modelados como novas classes, subclasses de conceitos de epilepsia existentes ou via expansão de sinônimos, garantindo a compatibilidade com a hierarquia existente da EpSO.
• Implementação: A ontologia foi desenvolvida usando OWL (Web Ontology Language) dentro do ambiente Protégé. Verificações de consistência foram realizadas após as principais edições.
• Estratégia de Avaliação: A ontologia foi avaliada através de três perspectivas:
  1. Avaliação Estrutural: Comparação de métricas (classes, propriedades, axiomas) entre a linha de base da EpSO legada e o novo lançamento no BioPortal.
  2. Revisão Guiada por Especialistas: Validação da cobertura de domínio e granularidade nos nove eixos.
  3. Reuso Baseado em Tarefas: Avaliação da utilidade da ontologia em aplicações downstream, especificamente em dois estudos de Modelos de Linguagem de Grande Escala (LLM) publicados e um projeto de grafo de conhecimento em andamento.

Principais Contribuições e Resultados
O recurso resultante, a versão 3.1 da EpSO, representa uma expansão significativa da ontologia de epilepsia original, transformando-a em uma estrutura abrangente capaz de modelar o fenótipo multidimensional da SD.

• Crescimento Quantitativo: A ontologia cresceu de uma linha de base de 1.961 classes e 45 propriedades de objeto para 2.198 classes de URI nomeadas e 59 propriedades indexadas no BioPortal. O artefato final contém 14.050 triplas RDF, 294 expressões de classe e extensas propriedades de anotação (rótulos, comentários, sinônimos, referências cruzadas).
• Organização Estrutural: A ontologia está organizada em 30 ramos de alto nível (ex: Característica Corporal, Componente de Droga Clínica, Distúrbio, Gene, Padrão de EEG). Conceitos específicos da SD não estão isolados em uma única subárvore, mas estão incorporados como uma camada semântica distribuída através desses ramos, mantendo a interoperabilidade com os domínios gerais de epilepsia, genética e farmacologia.
• Expansão de Domínio: Ganhos qualitativos significativos foram feitos em áreas tipicamente sub-representadas em esquemas genéricos, incluindo:
  • Desenvolvimento: Descritores estratificados por idade, do neonato ao adulto.
  • Comportamento: Descritores neuropsiquiátricos e de funcionamento escolar.
  • Genética: Cobertura aprofundada de variantes de SCN1A e consequências moleculares.
  • SUDEP/Risco Autonômico: Conceitos granulares relativos a riscos respiratórios, cardíacos e peri-ictais.
  • Pré-clínico: Vocabulário explícito para sistemas de modelos experimentais murinos e outros.
• Validação via Tarefas Downstream:
  • Extração de Eficácia de Drogas: A ontologia serviu como um arcabouço de prompt para um LLM extrair evidências de tratamento de 4.935 artigos de texto completo, reproduzindo um conjunto de dados de referência para 17 medicamentos anticonvulsivantes com 100% de precisão.
  • Extração de Eletrofisiologia: A ontologia guiou a extração de achados de EEG e crises de um corpus de 47 artigos de SD abrangendo estudos humanos, de peixe-zebra e de camundongos, harmonizando com sucesso os achados entre espécies.
  • Grafo de Conhecimento: A ontologia funciona atualmente como o esquema para um grafo de conhecimento de SD em andamento e uma plataforma de assistente de IA.

Significância e Alegações
O artigo postula que a especialização de ontologias focadas em doenças fornece uma infraestrutura durável para a informática de doenças raras. Os autores alegam que, ao estender um quadro existente em vez de substituí-lo, o trabalho preserva a interoperabilidade enquanto permite a representação de relações complexas e específicas da síndrome (ex: ligar crises ao genótipo, desenvolvimento e resposta ao tratamento).

A significância deste trabalho reside na demonstração de que as ontologias podem servir como recursos semânticos operacionais para a informática translacional auxiliada por IA, não apenas como terminologias estáticas. Os autores enfatizam que o valor da ontologia é evidenciado pelo seu uso bem-sucedido em fluxos de trabalho de NLP em escala de literatura e pelo seu papel na estruturação de grafos de conhecimento para assistentes de IA. Eles concluem que esta abordagem apoia a harmonização de dados, a representação do conhecimento e o desenvolvimento de ferramentas de IA para doenças raras, onde as evidências são fragmentadas em pequenas coortes e diversos ambientes de pesquisa.

Limitações Observadas
Os autores reconhecem modestamente que a avaliação ainda não inclui um benchmark dedicado apenas à ontologia baseado em perguntas de competência independentes ou testes de cobertura formal contra um corpus externo de SD. Além disso, como os conceitos de SD estão incorporados em múltiplos ramos em vez de serem marcados como um módulo formal, uma contagem automatizada de classes "apenas de SD" não é possível no momento sem metadados de curadoria adicionais. Trabalhos futuros são propostos para abordar essas lacunas através de avaliação de cobertura formal e adição de tags de subconjunto para rastreamento de versão.