nSIGHT™: A Data Discovery Platform for Visualization, Integration and Retrospective Analysis of Multimodal Clinical Research Data

nSIGHT™ 是一个直观易用的 Web 平台，旨在通过整合与可视化多模态临床及研究数据，帮助癌症研究人员便捷地构建去标识化队列、评估研究可行性并探索新的科学假设，从而克服临床与研究数据系统间缺乏互操作性的障碍。

要点

这篇论文介绍了一个名为 nSight™ 的“超级工具”，它就像是为癌症研究人员打造的一台**“时间机器”和“万能翻译机”**。

为了让你更容易理解，我们可以把癌症研究想象成在一个巨大的、混乱的**“城市图书馆”**里找书。

1. 以前的困境：图书馆里的“巴别塔”

在这个城市（癌症研究中心）里，有很多不同的图书馆：

• 临床馆：记录病人的病历、用药、手术（像医院的档案室）。
• 科研馆：存放基因测序、生物样本（像实验室的保险柜）。
• 行政馆：记录病人的注册信息、临床试验数据。

问题在于：这些图书馆之间互不相通。

• 临床馆的书是用“医生语”写的（比如复杂的医学术语）。
• 科研馆的书是用“科学家语”写的（比如基因代码）。
• 它们甚至不在同一个楼层，有的还上了锁。

以前，如果一位科学家想研究“某种基因突变对老年头颈癌患者治疗效果的影响”，他得像个苦力一样：

1. 跑遍所有图书馆。
2. 手动翻阅成千上万份纸质或电子档案。
3. 把不同格式的数据强行拼凑在一起。
4. 花几个月时间，甚至需要懂编程的专家帮忙。
   结果：还没开始研究，时间就耗尽了，或者因为数据太乱根本找不到规律。

2. nSight™ 是什么？

nSight™ 就是为了解决这个麻烦而发明的**“智能导航仪” + “翻译官”**。

• 它是一台“翻译机”：
  它能把所有不同图书馆的“方言”（ICD-10 代码、SNOMED 术语、基因数据等）全部翻译成一种通用的标准语言（就像把英语、法语、中文都翻译成大家都能懂的“普通话”）。这样，医生写的病历和科学家写的基因报告就能直接对话了。

• 它是一个“时间轴投影仪”：
  这是它最酷的地方。它不给你看枯燥的表格，而是把每个病人的一生画成一条时间线。

  • 起点：确诊那天（作为锚点）。
  • 过程：手术、化疗、放疗、复发、再次治疗……所有事件像电影胶片一样按时间顺序排列。
  • 隐私保护：它把病人的名字、具体日期都“模糊化”了（比如只显示“确诊后第 3 个月”），就像给病人戴上了面具，既保护隐私，又能让科学家看清疾病发展的规律。

3. 它是怎么工作的？（简单三步走）

想象你是一位侦探，想找出“哪些老年头颈癌患者活得最久”：

1. 输入指令（搜索）：
   你在 nSight™ 的搜索框里输入：“头颈癌”、“年龄 65 岁以上”、“做过放疗”。

   • 以前：你要去查三个不同的系统，手动筛选。
   • 现在：系统瞬间从成千上万条数据中“变”出符合条件的病人名单。

2. 查看全景（可视化）：
   屏幕上出现了几条彩色的时间轴。你可以像看漫画一样，看到这些病人从确诊到现在的完整经历。

   • 鼠标悬停在某个点上，就能看到：“哦，这个病人在确诊后 6 个月做了手术，12 个月时复发了。”

3. 自动分析（找规律）：
   你点击一下“分析”按钮，系统自动画出生存曲线图（就像天气预报图一样），告诉你：

   • "65 岁以下的病人，5 年存活率是 X%。”
   • "65 岁以上的病人，5 年存活率是 Y%。”
   • 系统还会自动算出：“这两组人的差异是不是真的显著？”（就像老师批改作业，直接告诉你答案对不对）。

4. 为什么它很厉害？

• 快如闪电：以前需要几个月才能完成的“可行性调查”（看看有没有足够的病人做研究），现在20 分钟就能搞定。
• 傻瓜式操作：不需要你是计算机专家，也不需要你会写代码。就像用谷歌搜索一样简单。
• 安全合规：它像是一个**“诚实的中间人”**。它只给研究人员看“脱敏”后的数据（没有名字、没有具体生日），确保病人隐私绝对安全，同时让科学家能大胆地尝试各种想法（哪怕想法是错的，也能快速发现，这叫“快速失败”）。

5. 举个真实的例子

研究人员用这个工具研究了头颈鳞状细胞癌。
他们想知道：“年纪大是不是会影响化疗和放疗的效果？”

• 他们把病人分成两组：18-64 岁 和 65 岁以上。
• nSight™ 瞬间拉出数据，画出了生存曲线。
• 结果发现：年纪大的病人生存率确实有显著差异。
• 整个过程：从开始搜索到得出结论，只用了20 分钟。如果按老办法，这可能需要几个月的时间。

总结

nSight™ 就像是为癌症研究界安装了一个**“超级搜索引擎”和“数据可视化仪表盘”**。它打破了医院和实验室之间的“高墙”，把散落在各处的碎片信息拼成了一幅完整的拼图。

它让科学家不再把时间浪费在“找数据”和“整理数据”上，而是能把精力集中在**“思考新疗法”和“拯救生命”**上。这就是科技让医学研究变得更高效、更温暖的最好证明。

技术摘要

以下是关于论文《nSIGHT™：用于多模态临床研究数据可视化、集成和回顾性分析的数据发现平台》的详细技术总结：

1. 研究背景与问题 (Problem)

• 数据孤岛与互操作性缺失：综合癌症中心通常维护多个独立的信息技术系统和数据仓库（如电子病历 EMR、实验室信息管理系统 LIMS、癌症登记处等），这些系统往往缺乏标准化架构和互操作性，导致数据处于“孤岛”状态。
• 整合困难：从分散的临床和研究资源中提取有意义的信息过程繁琐、耗时，且通常需要具备信息学或编程领域的专业知识。
• 转化障碍：临床数据与研究数据（如测序数据）之间的割裂，阻碍了基础科学家将实验室发现转化为临床治疗策略，也限制了研究人员快速评估研究可行性和构建患者队列的能力。

2. 方法论与技术架构 (Methodology)

2.1 系统架构与数据流

• 双服务器架构：为了严格保护患者隐私（PHI），系统采用双服务器设计。
  • 提取转换服务器 (ETC Server)：位于内部网络，仅授权设计团队访问。在此服务器上运行并行 Python 脚本，从 9 个不同来源（癌症登记处、EHR、LIMS、RIS、手术管理软件、患者注册系统、临床试验管理系统、IRB 系统、EMR 及分子诊断原始文件）提取原始数据。
  • 应用服务器：经过脱敏处理后的数据被传输至此，加载到 Elasticsearch 中供用户查询。
• 数据标准化 (Standardization)：
  • 采用 OHDSI (Observational Health Data Sciences and Informatics) 的标准词汇表，特别是 OMOP 通用数据模型 (CDM)。
  • 将 ICD-10-CM、ICD-O-3 映射到 SNOMED CT，将药物名称映射到 RxNorm，确保不同来源数据的语义一致性。
• 事件模型构建：
  • 将原始数据转换为 21 种事件类型 和 6 大类事件（疾病事件、患者事件、治疗干预、生物样本、诊断事件、研究数据）。
  • 时间锚点 (Time Anchoring)：以“诊断日期”为锚点，将所有后续事件（如治疗、复发、死亡）转换为相对于诊断日期的天数、月数或年数。这种相对时间轴设计极大地增强了数据的脱敏效果，避免直接暴露具体日期。

2.2 软件实现

• 前端：基于 Angular 框架构建的 Web 界面。
• 后端：使用 Python/Django 提供 REST API。
• 可视化库：
  • 患者特定时间轴视图使用 D3.js (v7.6.1) 开发。
  • 统计图表（饼图、柱状图）使用 Chart.js 实现。
• 统计分析：
  • 生存分析使用 Python 的 LIFELINES 包（Kaplan-Meier 曲线）。
  • P 值计算使用 Scikit 包。
  • 假设检验：连续变量使用 Kruskal-Wallis H 检验，分类变量使用卡方检验。

2.3 安全与治理

• 脱敏处理：所有展示给最终用户的数据均为去标识化数据。
• 访问控制：集成 Azure Active Directory (SSO)，仅允许完成 CITI 培训并拥有 IRB 批准协议的研究人员访问。
• 诚实经纪人 (Honest Brokers)：由机构指定的“诚实经纪人”管理用户访问权限和数据请求。

3. 关键功能与贡献 (Key Contributions)

• nSight™ 平台：一个创新的、基于 Web 的数据发现、可视化和分析工具，旨在让非技术背景的研究人员也能轻松查询临床/研究数据。
• 多模态数据集成：成功整合了人口统计学、疾病组织学、诊断程序、治疗干预、疾病进展时间线、分子谱/测序数据以及生活方式研究指标。
• 交互式时间轴视图：
  • 提供患者特定的医疗事件时间轴，以诊断时间为起点。
  • 支持悬停查看事件详情（如组织学、分期、药物名称）。
  • 支持按患者 ID、年龄、生存期等排序，以及按事件类型过滤。
• 自助式队列构建与统计：
  • 用户可创建“工作区”，通过包含/排除标准快速构建去标识化的癌症队列。
  • 提供“摘要视图”（Summary View），展示人口统计学、疾病特征、干预措施和生物样本可用性的统计分布。
  • 内置统计功能，支持实时比较不同队列的生存率（Kaplan-Meier 曲线）和计算 P 值。
• 数据导出：允许用户导出特征表、病例 ID 及详细事件数据（Excel 格式），且导出内容主要基于 OMOP 标准描述，便于跨机构比较。

4. 结果与验证 (Results)

• 系统采用情况：
  • 上线 8 个月内，月均搜索量从初期的 313 次增长至第 8 个月的峰值 465 次。
  • 已有超过 100 名研究人员使用该平台。
  • 通过嵌入式教育视频、文档和现场研讨会进行了用户培训。
• 用例演示 (Head and Neck Cancer)：
  • 任务：评估年龄对头颈部鳞状细胞癌 (HNSCC) 患者化疗放疗后生存结局的影响。
  • 过程：研究人员利用 nSight™ 识别 HNSCC 患者，按年龄（18-64 岁 vs >65 岁）分层，并运行生存分析。
  • 效率：从创建工作区、查询特定人群、分层到完成分析，整个过程仅耗时约 20 分钟。
  • 验证：分析结果（两组间 5 年和 10 年生存率的显著差异）与 Roswell Park 放射肿瘤科维护的 REDCap 数据库独立验证结果一致。

5. 意义与局限性 (Significance & Limitations)

意义：

• 加速转化研究：显著降低了数据发现的技术门槛和时间成本，使研究人员能够快速验证假设、评估研究可行性并构建复杂队列。
• 标准化与互操作性：通过采用 OMOP CDM 标准，为跨机构数据共享和比较奠定了基础。
• 隐私保护：通过相对时间轴和双服务器架构，在提供丰富临床数据的同时，严格保障了患者隐私合规。
• 填补空白：作为 STARR、Leaf 等工具的补充，nSight™ 特别强调了多模态数据（临床 + 分子 + 生物样本）的集成和直观的可视化时间轴。

局限性：

• 数据粒度：除癌症登记数据外，大多数数据对象仅链接到患者级别，而非具体的肿瘤实例，这在处理多病灶或复杂疾病史时可能带来挑战。
• 影像数据缺失：目前尚未整合纵向放射影像数据（如 CT、MRI），限制了其在放射组学（Radiomics）和影像基因组学（Radiogenomics）研究中的应用。
• 未来方向：计划扩展以支持 AI 驱动的多组学分析管道，并整合影像数据。

总结：nSight™ 是一个设计精良、安全合规且用户友好的数据发现平台，它通过解决临床与研究数据间的互操作性问题，有效赋能了癌症研究人员进行回顾性数据探索和队列构建，显著提升了临床研究的效率。