Metadata-based Assessment of SNOMED CT and LOINC Adoption Across 800 000 Swiss Patients
本研究通过对80万名瑞士患者进行分析，呈现了首个关于SNOMED CT和LOINC在全国范围内的应用经验基准，结果显示，尽管这些标准已被广泛使用，但目前显著的机构异质性以及机构间代码使用的有限重叠，阻碍了实现完全的语义统一。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，医疗保健的世界就像一座宏大而繁忙的图书馆，每一位患者的故事都被记录在其中。几十年来，这些故事一直以成千上万种不同的语言和方言记录着。一位医生可能会写下“心脏病发作”，而另一位医生可能会写下“心肌梗死”，第三位医生则可能随手写下只有自己才看得懂的本地缩写。这就是**互操作性（interoperability）**的问题：如果你想通过阅读所有的故事来寻找规律或治愈疾病，你首先需要让每个人都说同一种语言。为了解决这个问题，医学界创建了两本巨大的字典。第一本名为 SNOMED CT，它像是一部关于医生可能看到、感觉到或做出的任何事情的大百科全书——从骨折到特定类型的过敏。第二本是 LOINC，它是专门针对实验室检测的专业字典，确保一家医院对“糖”进行的血液检测能被另一家医院识别为完全相同的东西。研究人员面临的重大问题是：医院是否真的在使用这些字典，还是仍然在用自己的秘密代码进行记录？
这篇论文对瑞士医疗系统进行了大规模的全方位观察，以回答这个问题。研究人员并没有阅读数百万份单独的患者档案——因为那会带来隐私噩梦——而是查看了“元数据（metadata）”，这就像是在不打开书籍的情况下检查图书馆的卡片目录。他们分析了来自六所主要的瑞士大学医院的 817,856 名患者的数字足迹。他们的目标是观察这些医院是否真的在使用 SNOMED CT 和 LOINC 字典来标记其数据，还是仅仅在假装使用，而实际上仍固守着旧有的、本地化的方式。
以下是他们的发现：医院确实在使用这些字典。事实上，SNOMED CT 和 LOINC 是这场戏的主角，它们占据了所有编码数据实例的 87%（具体而言，SNOMED CT 占 60%，LOINC 占 32%）。这是大量的数据——大约有 7.17 亿个独立的信息片段！然而，如果仔细观察，故事就会变得有些混乱。虽然大家都在使用相同的字典，但并不一定在使用其中的相同词汇。
把这想象成一群朋友试图一起搭建一座巨大的乐高城堡。他们都拥有同样的积木盒（字典），但医院 A 正在用只有红色的积木建造一座塔，而医院 B 则在用蓝色的积木建造同样的塔。研究人员发现，虽然总共有 6,557 个不同的 SNOMED CT 代码和 3,693 个 LOINC 代码，但大多数代码仅属于一两家医院。例如，在“物质（Substance）”类别中（如药物或化学品），存在着数千个不同的代码，但几乎没有一个代码是被全部六家医院共用的。这就像每家医院都为同一个乐高零件发明了自己的特定色调的“红色”。
只有在处理最基础、最常规的事物时，大家才会对完全相同的代码达成一致。前十个最常用的 SNOMED CT 代码包括“女性”、“男性”、“静脉注射途径”和“已接受”（意味着患者同意参与研究）。同样，前十个最常用的 LOINC 代码都是标准的血液检测，如“血小板”或“钾”。看来，对于那些枯燥、日常的事物，大家说着同一种语言。但一旦事情变得复杂——比如描述一种复杂的损伤或一种罕见的微生物——大家就开始说着各自的方言了。
研究人员还观察了医院进入字典的“深度”。想象一本字典，你可以查找“动物”，然后是“哺乳动物”，接着是“狗”，最后是“金毛寻回犬”。有些医院停在了“狗”，而另一些医院则一直查到了“金毛寻回犬”。研究发现，这种“深度”差异巨大。有些医院非常具体，而另一些医院则保持在较宽泛的层面。这并不一定是错误；有时一家医院会对特定的身体部位使用非常详细的代码，而另一家医院则通过结合一个通用代码与一个“左”或“右”的标签来描述同一个部位。这两种方法都行得通，但在试图进行比较的计算机看来，它们看起来是不同的。
那么，结论是什么？论文指出，虽然瑞士在采用这些国际标准方面取得了巨大进步，但仅仅拥有这些字典并不足以使数据实现完美的互换。所谓的“语义协调（semantic harmonization）”——即每个人都对同一个事物使用完全相同的词汇的状态——仍是一个正在进行中的过程。作者认为，我们不能仅仅假设数据已经准备好可以混合和匹配；我们需要继续努力，让每个人都使用相同的特定词汇，而不仅仅是使用相同的字典。这提醒我们，即使我们拥有相同的地图，我们仍然需要就究竟走哪条路径达成一致。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。