RadLex 与 SNOMED CT 整合：开启放射学分类标准化的新征程

《Insights into Imaging》：RadLex and SNOMED CT integration: a pilot study for standardising radiology classification

为解决医疗数据系统中编码系统繁多、标准不一导致的互操作性问题，研究人员开展了利用 TermX 工具整合 RadLex 和 SNOMED CT，实现放射学程序技术和语义互操作的研究。结果创建了修订模型、映射指南和分类系统，这有望改善数据管理，提升医疗服务水平。

　　在医疗领域，数据的有效沟通与信息交换至关重要。然而，当前医疗数据系统面临着诸多挑战。不同的编码系统和标准广泛存在，它们之间缺乏统一规范，导致数据难以整合与共享，就像各个医疗机构说着不同的 “语言”，彼此难以顺畅交流。这不仅影响了临床工作的高效开展，还阻碍了医疗研究的深入推进。例如，在放射学领域，由于缺乏统一的分类标准，数据的准确性和一致性难以保证，给疾病诊断、治疗方案制定以及医疗资源分配带来了困难。为了解决这些问题，来自塔林理工大学（Tallinn University of Technology）的研究人员开展了一项关于 “RadLex 和 SNOMED CT 整合：放射学分类标准化的试点研究”。该研究成果发表在《Insights into Imaging》杂志上。
在这项研究中，研究人员主要采用了设计科学研究（DSR）方法。他们从爱沙尼亚健康与福利信息系统中心（TEHIK）获取放射学程序编码系统，选取血管造影（ANG）和 X 射线这两种具有代表性的检查方式，以 RadLex 为基础构建结构数据模型，并利用 SNOMED CT 制定九步映射指南，借助 TermX 术语管理平台进行概念翻译和验证 。
研究结果主要体现在以下几个方面：

1. DSR 循环：研究历经十二次 DSR 迭代循环，其中三次 “失败”，一次成功验证假设，八次成功。每个循环都基于前一循环的结果，不断解决分析和映射过程中遇到的问题。
2. 映射指南：由于 Radlex/LOINC 无法支持手术名称，研究采用了利用 SNOMED CT 映射本地术语的指南，并根据爱沙尼亚放射学会（ESR）编码系统的非一致性结构，对原始映射指南进行了调整。
3. 数据模型：在 TermX 中，ANG 和 X 射线程序的分类系统包含 19 个属性，分为三组。除 “程序执行者” 和 “图像解释者” 共享一个值集外，其他属性都有各自对应的值集。该分类器使用 380 个不同的 SNOMED CT 概念来描述 622 个程序。
4. ANG 和 X 射线程序分析：在 ANG 方面，119 个不同程序最多使用 14 个属性，超四分之三的程序需要 “相关程序” 属性，“原因” 属性使用 35 次，共使用 35 个不同的爱沙尼亚健康保险基金（EHIF）服务代码，成功率为 47%。X 射线方面，503 个程序使用 17 个属性，主要通过 “放射成像程序” 和 “身体部位” 组合区分不同程序，使用 16 个 EHIF 服务代码，成功率达 99.6%。
   研究结论和讨论部分表明，该研究成功实现了 ANG 和 X 射线程序的映射，创建并验证了通用模型。尽管 RadLex 结合 LOINC 起初看似合适，但在表示 ANG 程序时存在不足，而将 SNOMED CT 纳入 RadLex 模型显著提高了映射效果。TermX 平台在本体开发中展现出灵活性和有效性，即使对于本体专业知识有限的医疗组织也有实用价值。从多方面来看，该研究成果意义重大。对于医疗基金而言，精确的程序表示提高了计费准确性，优化了行政效率；在初级医疗保健中，改善了检查流程，减少数据输入错误，提升了决策质量和患者治疗效果；在放射科，有助于更清晰地识别所需程序，优化资源利用和操作效率，提高内部质量保证水平；从公共卫生角度，为评估医疗趋势、资源分配等提供了结构化可靠数据，有助于做出明智的医疗资源决策。总之，该研究成果推动了医疗领域互操作性的进步，为全球医疗服务质量的提升提供了有力支持。