从研究到临床：通过使合成数据可互操作加速临床决策支持系统的转化
机器学习
2025-08-11 v2 人工智能
软件工程
摘要
临床决策支持系统（CDSS）工具从研究环境向临床的转化常常无从实现，部分原因在于焦点往往置于训练机器学习模型，而非利用该模型进行推理的工具开发。要开发可部署于临床工作流的 CDSS 工具，需在对患者数据进行存储与管理的电子健康记录（EHR）系统上对该工具进行集成、验证与测试。不足为奇的是，由于涉及患者记录数据隐私保护的法律限制，研究者很少可能获得对 EHR 系统的必要访问权限。我们提出了一种在 EHR 系统中使用合成数据以大幅简化 CDSS 工具开发与测试的架构。本研究中，该架构于 SyntHIR 系统中实现。SyntHIR 具有三个值得注意的架构特征，支持（i）与合成数据生成器集成，（ii）数据互操作性，以及（iii）工具可移植性。该方法的转化价值通过两个主要步骤评估。首先，利用来自挪威患者登记处的数据开发了一个基于机器学习的 CDSS 工具的可行概念验证。其次，该 CDSS 工具的可移植性通过将其成功部署于挪威最大 EHR 系统供应商（DIPS）而得到证明。这些发现彰显了 SyntHIR 架构作为有用参考模型以加速 CDSS 工具“从实验台到病床”研究转化的价值。
引用
@article{arxiv.2308.02613,
title = {From research to clinic: Accelerating the translation of clinical decision support systems by making synthetic data interoperable},
author = {Pavitra Chauhan and Mohsen Gamal Saad Askar and Kristian Svendsen and Bjørn Fjukstad and Brita Elvevåg and Lars Ailo Bongo and Edvard Pedersen},
journal= {arXiv preprint arXiv:2308.02613},
year = {2025}
}