精确肿瘤学平台数据质量的现实世界证据:来自分子双生研究 umbrella 方案的洞见

《Frontiers in Digital Health》:Real-world evidence on data quality in precision oncology platforms: insights from the Molecular Twin Research Umbrella protocol

【字体: 大 中 小 】 时间:2026年06月30日 来源:Frontiers in Digital Health 5.2

编辑推荐:

  精准肿瘤学的进展在很大程度上依赖于高质量、纵向、多来源、多用途且多维度的数据的可用性,这些数据整合了临床、病理和分子信息。尽管新型和先进的生物医学方法使大规模数据生成成为可能,但与数据检索、协调和质量控制相关的运营挑战在科学文献中仍描述不足。与此同时,数据的不

  
精准肿瘤学的进展在很大程度上依赖于高质量、纵向、多来源、多用途且多维度的数据的可用性,这些数据整合了临床、病理和分子信息。尽管新型和先进的生物医学方法使大规模数据生成成为可能,但与数据检索、协调和质量控制相关的运营挑战在科学文献中仍描述不足。与此同时,数据的不完整性以及收集实践和编码标准的异质性正在削弱对精准医学项目的信心。本方法学案例研究聚焦于Cedars-Sinai医学中心分子双生研究 umbrella 方案中的数据协调挑战。该系统性四阶段流程包括数据访问和组装的需求、清洗和协调的处理,以及分发前的质量验证。研究人员对每种记录类型进行了成对比较,从电子健康记录到肿瘤登记和生物样本库。人口统计学数据显示出非常高的一致性(>95%),而临床关键变量,如肿瘤TNM分期、诊断特异性和干预计划,显示出中度不一致(14.8%–17%)。这些差异是队列准备用于预测模型的重大障碍。基于这些结果,研究人员提出了旨在提高纵向肿瘤学队列数据集准确性、完整性和标准化的缓解策略。本研究为长期肿瘤学队列以及任何机构的数字双生基础设施开发提供了关键建议,强调健全的数据质量基础设施是值得信赖的精准肿瘤学和转化研究的基石。
本文围绕精准肿瘤学平台中的数据质量问题展开研究,发表在《Frontiers in Digital Health》期刊上。研究背景方面,精准医学通过整合基因组学、临床、环境和生活方式因素,为肿瘤的预防、诊断和治疗提供个体化策略。高通量测序和多组学技术的进步使研究人员能够在分子水平上刻画肿瘤和宿主反应,从而建立利用多组学和临床信息确定患者治疗方案的精准肿瘤学平台。然而,尽管此类平台迅速增多,但不同医疗机构生成的数据集中伴随的临床和组学数据质量问题日益引起关注。纵向肿瘤队列作为监测肿瘤发展和耐药性演变的独特资源具有重要价值,生物样本库在其中发挥着关键的支撑作用。然而,医疗信息分散存储于电子健康记录、肿瘤登记系统和实验室信息管理系统等多个系统中,文档实践、编码方案、更新方式和数据模型的差异性给队列组装和分析带来了挑战。数据的不完整性和不一致性,特别是关于分期和治疗的信息,已被证实会影响预测模型和生存分析的质量。此外,在精准肿瘤学工具中用于分析和构建数字双生的人工智能应用背景下,这一问题更加突出。高质量的数据溯源和谱系对构建全面可信的数据集至关重要,而时间戳的可追溯性对于及时建立和解释模型也具有重要意义。

研究人员在Cedars-Sinai医学中心开展了分子双生研究 umbrella 方案下的数据协调研究。该方案旨在促进多种癌症类型中生物样本和纵向临床数据的联合分析。研究人员针对乳腺癌队列的数据恢复和协调程序进行了评估,纳入了数百名在2022年6月至2025年6月期间入组并纵向随访的患者,涵盖I-III期乳腺癌术后监测、三阴性乳腺癌免疫检查点阻滞治疗前病理,以及抗体药物偶联物治疗伴多个采血时间点等用例。数据来源于多个机构数据库,包括通过CS-Link电子健康记录手动提取的数据、肿瘤登记报告、LabVantage实验室信息管理系统,以及基于REDCap软件构建的分子双生数据库。

研究人员采用的主要关键技术方法包括:标准化的四阶段数据管理工作流程,涵盖数据请求可行性评估、多系统数据编译、清洗和协调转换、质量检查与数据集分发;成对比较方法,对电子健康记录、肿瘤登记和生物样本库数据进行系统比对;多层级自动化质量控制系统,用于评估数据完整性、内部有效性和时间有效性;以及针对数据差异的模式识别和缓解策略开发。

研究结果部分,"总体数据一致性"显示,肿瘤登记系统和分子双生数据库与基于电子健康记录的数据集相比,人口统计学变量的一致性非常高(>95%),而TNM系统和分期分类的一致性仅为72.8%,不一致率为17%;干预日期包括治疗开始日期和手术日期的变异度也较高,一致性分别为74.9%和14.8%。"差异来源"表明,系统间异步更新、编码变化、电子健康记录的实时临床更新与肿瘤登记信息的计划性编目周期之间的时差,以及自由文本临床文档导致的结构化字段无法识别的差异,是数据不一致的主要因素。"对队列准备的影响"指出,变异在队列分层分析的关键变量中更为显著,里程碑文档的治疗差异影响了资格评估和时间-事件分析,并需要额外的协调以实现分子数据整合。"关键挑战和拟议缓解策略"中,研究人员识别了数据分散、临床文档异质性、跨来源数据协调、诊断编码精确性、系统异步更新和手动数据检索负担六大挑战,并对应提出了标准化数据录入模板、结构化文档模板、自动跨来源验证、强制执行ICD-10编码标准、集中质量控制管道和部分自动化等缓解措施。

讨论部分,研究人员指出纵向患者相关数据在肿瘤学中具有双重性质,既为精准医学提供重大机遇,又易受不准确、不一致和偏倚的影响。本研究描述的四步数据管理工作流程与FAIR(可发现、可访问、可互操作、可重用)数据原则保持一致。肿瘤登记数据与分子双生数据、电子健康记录之间的一致性模式与既往研究高度吻合,且补充分析表明关键临床变量的不一致并非疾病特异性,而是反映了更广泛的数据整合挑战。研究人员强调,半自动化或全自动化集成管道可提高一致性和数据完整性,机器学习方法在增强数据完整性、标记差异、提取非结构化文本数据方面具有应用价值。结构化临床文档模板、标准化术语和本体论的使用,以及持续的临床培训,对于解决文档一致性问题至关重要。标准化ICD-10编码对于将电子健康记录编码与其来源关联、提高诊断精确性和数据互操作性不可或缺。集中式质量控制管道(包括固定验证规则、自动化错误检测和定期审计)的建立,使得持续数据完整性监测成为可能。针对数据检索和交付过程中大量手工劳动的问题,部分自动化的实施已被证明能显著减少人为错误、提高效率和加快数据访问速度。正在进行的举措包括采用标准化、可互操作的数据模型和FAIR对齐基础设施(如OMOP通用数据模型)以改善跨系统数据整合和机器可读性,以及应用人工智能辅助方法从异质临床来源中提取和构建数据。自主或半自主的智能体AI范式在支持数据检索、构建和验证方面展现出前景。

研究结论部分翻译如下:本文揭示了纵向肿瘤学数据管理中所遇到的复杂多层次问题,并阐述了现代生物样本库不断演变的角色——从标注良好的生物样本库转向更加以数据为中心的集成研究平台。这些数据在推动精准医学方面的价值很大程度上取决于不同来源数据的完整性、完整性和互操作性。临床注释和基础设施阶段必须以非常高的水平执行,同时应持续进行临床注释和新技术方面的教育,以使队列构建始终领先于潜在的未来数据需求,并确保收集的生物样本得到最佳利用以开展高端科学研究。通过采用复杂的计算方法(主要是人工智能和机器学习),这些技术对于实时、自适应和可扩展的肿瘤学数据库具有重大的变革潜力。然而,只有持续投资于数据基础设施、验证框架和临床培训,才能充分利用这些技术,从而促进肿瘤学研究和临床护理中的数据驱动创新。此类集成框架通过将碎片化和异质的数据转化为可操作的知识,不仅能建立参与者之间的信任和社会责任,还能支持转化研究。因此,健壮的数据基础设施、先进的分析方法和以患者为中心的治理三者的交汇,使生物样本库不仅能作为生物样本的储存库,而且成为推动转化研究和临床护理持续改进的动态引擎。

肿瘤学纵向数据的整合面临着若干操作挑战。本项案例研究帮助读者理解精准肿瘤学可信解决方案的关键基础,包括高质量数据基础设施、标准化程序、集中式平台中的质量控制,以及自动化流程的医学指导。对精准肿瘤学解决方案质量的投资将在奠定有意义的医疗保健基础方面发挥更为关键的作用。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号