文/ 國立陽明大學 系統與合成生物學研究中心 俞國靖
當數據量大到一定的程度時，搬移數據到計算設施的所在是一件很困難的事，因此逐漸發展出數據共享區（data commons）的觀念，將公用的數據放在計算設施附近。使用者要計算時，可將演算法搬到計算設施的入口網，直接掛載有權限使用的數據做計算。快速健康照護互通資源（FHIR），雖然是為電子病歷交換所設計的標準，但它所儲存的欄位與許多生醫領域的實境數據（real world data, RWD）相似。若將各種來源不同的實境數據，像是電子病歷、疾病登錄、健檢數據、健保申報等均存為FHIR格式，數據科學家就不需要瞭解各種不同來源的數據之存放方式，只需要瞭解FHIR的標準與數據的存放方式，即可做多種數據的整合與分析。生醫數據中心提供的數據共享區若能符合FHIR標準，即可提供可即時做人工智慧分析的數據（AI-ready data）。目前國內並無將大量實境數據標準化的經驗，也缺少治理多個來源的數據之管理經驗，因此本文介紹方法，突破這兩個技術層次的瓶頸。
要把醫療資料上傳至FHIR雲端伺服器，需要先將資轉換成FHIR標準，在轉換過程中，不同醫院醫療資料上傳資料時，因檢驗方式不同，針對觀察（Observation）資源項目，檢查及問卷部份等，需要輸入LOINC碼及長的名稱（long common name）。以對健康有益的高密度血脂蛋白（HDL）檢測為例，會找到超過50筆稍有差異的檢測方式，若用人工做LOINC碼的對應需要花許多時間。這也是目前一般醫院遇到的最大問題，醫院大多使用健保代碼或醫院代碼，FHIR需使用LOINC碼，目前並無健保代碼轉LOINC的相關工具。若能使用電腦輔助系統協助將可能的結果排序，將可大幅減少專業人員瀏覽與選擇適當對應方式的時間。
數據中心必須有申請、資格審查、合約簽訂、資料下載時間記錄、後續使用追蹤與到期取消使用資格功能。利用電子簽署保密協定、自動追蹤、與管理雲端FHIR伺服器帳號權限的機制，可以強化數據的管理，避免人工作業的疏漏。對使用者而言，簡化數據治理的流程設計，可讓使用者儘早取得數據，進行分析，甚至邦聯式學習（federated learning）。當數據治理的瓶頸舒緩後，就可將重點專注於建立AI-ready的環境，發展邦聯式學習的新合作模式，符合「找得到（findable）、可取得（accessible）、可交換（interoperable）、與可再利用（re-usable）」的FAIR原則等，以增加數據中心的國際競爭力。
參考文獻
- Yu KC, Liao YL, Sun TY, Wu Y, Su ZX, Yang, UC (2021) Preparation and management of FHIR-compliant data sets. Joint Conference of Medical Informatics in Taiwan 2021, Taipei, R.O.C. [Oral presentation]
- Common LOINC Laboratory Observation Codes. (2017) Regenstrief Institute, Inc. https://loinc.org/usage/obs/
- Wilkinson MD, et al (2016) The FAIR Guiding Principles for scientific data management and stewardship. Sci Data. 3:160018.
- Wilkinson MD, et al (2019) Addendum: The FAIR Guiding Principles for scientific data management and stewardship. Sci Data. 6(1):6