《npj Digital Medicine》多模态数据供应链赋能肿瘤诊疗决策：开启精准医疗新篇章

为解决肿瘤数据管理与临床决策难题，韩国延世大学医学院研究人员开展肿瘤多模态数据整合及临床决策支持系统（CDSS）研究，开发出 YCDL 框架及 CDSS，提升决策与患者预后，助力精准医疗。

　　

# 多模态数据供应链赋能肿瘤诊疗：创新突破与挑战并存
在医疗科技飞速发展的当下，肿瘤诊疗领域正经历着深刻变革。随着电子病历（EMR）广泛应用及新兴数据源不断涌现，肿瘤学数据呈爆炸式增长。这些数据涵盖患者特征、肿瘤分期、影像信息等多维度内容，却因过于繁杂，远超人类决策处理能力。肿瘤专科医生常花费大量时间筛选碎片化数据，不仅加重工作负担，还易引发职业倦怠，影响诊疗效率与质量。为突破这一瓶颈，韩国延世大学医学院（Yonsei University College of Medicine）的研究人员踏上探索之旅，开展了一项极具意义的研究，成果斐然，为肿瘤诊疗带来新曙光。

此次研究聚焦于构建肿瘤多模态数据供应链及可扩展的临床决策支持系统（Clinical Decision Support System，CDSS），旨在整合临床、基因组和影像数据，为肿瘤诊疗提供更精准、高效的决策依据。研究成果发表于npj Digital Medicine期刊，为肿瘤学界注入了新活力。

在研究方法上，研究人员多管齐下。首先，搭建完备的数据供应链。以医院的 EMR/OCS 数据为源头，严格遵循数据安全与隐私标准，经多层筛选与转换，将数据导入癌症特异性的 Yonsei 癌症数据库（Yonsei Cancer Data Library，YCDL）。这一过程涉及复杂的 Extract-Transform-Load（ETL）操作，借助自然语言处理（Natural Language Processing，NLP）技术，从非结构化医疗文本中精准提取关键信息。其次，实施严格的数据质量控制（Quality Control，QC）。制定 143 项逻辑比对规则，涵盖缺失数据识别、时间有效性验证等多方面，确保数据准确性与完整性。再者，开发功能强大的 CDSS。其具备直观的可视化界面，可展示患者诊疗轨迹、肿瘤三维影像等关键信息，辅助医生快速决策。此外，研究人员还通过问卷调查，收集肿瘤专科医护人员对 CDSS 的使用反馈，评估系统实用性。

研究结果亮点纷呈。数据收集与处理成果显著，截至分析时，YCDL 数据库已收录 171,128 名患者的多模态数据，涉及 11 种癌症类型，每日更新 800 余个特征数据。NLP 技术在手术病理和分子病理中的准确率分别达 92.6% 和 98.7%，有效提升数据处理效率与质量。生存分析方面，通过生成 11 种癌症的生存曲线发现，除前列腺癌外，多数癌症生存率与分期紧密相关，高分期患者生存率普遍较低。CDSS 评估结果令人满意，调查显示，医护人员对 CDSS 与 EMR 联用的满意度较高，多数评分超 4 分（满分 5 分），表明该系统在实际应用中具有较大价值。

研究结论意义深远。从临床应用看，CDSS 为医生提供全景式患者信息，辅助其快速了解病情、制定个性化治疗方案，有望改善患者预后。同时，系统还能自动筛选符合临床试验条件的患者，推动肿瘤新药研发进程。从研究角度出发，YCDL 框架为临床研究提供海量高质量数据，加速临床假设的验证与研究成果转化，促进肿瘤学领域发展。

当然，研究也存在一些局限性。该研究仅基于单中心数据，在推广至其他医疗机构时，可能需进行大规模调整。系统开发时未充分考虑 HL7 和 FHIR 等互操作性标准，未来需进一步优化以实现数据共享。此外，研究未对比多模态数据与单模态数据在预测患者预后方面的优劣，且当前 YCDL 框架仅涵盖生存和复发数据，对生活质量和毒性特征等重要结局指标尚未涉及。

总体而言，这项研究成功构建肿瘤多模态数据供应链及 CDSS，为肿瘤诊疗决策提供有力支持，展现出多模态数据整合在精准医疗中的巨大潜力。尽管面临挑战，但随着技术不断完善与研究深入，有望为全球肿瘤患者带来更优质的医疗服务，推动肿瘤诊疗领域迈向新高度。