Warum das Gesundheitswesen bei Information Graphs führend ist

Hinweis 2: Alle Bilder vom Autor

In Teil 1 haben wir beschrieben, wie strukturiertes Wissen den Fortschritt im Gesundheitswesen ermöglichte. In diesem Artikel wird untersucht, warum das Gesundheitswesen mehr als jede andere Branche in der Lage conflict, diese Struktur in großem Maßstab aufzubauen.

Das Gesundheitswesen ist aus einigen grundlegenden Gründen die am weitesten ausgereifte Branche bei der Verwendung von Wissensgraphen. Im Kern basiert die Medizin auf empirischen Wissenschaften (Biologie, Chemie, Pharmakologie), die es ermöglichen, ein gemeinsames Verständnis der existierenden Arten von Dingen, ihrer Wechselwirkungen und ihrer Kausalität zu entwickeln. Mit anderen Worten, die Gesundheitsversorgung bietet sich auf natürliche Weise an Ontologie.

Die Branche profitiert auch von einer tiefgreifenden Kultur des Teilens kontrollierte Vokabeln. Wissenschaftler und Kliniker sind natürliche Bibliothekare. Notwendigerweise hear und kategorisieren sie akribisch alles, was sie finden können, von Genen bis hin zu Krankheiten. Diese Betonung der Klassifizierung wird durch die Verpflichtung zu empirischer, reproduzierbarer Qualität verstärkt Beobachtungwobei die Daten über Institutionen, Studien und Zeit hinweg vergleichbar sein müssen.

Schließlich gibt es strukturelle Kräfte, die die Reife beschleunigt haben: streng Verordnung; starke vorwettbewerbliche Leistung Zusammenarbeit; nachhaltig öffentliche Finanzierung; Und offene Datenstandards. All diese Faktoren fördern gemeinsame Requirements und wiederverwendbares Wissen statt isolierter, proprietärer Modelle.

Zusammengenommen schufen diese Faktoren die Voraussetzungen dafür, dass das Gesundheitswesen eine dauerhafte, gemeinsame semantische Infrastruktur aufbauen konnte, die es ermöglichte, Wissen über Institutionen, Generationen und Technologien hinweg anzusammeln.

Ontologien

Der Mensch hat schon immer versucht zu verstehen, wie die Welt funktioniert. Wenn wir dasselbe wiederholt beobachten und berichten und uns darin einig sind, dass es wahr ist, entwickeln wir ein gemeinsames Verständnis der Realität. Dieser Prozess wird in der Wissenschaft mit der wissenschaftlichen Methode formalisiert. Wissenschaftler entwickeln eine Hypothese, führen ein Experiment durch und werten die Ergebnisse empirisch aus. Auf diese Weise entwickelt der Mensch seit Jahrtausenden eine implizite medizinische Ontologie.

Otzi, der 1991 entdeckte Höhlenmensch, der vor 5.300 Jahren lebte, wurde mit einem antibakteriellen Pilz in seinen Leggings entdeckt, der wahrscheinlich seine Peitschenwurminfektion behandeln sollte (Kirsch und Ogas 4). Sogar Höhlenmenschen hatten ein gewisses Verständnis dafür, dass Pflanzen zur Behandlung von Krankheiten eingesetzt werden könnten.

Schließlich erkannten die Wissenschaftler, dass es nicht die Pflanze selbst conflict, die die Krankheit behandelte, sondern Verbindungen innerhalb der Pflanze, und dass sie die molekulare Struktur dieser Verbindungen im Labor manipulieren und sie stärker oder wirksamer machen konnten. Dies conflict der Beginn der organischen Chemie und wie Bayer Aspirin (durch Optimierung der Weidenrinde) und Heroin (durch Optimierung des Opiums aus Mohn) erfand (Hager 75; Kirsch und Ogas 69). Dadurch wurde der Ontologie eine neue Klasse hinzugefügt: Verbindungen. Mit jedem neuen wissenschaftlichen Durchbruch entwickelte sich unser Verständnis der natürlichen Welt weiter und wir aktualisierten unsere Ontologie entsprechend.

Im Laufe der Zeit entwickelte die Medizin eine geschichtete Ontologie, bei der jede neue Klasse die vorherige nicht ersetzte, sondern sie erweiterte. Die Ontologie wuchs um Krankheitserreger nach Wissenschaftlern Fritz Schaudinn Und Erich Hoffmann entdeckte, dass die zugrunde liegende Ursache der Syphilis ein Bakterium namens conflict Treponema pallidum. Wir haben gelernt Mikroben konnten quick überall gefunden werden und einige von ihnen konnten Bakterien abtöten, wie Penicillin, additionally wurden Mikroben zu unserer Theorie hinzugefügt.

Wir haben gelernt, dass DNA enthält Genedie kodieren Proteinedie mit interagieren biologische Prozesse Und Risikofaktoren. Jeder große Fortschritt in der Medizin erweiterte unser gemeinsames Verständnis der Realität um neue Klassen von Dingen und zwang uns, darüber nachzudenken, wie diese Klassen interagieren. Lange vor Computern hatte das Gesundheitswesen bereits eine mehrschichtige Ontologie aufgebaut. Wissensgraphen führten diese Denkweise nicht ein; Sie gaben ihm lediglich ein formales, rechnerisches Substrat.

Heute haben wir Ontologien für die Anatomie (Uberon), Gene (Genontologie), chemische Verbindungen (ChEBI) und Hunderte anderer Domains. Repositories wie BioPortal und die OBO-Gießerei bieten Zugang zu weit über tausend biomedizinischen Ontologien.

Kontrollierte Vokabeln

Sobald eine Klasse von Dingen definiert conflict, begann die Medizin sofort damit, jedes Vorkommen, das sie finden konnte, zu benennen und zu katalogisieren. Wissenschaftler sind hervorragend darin, Instanzen von Klassen zu katalogisieren und zu definieren. De materia medica, Das erste Arzneibuch wurde im Jahr 70 n. Chr. fertiggestellt. Es conflict ein Buch über 600 Pflanzen und etwa 1000 Medikamente. Als Chemiker begannen, im Labor mit organischen Verbindungen zu arbeiten, schufen sie Tausende neuer Moleküle, die katalogisiert werden mussten. Als Reaktion darauf erschien der erste Band des Beilstein Handbuch der Organischen Chemie wurde 1881 veröffentlicht. Dieses Handbuch katalogisierte alle bekannten organischen Verbindungen, ihre Reaktionen und Eigenschaften und umfasste mittlerweile Millionen von Einträgen.

Dieses Muster wiederholt sich in der Geschichte der Medizin. Jedes Mal, wenn sich unser Verständnis der natürlichen Welt verbesserte und der Ontologie eine neue Klasse hinzugefügt wurde, begannen Wissenschaftler, alle Instanzen dieser Klasse zu katalogisieren. Nachdem Louis Pasteur 1861 herausgefunden hatte, dass Keime Krankheiten verursachen, begannen die Menschen, alle Krankheitserreger zu katalogisieren, die sie finden konnten. Im Jahr 1923 erschien die erste Model von Bergeys Handbuch der bestimmenden Bakteriologie veröffentlicht, das etwa tausend einzigartige Bakterienarten enthielt.

Das gleiche Muster wiederholte sich mit der Entdeckung von Genen, Proteinen, Risikofaktoren und Nebenwirkungen. Heute verfügen wir über umfangreiche kontrollierte Vokabulare für Erkrankungen und Verfahren (SNOMED CT), Krankheiten (ICD 11), Nebenwirkungen (MedDRA), Medikamente (RxNorm), Verbindungen (CheBI und PubChem), Proteine ​​(UniProt) und Gene (NCBI Gene). Die meisten großen Pharmaunternehmen arbeiten mit Dutzenden dieser von Dritten kontrollierten Vokabulare.

Etwas verwirrend ist, dass Ontologien und kontrollierte Vokabulare in der Praxis oft vermischt werden. Große kontrollierte Vokabulare enthalten häufig Instanzen aus mehreren Klassen zusammen mit einem einfachen semantischen Modell (Ontologie), das sie in Beziehung setzt. SNOMED CT umfasst beispielsweise Krankheitsfälle, Symptome, Verfahren und klinische Befunde sowie formal definierte Zusammenhänge wie z hat Absicht Und wegen. Dabei kombiniert es ein kontrolliertes Vokabular mit einer ontologischen Struktur und fungiert so effektiv als eigenständiger Wissensgraph.

Vorschriften

Im Anschluss an a Massenvergiftung, bei der 107 Menschen ums Leben kamen Aufgrund eines unsachgemäß zubereiteten „Elixiers“ erteilte die US-Regierung der Meals and Drug Administration (FDA) im Jahr 1937 erweiterte Regulierungsbefugnisse (Kirsch 97). Der Bund Lebensmittel-, Arzneimittel- und Kosmetikgesetz von 1938 enthielt Anforderungen an die Kennzeichnung von Arzneimitteln und forderte, dass Arzneimittelhersteller der FDA Sicherheitsdaten und eine Erklärung zur „beabsichtigten Verwendung“ vorlegen. Dies half den USA, das weitgehend zu vermeiden Thalidomid-Tragödie in den späten 1950er Jahren in Europa, wo schwangeren Frauen ein Beruhigungsmittel zur Behandlung von Angstzuständen, Schlafstörungen und morgendlicher Übelkeit verschrieben wurde – obwohl es nie an schwangeren Frauen getestet wurde. Dies verursachte die „größte anthropogene medizinische Katastrophe aller Zeiten“, bei der Tausende Frauen Fehlgeburten erlitten und mehr als 10.000 Babys mit schweren Missbildungen geboren wurden.

Obwohl die USA dies aufgrund der Vorsicht der FDA-Prüfer weitgehend vermieden haben, wurden dadurch auch Lücken im System aufgedeckt. Die Kekauver-Harris-Änderungen des Bundesgesetzes über Lebensmittel, Arzneimittel und Kosmetika aus dem Jahr 1962 sind jetzt erforderlich nachweisen dass Medikamente sowohl sicher als auch wirksam seien. Die zunehmende Macht der FDA im Jahr 1938 und erneut im Jahr 1962 zwang das Gesundheitswesen dazu, die Bedeutung von Begriffen zu vereinheitlichen. Pharmaunternehmen waren gezwungen, sich auf Indikationen (wofür ist das Medikament gedacht), Erkrankungen (was behandelt das Medikament), Nebenwirkungen (welche anderen Erkrankungen wurden mit diesem Medikament in Verbindung gebracht) und klinische Ergebnisse zu einigen. Der zunehmende regulatorische Druck erforderte auch reproduzierbare, intestine kontrollierte Studien für alle Angaben zu einem Medikament. Die Regulierung forderte nicht nur sicherere Medikamente; es erforderte eine gemeinsame Bedeutung.

Beobachtungsdaten

Diese regulatorischen Änderungen wirkten sich nicht nur auf Genehmigungsprozesse aus; Sie haben die Artwork und Weise, wie medizinische Beobachtungen erstellt, strukturiert und verglichen werden, grundlegend verändert. Um klinische Beweise vergleichbar, überprüfbar und reproduzierbar zu machen, wurden Datenstandards für klinische Studien durch Organisationen wie die kodifiziert Medical Information Interchange Requirements Consortium (CDISC). CDISC definiert, wie klinische Beobachtungen, Endpunkte und Populationen für die behördliche Überprüfung dargestellt werden müssen. Ebenso hat die FDA die in kontrollierten Vokabularien katalogisierten gemeinsamen Terminologien von „Finest Apply“ zu „verbindlich“ gemacht.

Vorwettbewerbliche Zusammenarbeit

Einer der entscheidenden Faktoren, die dazu geführt haben, dass das Gesundheitswesen in Wissensgraphen dominiert, ist die vorwettbewerbliche Zusammenarbeit. Ein Großteil der Arbeit im Gesundheitswesen basiert auf Naturwissenschaften wie Biologie und Chemie, die als öffentliches Intestine behandelt werden. Unternehmen konkurrieren immer noch um Produkte, aber die meisten betrachten einen großen Teil ihrer Forschung als „vorwettbewerblich“. Organisationen wie die Pistoia-Allianz Erleichtern Sie diese Zusammenarbeit, indem Sie neutrale Foren zur Abstimmung auf gemeinsame Semantik und Infrastruktur bereitstellen (siehe Abschnitt zu Datenstandards unten).

Öffentliche Finanzierung

Öffentliche Finanzierung conflict für den Aufbau der Wissensinfrastruktur im Gesundheitswesen von entscheidender Bedeutung. Regierungen und öffentliche Forschungseinrichtungen haben stark in die Erstellung und Pflege von Ontologien, kontrollierten Vokabularien und umfangreichen Beobachtungsdaten investiert, deren Erstellung sich kein einzelnes Unternehmen allein leisten könnte. Agenturen wie die Nationale Gesundheitsinstitute (NIH) Finanzieren Sie viele dieser Vermögenswerte als öffentliche Güter und hinterlassen Sie im Gesundheitswesen eine reichhaltige, offene Wissensbasis, die über die Verwendung von Wissensgraphen vernetzt und begründet werden kann.

Datenstandards

Auch im Gesundheitswesen wurden schon früh offene Datenstandards eingeführt, um sicherzustellen, dass gemeinsames Wissen system- und anbieterübergreifend dargestellt und wiederverwendet werden kann. Requirements aus dem World Extensive Internet-Konsortium (W3C) machte medizinisches Wissen maschinenlesbar und interoperabel und ermöglichte die gemeinsame Nutzung semantischer Modelle unabhängig von einem einzelnen System oder Anbieter. Durch die Verankerung der Bedeutung in offenen Requirements statt in proprietären Schemata ermöglichte das Gesundheitswesen die Funktion von Wissensgraphen als gemeinsame, langlebige Infrastruktur und nicht als isolierte Implementierungen. Requirements stellten sicher, dass die Bedeutung Systemaktualisierungen, Anbieterwechsel und jahrzehntelange technologische Veränderungen überdauern konnte.

Abschluss

Keiner dieser Faktoren allein erklärt den Reifegrad des Gesundheitswesens; Es ist ihr jahrzehntelanges Zusammenwirken – die Ontologie formt Vokabulare, Vorschriften erzwingen Beweise, Finanzierung zur Aufrechterhaltung gemeinsamer Infrastruktur und Requirements, die die Wiederverwendung ermöglichen –, die Wissensgraphen eher unvermeidlich als non-obligatory gemacht haben. Lange vor der modernen KI investierte das Gesundheitswesen in die Einigung darüber, was Dinge bedeuten und wie Beobachtungen interpretiert werden sollten. Im letzten Teil dieser Serie werden wir untersuchen, warum die meisten anderen Branchen über diese Voraussetzungen verfügen – und was sie realistischerweise vom Weg des Gesundheitswesens übernehmen können.

Über den Autor: Steve Hedden ist Leiter des Produktmanagements bei TopQuadrantwo er die Strategie für EDG leitet, eine Plattform für Wissensgraphen und Metadatenmanagement. Der Schwerpunkt seiner Arbeit liegt auf der Verbindung von Enterprise Information Governance und KI durch Ontologien, Taxonomien und semantische Technologien. Steve schreibt und spricht regelmäßig über Wissensgraphen und die sich entwickelnde Rolle der Semantik in KI-Systemen.

Bibliographie

Hager, Thomas. Zehn Medikamente: Wie Pflanzen, Pulver und Pillen die Geschichte der Medizin geprägt haben. Harry N. Abrams, 2019.

Isaacson, Walter. Der Codebrecher: Jennifer Doudna, Genbearbeitung und die Zukunft der Menschheit. Simon & Schuster, 2021.

Kirsch, Donald R. und Ogi Ogas. Die Drogenjäger: Die unwahrscheinliche Suche nach neuen Medikamenten. Arcade, 2017.