Création de questionnaires simplifiée – avec IRIS, FHIR SQL Builder et la

Article

Lorenzo Scalese · Déc 23 3m de lecture

Open Exchange

#FHIR #SQL #Tutoriel #Vector Search #InterSystems IRIS for Health #Open Exchange

Dans le paysage actuel des données de santé, FHIR est devenu la norme pour l'échange structuré de données cliniques. Cependant, si FHIR excelle en matière d'interopérabilité, son format JSON rend l'analyse difficile, y compris pour FHIR QuestionnaireResponse.

Ce projet montre la manière de transformer les données FHIR QuestionnaireResponse de JSON emboîté en tables SQL relationnelles et en intégrations vectorielles. En intégrant InterSystems IRIS FHIR SQL Builder et Vector Search, nous révélons la signification sémantique derrière les réponses des patients.

Trois étapes de sa construction

1. Conception et collecte du questionnaire

Commencez par concevoir un questionnaire FHIR à l'aide du Générateur de formulaires NLM National Library of Medicine(NLM) Form Builder. Cet outil permet de concevoir des formulaires cliniques structurés conformes aux normes FHIR. Dans le cadre de ce projet, 100 réponses synthétiques de patients ont été collectées et enregistrées sous forme de fichier JSON FHIR QuestionnaireResponse, prêt à être importé dans un serveur FHIR.

2. Transformation et interrogation des données du questionnaire via SQL

Après avoir chargé les ressources FHIR QuestionnaireResponse sur le serveur, on utilise le gnérateur InterSystems IRIS FHIR SQL Builder pour créer automatiquement des tables SQL relationnelles. Cela aplatit la structure JSON emboîtée, ce qui facilite l'analyse des données du questionnaire avec SQL standard, le tout configurable en quelques clics seulement.

Reportez-vous au fichier README pour obtenir la configuration complète du générateur FHIR SQL Builder

La table SQL générée à partir des données QuestionnaireResponse est prête à être interrogée et analysée

3. Recherche vectorielle pour la compréhension sémantique

Enfin, intégrez IRIS Vector Search pour ajouter une intelligence sémantique aux données structurées du questionnaire. Cela permet aux utilisateurs de rechercher et d'interagir avec les réponses au questionnaire en fonction du sens et du contexte plutôt que des mots exacts, transformant ainsi les données en un outil plus intuitif et intelligent.

Exemples:

Une recherche sur “médicaments contre le diabète” renvoie les réponses mentionnant des médicaments tels que la metformine, l'insuline glargine ou l'acarbose, même si l'expression exacte n'est pas présente.
Lorsqu'un utilisateur demande, “Quels patients ont des antécédents familiaux de maladies cardiaques et prennent des médicaments pour réduire leur taux de cholestérol?”, le système relie sémantiquement les données associées (en établissant un lien entre les troubles cardiaques et des médicaments tels que le propranolol, la spironolactone ou l'atorvastatine) et produit un résumé concis des patients à risque.

Pour découvrir l'intégralité du flux de travail et la mise en œuvre du code, rendez-vous sur Open Exchange.

Points clés

Grâce à trois étapes clés (conception de questionnaires avec le générateur NLM Form Builder, conversion en tables SQL et amélioration grâce à la recherche vectorielle), ce flux de travail transforme les données FHIR QuestionnaireResponse en un outil puissant pour la compréhension clinique et l'aide à la décision.