Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card

Как нормализовать медицинские данные

Руководство: преобразуйте медицинские данные из различных источников в единую сопоставимую форму — поиск по LOINC, единицы UCUM, даты ISO, референсные диапазоны, отсутствие дубликатов при повторной попытке и проверка по европейскому лабораторному профилю.

Нормализация медицинских данных означает преобразование значений, поступающих в различных формах, в одну сравнимую форму: один и тот же код для одного и того же теста, одна и та же система единиц измерения, даты в одном формате, каждое значение с его эталонным диапазоном и источником, а также отсутствие дубликатов. В этом учебном пособии показано, как это сделать до того, как данные попадут в запись HL7 FHIR R4: поиск кодов LOINC и ATC, использование единиц UCUM, отказ от неоднозначных дат, сохранение диапазонов, избежание дубликатов при повторных попытках и проверка результата по европейскому лабораторному профилю. Каждый показанный ответ получен из Anpheros API.

Почему это важно

Один и тот же результат HbA1c может поступить к вам в виде "HbA1c 6,4 %", "Hemoglobina glicozilata: 6.4", "Glycated haemoglobin 46 mmol/mol" или только в виде лабораторного кода, понятного одной конкретной лаборатории. Пока эти значения не будут представлены в виде одного кода с одной единицей измерения:

• график HbA1c пациента за определенный период будет отображать три несвязанные линии;
• оповещение "HbA1c выше 6,5 %" пропустит два из значений;
• модель ИИ увидит четыре факта вместо одной тенденции;
• другая система, получающая запись, не сможет ее интерпретировать.

Нормализация должна выполняться в точке входа данных в запись, единожды, а не в каждом приложении, которое считывает ее позже.

Что такое нормализованное значение

Какие системы кодирования соответствуют каким типам ресурсов, указано в разделе FHIR code systems.

Шаг 1: Поиск кода

Ищите терминологию платформы по английскому или румынскому названию, или по аббревиатуре:

curl "https://platform.anpheros.com/v1/terminology/loinc?q=hba1c" -H "Authorization: Bearer $KEY"
curl "https://platform.anpheros.com/v1/terminology/loinc?q=hemoglobina%20glicozilata" -H "Authorization: Bearer $KEY"

Оба варианта возвращают одно и то же понятие:

{"data": [{"system": "http://loinc.org", "code": "4548-4", "display": "Hemoglobin A1c/Hemoglobin.total in Blood",
           "display_ro": "Hemoglobină glicozilată (HbA1c)", "category": "laboratory", "unit": "%"}], "total": 1}

Для лекарств Anpheros Search находит вещество по названию или бренду и предоставляет его RxNorm ingredient code и EMA product numbers:

curl "https://platform.anpheros.com/v1/search?q=metformin&type=treatment" -H "Authorization: Bearer $KEY"

Поле unit — это единица измерения, которую ожидает LOINC для данного теста. Используйте его для проверки полученных данных. Создайте сопоставление собственных имен каждого источника с кодами один раз для каждого источника и сохраните его в вашей интеграции. Не угадывайте во время записи: когда имя неоднозначно и ничего в источнике не проясняет, оставьте его без сопоставления и обратитесь к источнику. Как импортировать лабораторные результаты в запись FHIR показывает, как хранятся и сообщаются некартографированные лабораторные маркеры.

Шаг 2: Запись с кодами, единицами измерения и диапазонами

curl -X POST "https://platform.anpheros.com/v1/patients/$PID/observations" -H "Authorization: Bearer $KEY" \
     -H "Content-Type: application/json" -H "Idempotency-Key: lab-77-hba1c" -d '{
  "code": "4548-4", "category": "laboratory",
  "value": 6.4, "unit": "%", "effective_at": "2026-10-01T07:30:00Z",
  "reference_range": {"low": 4.0, "high": 5.6},
  "author_type": "import"
}'

{"id": "3296315c-…", "code": "4548-4", "system": "http://loinc.org", "display": "Hemoglobin A1c/Hemoglobin.total in Blood",
 "category": "laboratory", "effective_at": "2026-10-01T07:30:00Z", "value": 6.4, "unit": "%",
 "reference_range": {"low": 4.0, "high": 5.6}, "status": "final", "fhir": "Observation/3296315c-…"}

Когда вы отправляете только код, платформа заполняет стандартное имя LOINC как в REST API, так и в FHIR API (/fhir/R4), поэтому каждое приложение читает одно и то же display. display, который вы отправляете самостоятельно, сохраняется как есть.

Сохраняйте оригинальную формулировку. Для лабораторного отчета code.text в FHIR Observation содержит название лаборатории ("Hemoglobina glicozilata (HbA1c)") рядом с кодировкой LOINC. Пациент по-прежнему узнает свой бумажный отчет, и ничего не будет потеряно, если сопоставление когда-либо будет поставлено под сомнение.

Шаг 3: Единицы измерения

Используйте коды UCUM: mg/dL, mmol/L, %, mm[Hg], kg, cm, /min, Cel. Два правила помогают избежать большинства ошибок:

• Не конвертируйте молча. Если лаборатория сообщает уровень глюкозы в mmol/L, а ваше приложение отображает mg/dL, сохраняйте то, что измерила лаборатория, и конвертируйте при отображении. Сохраненное значение остается прослеживаемым до отчета.
• Проверяйте единицу измерения по коду. Коды LOINC специфичны: HbA1c в % — это 4548-4, в то время как HbA1c в mmol/mol имеет другой код LOINC. Значение, единица измерения которого не соответствует ожидаемой единице измерения кода, является ошибкой сопоставления, а не проблемой конвертации.

Anpheros не конвертирует единицы измерения за вас; он сохраняет ту единицу, которую вы отправляете.

Шаг 4: Даты

Преобразуйте даты в формат ISO 8601 перед записью, используя известный формат источника. 01.10.2026 — это 1 октября в Румынии и многих европейских странах, но 10/01/2026 — это 1 октября только в Соединенных Штатах. API отклоняет все, что не соответствует ISO, вместо того чтобы угадывать:

{"error": {"type": "invalid", "message": "Input should be a valid datetime or date, invalid character in year (at effective_at)", "field": "effective_at"}}

Лабораторный коннектор является исключением: он принимает DD.MM.YYYY и DD/MM/YYYY, потому что знает, что читает европейский отчет.

Для измерений, где время суток имеет значение (артериальное давление, уровень глюкозы, дозы лекарств), отправляйте время с его часовым поясом. Показание в 23:30 в Бухаресте приходится на предыдущий день по UTC, и пациент ожидает его в тот день, когда он был сделан.

Шаг 5: отсутствие дубликатов

Дубликаты возникают из-за повторных попыток, отправки одного и того же отчета дважды и получения одного и того же значения по двум разным каналам.

• Повторные попытки: отправляйте Idempotency-Key, который идентифицирует значение в источнике, например, идентификатор отчета и тест. Повторная отправка того же запроса с тем же ключом возвращает первый ответ и не сохраняет ничего нового. SDK добавляют единицу к каждому созданию.
• Один и тот же отчет дважды: лабораторный коннектор создает стабильный идентификатор для каждой строки из отчета, кода, даты и значения, а также пропускает уже импортированные строки.
• Два канала: сохраняйте собственный идентификатор исходной системы с X-Anpheros-Origin-Id (или в identifier в ресурсах FHIR) и ищите его перед записью значений, которые могут вернуться по другому пути.

Шаг 6: Проверка по профилю

Для лабораторных результатов запросите у платформы, насколько ресурс соответствует профилю HL7 Europe для лабораторных отчетов, прежде чем полагаться на него:

curl -X POST "https://platform.anpheros.com/fhir/R4/Observation/\$validate?profile=eu-lab" -H "Authorization: Bearer $KEY" \
     -H "Content-Type: application/fhir+json" -d '{
  "resourceType": "Observation", "status": "final",
  "category": [{"coding": [{"system": "http://terminology.hl7.org/CodeSystem/observation-category", "code": "laboratory"}]}],
  "code": {"text": "HbA1c"}, "subject": {"reference": "Patient/'$PID'"},
  "valueQuantity": {"value": 6.4, "unit": "%"}
}'

Этот ненормализованный результат получает точный список:

{"resourceType": "OperationOutcome", "issue": [
  {"severity": "error", "code": "invalid", "diagnostics": "Observation.code must carry a LOINC coding.", "expression": ["Observation.code"]},
  {"severity": "error", "code": "required", "diagnostics": "Observation.effective[x] is required.", "expression": ["Observation.effective"]},
  {"severity": "warning", "code": "business-rule", "diagnostics": "valueQuantity should carry a UCUM system and code.", "expression": ["Observation.valueQuantity"]},
  {"severity": "warning", "code": "informational", "diagnostics": "No referenceRange: interpretation will need the laboratory's ranges.", "expression": ["Observation.referenceRange"]},
  {"severity": "information", "code": "informational", "diagnostics": "No performer (laboratory) recorded.", "expression": ["Observation.performer"]},
  {"severity": "information", "code": "informational", "diagnostics": "No issued time (when the laboratory released the result).", "expression": ["Observation.issued"]}]}

Каждая проблема соответствует одному из шагов выше. Запустите $validate в ваших интеграционных тестах с реальными образцами из каждого источника.

Шаг 7: сохранение источника

Нормализация изменяет способ записи значения, но не то, откуда оно взялось. Отправляйте author_type (device, import, practitioner, patient) и X-Anpheros-Source-System при каждой записи. Это позволяет врачу, аудитору или модели ИИ отличить лабораторный результат от значения, введенного дома. См. Объяснение происхождения медицинских данных.

Чек-лист

• [ ] Каждый источник имеет сопоставление своих наименований с LOINC / ATC / ICD-10, которое хранится в вашей интеграции
• [ ] Неоднозначные наименования остаются без сопоставления и сообщаются, никогда не угадываются
• [ ] Единицы UCUM, соответствующие коду; без скрытого преобразования
• [ ] Даты в формате ISO 8601, с часовыми поясами, если время имеет значение
• [ ] Диапазоны референсных значений сохраняются с лабораторными значениями
• [ ] Оригинальная формулировка сохранена (code.text)
• [ ] Ключи идемпотентности или идентификаторы источника при каждой записи
• [ ] author_type и система-источник при каждой записи
• [ ] $validate в тестах для лабораторных результатов

Часто задаваемые вопросы

Что такое нормализация медицинских данных?

Преобразование данных о состоянии здоровья из различных источников в одну стандартную форму: общие коды (LOINC для тестов и измерений, ICD-10 для диагнозов, ATC для лекарств), единицы UCUM, даты ISO, референсные диапазоны и зарегистрированный источник, чтобы значения из разных систем могли сравниваться, объединяться и обмениваться.

Следует ли преобразовывать все значения в одну единицу измерения?

Храните единицу измерения, в которой измерял источник, если это допустимая единица UCUM, соответствующая коду, и преобразуйте при отображении или анализе. Это позволяет отслеживать каждое сохраненное значение до его первоначального отчета.

Может ли нормализация быть полностью автоматической?

В основном. Коды в источнике, известные названия и правильно сформированные единицы измерения могут быть сопоставлены автоматически. Неоднозначные названия и неизвестные локальные коды требуют однократного человеческого решения для каждого источника, после чего сопоставление становится автоматическим.

Связанные материалы

• FHIR code systems
• Как импортировать лабораторные результаты в запись FHIR
• Объяснение происхождения медицинских данных
• Интероперабельность медицинских данных
• API медицинских данных

Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card