Abstract

Tailoring personalized treatments demands the analysis of a patient’s characteristics, which may be scattered over a wide variety of sources. These features include family history, life habits, comorbidities, and potential treatment side effects. Moreover, the analysis of the services visited the most by a patient before a new diagnosis, as well as the type of requested tests, may uncover patterns that contribute to earlier disease detection and treatment effectiveness. Built on knowledge-driven ecosystems, we devise DE4LungCancer, a health data ecosystem of data sources for lung cancer. In this data ecosystem, knowledge extracted from heterogeneous sources, e.g., clinical records, scientific publications, and pharmacological data, is integrated into knowledge graphs. Ontologies describe the meaning of the combined data, and mapping rules enable the declarative definition of the transformation and integration processes. DE4LungCancer is assessed regarding the methods followed for data quality assessment and curation. Lastly, the role of controlled vocabularies and ontologies in health data management is discussed, as well as their impact on transparent knowledge extraction and analytics. This paper presents the lessons learned in the DE4LungCancer development. It demonstrates the transparency level supported by the proposed knowledge-driven ecosystem, in the context of the lung cancer pilots of the EU H2020-funded project BigMedilytic, the ERA PerMed funded project P4-LUCAT, and the EU H2020 projects CLARIFY and iASiS.

中文翻译：

---

用于提高健康数据生态系统透明度的知识图 1

摘要

定制个性化治疗需要分析患者的特征，这些特征可能分散在各种各样的来源中。这些特征包括家族史、生活习惯、合并症和潜在的治疗副作用。此外，对患者在新诊断之前访问次数最多的服务的分析，以及请求的测试类型，可能会发现有助于及早发现疾病和提高治疗效果的模式。基于知识驱动的生态系统，我们设计了 DE4LungCancer，这是一个肺癌数据源的健康数据生态系统。在这个数据生态系统中，从不同来源（例如临床记录、科学出版物和药理学数据）中提取的知识被集成到知识图谱中。本体描述了组合数据的含义，和映射规则支持转换和集成过程的声明性定义。DE4LungCancer 是根据数据质量评估和管理所遵循的方法进行评估的。最后，讨论了受控词汇表和本体在健康数据管理中的作用，以及它们对透明知识提取和分析的影响。本文介绍了 DE4LungCancer 开发中的经验教训。在欧盟 H2020 资助项目 BigMedilytic、ERA PerMed 资助项目 P4-LUCAT 以及欧盟 H2020 项目 CLARIFY 和 iASiS 的肺癌试点背景下，它展示了拟议的知识驱动生态系统支持的透明度水平。DE4LungCancer 是根据数据质量评估和管理所遵循的方法进行评估的。最后，讨论了受控词汇表和本体在健康数据管理中的作用，以及它们对透明知识提取和分析的影响。本文介绍了 DE4LungCancer 开发中的经验教训。在欧盟 H2020 资助项目 BigMedilytic、ERA PerMed 资助项目 P4-LUCAT 以及欧盟 H2020 项目 CLARIFY 和 iASiS 的肺癌试点背景下，它展示了拟议的知识驱动生态系统支持的透明度水平。DE4LungCancer 是根据数据质量评估和管理所遵循的方法进行评估的。最后，讨论了受控词汇表和本体在健康数据管理中的作用，以及它们对透明知识提取和分析的影响。本文介绍了 DE4LungCancer 开发中的经验教训。在欧盟 H2020 资助项目 BigMedilytic、ERA PerMed 资助项目 P4-LUCAT 以及欧盟 H2020 项目 CLARIFY 和 iASiS 的肺癌试点背景下，它展示了拟议的知识驱动生态系统支持的透明度水平。本文介绍了 DE4LungCancer 开发中的经验教训。在欧盟 H2020 资助项目 BigMedilytic、ERA PerMed 资助项目 P4-LUCAT 以及欧盟 H2020 项目 CLARIFY 和 iASiS 的肺癌试点背景下，它展示了拟议的知识驱动生态系统支持的透明度水平。本文介绍了 DE4LungCancer 开发中的经验教训。在欧盟 H2020 资助项目 BigMedilytic、ERA PerMed 资助项目 P4-LUCAT 以及欧盟 H2020 项目 CLARIFY 和 iASiS 的肺癌试点背景下，它展示了拟议的知识驱动生态系统支持的透明度水平。