CDISC، زبان مشترک داده های بالینی
مقدمه: معنای استانداردسازی داده بالینی
در تحقیقات پزشکی و ارزیابی های بالینی، داده ها بخش جدایی ناپذیری از فرآیند توسعه درمان و محصولات پزشکی هستند. از طراحی آزمایش تا تحلیل نتایج و آماده سازی برای ارائه به ارگان های نظارتی، کیفیت و ساختار داده ها باید قابل اطمینان، دقیق و قابل مقایسه باشد. یکی از چالش های بزرگ در این مسیر، عدم انسجام داده ها است. داده هایی که توسط سیستم های مختلف جمع آوری، ذخیره و گزارش می شوند، اغلب از لحاظ ساختار و معنا با هم متفاوت اند و این مساله باعث تاخیر در تحلیل، ایجاد خطای آماری و هزینه های بیشتر می شود.
برای حل این مشکل، در سطح بین المللی، استاندارد هایی برای داده های بالینی تدوین شده اند تا کیفیت داده ها، انسجام، قابلیت تبادل و تحلیل آن ها را ارتقاء دهند و به پژوهشگران و مهندسین پزشکی کمک کنند داده ها را قابل فهم و قابل استفاده کنند. یکی از مهم ترین و شناخته شده ترین این استانداردها، مجموعه استانداردهای تهیه شده در سازمان CDISC است.
معرفی سازمان CDISC
سازمان CDISC (Clinical Data Interchange Standard Consortium)، یک سازمان جهانی مستقل است که استاندارد هایی برای جمع آوری، سازمان دهی، تبادل و گزارش داده های بالینی و غیر بالینی ایجاد میکند. ماموریت این سازمان این است که برای داده ها یک فرمت مناسب جهت اشتراک گذاری و مقایسه ارائه کند تا پژوهش های بهداشتی و کلینیکی، سریعتر، دقیقتر و با کیفیت بالاتر انجام شوند.
این استانداردها خصوصا برای مواردی نظیر ارزیابی و تحلیل داده های بالینی بسیار حیاتی هستند. زیرا نهاد های نظارتی بین المللی غالبا فرمت های استاندارد CDISC را در گزارش ها و پرونده های ثبت محصولات می طلبند.
از ماه دسامبر 2016 میلادی، سازمان غذا و دارو آمریکا اعلام کرده است که داده های ارزیابی بالینی که برای تایید دارو یا تجهیزات پزشکی ارسال می شوند باید مطابق با فرمت CDISC باشند.
ساختار استانداردهای CDISC
استانداردهای CDISC در چند دسته اصلی طبقه بندی می شوند که هرکدام نقش مشخصی در چرخه داده های بالینی دارند. این دسته ها عبارتند از:
- استاندارد های پایه (Fundamental Standards)
این مجموعه استانداردها، چهارچوب هایی برای تعریف، ساختاردهی و مدل سازی داده ها فراهم می کنند که شامل موارد زیر هستند:
1) CDASH (Clinical Data Acquisition Standards Harmonization)
استاندارد فرمت جمع آوری داده ها به صورت یکپارچه از ابتدا تا انتهای ارزیابی بالینی
2) SDTM (Study Data Tabulation Model)
یکی از مهم ترین استانداردها است که روش سازمان دهی و قالب داده های ارزیابی را مشخص میکند. داده های خام پس از جمع آوری به ساختار های مشخصی مانند جدول اطلاعات، رویداد نامطلوب، تست آزمایشگاهی و … تبدیل می شوند.
3) ADaM (Analysis Data Model)
این استاندارد مشخص میکند که چگونه داده های سازمان دهی شده باید برای تحلیل آماری آماده شود.
4) Define-XML
فرمتی برای ارائه متا دیتا و توضیحات فرمت دادگان سلامت است تا هر داده ای که ارسال می شود، واضح و قابل فهم باشد. این فرمت معمولاً همراه SDTM و ADaM در ارسال تحلیل ها برای ارگان های نظارتی استفاده می شود.
- استاندارد های حوزه درمان (Therapeutic Area Standards – TAUGs)
استاندارد های مرتبط با دادگان بیماری ها یا حوزه های درمانی خاص نظیر داده های دیابت، انکولوژی، عروق و بیماری های نادر، در این حوزه قرار می گیرند. این استانداردها نشان می دهند که چطور از استانداردهای پایه در یک سناریو واقعی برای پیاده سازی بالینی استفاده کنیم. این موضوع علی الخصوص برای متا آنالیز ها و مطالعات چند مرکزی اهمیت زیادی دارد.
- واژگان کنترل شده (Control Terminology)
مجموعه ای از اصطلاحات استاندارد و کدگذاری شده است که هدف آن جلوگیری از استفاده از واژه های متناقض یا تفسیر پذیر در داده ها است. سازمان CDISC این واژگان را با همکاری انستیتو بین المللی سرطان (National Cancer Institute – NCI) توسعه می دهد.
- استانداردهای تبادل و مدل داده (Data Exchange and Modeling Standards)
این استانداردها با تمرکز بر انتقال، ذخیره و تبادل داده، امکان تبادل اطلاعات بین سیستم های مختلف و نرم افزارهای آماری را فراهم می نمایند. از جمله این استانداردها می توان به (Optional Data Model – ODM) اشاره نمود. این استانداردها وابستگی به یک نرم افزار خاص را تا حد زیادی کاهش می دهند که منجر به سهولت روند تحلیل داده می گردد.
نقش استانداردهای CDISC در مهندسی پزشکی و علوم داده
استاندارد سازی داده ها صرفاً برای تحقیق بالینی اهمیت ندارد، بلکه برای مهندسی پزشکی نیز حیاتی است. زیرا:
- در ابزارها و دستگاه های پزشکی اغلب داده هایی استفاده می شوند که یکسان بودن فرمت این داده ها منجر به سازگاری بین سیستم ها می شود.
- در تحلیل نتایج ارزیابی های بالینی تجهیزات پزشکی، داده ها باید به فرمت قابل اشتراک با سایر مراکز، پایگاه های داده و سازمان های نظارتی باشند.
- استانداردسازی باعث پیگیری بهتر وضعیت بیمار، مقایسه آسان تر پژوهش های بالینی و مقیاس پذیری داده ها می شود.
استفاده از استانداردهای CDISC به ویژه در علوم پزشکی بالینی و تحلیل داده های واقعی نیز در حال گسترش است، به گونه ای که سازمان CDISC در پروژه های جدید خود، تلاش می کند استفاده از این استانداردها را فراتر از ارزیابی های معمولی، به ساختار دهی اطلاعات حاصل از داده های درمان واقعی یا پایگاه های سلامت الکترونیک نیز گسترش دهد.
مزایا و فرصت های استانداردهای CDISC
افزایش کیفیت داده ها
استاندارد سازی به معنای تعیین دقیق نحوه جمع آوری، نام گذاری، قالب دهی و ذخیره داده ها است. این فرآیند تضمین میکند که داده های ثبت شده بدون سردرگمی، قابل مقایسه، قابل تلفیق و قابل تفسیر باشند.
تسهیل اشتراک گذاری و تبادل اطلاعات
استانداردهای CDISC به محققان این امکان را می دهد که داده ها را بدون افت کیفیت یا معنی، میان سیستم های مختلف مانند مراکز تحقیقاتی یا حتی بینالمللی منتقل کنند.
تسهیل فرآیندهای نظارتی
چون بسیاری از نهادهای نظارتی بین المللی از فرمت CDISC برای ارسال داده های ارزیابی بالینی استفاده می کنند، تطابق با این استانداردها فرآیند بررسی، تأیید و دسترسی به بازار را سریعتر و مؤثرتر می سازد.
کاهش هزینه ها و زمان
طبق گزارش ها، استفاده از استانداردهای CDISC از شروع کار تا نهایی کردن ارسال گزارش ها، می تواند 60 درصد در منابع و 70 الی 90 درصد در زمان صرفه جویی کند، علی الخصوص اگر از ابتدای طراحی ارزیابی بالینی از این استانداردها استفاده شود
چالش ها و موانع پیاده سازی استانداردهای CDISC
با وجود مزایای متعدد استفاده از این استانداردها، پیاده سازی آن ها با چند چالش مواجه است:
پیچیدگی فنی
ساختمان استانداردها و نحوه تبدیل دادههای خام به فرمتهای SDTM یا ADaM نیاز به مهارتهای فنی و آموزش کاربر دارد.
هزینه آموزش و ابزار
متخصصان باید ابزارهای نرم افزاری، برنامه نویسی و دانش ویژه این استاندارد را بیاموزند. این مساله در شرکت های کوچک می تواند بار هزینه ای باشد.
یکپارچگی با سایر استانداردها
استانداردهای سلامت مانند HL7/FHIR و CDA نیز وجود دارند که باید با CDISC هماهنگ شوند تا تبادل دادهها در سطح کلان و سیستم های سلامت ممکن شود.
کلام آخر، آینده استانداردسازی دادههای بالینی
با رشد پژوهشهای بزرگ دادهای و تحلیلهای پیچیده داده، استانداردهای CDISC و دیگر استانداردهای بینالمللی روزبهروز اهمیت بیشتری پیدا می کنند. چشم انداز آینده شامل و نه محدود به موارد زیر خواهد بود:
- ادغام با داده های واقعی بیماران (RWD)
- بهبود interoperability با استانداردهای EHR مثل HL7/FHIR
- ابزارهای خودکار برای تبدیل، اعتبار سنجی و تحلیل داده ها
- سطح بندی گسترده برای استفاده در داده های ژنتیکی، MRI و دیگر حوزه های پیشرفته پزشکی
تمام این موارد به مهندسان پزشکی کمک میکند تا تحقیقها را سریعتر، بهتر و مقررات محورتر انجام دهند، در حالی که کیفیت و اطمینان داده ها هم افزایش می یابد.
استانداردسازی داده های بالینی به ویژه از طریق استانداردهای CDISC یکی از تازهترین و مهمترین موضوعات در مهندسی پزشکی است که نه تنها کیفیت دادهها را افزایش میدهد، بلکه نقش حیاتی در ثبت، گزارش و تجزیه و تحلیل داده های پزشکی دارد. برای مهندسان پزشکی، درک این استانداردها به معنای توانایی بهتر در کار با داده های بین المللی، طراحی ابزارهای سازگارتر، بهبود همکاری با مراکز تحقیقاتی و بالاتر بردن کیفیت تحلیلهای بالینی است.

دیدگاهتان را بنویسید