罕见病相关术语及ORDO简介

罕见病相关术语及ORDO简介

前言

罕见病是多种类型疾病的统称，包含了多系统、多器官的约7000种疾病。罕见病与常见病、多发病的最大不同之处在于罕见，很难在一个或者少数几个医疗机构或者研究者中汇集到足够的病例数据，进行统计分析，从而指导药物研发及疾病诊断和治疗，这就需要汇集社会各界力量，对罕见病病例进行及时有效的发现，并对其数据进行有效的收集、整理和分析。

国内的医疗信息化经过一二十年的发展，已经初具规模，但仍然存在一个巨大的问题就是数据孤岛现象非常严重，医院内/医院间存在着大量的多源异构数据，如何将这些貌似不同、却又相同或者相似的医学含义统一起来，能够让计算机“读懂”，这是摆在所有从事医疗信息化相关人员面前的一个难题。一个比较有效的解决方法就是让这些说着不同“方言”的计算机系统中的信息，能够标化到一个相对标准的“参照体系”，从而实现不同系统之间的数据在临床含义层面达到一致。

这个相对标准的“参照体系”，就是笔者接下来要向读者介绍的医学术语（医学本体）。对于医学术语或者医学本体的区别，这又是一个有趣的话题，暂不在此展开。方便起见，本文暂把医学术语和医学本体的概念统一，以下统称医学术语。

罕见病涉及的医学术语体系有很多，包括

• ORDO（Orphanet Rare Diseases Ontology）

• HPO（Human Phenotype Ontology）

• OMIM（Online Mendelian Inheritance in Man）

• SNOMED CT

• ICD-10/11

• RGO（Radiology Gamuts Ontology）

• LOINC（Logical Observation Identifier Names and Codes）

• MeSH（Medical Subject Headings）

• MedDRA（Medical Dictionary for Regulatory Activities Terminology）等。

其中任何一套术语体系，都有其优点和不足之处。我们只有充分了解之后，才能够更好的发挥其作用。笔者作为一个信息化和医学跨界者，在此首先介绍一下ORDO。

1. ORDO介绍

ORDO是由Orphanet（www.orpha.net）和欧洲生物信息协会（EBI，European Bioinformatics Institute，https://www.ebi.ac.uk ）联合开发的一套术语体系，这套罕见病领域的结构化词表，可以用来获取罕见病相关的疾病诊断、基因等多方面特征之间的相互关联，同时它也和其它术语体系（例如MeSH、SNOMED CT、UMLS和MedDRA）或分类（ICD-10）进行了术语映射（terminology mapping）。

在2.8版本中，ORDO包含14,259个概念，24种关系。概念主要涉及6个方面：发病年龄、临床实体、流行病学、遗传特性、基因物质和地理信息。各种概念的层级结构如图所示：

ORDO包含14,259个概念

ORDO与多种其它术语体系进行了术语映射，如下表所示：

ORDO术语映射

ORDO在各种语言体系中的应用：ORDO在德语、西班牙语、法语和荷兰语中均有其相应的版本，界定了罕见病在相应的语言中的定义、标签及同义词。

2. 使用ORDO的科研项目

a) Harmonising phenomics information for a better interoperability in the RD field

罕见病（RD）研究是医学领域中越来越依赖信息技术的发展，表型异常的分析提供了从基因组规模的生物学到以人类疾病为中心的转变。详细的表型数据，再加上越来越多的基因组数据，具有巨大的潜力，可加快对临床预后或治疗意义的识别，并增进我们对RD的理解。以非标准化方式统一存储在不同支持物（患者病历，数据库，注册表）中的表象信息（包括疾病和表型特征），是产生促进研究所必需的数据的基石。该项目基于RD社区广泛采用的三种资源：Orphanet及其本体ORDO，HPO和PhenoTips。它旨在为社区提供一个集成的，特定于RD的信息学生态系统，该生态系统将协调表型学信息在全球数据库和患者档案中的存储方式，从而促进互操作性。该生态系统将由一系列工具和本体组成，这些工具和本体经过优化可以协同工作，并可以通过常用的软件存储库供临床医生和科学家使用。此外，该生态系统将通过协调表型信息的收集方式，改善并简化通过外显子组和全基因组测序鉴定的变体的解释。

（主页: http://www.hipbi-rd.net/）

b) DisGeNET-RDF

DisGeNET数据库的RDF版本，该数据库集成了来自多个数据源（CTD，Uniprot，ClinVar）的基因-疾病关联，动物模型数据库的预测以及文本挖掘衍生的关联。DisGeNET-RDF是访问DisGeNET数据的另一种方式，它为数据集成，查询和将DisGeNET数据集成到其他外部RDF数据集提供了新的机会。DisGeNET的RDF版本是在Open PHACTS项目的背景下开发的，目的是向有关药理数据的知识库提供与疾病相关的信息。

（主页：http://rdf.disgenet.org）

该RDF数据库，使用了如下本体：

• Evidence and Conclusion Ontology

• Human Disease Ontology

• Human Phenotype Ontology

• ICD-9-CM

• Medical Subject Headings

• National Cancer Institute Thesaurus

• Online Mendelian Inheritance in Man

• Orphanet Rare Disease Ontology

• Robert Hoehndorf Version of MeSH

• Semantic Types Ontology

• Semanticscience Integrated Ontology

c) Linking Open Data for Rare Diseases

这是一个ORPHA浏览器，同时整合了HPO和OMIM疾病描述。这个工具的特点是：1. SPARQL接口的RDF数据库；2. 可以通过web service访问JSON的大数据底层框架。

（主页：http://enlord.bndmr.fr）

d) PractiKPharma

PractiKPharma（用于在药物基因组学中作用知识的基于实践的证据）旨在基于基于实践的证据（即从EHR中提取的知识）来验证或审核PGx最新技术（SOTA）知识。PGx中的知识单位通常采用三元关系的形式，即基因变体-药物-不良事件，并且可以使用生物医学本体将其形式化为不同的扩展。为了实现这一目的，PractiKPharma联盟建议集中于四个目标：（1）从PGx数据库和文献中提取SOTA知识，（2）从EHR中提取观察知识（即从观察数据中提取的知识），（3）比较从这两个来源中提取的知识单元，以确认或适度SOTA知识，以实现个性化医疗。（4）最后，为了强调新近确认的知识，将对组学数据库进行分子机制研究，以了解和解释药物不良事件。这项研究将使用生物医学关联开放数据并为之做出贡献。