CoMPaSS-NMD Atlas平台:用于遗传性神经肌肉疾病中协调数据收集、探索及未来人工智能驱动分层的安全多模态基础设施

The CoMPaSS-NMD Atlas Platform: A Secure Multimodal Infrastructure for Harmonized Data Collection, Exploration, and Future Artificial Intelligence-Driven Stratification in Hereditary Neuromuscular Disorders

作者信息R Corrias, P Foszner, A Nuredini, D Mendelsohn, A Töpf, J Díaz-Manera, M Obach, A Garzo, M Savarese, J Verdú-Díaz, S Pini, G La Vella, N Albano, M Markiel, L Piorecki, A Suwalska, M Socha, M Marczyk, S Bonelli, A DeAngelis, J Laporte, G Caudullo, E Savino, V Straub, F M Santorelli, J Polanska, M P Scipioni, R Tupler, B Schoser
PMID43018172
发布时间2026-11
DOI10.1111/ene.70804

实验完整度

低

文献主要描述平台架构设计与技术验证,未开展临床验证或生物学功能实验

摘要

背景:遗传性神经肌肉疾病表现出显著的表型和分子异质性,这削弱了基因型-表型相关性,并使及时诊断、预后和临床试验患者分层复杂化。Horizon Europe项目CoMPaSS-NMD旨在通过整合来自欧洲和英国临床参考中心的临床、遗传、组织病理学和影像数据,开发基于人工智能的分层工具。方法:我们开发了CoMPaSS-NMD Atlas,一个安全、模块化的网络平台,用于假名化数据收集、多模态数据管理和受控探索。临床、技术和数据管理专家定义了需求;贡献中心共同设计了电子临床和组织病理学表单。临床表型使用人类表型本体(HPO),而影像、组织病理学和测序数据遵循国际标准。结果:该平台支持基于角色和属性的访问、假名化患者注册、元数据管理、结构化临床数据录入、MRI和组织病理学上传,以及专门的基因测序工作流程。队列级探索由结构化元数据和HPO术语驱动,支持层级表型导航、本体感知数据导航以及跨越临床、遗传、影像和组织病理学特征的跨域查询。用户可以根据数据保护定义的权限,以原始格式下载原始文件,以及CSV或PDF格式的结构化元数据报告。结论:Atlas为协调、标准化的前瞻性数据收集以及为基于人工智能和机器学习的患者分层构建大型数据集提供了基础。凭借安全治理、可追溯性和多模态整合,它旨在支持遗传性神经肌肉疾病的诊断和分层研究;临床验证正在进行中。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
如何构建一个安全、协调、可追溯的多模态数据基础设施,以整合遗传性神经肌肉疾病分散的临床、遗传、组织病理学和影像数据,并为未来人工智能驱动的患者分层提供基础?
核心机制
通过假名化记录将每位患者的临床、MRI、组织病理学和遗传数据链接到同一记录,使用HPO编码表型、标准文件格式、基于角色和中心的访问控制以及数据访问委员会治理的原始文件访问,实现本体感知的跨模态队列查询。
主要证据
平台已在生产环境部署并用于注册研究(NCT06734949)的前瞻性数据录入;技术验证包括端到端功能测试、访问控制测试、大文件传输测试和审计日志检查。
研究意义
为协调、标准化的前瞻性数据收集以及构建用于人工智能和机器学习患者分层的大型数据集提供基础,支持遗传性神经肌肉疾病的诊断和分层研究。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

平台需求定义与表单共同设计

确定各数据域的最低和扩展变量,确保与外部罕见病资源和未来联邦分析的可互操作性

由来自所有中心的临床、技术和数据管理专家参与结构化需求过程;按临床、影像、组织病理学、遗传学领域成立工作组定义变量;电子临床(eCRF)和组织病理学(eHCRF)病例报告表与临床医生共同设计,并在部署前对照真实工作流程验证和优化

2

平台架构实现

构建模块化、基于浏览器的平台,覆盖数据生命周期

实现用户界面层、数据存储层和角色控制层;结构化信息存储于关系数据库,大型生物医学文件存储于专用文件仓库;采用React、Tailwind CSS、HeroUI、Node.js、PostgreSQL、MinIO兼容S3对象存储、Keycloak、Apache Jena和Apache Fuseki SPARQL端点

3

访问控制与数据治理实施

在协作与隐私、治理和中心级数据边界之间取得平衡

实施基于角色(RBAC)和基于属性(ABAC)的访问控制;定义临床中心贡献者、研究人员和技术管理员三种角色;建立数据访问委员会(DAC)治理流程,评估原始数据请求

4

假名化与标识符生成

在保护患者隐私的同时保留纠正错误、更新纵向记录、尊重同意撤回和返回临床相关发现的能力

注册时仅收集初始化记录所需的最少信息,不录入或存储直接识别数据;出生日期仅以月和年分辨率记录(日设为01);自动生成CoMPaSS Code和CoMPaSS ID两种标识符

5

多模态数据模块实现

支持临床、MRI、组织病理学和遗传数据的结构化收集、上传、审查和受控导出

临床数据模块约125个核心项目、数字化扩展为200多个受控输入组件并映射至HPO标识符;MRI模块支持DICOM、NIfTI或ZIP格式上传;组织病理学模块通过eHCRF注册组织扫描文件、预览图像和元数据;遗传模块支持FASTQ原始测序输出和VCF变异文件上传

6

数据探索与队列识别功能验证

验证授权用户能够浏览和筛选患者集合,进行本体感知的跨模态队列查询

实现中心探索区域,支持HPO层级导航、多过滤器组合和逻辑运算符(AND、OR、NOT);验证父术语搜索可返回所有标注有后代术语的患者;支持结合结构化标准(中心、发病年龄、性别)与HPO特征进行筛选

7

生产部署与技术验证

确认平台各模块在开发环境和生产环境中的功能、访问控制、文件传输和审计日志正确性

平台已在生产环境部署并用于注册研究的前瞻性数据录入;每个模块在发布前于开发环境验证,晋升至生产环境后再次验证;验证包括端到端功能测试、访问控制测试、大文件传输测试和审计日志检查

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
React----
Tailwind CSS----
HeroUI----
Node.js----
PostgreSQL----
MinIO兼容S3-API对象存储MinIO--
Keycloak----
Apache JenaApache--
Apache Fuseki SPARQL端点Apache--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
平台技术验证
测试记录类型、端到端功能测试覆盖的模块范围、访问控制测试的具体角色和权限组合、大文件传输测试的文件大小范围(高达数十GB)、审计日志检查的事件类型
阅读提示:见Section 3.4 Implementation Status and Technical Verification
假名化与标识符生成
出生日期分辨率(月和年,日设为01)、CoMPaSS Code格式、重识别密钥存储位置
阅读提示:见Section 2.3 Pseudonymization and the CoMPaSS Code
临床数据模块
约125个核心项目覆盖的域、数字化扩展的200多个受控输入组件、HPO映射的具体参数
阅读提示:见Section 2.4 Clinical Data Module及Figure 1
组织病理学数据模块
eHCRF中客观元数据部分和结构化评估捕获的病理特征列表、ORPHA代码链接方式、每个样本的独立组织学评估数量
阅读提示:见Section 2.6 Histopathological Data Module及Figure 3
数据访问委员会治理
DAC成员组成、申请材料要求、四项评估标准、决定方式(多数投票)、访问时限和数据使用协议
阅读提示:见Section 3.3 Security and Privacy