Wetenschappers hebben een geavanceerde 'cohort discovery engine' ontwikkeld die de snelheid en precisie waarmee specifieke patiëntengroepen in grote databases van slaaponderzoeken worden geïdentificeerd, drastisch verbetert. In de medische informatica vormt het analyseren van tijdgebonden fysiologische gegevens vaak een grote hindernis, aangezien onderzoekers voorheen vaak afhankelijk waren van handmatige scripts of eenvoudige filters om relevante patiënten te vinden.
In een recent wetenschappelijk rapport, dat is gepubliceerd via arxiv.org, leggen onderzoekers Yan Huang, Xiaojin Li, Licong Cui en Guo-Qiang Zhang uit hoe zij dit proces hebben geautomatiseerd. De basis van hun technologie is de zogenaamde 'Rational Ensemble Logic' (QEL). Deze vorm van formele logica stelt de engine in staat om slaapdata in een 'dense-time' formaat te bevragen. Om dit mogelijk te maken, worden geannoteerde polysomnogrammen — uitgebreide registraties van slaapactiviteit — omgezet naar een 'Biomedical Event Structure Temporal Model' (BEST). Hierdoor worden gebeurtenissen vertaald naar intervallen, waardoor het zoeken naar patiëntengroepen effectief wordt omgezet in een proces van 'model checking'.
Volgens de details in de richt de engine zich op drie specifieke patronen om aan de behoeften van medische onderzoekers te voldoen. Ten eerste kan het systeem enkelvoudige gebeurtenissen ophalen. Ten tweede kan het temporele patronen tussen twee verschillende gebeurtenissen matchen, en ten derde kan het specifieke event-data extraheren. Deze gestructureerde aanpak vervangt de minder precieze ad-hoc methoden die voorheen in de sector gebruikelijk waren.
De technische prestaties van het prototype, dat in Python is geschreven en compatibel is met MongoDB, zijn opvallend. Bij tests met synthetische datasets van circa 90 miljoen intervallen bleek de nieuwe indexeringsmethode, genaamd 2DFC, aanzienlijk sneller dan bestaande technieken. Terwijl oudere methoden zoals RTFC en 2DRT respectievelijk 11.549 en 23.902 seconden nodig hadden om een index op te bouwen, deed de nieuwe engine dit in slechts 3.655 seconden. Dit bewijst dat het systeem indexen kan genereren in lineaire tijd en ruimte, wat cruciaal is voor big-data toepassingen binnen de gezondheidszorg.
De praktische bruikbaarheid werd verder getoetst met gegevens uit de Cleveland Children's Sleep and Health Study (CCSHS). Deze dataset bevat informatie van 515 proefpersonen met ruim 200.000 intervallen. Uit de resultaten in het blijkt dat zoekopdrachten voor cohortselectie op natuurlijke schaal in minder dan één seconde werden voltooid. Zelfs wanneer de datavolumes met een factor 1.000 werden vergroot, bleven de responstijden onder de 45 seconden, wat de schaalbaarheid van de tool onderstreept.
Dit project is onderdeel van het bredere 'Symbolic Biomedicine'-programma onder leiding van Guo-Qiang Zhang, waarbij symbolische logica wordt geïntegreerd in de biomedische informatica om de analyseprecisie te verhogen. Het onderzoek is momenteel ingediend bij het Journal of Biomedical Informatics (JBI) voor review.
Hoewel de term 'logica' in diverse technologische sectoren wordt gebruikt, is er geen enkel verband tussen deze medische engine en commerciële software zoals apple.com, die zich richt op AI-gestuurde audio-bewerking. De medische engine is puur ontwikkeld voor het structureel ontsluiten van fysiologische data ten behoeve van wetenschappelijk onderzoek.