分析了三个大型医疗中心的血液学/肿瘤学专家看到的儿童电子健康记录(EHR)数据的研究人员已经开发出一种算法，可以准确地识别适当的儿科肿瘤患者，用于未来的临床研究。通过加快和完善患者的研究选择，研究人员的目标是最终改善各种儿科癌症的预后。

“找准患者群是关键设计更好的研究，”研究的负责人查尔斯·菲利普斯A.，MD，一说小儿肿瘤学家在费城儿童医院(CHOP)。“因为并非大型数据集中的每个患者都适合进行临床研究，因此使用工具将信号与噪声分开将有助于研究人员利用数据为患有各种癌症的患者设计实用的实际研究。例如，我们可以更好地评估恶心药物或检测影响中心线放置患者感染率的因素。“

Phillips及其同事于2019年6月17日在线儿科血液和癌症上发表了他们的研究。

该研究小组分析了2011年至2016年在三个大型儿科医院系统PED，科罗拉多儿童医院和西雅图儿童医院的国家儿科临床研究网络PEDSnet中的EHR衍生数据。EHR数据包括诊断，程序，药物，实验室测试和提供者专业。

菲利普斯表示，对于在特定亚型癌症中测试药物的临床试验中的狭义定义资格要求和较少数量的患者，对于更广泛的癌症诊断患者的支持性护理问题的研究可能会利用已有的EHR数据，但患者选择的准确性至关重要。

菲利普斯说：“我们发现超过一半的儿童被转诊到住院或门诊诊所，他们的病历中有白血病或淋巴瘤诊断，但实际上并没有癌症。”一些患者是患有癌症远程病史的幸存者，其他人被认为排除了癌症诊断，其他患者在图表上被错误编码。“他补充说，单个孤立的诊断代码可能不可靠，与多个诊断相反。

因此，在这项研究中，Phillips及其同事创建了一种“可计算的表型”，使他们的搜索算法自动化以检查一系列方框：从至少三次访问儿科血液学家 - 肿瘤学家(27,450名患者)开始，然后至少一次白血病或淋巴瘤诊断，将数量缩小至4,535。进一步的筛查需要三次专家访视，至少两次诊断代码和至少两次化疗 - 这使得总数达到1,825名患者。最终的1,825组是可计算的表型策划队列 - 适合作为临床研究组。

当评论者在掩盖的评论中分析该队列的完整医疗记录时，可计算的表型显示100%的敏感性和99%至100%的特异性，以准确地将患者分类为患有儿科白血病或淋巴瘤。

菲利普斯说：“这种算法可以准确有效地缩小研究人员需要检查的医疗图表的数量，以确定患者队列的后续临床研究。”虽然他补充说可能需要进一步的研究来改进算法以满足他们的研究特定需求，但它为临床研究人员提供了改善白血病或淋巴瘤患儿预后的潜在新工具，这些患儿占美国所有儿科癌症的40%。 。