Le problème et l'étude
FHIR (Fast Healthcare Interoperability Resources) a révolutionné l'échange de données médicales entre systèmes. Cependant, sa structure JSON imbriquée rend l'analyse des données difficile. Les analystes se heurtent à des sémantiques complexes, à de multiples types de données et à des références entre ressources, ce qui entraîne des résultats incohérents et des efforts dupliqués à l'échelle de l'industrie.
SQL on FHIR v2 a été créé pour résoudre ce problème — en équilibrant la simplicité de mise en œuvre et l'utilité pratique pour de véritables tâches analytiques. Afin de valider que SQL on FHIR fonctionne en pratique, une équipe internationale dirigée par le chercheur John Grimes du CSIRO a mené une étude évaluée par des pairs publiée dans npj Digital Medicine (Nature Portfolio). L'équipe a reproduit une véritable étude clinique sur deux plateformes entièrement différentes afin de prouver l'efficacité du standard.
Ce qui a été réalisé
La recherche a reproduit une étude clinique ayant identifié des disparités raciales dans l'oxygénothérapie. L'équipe a utilisé :
- Des données MIMIC-IV au format FHIR (environ 580 millions de ressources)
- Les mêmes ViewDefinitions SQL on FHIR
- Deux moteurs de vues différents : Pathling (basé sur Apache Spark) et Aidbox (basé sur PostgreSQL)
- Des requêtes SQL identiques et un script R pour l'analyse statistique
Le résultat déterminant : les deux plateformes ont produit des résultats identiques et ont reproduit avec succès les conclusions de l'étude originale. Cela a prouvé que SQL on FHIR offre une véritable portabilité et une cohérence des processus analytiques à travers des piles technologiques variées. Le code permettant de reproduire l'étude est disponible en source ouverte sur GitHub dans le dépôt [aehrc/sql-on-fhir-evaluation](https://github.com/aehrc/sql-on-fhir-evaluation), assurant ainsi la transparence scientifique.
Le rôle d'Aidbox
Aidbox par Health Samurai a été sélectionné comme l'une des deux implémentations de référence pour de bonnes raisons.
Avantages techniques
- L'architecture native PostgreSQL stocke les données FHIR directement au format JSONB, permettant des requêtes SQL puissantes et l'indexation
- L'approche ELT (Extract-Load-Transform dans la base de données) convertit les ViewDefinitions en requêtes PostgreSQL natives plutôt que d'utiliser un traitement en mémoire lent
- Des options de vues flexibles : vues de base de données, tables matérialisées ou requêtes directes selon les besoins de l'utilisateur
Maturité pour la production
- Utilisé dans plus de 100 solutions à l'échelle mondiale, notamment des systèmes DSE, des plateformes de coordination des soins et des outils d'analyse de données
- Prend en charge toutes les versions majeures de FHIR (STU3, R4, R4B, R5, R6) avec conformité HIPAA
- Gère des données à l'échelle du téraoctet
Capacité d'exécution
- A traité avec succès des ViewDefinitions complexes comportant des structures imbriquées, des jointures et des agrégations
- A produit des résultats identiques à ceux de Pathling malgré des piles technologiques entièrement différentes
Health Samurai a joué un rôle de premier plan dans le développement de SQL on FHIR lui-même. Nikolai Ryzhikov, directeur technique de Health Samurai, est coauteur de l'étude. L'entreprise n'a pas simplement mis en œuvre la spécification — elle a activement contribué à façonner le standard grâce à ses apports aux décisions architecturales et aux meilleures pratiques.
Aidbox offre désormais des fonctionnalités de moteur SQL on FHIR, notamment un ViewDefinition Builder pour la création visuelle de vues, la génération de vues assistée par intelligence artificielle, l'intégration avec des outils de visualisation (PowerBI, Grafana) et des opérations standard FHIR pour l'exécution et la matérialisation des vues.
Importance
Cette publication évaluée par des pairs valide SQL on FHIR comme un standard prêt pour la production. L'étude a prouvé que les organisations peuvent :
- Écrire des ViewDefinitions une seule fois et les exécuter sur différentes plateformes technologiques
- Utiliser SQL on FHIR pour des tâches de recherche et d'analyse non triviales
- Réduire la duplication et améliorer la cohérence des résultats analytiques
- Choisir leur pile technologique préférée tout en partageant des artefacts analytiques
Pour les organisations à la recherche de solutions d'analyse FHIR fiables, Aidbox offre une plateforme conçue par les personnes qui ont elles-mêmes rédigé le standard.
Ressources supplémentaires
-
SQL on FHIR dans PostgreSQL Plongez dans la mise en œuvre pratique de SQL on FHIR avec PostgreSQL, en explorant des cas d'utilisation concrets et des considérations de performance.
-
Qu'est-ce qu'une ViewDefinition? Comprenez le concept fondamental de ViewDefinition — comment il permet de créer des vues tabulaires standardisées et réutilisables des données FHIR pour l'analyse et l'interopérabilité.
-
SQL on FHIR : un regard de l'intérieur Obtenez la perspective des initiés sur le développement, les défis et l'avenir de SQL on FHIR, directement de la direction technique du projet.
-
Analyse FHIR avec SQL on FHIR : interopérable par conception Découvrez comment ViewDefinition, SQLView/SQLQuery et l'API standard run/export/materialize transforment les données FHIR en analyses FHIR portables et indépendantes du moteur — le modèle que cette étude de validation met en pratique.
Le moteur SQL on FHIR de Health Samurai est disponible pour prévisualisation et tests. Pour toute demande de renseignements ou de démonstration, veuillez communiquer avec Health Samurai via le formulaire de contact ci-dessous.
