Nature Medicine 重磅｜ehrapy：一站式电子病历分析开源框架，破解医疗数据孤岛，赋能临床科研

来源：生信养成系｜发布时间：2026年4月17日 09:57

原文链接：https://mp.weixin.qq.com/s/fw1MWSU_KvRpb7rv3sIp6A

摘要

一、研究背景：电子病历分析的四大痛点

• 格式不统一：FHIR/HL7/CSV/数据库互不兼容，难以整合

• 质量问题突出：缺失值、异常值、编码错误、选择偏差普遍

• 分析工具碎片化：无统一流程，代码重复造轮子，结果难复现

• 多组学+影像难以融合：临床表型、代谢组、基因组、胸片无法联合分析

二、核心框架：ehrapy一站式分析工作流

三、六大验证案例

1. 儿童肺炎精准分型

• 脓毒症样表型（高死亡）

• 重症合并感染（长住院）

• 病毒性肺炎（预后好）

• 轻症细菌性肺炎

2. 生存分析

• 脓毒症组、重症合并感染组生存率显著更低

• GGT/ALT/AST超出正常范围 → 生存率显著下降

• 为临床提供简易预后判断指标

3. 因果推断：药物对住院时长的真实影响

• 糖皮质激素、抗病毒药、碳青霉烯 → 缩短住院时长

• 青霉素、头孢 → 与更长住院相关（可能因耐药/病情重）

4. 英国生物银行：多组学+影像联合预测心梗风险

• 纳入29,216人，整合：临床+基因组+代谢组+视网膜影像

• 多模态联合预测C-index达0.81，显著优于单一组学

• 证明ehrapy可支撑百万人群级队列研究

5. 新冠胸片：AI+轨迹推断自动还原疾病严重程度梯度

• 输入192张新冠胸片 → 预训练DenseNet提取特征

• 拟时间轴（pseudotime）自动排序：正常→轻→中→重→危重

• 实现无监督病情分级，可扩展至其他肺病

6. 糖尿病数据：一键识别并校正种族/年龄/监测偏差

• HbA1c检测率在急诊/转诊患者中差异显著

• 不同种族在再入院预测中存在假阴性偏差

• 用Fairlearn校正后，偏差显著降低

四、实验与分析方法

• 数据输入：支持CSV/OMOP/SQL/JSON，自动转为AnnData

• 质控：计算缺失率、异常值截尾、Little's MCAR检验

• 插补：KNN、MissForest、MICE，适配各类缺失机制

• 标准化：独热编码、最小最大、对数、分位数归一化

• 降维聚类：UMAP、PCA、Leiden聚类

• 高级分析：生存分析（Kaplan-Meier、Cox）、因果推断（DoWhy）、疾病轨迹（CellRank）

• 偏差检测与校正

• 可视化：热图、UMAP、森林图、生存曲线一键出图

五、研究结论

• ehrapy是首个端到端开源EHR分析框架，覆盖全流程

• 支持多模态融合：临床、多组学、影像、文本

• 能精准分型、发现标志物、量化因果、校正偏差

• 兼容scverse生态，可扩展至医学大模型训练

• 完全开源、免费、文档完善，适合临床与生信人员

六、未来展望

• 成为全球EHR分析标准工具，推动研究可复现

• 支持时序EHR、NLP文本、高维流式数据

• 构建EHR参考图谱（Atlas），实现跨库映射

• 降低医学AI门槛，支持大语言模型自动生成分析代码

• 加速真实世界研究、药物重定位、精准诊疗

文献信息

• 论文题目：An open-source framework for end-to-end analysis of electronic health record data

• 发表期刊：Nature Medicine

• 发表时间：2024年9月

• DOI：10.1038/s41591-024-03214-0

• 发表单位：德国亥姆霍兹慕尼黑中心、慕尼黑工业大学、海德堡大学等

• 代码地址：https://github.com/theislab/ehrapy

• 文档地址：https://ehrapy.readthedocs.io/