Estruturação e implantação de um servidor de sistema de informação em saúde baseado no padrão HL7 FHIR de interoperabilidade para aplicações em engenharia biomédica

Abstract

A pesquisa clínica tem um papel fundamental na geração de evidências e na melhoria da saúde pública. Porém, o planejamento, execução e análise de dados coletados e gerados é essencialmente complexo e envolve esforços intensivos, uma ampla variedade de partes interessadas, processos e multiplicidade de tipos de dados. Tem-se observado isso no grande volume de dados de pesquisas em saúde sendo manipulados, expondo a grande deficiência de sua padronização, já que instituições de pesquisa trabalham com dados heterogêneos em relação às aplicações externas, o que dificulta o compartilhamento e reutilização de informações. O conceito de interoperabilidade apresenta uma metodologia importante para tais problemas, onde sistemas independentes tornam-se hábeis a trocar informações estruturadas e iniciar ações e operações em conjunto, conectando aplicações, tornando os dados compartilháveis e gerando benefício mútuo; não sendo mais considerada uma opção tecnológica e sim um requisito fundamental no contexto da saúde digital. Para tal, há a necessidade de se publicar padrões de interoperabilidade abertos e acessíveis. Um padrão que tem se tornado emergente e amplamente utilizado na última década é o Fast Healthcare Interoperability Resources (FHIR), desenvolvido pela Health Level Seven (HL7). Esse padrão possui extensa possibilidade de aplicação na saúde, com excelentes atributos em segurança, velocidade e padrões web. Este trabalho apresenta um modelo implementável de um servidor de dados, em conformidade com o padrão HL7 FHIR, com o propósito de agregar e compartilhar pesquisas acadêmicas, realizando estudos de caso no diagnóstico e acompanhamento do diabetes mellitus e na pesquisa em engenharia clínica pela tecnovigilância. Para a implementação, foi utilizada a biblioteca Java de Application Programming Interface (API) para o FHIR (HAPI), um banco de dados PostgreSQL para persistência de informações, o mapeamento de dados utilizando o Python e terminologias de informação em saúde para manutenção da semântica das informações. No mapeamento de dados, foi priorizada a anonimização de dados sensíveis de voluntários antes mesmo do armazenamento, seguindo as diretrizes da Lei Geral de Proteção de Dados (LGPD). Sendo assim, o uso do servidor mostrou eficácia no armazenamento e requisição de dados de pesquisa em um banco de dados local, proporcionando o compartilhamento dentro de uma instituição e com outras redes, pela API e utilização do padrão FHIR. Também foi possível realizar a validação dos dados enviados ao servidor, para verificação do modelo de dados e do uso correto de terminologias, garantindo estruturas de interoperabilidade de sintaxe e de semântica, sem perda de informações. Ainda foi possível agregar e estender os serviços implementados na proposta com aplicações de código livre, para a validação das funcionalidades do servidor, para a publicação de um Guia de Implementação e para a segurança do servidor, sem a necessidade de computação avançada e onerosa. A proposta complementa a premissa de que estudos clínicos não precisam ser mais considerados uma atividade isolada e sim conduzidos em estruturas de redes com troca contínua e reutilização de dados, para eficiência e eficácia operacional. Com isso, a colaboração, a coerência e convergência de dados devem tornar os serviços e as ações desenvolvidas no ecossistema de saúde mais preditivos, personalizados e interoperáveis.

Abstract: Clinical research plays a crucial role in generating evidence and improving public health. However, the planning, execution and analysis of collected and generated data is essentially complex and involves intensive efforts, a wide variety of stakeholders, processes and multiplicity of data types. This issue has been observed in the large volume of health research data being manipulated, exposing the significant deficiency of its standardization since research institutions work with heterogeneous data concerning external applications, which makes sharing and reusing information difficult. The concept of interoperability presents an essential methodology for such problems, where independent systems become able to exchange structured information and initiate actions and operations together, connecting applications, making data shareable and generating mutual benefit; no longer considered a technological option, but a fundamental requirement in the context of digital health. For this, there is a need to publish open and accessible interoperability standards. One standard that has become emerging and widely used over the past decade is the Fast Healthcare Interoperability Resources (FHIR), developed by Health Level Seven (HL7). This standard has extensive application possibilities in healthcare, with excellent security, speed, and web standards attributes. This work presents an implementable model of a data server, following the HL7 FHIR standard, to aggregate and share academic research, tested in case studies in the diagnosis and monitoring of diabetes mellitus and research in clinical engineering through technovigilance. The Java Application Programming Interface (API) library for FHIR (HAPI), a PostgreSQL database for information persistence, data mapping using Python and health information terminology for semantic maintenance of information were used for the implementation. In data mapping, priority was given to the anonymization of sensitive data from volunteers before storage, following Brazil's General Data Protection Law (LGPD) guidelines. Thus, the use of the server proved to be effective in storing and requesting research data in a local database, providing sharing within an institution and with other networks through the API and use of the FHIR standard. It was also possible to validate the data sent to the server, to verify the data model and the correct use of terminology, ensuring that interoperability structures of syntax and semantics work without loss of information. It was also possible to add and extend the services implemented in the proposal with open source applications to validate server functionalities and publish an Implementation Guide (IG) and server security without needing advanced and costly computing. The proposal complements the premise that clinical studies no longer need to be considered an isolated activity but instead conducted in network structures with continuous exchange and reuse of data for efficiency and operational effectiveness. Thus, collaboration, coherence and data convergence should make services and actions developed in the healthcare ecosystem more predictive, personalized and interoperable.