Google CQL: De Mediciones Clínicas a la Acción

Hoy en día, muchas instituciones están desarrollando soluciones personalizadas para entender sus datos médicos, así como herramientas para actuar sobre ellos. Un gran punto de dolor con el enfoque actual es que estas herramientas pueden ser propensas a errores, carecen de contexto médico incorporado y de representaciones estructuradas de datos médicos. Entra en escena el Lenguaje de Calidad Clínica (CQL, por sus siglas en inglés), una especificación de lenguaje HL7 abierta, portátil y computable para expresar lógica clínica computable sobre datos de atención médica. Creemos que el CQL tiene el poder de mejorar radicalmente el futuro de los flujos de trabajo basados en datos en la asistencia sanitaria. Durante el último año, en Google Health, nuestro equipo ha trabajado arduamente en la construcción de herramientas fundamentales para el análisis de datos de atención médica. Hoy anunciamos el lanzamiento de un kit de herramientas experimental de código abierto para la ejecución de Lenguaje de Calidad Clínica.

El motor CQL de Google es un kit de herramientas experimental de código abierto que incluye un motor de ejecución de CQL construido desde cero en Go. Creamos este motor con un enfoque en la escalabilidad horizontal, facilidad de uso y alta cobertura de pruebas. Queríamos que fuera fácil experimentar con nuestro motor, por lo que hemos incluido una interfaz de línea de comandos fácil de usar, REPL y un entorno de juego web con configuración de dos clics. El kit de herramientas aún está en progreso y agradecemos mucho las aportaciones, contribuciones e ideas de la comunidad.

CQL representa un cambio significativo con respecto al precedente de distribuir lógica clínica como directrices de texto libre que cada institución implementa de manera personalizada y, a menudo, propensa a errores. Ahora, CQL permite escribir lógica clínica una vez, distribuirla y ejecutarla en cualquier lugar dentro de un marco único. Grandes cuerpos normativos como Medicare, NCQA y la Organización Mundial de la Salud (OMS) ya han comenzado a adoptar y distribuir medidas clínicas en CQL. Creemos que CQL reduce la carga de escribir, compartir y computar contenido clínico complejo.

CQL admite múltiples modelos de datos comunes en atención médica (como FHIR y QDM) y está diseñado con conceptos clínicos comunes, tareas y estructuras de datos anidadas en mente. Comparaciones prácticas demuestran que CQL es más legible, conciso y fácil de entender en comparación con la implementación en SQL para el mismo ejemplo.

A medida que la industria de la salud ha madurado, también lo han hecho las representaciones de las Medidas de Calidad Clínica. Anteriormente, los mandatos de calidad clínica se proporcionaban como directrices de texto libre, lo que dejaba a cada institución médica encargarse de su implementación. Esto, por supuesto, era propenso a errores y repetitivo en toda la industria. Hoy en día, instituciones como la OMS, CMS y NCQA están redactando medidas clínicas cada vez más en CQL.

Ejemplos como el proyecto de Directrices de Atención Antenatal de la OMS ejemplifican este cambio hacia medidas abiertamente distribuidas y ejecutables. Creemos que medidas computables y compartibles como estas directrices inteligentes de la OMS son el futuro para expresar y compartir conocimientos médicos.

Nos encantaría que otras personas interesadas en este trabajo revisen nuestras herramientas experimentales de CQL en https://github.com/google/cql. Seguimos muy interesados en acoger contribuciones externas, por lo que los animamos a revisar el repositorio, probarlo y considerar ayudar con cualquier problema abierto. Si no saben dónde preguntar, pueden comunicarse con nosotros o abrir un problema en el repositorio.

Para aquellos interesados en aprender más sobre CQL, pueden visitar https://github.com/cqframework/clinical_quality_language y https://cql.hl7.org/index.html.
vía: Google Blog Open Source