OpenMRS DDI Knowledge Base

一个用于OpenMRS的即用型药物相互作用（DDI）知识库。给定两种药物，它能回答一个问题并附带引用：它们是否相互作用、相互作用严重程度以及通过何种机制。它完全基于公共来源构建，无需实施者维护负担，并且与OpenMRS已使用的标识符关联。A production-ready Drug-Drug Interaction (DDI) knowledge base for OpenMRS. Given two medications, it can provide answers with citations to three core questions: whether the two drugs interact, the severity of their interaction, and the underlying mechanism of the interaction. Built entirely from public sources, it imposes no maintenance burden on implementers and is linked to identifiers already used by OpenMRS.

原始信息汇总

OpenMRS 药物-药物相互作用知识库

该知识库专为 OpenMRS 设计，用于回答一个核心问题：给定两种药物，它们是否存在相互作用、严重程度如何以及作用机制是什么，并提供引用来源。它完全基于公开数据源构建，无需实施者承担维护负担，并已与 OpenMRS 现有的标识符体系对齐。

核心特性

• 单一标准化 JSON 文件：知识库主体为 ddi_knowledge_base.json（约 19 MB），由三个通过 ID 关联的表组成：机制表（8,234 条描述仅存储一次）、药物表以及 295,184 条携带严重程度和机制引用的相互作用记录。
• RxNorm RxCUI 标准化：每种药物均解析为 RxNorm RxCUI，确保同一药物不同名称映射到同一标识，避免因拼写差异漏检相互作用。
• CIEL 概念字典桥接：每种药物均与 CIEL 概念字典交叉映射，使患者病历中记录的药物可直接关联到其相互作用记录。
• 离线可用：相互作用数据为内置文件而非实时 API 调用，适用于低连接环境。

在 OpenMRS 中的用途

• 处方时相互作用检查：解析拟用药物与患者当前用药的 RxCUI，查询并返回严重程度、机制与引用。
• 现有用药清单筛查：通过 ciel_index.json 解析患者活动药物（CIEL 概念），检查所有药物对之间的相互作用。
• 严重程度分级与警报：四级严重程度（Major、Moderate、Minor、Unknown）支持模块决定警报展示方式。
• AI 助手答案溯源：作为引用的知识源，确保 AI 的相互作用声明有真实记录支撑，而非似是而非的猜测。
• 处方集覆盖分析：CIEL 交叉映射帮助实施者识别处方集中哪些药物有相互作用数据、哪些存在缺口。

核心原则：当药物或药物对不在知识库中时，应视为知识缺口并明确提示，而非静默返回“未发现相互作用”。

覆盖范围

维度	数据
相互作用	295,184 对，覆盖 2,283 种药物
严重程度分布	50,983 条 Major · 189,439 条 Moderate · 12,347 条 Minor · 42,415 条 Unknown
机制文本	252,766 条（86%）
RxNorm 标准化	2,255 / 2,283 种药物映射至当前成分 RxCUI（28 个废弃或低相关性概念留作显式缺口）
CIEL 桥接	1,986 / 2,283 种药物（87%）携带 CIEL 概念
CIEL 处方集重叠	7,615 种 RxNorm 映射的 CIEL 药物中 4,258 种（55.9%）具有相互作用数据

记录结构

三个表通过 ID 关联，无数据重复。相互作用记录格式为 [drug_a_id, drug_b_id, severity, group_id]，通过 ID 关联药物表获取名称/RxCUI/CIEL，通过 group_id 关联机制表获取描述。无已发表机制的药物对引用哨兵组 -1（空文本）。连接键为 RxCUI：患者药物通过 CIEL 概念解析至 RxCUI，再由 RxCUI 关联至药物表。

构建方式

基于三个公开数据源分层构建：

• DDInter 2.0：提供相互作用对、严重程度和机制描述。
• RxNorm（NLM）：提供药物名称标准化，2,255 种药物解析至当前 RxNorm 单成分 RxCUI，临床医生审查处理合并冲突，28 个概念留作显式缺口。
• CIEL：提供 OpenMRS 桥接，基于成分级别匹配组合产品至其组分。

构建过程可复现且离线完成，人类决策作为显式数据（src/curation.json）存储而非重新推导。build_kb.py 确定性组装知识库，--check 可验证重建是否与已提交版本一致。

局限性

• 非管理指南：DDInter 文本描述机制和效应，不提供明确的管理建议，因此 management 字段为 null。
• 双向不完整：约 14% 的相互作用无书面机制；296 种 DDInter 覆盖的药物无 CIEL 概念；44% 的 CIEL RxNorm 映射药物无相互作用数据。
• 非政府机构产品：DDInter 是学术数据库，经药师同行评审，临床部署需考虑治理因素。
• 少数 RxCUI 共享是有意设计：包括立体异构体/外消旋体对、前药/活性代谢物对及配方、盐类、疫苗命名变体，约 29 个共享标识符均有临床审查记录。

来源与许可

数据来源于 DDInter 2.0（https://ddinter2.scbdd.com/）和 CIEL 概念字典（https://app.openconceptlab.org/#/orgs/CIEL/sources/CIEL/），药物名称标准化来自 NLM RxNorm。仓库采用 Mozilla Public License 2.0 with the OpenMRS Healthcare Disclaimer 许可，明确声明：这是决策支持工具，覆盖不完整，缺失的药物对是知识缺口而非安全保证。

搜集汇总

数据集介绍

构建方式

该知识库的构建融合了三大公共数据源的精妙之处，形成了一套严谨的流水线。首先，以DDInter 2.0作为交互事实的核心来源，通过遍历其交互组完整提取了约30万条药物对及严重程度与机制描述。随后，利用NLM的RxNorm进行药物名称的标准化，将2,283种药物中的2,255种精准映射至当前的单成分RxCUI，并在临床医师的审阅下妥善处理了合并与异常情况。最后，借助CIEL概念词典建立与OpenMRS的桥梁，通过成分级别的匹配将图表中的药物概念与知识库无缝对接。整个构建过程离线可复现，人类决策以显式数据形式固化，确保了知识库的准确性与可追溯性。

特点

该知识库的核心特色在于其标准化与集成性。所有药物均以RxCUI为唯一连接键，有效规避了拼写差异导致的交互遗漏；同时，通过CIEL交叉映射，使得患者图表中的药物记录能够直接关联至交互数据。知识库以单一JSON文件形式存在，包含8,234条机制描述和295,184条交互记录，并支持离线运行，特别适用于低连通性环境。其四等级严重性分类（Major、Moderate、Minor、Unknown）为临床预警提供了精细的分层。更值得一提的是，知识库明确秉持‘缺失即知识缺口’的原则，绝不明知缺失而静默通过，这一设计理念在临床决策支持中至关重要。

使用方法

在OpenMRS环境中，该知识库可多维度应用。处方时，将拟用药物与患者当前用药解析为RxCUI并查询交互对，即可获得严重性、机制及文献引用。同时，通过ciel_index.json，可将患者现有药物列表（以CIEL概念形式存储）进行配对筛查，识别潜在交互。其严重性分层可导向差异化的警报策略。对于AI辅助功能，如Chart Search AI，该知识库作为引证来源，确保交互声明有据可依。此外，借助CIEL映射，实施者能分析本机构处方集的交互覆盖情况，明确数据缺口。所有应用均遵循同一准则：数据缺失时明确提示知识缺口，而非错误地暗示‘无交互’。

背景与挑战

背景概述

OpenMRS DDI Knowledge Base诞生于数字医疗与临床决策支持系统深度融合的时代背景下，由OpenMRS社区主导研发，旨在解决电子健康记录系统中药物相互作用（DDI）知识碎片化、缺乏统一标准化接口的痛点。该知识库于2025年发布，核心研究问题聚焦于如何构建一个与OpenMRS架构无缝集成、可离线运行、且基于公开数据源的DDI查询引擎。其创新之处在于，通过RxNorm标准术语实现药物名称的规范化映射，并借助CIEL概念字典搭建与临床图表数据的桥梁，实现了从患者用药记录到交互信息的直接关联。该知识库的发布，为OpenMRS生态内的处方决策、用药清单筛查及AI辅助诊断提供了坚实的数据基石，对提升临床用药安全性具有深远影响。

当前挑战

该知识库所面临的挑战体现在领域与构建双重维度。领域层面，药物相互作用数据的高度复杂性与临床决策的严谨性构成首要难题，数据需覆盖广泛的药物组合并精确区分严重程度，任何遗漏或误判都可能引发用药风险；同时，知识库的完整性受限于公开数据源的覆盖范围，存在大量缺乏作用机制描述或CIEL概念映射的药物，形成不可避免的知识缺口，需模块设计上将其显式呈现而非静默忽略。构建层面，药物名称的标准化与歧义消解是核心挑战，需将2,283种药物规范至单一RxCUI，处理多种拼写、复方制剂及已撤市药物，并确保CIEL映射的准确性；此外，构建流程需在可复现性与离线运行之间取得平衡，所有人工决策必须以数据形式记录，确保构建结果的可验证性与一致性。

常用场景

经典使用场景

OpenMRS DDI Knowledge Base的核心应用在于临床处方开具时实施即时的药物相互作用筛查。该知识库以规范化的JSON文件形式，内置了超过29万条经过RxNorm标准化及CIEL概念映射的药物相互作用记录，使得在电子病历系统中，当临床医师为患者开具新药时，系统能够自动将拟用药与患者当前用药列表中的每种药物进行匹配，并快速返回相互作用的严重程度、作用机制及权威引证。这一场景聚焦于患者安全的核心环节，通过离线可用的设计，确保了在低网络连接环境下依然能够实现可靠的决策支持，有效降低了因药物相互作用导致的用药风险。

解决学术问题

该数据集解决了药物相互作用信息在电子健康记录系统中集成与应用的一系列学术难题。其一，药物名称的异质性导致同一药物可能以多种名称出现，从而在交互检测中造成遗漏；本知识库通过RxNorm标准化的RxCUI作为唯一标识，实现了药物名称的归一化，显著提升了交互检测的召回率。其二，知识库提供了从CIEL概念到RxCUIs的交叉映射，解决了临床记录中药物术语与知识库中药物实体之间的桥接问题，使得基于真实世界临床数据的药物相互作用研究成为可能。其三，其开放且可复现的构建流程，以及明确的数据缺口标注，为药物相互作用领域的研究提供了高质量、可信赖的数据基础，推动了该领域从经验性判断向数据驱动决策的范式转变。

衍生相关工作

此数据集催生了一系列重要的衍生研究工作。其构建方法论，即整合DDInter、RxNorm与CIEL多源公开数据并通过确定性脚本自动生成知识库，为生物医学信息学领域提供了可复现的数据融合与标准化范式。基于该知识库，研究者得以开发并评估更精准的药物相互作用预测模型，例如利用图神经网络或Transformer架构学习药物间复杂的作用模式。此外，其对于数据缺口的显式处理策略，启发了关于医疗决策支持系统安全性和可靠性的深入探讨，即如何优雅地处理知识库的不完备性，避免产生错误的“无交互”结论。围绕与大型语言模型的集成工作，也更是开创了基于结构化医学知识库的检索增强生成（RAG）系统在临床实践中的应用先河，为下一代智能医疗助手奠定了坚实基础。