MongoDB Atlasの SNID ct

ソリューション概要

ヘルス管理アプリケーションでは、医療テキストを保存するだけでなく、医療上の意味を理解する必要があります。になります。異なる単語が同じ医療概念を説明します。医療コーディングは、安定した識別子を使用してその意味を表現する標準的な方法をアプリケーションに提供します。

医療チームは、さまざまな目的で異なるコーディング システムを使用します。一部のコーディング システムでは、レポート作成、統計、支払い、または医療機関の活動分析のために、診断とエンカウントをグループ化します。 S加えられた ct は、 ヘルスレコード内の開発的な意味に焦点を当てています。これは、問題、結果、手順、ボディ構造、組織、ファイル、製品、およびその他の多くの医療概念を表すことができます。 SNI は、可能性を定義するアプリケーションをサポートしています。

S加えられた 国際 では、 S Not を、一意の意味、形式定義、階層組織 を持つ概念である診断用語として説明しています。

STOPED はグラフのような構造をしています。 500,000 を超える医療概念はそれぞれが、シノニムや翻訳など、人間が判読可能な説明をいくつか含むことができます。親概念、子概念、祖先、他の概念との形式的な関係を持つことができます。 STOPD は、次のように概念、説明、関係を通じて用語コンテンツを表します。

• 概念は医療概念を表します。

• 説明は、人間が判読できるタームをその概念にリンクします。

• 関係は、ある概念を別の概念に接続します。

この構造は強力ですが、実装の問題が発生します。アプリケーション チームは、高速ターム検索、多言語検索、階層ナビゲーション、子孫展開、関係検査を必要としています。また、クリティカル ノート レビュー、問題リストの作成、決定サポート、coort 検出、セマンティック検索などのワークフロー内で SDNED の用語を使用する必要があります。従来の 実装では、多くの場合、これらのニーズは複数のシステムに分裂。

• 用語ファイルのリレーショナルデータベース。

• テキスト検索用の検索エンジン。

• 階層トラバーサル用のグラフデータベース。

• セマンティック検索用のベクトルデータベース。

このソリューションは、MongoDB Atlasで S特定の ct を次のように運用する方法を示しています。

• 各 SNMP 概念をMongoDBドキュメントとして保存し、概念の ID、説明、関係、親、子、祖先パスをまとめます。

• MongoDB Search およびMongoDB ベクトル検索用の 1 つのタームレベルの検索プロジェクションを構築します。

• 祖先配列とマルチキー インデックスを使用すると、別のグラフデータベースなしで共通の階層と後続クエリをサポートできます。

• 同じターム サービスを使用して、診断結果を Sされるようになりました

• エビクション、コンテキスト、祖先パスを使用して確認済みのコーディングを保存します。

例、ユーザーは「ハートビート」を検索し、選択した医療概念を調べ、その親概念と子概念を確認し、その形式関係を確認して、その下に特定の概念を展開できます。 S関係 では、このタイプの降順展開を表現するために、多くの場合 ECL を使用します。 ECL は、SNMP TT の概念のセットを説明するための圧縮されたクエリ言語として機能します。例、式 は、階層内のハートビートとその下にあるすべての概念を参照します。<< Heart failure MongoDB のスキーマ設計では、このパターンは事前計算された祖先配列に対するクエリに自然にマッピングされます。 SNOMED の公式 ECL参照では、演算子<< を「の子孫または自己」として定義し、概念とそのサブタイプを検索します。

図の 1。親と子の階層を持つ医療概念

このソリューションは、医療ノートの基礎も示します。メモには、現在の結果、過去の履歴、ファミリー履歴、計画的なアクション、不正確なステートメント、否定的な結果が含まれる場合があります。このアプリケーションは、候補となるクリティカル タームを抽出し、 MongoDBを通じて SNID ct を検索し、候補となる概念を提案し、確認されたコーディングを確認した後にのみ保存します。保存されたコーディングには、元のエビクションの範囲、選択された SDNED の概念、アサーションのコンテキスト、レプリカのステータス、および祖先パスが保持されます。その後、下流のアプリケーションは正確な単語だけでなく、医療意味でクエリを実行できます。

次の必要がある場合は、このソリューションを使用してください。

• 医療用語、シノニム（同意語）、翻訳、および S所有の 識別子を検索します。

• 親、子、祖先、子孫、関係ビューを移動します。

• 1 つのMongoDBコレクションから語彙、セマンティック、およびハイブリッドでの検索をサポートします。

• 「ハートビートのすべての子孫」などの ECL スタイルの階層式で概念セットを展開します。

• エビクションの範囲と人間のレビューを使用して、SNI の ct 候補に診断ノートを検証します。

• インデックス作成された下流のクエリの祖先パスで確認済みの SDNMED をコーディングで保存します。

このパターンにより、用語データ、用語検索、セマンティック検索、階層クエリ、診断結果の取得、監査されたコーディング出力のための 1 つのアプリケーションプラットフォームが提供されます。これにより、ドキュメントストレージ、検索、セマンティック取得、グラフ形式のナビゲーション用に個別のシステムを実行する必要がなくなります。

S加えられた ct ライセンス ノート: このソリューションに関連付けられているパブリックリポジトリには、小さなサンプルデータセットのみが含まれています。 S加えられた ct には適切なライセンスが必要です。

参照アーキテクチャ

この参照アーキテクチャは、ナビゲーションとグラウンド クリティカル ノート ワークフローで構成されています。

ナビゲーションは、用語ユーザーの検索、検査、および STOPED の概念のスコープ設定に役立ちます。フィールド クリティカル ノートは、同じ 用語検索レイヤーを再利用し、デフォルトで 決定的な語彙検索 を使用して、医療テキストから SNOD TT 候補を提案し、確認されたコーディングのみを保存します。

このアーキテクチャでは、 MongoDBコレクションのセットを使用します。

• snomed-irbdコレクションには、ソースが保存されている用語ビューが保存されています。

• snomed-term-search は高品質のターム検索をサポートします。

• grounded_notesコレクションは、ソース用語データではなく、確認済みのアプリケーション出力を保存します。

SNID NT コンテンツはグラフ作成されています。このアーキテクチャでは、接続された構造をMongoDBドキュメント内でまとめて保持し、検索プロジェクションと祖先配列を使用してそれらを運用可能にします。

アーキテクチャの概要

この実装は、 JSONコンセプト モデルとしてすでに利用可能な MongoDB STOP のコンテンツパッケージから始まります。現在のデモでは、ソースモデルは、国の認証局が使用するスペインの SNID ct ディストリビューションから取得されています。パブリックリポジトリにはサンプルデータセットのみが含まれています。完全な S付与 ct 用語を再配布することは ありません 。

アーキテクチャはソース形式に独立しています。組織がSTOPD をJSONとして受信した場合は、そのモデルをMongoDBに直接ロードできます。

図の 2。コード管理者としてのMongoDBと、オプションの候補限定 LM ゲートウェイ 。

ターゲット モデルには、次の用語コレクションがあります。

• snomed-irbd: 各診断概念を説明、関係、親、子、祖先、アクティブなステータス、リリースメタデータ、 メンバーシップメタデータとともに保存します。アプリケーションは、概念検索、階層ナビゲーション、関係検査、および子孫展開にこのコレクションを使用します。

• snomed-term-search: アクティブなターム、言語、リリースごとに 1 つの検索可能なドキュメントを保存します。アプリケーションは、語彙検索、セマンティック検索、ハイブリッド検索、言語フィルタリング、スコープ フィルタリングにこのプロジェクションを使用します。

Navigation API はsnomed-term-search を使用して一致する概念を見つけます。次に、snomed-irbdコレクションから選択した結果を増やします。ユーザーは、「ハートビート」などの診断フレーズを検索したり、選択した概念を検査したり、より広範で具体的な概念を表示したり、同じ操作のAPI例を開くことができます。

grounding API は、診断ノートのワークフロー内で用語検索レイヤーを再利用します。グラウンド検索 のデフォルトは決定的な辞書検索であり、ナビゲーション では 句読点、セマンティック、ハイブリッド モードが提供されます。任意の LVM 階層はテキストを解釈し、 MongoDB が提供する候補から選択するのに役立ちますが、新しい SDNED TT 識別子を作成してはなりません。

レビュー後、アプリケーションは確認されたコーディングを grounded_notes に保存します。各コーディングは、選択した SDNED ct 概念、検証テキスト、アサーション コンテキスト、サブジェクト コンテキスト、レプリカ ステータス、および祖先 ID を保持します。その後、下流のアプリケーションは、正確な単語だけでなく、意味のある意味で確認済みの診断結果をクエリできます。

ナビゲーション ワークフロー

あるユーザーが、「 ハートビート 」などの医療タームを検索します。アプリケーションは、検索プロジェクションタームをクエリし、SNOMED 概念でグループ化された概念レベルの結果を返します。

各結果には次の内容が表示されます。

• ユーザー クエリに一致したターム

• 概念に希望する表示

• 形式:

• SNID 識別子

• アクティブなステータス

• セマンティック カテゴリ

• リリース

• 検索の出所

その後、ユーザーは概念フォーカス ビューを開くことができます。このビューには、概念の概要、説明、親概念、子概念、関係、子孫、未加工のドキュメント、 API例が表示されます。

Navigator は次の検索モードをサポートします。

• 語彙検索では、 MongoDB Search を使用して、完全一致のターム、シノニム（同意語）、形式名、識別子、接頭辞、ファジー テキストを検索します。

• セマンティック検索ではMongoDBembedText 4ベクトル検索が使用されます。これにより、タームの フィールドがvage- 参照モデルに自動的に埋め込まれます。そのため、別のベクトルストアや埋め込みパイプラインを必要とせずに、同じコレクションで実行されることを意味するによる検索。

• ハイブリッド検索は、語彙検索とベクトル検索を組み合わせたものです。 MongoDB クロスエンコードのリランクカーが設定されている場合、アプリケーションは統合された候補プールを再ランク付けします。そうでない場合は、統合順序に戻ります。

検索画面はセマンティック スコープもサポートしています。結果は、診断結果、手順、ボディ構造、サブインスタンスなど、広範な医療領域に結果を制限できます。また、<< 404684003 などの降順式を使用して、結果を 1 つの概念とより具体的な概念に制限することもできます。

図の 3。 ECL スコープによる拡張セマンティック検索

フィールド クリティカル ノート ワークフロー

ユーザーがクリティカル ノートを貼り付けます。ワークフローは、現在の結果、否定、履歴、ファミリー 履歴、計画アクション、不正確性、一時式などの診断名やコンテキスト キューを抽出します。

次に、ワークフローはMongoDB .を通じて SDNED ct 候補を検索します。エビクションの範囲とコンテキストを持つ検討可能な候補が返されます。レビューアは、レビューの各候補を受け入れ、拒否、またはマークできます。

任意の LM 階層は、テキストの解釈と候補の選択に役立ちます。 MongoDBによって返された候補のみを選択する必要があります。新しい SNMP 識別子を作成したり、レビューなしで永続的なコーディングをしてはなりません。

レビュー後、アプリケーションは確認されたコーディングを grounded_notes に保存します。保存されたそれぞれのコーディングには、エビクションの範囲、選択された STOPED の概念、アサーション、サブジェクト、ステータス、祖先 ID が含まれます。このパターンにより、下流のアプリケーションは意味をクエリできます。例、アプリケーションは、選択された医療概念の許容された子孫を含む、確認済みのノートを見つけることができます。

図の 4。クリティカル ノートを修正 - LM プロセス

図の 5。 MongoDBでターム検索後にクリティカル ノートを検証します

POST /api/navigator-search
{
  "query": "heart failure",
  "languageCode": "en",
  "mode": "lexical",
  "limit": 24
}

POST /api/ecl
{
  "expr": "<< 84114007",
  "languageCode": "en",
  "limit": 200
}

POST /api/nlp-map
{
  "text": "Patient with chronic systolic heart failure and type 2 diabetes. No evidence of chest pain at present.",
  "languageCode": "en"
}

POST /api/coding-confirm
{
  "text": "Patient with heart failure.",
  "languageCode": "en",
  "codings": [
    {
      "mention": "heart failure",
      "conceptId": "84114007",
      "displayTerm": "Heart failure",
      "semanticTag": "disorder",
      "accepted": true
    }
  ]
}

POST /api/grounded-corpus
{
  "conceptId": "84114007",
  "includeDescendants": true,
  "limit": 10
}

データモデルアプローチ

SNID ct は接続されたデータを表します。医療概念には、人間が判読できるタームが多数含まれ、より広範な概念がいくつかあり、より具体的な概念が多く、他の概念との形式的な関係を含むことができます。

MongoDB はこのパターンに適しています。これは、ほとんどの運用アプリケーションでは概念形式のビューが必要なためです。ユーザーが概念を開くとき、アプリケーションは概念識別子、表示ターム、説明、親、子、祖先パス、関係、アクティブなステータス、メタデータのリリースを一緒に必要とします。

このアプローチでは、グラフ構造は削除されません。関係を保存し、一般的なナビゲーション パターンにクエリ対応の配列を追加します。例、各概念ドキュメントはその直接親とその祖先パスを保存できます。このパターンにより、アプリケーションは、インデックス付きのMongoDBクエリを持つより広範な概念と子概念、および子孫を検索できます。

Why This model Works

以下の設計上の選択は、高速検索、正確な検索、高速階層トラバーサル、監査可能なコーディングなどの特定の運用要件に対処しています。

• 概念データをまとめて保持: 用語アプリケーションでは、多くの場合、完全な概念カードをレンダリングする必要があります。説明、関係の概要、親 ID、子 ID、祖先 ID を埋め込むと、最も有用な操作ビューが 1 つのドキュメントに保持されます。

• 検索とソース タームを区別する: 検索はターム レベルであり、概念レベルではありません。 1 つの概念が、言語や地域全体で多くの説明を持つことができます。タームレベルのプロジェクションでは、 MongoDB Search とMongoDB ベクトル検索 は、標準の概念を返しながら、一致した正確なタームをランク付けできます。

• 階層パスを事前コンピューティングする: SNID ct には豊富な階層があります。多くのアプリケーションでは、この概念とその下にあるより具体的な概念をすべて検索するなど、高速 子孫クエリ が必要です。各概念と確認済みの各診断コーディングに祖先 ID を保存します。次に、一般的な階層クエリに マルチキー インデックス を使用します。

• レビューされたコーディングで証明機関を保存する:アプリケーションがそのソースを説明できる場合、コーディングはより多くの値を提供します。選択した SNO可能な 概念を、クリティカル テキストの範囲、アサーション ステータス、サブジェクト コンテキスト、およびレプリカ ステータスとともに保存します。このパターンは、監査する、 レビュー 、および ダウンストリーム クエリをサポートします。

図の 6。 S加えられた ct メタモデルとMongoDBコレクションのマッピング

{
  "conceptId":          "44054006",
  "active":             true,
  "effectiveTime":      "20020131",
  "moduleId":           "900000000000207008",
  "definitionStatusId": "900000000000074008",
  "descriptions": [
    { "id": "73465010", "term": "Diabetes mellitus type II",
      "typeId": "900000000000013009", "languageCode": "en",
      "acceptabilityMap": { "900000000000509007": "..." } }
  ],
  "relationships": [
    { "typeId": "116680003", "destinationId": "73211009",
      "relationshipGroup": "0", "active": "1" }
  ],
  "inferredParentIds":   ["73211009"],
  "inferredAncestorIds": ["73211009", "64572001", "138875005"],
  "inferredChildIds":    ["..."],
  "relationshipAttributeKeys": ["116680003|73211009"],
  "memberOfRefsetIds":   ["..."],
  "releaseId":           "20260601",
  "releaseDate":         "2026-06-01T00:00:00.000Z",
  "releaseAppliedAt":    "2026-07-06T00:00:00.000Z"
}

{
  "conceptId":     "44054006",
  "descriptionId": "116680003",
  "term":          "Type 2 diabetes mellitus",
  "preferredTerm": "Type 2 diabetes mellitus",
  "fsn":           "Type 2 diabetes mellitus (disorder)",
  "semanticTag":   "disorder",
  "semanticTagKey":"disorder",
  "termType":      "synonym",
  "preferred":     true,
  "languageCode":  "en",
  "definitionStatusId": "900000000000074008",
  "moduleId":      "900000000000207008",
  "effectiveTime": "20020131",
  "parentIds":     ["73211009"],
  "ancestorIds":   ["404684003", "73211009"],
  "topRoots":      ["404684003"],
  "areaTags":      ["disorder"],
  "releaseId":     "20260601",
  "releaseDate":   "2026-06-01T00:00:00.000Z",
  "embedText":     "Type 2 diabetes mellitus | disorder | ..."
}

{
 "tenantId": "demo-hospital",
 "languageCode": "en",
 "text": "Patient with type 2 diabetes mellitus.",
 "codings": [
   {
     "conceptId": "44054006",
     "system": "http://snomed.info/sct",
     "display": "Type 2 diabetes mellitus",
     "semanticTag": "disorder",
     "role": "principal",
     "target": "Condition.code",
     "assertion": "present",
     "subject": "patient",
     "status": "accepted",
     "evidence": {
       "text": "diabetes mellitus tipo 2"
     },
     "ancestorIds": ["44054006","75934005"]
   }
 ],
 "recordedAt": "2026-07-07T16:22:47.210Z",
 "createdAt": {
   "$date": "2026-07-07T16:22:47.210Z"
 }
}

ソリューションのビルド

パブリックリポジトリには、アプリケーションコード、スクリプト、サンプルデータセットが含まれています。ライセンスされたユーザーは、サンプルデータセット を独自の SNMP TT リリース ファイルに置き換えることができます。

NORMALIZE_APPLY=true npm run model:harden          # normalize SCTIDs / strings
RELEASE_ID_TARGET=20260601 RELEASE_ID_OVERWRITE=true npm run releaseid:stamp

# Curated demo branches
TERM_PROJECTION_SCOPE=demo npm run terms:rebuild
# Full licensed local release
TERM_PROJECTION_SCOPE=full npm run terms:rebuild
# Replace documents while preserving index definitions when possible
npm run terms:rebuild:replace

npm run indexes:build

db.getCollection("snomed-irbd").createIndex({ releaseId: 1, conceptId: 1 })
db.getCollection("snomed-irbd").createIndex({ releaseId: 1, active: 1, conceptId: 1 })
db.getCollection("snomed-irbd").createIndex({ releaseId: 1, inferredAncestorIds: 1, active: 1 })

npm install
npm run dev

MONGODB_URI=
MONGODB_DB=terminology
VOYAGE_API_KEY=
ENABLE_LLM_GROUNDING=false
LLM_BASE_URL=
LLM_API_KEY=
LLM_AUTH_HEADER=api-key
LLM_GROUNDING_MODEL=gpt-5.5
# Semantic / hybrid search
MONGODB_VECTOR_MODE=autoEmbed
MONGODB_VECTOR_INDEX=snomed_voyage_idx
MONGODB_VECTOR_AUTO_EMBED_MODEL=voyage-4
VOYAGE_API_KEY=
VOYAGE_RERANK_MODEL=rerank-2.5

キーポイント

• MongoDB Atlasでの SNMP ct の運用 : 検索、階層、関係、アプリケーションワークフローをサポートするドキュメント集約型運用モデルを通じて、グラフ作成の医療用語を提供します。

• ターム ナビゲーションとセマンティック検索を統合: MongoDB Search とMongoDB ベクトル検索を使用して、ユーザーが同じ Atlas ベースのサービスから SNID ct の概念を検索、検査、スコープ設定できるようにします。

• 確認済みのエビクションを使用して医療テキストをフィールド化します。用語サービスを使用して、クリティカル ノートから SNID ct 候補を提案し、エビクション、コンテキスト、および祖先パスとともに確認済みのコーディングを保存します。

作成者

• Francesc Mateu Amengual, MongoDB

• Giovanni Rodríguez, MongoDB

• Diego Canales, MongoDB

詳細

• MongoDB Search の概要: MongoDB が全文検索、オートコンプリート、フィルタリング、スコアリング、検索駆動型アプリケーションエクスペリエンスをサポートする方法を学びます。

• MongoDB ベクトル検索 の概要： MongoDB がAtlas 内でセマンティック検索とベクトル検索をどのようにサポートしているかを学びます。

• SNOMED CMK の取得: 組織が STOPOED CMK にアクセスし、国または地域のライセンス パスを理解する方法を確認します。

• S関係: このソリューションがMongoDBドキュメントにマッピングする、基本的な S関係の ct ビルド ブロックについて学びます。