1. 纵向EHR与组学联合分析工程导论
纵向电子健康记录（EHR）与组学数据的联合分析，正在把“看病时产生的数据”和“分子层面测得的数据”放进同一条时间轴。它的目标不是简单地把两张表拼在一起，而是让临床表型随时间的演变与基因组、转录组、蛋白组、代谢组等分子特征形成可追溯的对应关系，从而支持疾病分型、疗效预测、耐药机制解释和真实世界证据生成。本课程讨论的“工程”，指的是把这类分析从一次性脚本变成可重复、可审计、可扩展的数据产品。
课程定位：从数据到可复用的分析能力
本课程面向已经具备一定生物信息或临床数据基础的学习者，重点不在单个算法的推导，而在“如何把纵向EHR与组学数据组织成能持续运行的分析链路”。典型交付物包括：以患者为锚点的时间轴数据集、可复用的特征工程模块、带版本控制的模型训练与评估流程，以及能回答具体临床问题的分析报告。课程强调三个工程约束：时间对齐、标识可追溯、结果可复现。
核心挑战：时间、标识与异质性
第一是时间语义。EHR中的一次检验、一次用药、一次住院，都有“发生时间”“记录时间”“入组时间”等不同时间戳；组学样本则有采集、处理、测序、分析等多个时间点。若把“记录时间”当作“发生时间”，就会在因果推断中引入前视偏差。第二是患者标识与样本标识的映射。同一个患者可能有多次采样、多个样本编号，跨系统合并时必须保证一对一或一对多的关系可追踪。第三是数据异质性：不同医院检验项目编码不同、单位不同、缺失模式不同；不同组学平台批次效应显著。第四是纵向稀疏性：患者随访间隔不规则，组学采样往往只在少数关键节点发生。
技术栈全景
一条可运行的联合分析链路通常包含以下层次：数据接入层负责从HIS/LIS/EMR和组学平台抽取原始数据；标准化层完成术语映射（如LOINC、SNOMED CT）、单位换算和缺失编码统一；纵向建模层把事件流转换为以患者-时间为中心的特征矩阵；组学处理层完成质控、归一化、批次校正和特征筛选；联合分析层进行多组学整合、生存分析或纵向混合效应建模；最后是服务与治理层，负责权限、审计、版本和结果发布。
典型应用场景
场景一：肿瘤纵向疗效预测。以患者每次影像评估和ctDNA采样为节点，把基线突变负荷、治疗期间克隆演化与影像缓解状态对齐，训练“是否在6个月内进展”的分类模型。场景二：慢病药物基因组学。把高血压患者的用药调整记录与CYP代谢酶基因型、血药浓度、血压随访值联合建模，回答“某基因型患者是否更适合换用另一类降压药”。场景三：罕见病诊断辅助。将表型术语按时间顺序排列，与全外显子候选变异做语义匹配，缩短诊断周期。场景四：真实世界证据生成。利用多中心EHR与组学子集，评估某生物标志物在真实人群中的预后价值。
一个可运行的最小示例
假设我们要为10名患者构建“基线组学 + 纵向检验”的特征表。关键操作如下：以患者ID为主键，把每次检验按“发生时间”排序；对每个患者取基线后第0、30、90、180天四个窗口，计算窗口内检验值的均值、斜率和缺失比例；把组学样本按采集时间映射到最近窗口，若窗口内无样本则标记为缺失。示例参数：窗口宽度±7天，缺失比例阈值0.3，斜率用最小二乘拟合。输出一张宽表，每行是“患者-窗口”，列包括临床特征、组学主成分和标签。判断标准：若某窗口缺失比例超过0.3，则该窗口不参与模型训练，并在报告中记录缺失原因。
# 示例：窗口聚合伪代码（示意，非实测结果）
for patient in patients:
events = sort_by_occurrence_time(ehr[patient])
for w in [0, 30, 90, 180]:
win = events[abs(days - w) <= 7]
feat_mean = mean(win.value)
feat_slope = ols_slope(win.time, win.value)
miss_ratio = 1 - len(win) / expected_count
if miss_ratio > 0.3:
mark_as_missing(patient, w)