En résumé
L’alignement de concepts permet de relier les codes locaux d’un hôpital (libellés, identifiants internes, vocabulaires propriétaires) à des vocabulaires standards (SNOMED, LOINC, RxNorm, etc.). C’est l’étape qui rend les données interopérables et comparables entre établissements.
Pourquoi aligner les concepts ?
Une base hospitalière contient typiquement des codes propres à l’établissement : un identifiant maison pour chaque mesure de laboratoire, un libellé local pour chaque observation clinique ou paramètre vital, un code interne pour chaque médicament. Ces codes ne sont compréhensibles qu’à l’intérieur de l’hôpital.
Pour mener une étude multicentrique ou contribuer à un réseau comme OHDSI, il faut traduire ces codes locaux vers un vocabulaire standardisé. C’est ce qu’on appelle l’alignement de concepts (ou concept mapping).
Concrètement, il s’agit de répondre à des questions comme :
- Quel concept LOINC correspond à ma mesure de créatinine sérique ?
- Quel concept SNOMED représente ma définition locale de « sepsis » ?
- Quel concept RxNorm couvre mon code médicament 4231 ?
Lecture préalable recommandée
Avant d’aller plus loin, lisez la ressource dédiée Parler le même langage : les terminologies médicales. Elle explique pourquoi chaque hôpital a son propre langage, pourquoi les terminologies standardisées existent, et laquelle couvre quoi (CIM-10 pour les diagnostics, LOINC pour la biologie, SNOMED CT pour les observations cliniques, les actes et les diagnostics, RxNorm / ATC pour les médicaments…). On y retrouve aussi la distinction entre classification, terminologie et ontologie, utile pour comprendre les relations entre les concepts manipulés ici.
L’alignement de concepts consiste à relier vos codes locaux à ces vocabulaires standard.
Comment Linkr aide à l’alignement
Projets d’alignement
Regroupez les alignements par projet (terminologie locale, étude…) pour fragmenter et faciliter le travail.
Concepts cibles
Choisissez entre des dictionnaires de concept sets prêts à l’emploi et les vocabulaires de référence OHDSI téléchargés depuis ATHENA.
Éditeur en deux panneaux
Concepts source à gauche, concepts cibles à droite : sélectionnez, cherchez, alignez en un clic avec une équivalence SKOS.
Suggestions IA
Pré-classement des candidats par un score combiné (syntaxique + sémantique + statistique + IA), calculé hors-ligne par un agent Claude Code.
Revue collaborative
Statut d’approbation, commentaires et vote multi-relecteurs sur chaque alignement.
Vue d’ensemble multi-projets
Suivi global, déduplication entre projets et attribution des source_concept_id sans collision, à l’échelle d’un hôpital ou d’un consortium.
Exports standard
SSSOM, OMOP source_to_concept_map, Usagi — vos alignements sont réutilisables ailleurs, directement intégrables dans un ETL ou partageables avec un autre établissement.
Linkr s'appuie sur des standards reconnus
Plutôt que de réinventer un nouveau format d’alignement, Linkr s’inscrit dans l’écosystème existant de l’interopérabilité sémantique :
- OMOP
source_to_concept_map— la table standard du modèle OMOP d’OHDSI pour stocker les alignements vers les vocabulaires standard. Directement intégrable dans un ETL OMOP. - Usagi — le format historique de la communauté OHDSI, pour l’interopérabilité avec les outils existants.
- SSSOM (Simple Standard for Sharing Ontological Mappings) — le format communautaire d’échange d’alignements entre ontologies, soutenu notamment par OHDSI.
- SKOS (Simple Knowledge Organization System) — la recommandation W3C qui définit les relations sémantiques utilisées dans chaque alignement.
Pré-alignement assisté par IA
L’alignement de concepts reste un travail expert qui doit être validé par un humain. Pour gagner du temps sur la première passe, Linkr s’intègre avec Claude Code via un Skill dédié concept-mapping fourni avec le dépôt git.
Vous exportez votre projet en ZIP, l’agent traite les concepts par lots (par catégorie, par fréquence, etc.) et propose chaque alignement avec un niveau d’équivalence SKOS justifié. Quatre familles de méthodes contribuent à un score combiné par candidat — comparaison de chaînes (syntaxique), embeddings (sémantique), distributions de valeurs (statistique) et raisonnement d’un LLM (IA agentique). L’agent produit un fichier similarity-scores.parquet que vous ré-importez dans Linkr pour validation finale dans l’éditeur d’alignements ; vous gardez systématiquement le dernier mot sur chaque alignement. Tout est détaillé dans la page Suggestions.
La page d’accueil
Lorsque vous cliquez sur Entrepôt de données → Alignement de concepts dans la barre latérale, vous tombez sur deux entrées :
Aligner les concepts cliniques sources vers les vocabulaires standard OMOP.
Projets d'alignement
3 projetsTravaillez sur des projets d'alignement individuels. Chaque projet aligne les concepts source d'une base de données ou d'un fichier vers les vocabulaires standard OMOP.
Vue d'ensemble
Statistiques agrégées et couverture sur l'ensemble des projets. Comparez les progressions, regroupez par badge ou par projet, exportez les résultats consolidés.
- Projets d’alignement — la liste de vos projets, où vous travaillez sur un alignement spécifique.
- Vue d’ensemble — statistiques agrégées et attribution des
source_concept_id, utile pour suivre la couverture globale et préparer un ETL.
Que contient cette section
Les pages qui suivent couvrent chaque étape d’un projet d’alignement :
- Projets d’alignement — créer et organiser ses projets.
- Vue d’ensemble — agréger plusieurs projets, dédupliquer, attribuer les
source_concept_idà l’échelle d’un hôpital ou d’un consortium. - Concepts cibles — préparer les sources de concepts cibles (concept sets + ATHENA).
- Éditeur d’alignements — l’écran principal d’alignement.
- Suggestions — pré-alignement assisté par IA via le Skill Claude
concept-mapping. - Évaluation — revue, validation, commentaires, vote multi-relecteur.
- Export — produire un fichier exploitable (ETL, partage) au format Linkr ZIP, SSSOM, OMOP STCM ou Usagi.