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
Candidats pré-classés par un score combiné : scores précalculés (syntaxique, sémantique), et propositions justifiées d’un agent IA déposées en direct dans le projet.
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, un agent IA peut travailler directement dans votre projet. Il tourne dans un client de conversation open source — LibreChat, dans un onglet à côté de Linkr, ou OpenCode — relié à Linkr par le serveur MCP, et suit le skill concept-mapping fourni avec Linkr. Cette partie demande une installation avec backend.
L’agent traite les concepts par lots — une catégorie, les plus fréquents — en lisant leurs métadonnées (unités, distributions de valeurs, services), cherche les candidats dans le vocabulaire OMOP ou dans un dictionnaire de données, et propose pour chacun des cibles avec une équivalence SKOS et un commentaire qui justifie le choix. Ses propositions arrivent en direct dans l’onglet Suggestions, à côté des scores précalculés — comparaison de chaînes et embeddings — calculés par deux scripts dans un terminal. Pas d’export, pas de réimport : vous relisez, et c’est vous qui créez chaque alignement dans l’éditeur d’alignements.
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 — candidats pré-classés : scores précalculés et suggestions d’un agent IA qui suit le skill
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.