目的：AIM-AHEAD全国研究コンソーシアム内でのAI/ML分析をサポートするために、OCHINネットワークにおける観察医療成果パートナーシップ（OMOP）共通データモデルへの大規模なEHRデータ変換を実証すること。さまざまな学術的背景とスキルを持つAI/ML研究者によるOCHINデータベースの利用を支援するために設計されたカスタマイズされたワークフローとインフラの開発プロセスを強調しています。方法：OCHINのi2b2形式のデータベースをOMOP共通データモデルに取り込んで変換するために、自動および手動のマッピングを使用しました。結果：10百万を超えるOCHIN患者の360百万の遭遇が1つの暦年にわたってマッピングされ、健康の社会的要因を表現するためのカスタム概念が作成されました。議論：OCHIN研究データウェアハウスの成功した変換は、カスタマイズされたデータワークフローとレガシーデータワークフローの両方を組み込むことで恩恵を受けました。結論：OCHINの取り組みはAIM-AHEADデータセット全体での平行分析を促進し、影響を受けた集団のAI/MLモデルの代表性をサポートします。
Haderleinら（Sat）はこの問題を研究しました。