Menu
臨床標準用語・コードマッピングスキル。LOINC 臨床検査コード・ ICD-10/ICD-11 疾病分類・FHIR R4 リソースマッピング・ SNOMED CT 用語変換・臨床用語相互運用パイプライン。 ToolUniverse 連携: loinc。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | scientific-clinical-standards |
| description | | |
LOINC / ICD / FHIR / SNOMED CT を統合した 臨床標準用語コード検索・マッピング・相互運用パイプラインを提供する。
import requests
import pandas as pd
LOINC_FHIR = "https://fhir.loinc.org"
def loinc_search(query, max_results=20):
"""
LOINC — 臨床検査コード検索 (FHIR API)。
Parameters:
query: str — 検索クエリ (検査名/コード)
max_results: int — 最大結果数
"""
url = f"{LOINC_FHIR}/CodeSystem/$lookup"
params = {
"system": "http://loinc.org",
"code": query,
}
# まずコード直接検索
try:
resp = requests.get(url, params=params,
timeout=30)
if resp.status_code == 200:
data = resp.json()
params_list = data.get("parameter", [])
result = {}
for p in params_list:
result[p["name"]] = p.get(
"valueString",
p.get("valueCode", ""))
return pd.DataFrame([result])
except Exception:
pass
# テキスト検索にフォールバック
url = f"{LOINC_FHIR}/CodeSystem"
params = {
"_text": query,
"_count": max_results,
}
resp = requests.get(url, params=params,
timeout=30)
resp.raise_for_status()
data = resp.json()
entries = data.get("entry", [])
rows = []
for entry in entries:
resource = entry.get("resource", {})
rows.append({
"code": resource.get("id", ""),
"name": resource.get("name", ""),
"title": resource.get("title", ""),
"status": resource.get("status", ""),
})
df = pd.DataFrame(rows)
print(f"LOINC: {len(df)} results for "
f"'{query}'")
return df
def loinc_code_detail(loinc_code):
"""
LOINC — コード詳細取得。
Parameters:
loinc_code: str — LOINC コード
(例: "2160-0" = Creatinine)
"""
url = (f"{LOINC_FHIR}/CodeSystem/"
f"$lookup")
params = {
"system": "http://loinc.org",
"code": loinc_code,
}
resp = requests.get(url, params=params,
timeout=30)
resp.raise_for_status()
data = resp.json()
detail = {"loinc_code": loinc_code}
for p in data.get("parameter", []):
name = p.get("name", "")
value = p.get(
"valueString",
p.get("valueCode",
p.get("valueBoolean", "")))
detail[name] = value
print(f"LOINC {loinc_code}: "
f"{detail.get('display', 'N/A')}")
return detail
ICD_API = "https://id.who.int"
def icd11_search(query, max_results=20,
language="en"):
"""
ICD-11 — WHO 疾病分類検索。
Parameters:
query: str — 検索クエリ (疾病名)
max_results: int — 最大結果数
language: str — 言語 (en/ja)
"""
url = (f"{ICD_API}/icd/release/11/"
f"2024-01/mms/search")
headers = {
"Accept": "application/json",
"Accept-Language": language,
"API-Version": "v2",
}
params = {
"q": query,
"subtreesFilter": "",
"flatResults": "true",
}
resp = requests.get(url, params=params,
headers=headers,
timeout=30)
resp.raise_for_status()
data = resp.json()
results = []
for item in data.get(
"destinationEntities", [])[:max_results]:
results.append({
"code": item.get("theCode", ""),
"title": item.get("title", ""),
"chapter": item.get("chapter", ""),
"score": item.get("score", 0),
"id": item.get("id", ""),
})
df = pd.DataFrame(results)
print(f"ICD-11: {len(df)} results for "
f"'{query}'")
return df
def icd10_to_icd11_mapping(icd10_code):
"""
ICD-10 → ICD-11 マッピング。
Parameters:
icd10_code: str — ICD-10 コード
(例: "E11" = Type 2 DM)
"""
url = (f"{ICD_API}/icd/release/11/"
f"2024-01/mms/codeinfo/"
f"{icd10_code}")
headers = {
"Accept": "application/json",
"API-Version": "v2",
}
try:
resp = requests.get(url, headers=headers,
timeout=30)
if resp.status_code == 200:
data = resp.json()
print(f"ICD mapping: {icd10_code} → "
f"{data.get('code', 'N/A')}")
return data
except Exception:
pass
# フォールバック: テキスト検索
results = icd11_search(icd10_code)
if not results.empty:
return results.iloc[0].to_dict()
print(f"ICD mapping: {icd10_code} → not found")
return {}
def create_fhir_observation(
loinc_code, value, unit,
patient_id, effective_date):
"""
FHIR R4 Observation リソース作成。
Parameters:
loinc_code: str — LOINC コード
value: float — 測定値
unit: str — 単位
patient_id: str — 患者 ID
effective_date: str — 測定日時 (ISO 8601)
"""
observation = {
"resourceType": "Observation",
"status": "final",
"code": {
"coding": [{
"system": "http://loinc.org",
"code": loinc_code,
}]
},
"subject": {
"reference": f"Patient/{patient_id}"
},
"effectiveDateTime": effective_date,
"valueQuantity": {
"value": value,
"unit": unit,
"system": (
"http://unitsofmeasure.org"),
},
}
print(f"FHIR Observation: "
f"LOINC {loinc_code} = {value} {unit}")
return observation
def create_fhir_condition(
icd_code, icd_system,
patient_id, onset_date,
clinical_status="active"):
"""
FHIR R4 Condition リソース作成。
Parameters:
icd_code: str — ICD コード
icd_system: str — "icd10" or "icd11"
patient_id: str — 患者 ID
onset_date: str — 発症日 (ISO 8601)
clinical_status: str — 臨床状態
"""
system_uri = (
"http://hl7.org/fhir/sid/icd-10"
if icd_system == "icd10"
else "http://id.who.int/icd/release/11/mms"
)
condition = {
"resourceType": "Condition",
"clinicalStatus": {
"coding": [{
"system": ("http://terminology."
"hl7.org/CodeSystem/"
"condition-clinical"),
"code": clinical_status,
}]
},
"code": {
"coding": [{
"system": system_uri,
"code": icd_code,
}]
},
"subject": {
"reference": f"Patient/{patient_id}"
},
"onsetDateTime": onset_date,
}
print(f"FHIR Condition: {icd_system.upper()} "
f"{icd_code} ({clinical_status})")
return condition
def cross_reference_codes(code, source_system,
target_systems=None):
"""
用語体系間コード相互参照。
Parameters:
code: str — ソースコード
source_system: str — ソース体系
("loinc"/"icd10"/"icd11"/"snomed")
target_systems: list[str] | None —
ターゲット体系
"""
if target_systems is None:
target_systems = [
"loinc", "icd10", "icd11", "snomed"]
target_systems = [
s for s in target_systems
if s != source_system]
mappings = {"source": code,
"source_system": source_system}
if source_system == "loinc":
detail = loinc_code_detail(code)
mappings["display"] = detail.get(
"display", "")
if source_system == "icd10":
m = icd10_to_icd11_mapping(code)
if m:
mappings["icd11"] = m.get("code", "")
mappings["icd11_title"] = m.get(
"title", "")
print(f"Cross-ref: {source_system}:{code} → "
f"{len(mappings) - 2} mappings")
return mappings
def clinical_standards_pipeline(
lab_data, diagnosis_data,
output_dir="results"):
"""
臨床標準用語統合パイプライン。
Parameters:
lab_data: pd.DataFrame — 検査データ
columns: [test_name, value, unit, date]
diagnosis_data: pd.DataFrame — 診断データ
columns: [diagnosis, icd_code, date]
output_dir: str — 出力ディレクトリ
"""
from pathlib import Path
out = Path(output_dir)
out.mkdir(parents=True, exist_ok=True)
# 1) 検査 LOINC マッピング
loinc_maps = []
for _, row in lab_data.iterrows():
result = loinc_search(row["test_name"], 1)
if not result.empty:
loinc_maps.append({
"test_name": row["test_name"],
"loinc_code": result.iloc[0].get(
"code", ""),
"value": row["value"],
"unit": row["unit"],
})
if loinc_maps:
loinc_df = pd.DataFrame(loinc_maps)
loinc_df.to_csv(
out / "loinc_mappings.csv",
index=False)
# 2) 診断 ICD マッピング
icd_maps = []
for _, row in diagnosis_data.iterrows():
result = icd11_search(row["diagnosis"], 1)
if not result.empty:
icd_maps.append({
"diagnosis": row["diagnosis"],
"icd11_code": result.iloc[0].get(
"code", ""),
"icd11_title": result.iloc[0].get(
"title", ""),
})
if icd_maps:
icd_df = pd.DataFrame(icd_maps)
icd_df.to_csv(
out / "icd_mappings.csv",
index=False)
# 3) FHIR Bundle 生成
fhir_resources = []
for item in loinc_maps:
obs = create_fhir_observation(
item["loinc_code"],
item["value"], item["unit"],
"patient-001", "2024-01-01")
fhir_resources.append(obs)
print(f"Clinical standards pipeline → {out}")
return {
"loinc_mappings": loinc_maps,
"icd_mappings": icd_maps,
"fhir_resources": fhir_resources,
}
clinical-reporting → clinical-standards → clinical-decision-support
(臨床レポート) (用語標準化) (臨床意思決定支援)
│ │ ↓
public-health-data ───────┘ pharmacogenomics
(公衆衛生データ) (ゲノム薬理学)
| ファイル | 説明 | 次スキル |
|---|---|---|
loinc_mappings.csv | LOINC コードマッピング | → clinical-decision |
icd_mappings.csv | ICD コードマッピング | → epidemiology |
fhir_bundle.json | FHIR R4 バンドル | → EHR 統合 |
| TU Key | ツール名 | 連携内容 |
|---|---|---|
loinc | LOINC | 臨床検査コード標準検索 |
実験の監査レポート・データ来歴（プロベナンス）生成スキル。 データ変換履歴・使用ツールのバージョン・データ整合性チェックを 含むトレーサビリティレポートを自動生成する。 「監査レポート作成」「データ来歴を記録」「トレーサビリティ」で発火。
派生実験設計スキル。既存の実験をベースに条件を変更した派生実験を 設計する。実験計画法（DOE）に基づくパラメータ探索を支援。 「派生実験を設計して」「条件を変えて実験」「パラメータ探索」で発火。
実験テンプレート生成スキル。研究目的・仮説・手法・実験条件・評価基準・ スケジュールを構造化した実験計画書を自動作成する。 「実験テンプレート作成して」「実験計画を立てて」「実験プロトコルを作成」で発火。
実験結果を論文形式（LaTeX / IMRaD）にエクスポートするスキル。 Introduction・Materials & Methods・Results・Discussion の構造で 出版準備用の原稿を自動生成する。 「論文にして」「LaTeX出力」「出版準備」で発火。
実験結果の査読・レビュースキル。再現性・統計的妥当性・方法論の 健全性を体系的に評価し、構造化されたレビューレポートを生成する。 「レビューして」「査読して」「実験結果を評価して」で発火。
科学技術・学術論文の執筆スキル。IMRaD 標準、Nature/Science 系、ACS 系、IEEE 系、 Elsevier 系のジャーナル形式に対応した論文構成・セクション設計・文章パターンを提供。 「論文を書いて」「Abstract を作成して」「Methods セクションを書いて」で発火。 assets/ に主要ジャーナル形式の Markdown テンプレートを同梱。