Pont terminologique & émission (Mondo→SNOMED)

En une phrase : Messier résout d’abord vers Mondo (le pivot maladie), puis émet un code d’interopérabilité — idéalement SNOMED CT — via un pont à plusieurs routes, sous une politique d’émission qui sait s’abstenir plutôt que produire un code faux.

C’est le cœur intellectuel de Messier : la qualité finale ne dépend pas tant du linker que de ce qui se passe entre Mondo et SNOMED. Cet article explique le problème (le trou-pivot), la politique d’émission, les routes du pont, et la discipline de licence qui les contraint.

1. Pourquoi un pont (et pas un linker SNOMED direct) ?

Messier résout vers Mondo parce que Mondo est CC0 (redistribuable), riche en synonymes et en cross-references (xrefs) vers les autres terminologies, et pivot naturel entre vocabulaires. Mais les biobanques et SPHN attendent du SNOMED CT. Il faut donc un pont de sortie Mondo→SNOMED.

flowchart LR
  M["Mention<br/>« adénocarcinome du côlon »"] --> L["Linker xMEN<br/>(top-K Mondo)"]
  L --> C["Concept Mondo<br/>MONDO:0002271"]
  C --> B{"Pont Mondo→SNOMED"}
  B --> S["Code SNOMED CT<br/>255082000"]
  classDef pivot fill:#eef4ff,stroke:#3b6
  classDef out fill:#e7f5ec,stroke:#2E7D5B
  class C pivot
  class S out

2. Le trou-pivot : une limite structurelle, pas un bug

Mesuré de bout en bout (gold DisTEMIST, linker réel, pondéré par fréquence) :

Mesure	Valeur
Couverture rencontrée (mentions qui peuvent aboutir)	~95 %
Justesse end-to-end	~42 % exact / 57 % en tolérant la granularité
Disease-only (gold disorder, 88 % du gold)	44,8 % / 61 %
Part des échecs imputable au trou-pivot	~85 % (disease-only ~56 %)

Le diagnostic est net : le pont n’est pas le levier (couverture rencontrée OK, ~0 erreur propre de pont). Le plafond vient du pivot Mondo lui-même : Mondo (~26 700 concepts) est plus grossier que les disorders SNOMED (~100 000). Beaucoup de maladies fines n’ont pas de pivot Mondo à la bonne granularité — router via Mondo plafonne donc la justesse exacte, quelle que soit la qualité du pont.

flowchart TB
  subgraph SNOMED["SNOMED disorders (~100 000) — fin"]
    s1["disorder 1"]
    s2["disorder 2"]
    s3["disorder 3"]
    s4["disorder 4"]
  end
  subgraph MONDO["Mondo (~26 700) — grossier (PIVOT)"]
    m1["concept A"]
    m2["concept B"]
  end
  s1 --> m1
  s2 --> m1
  s3 --> m2
  s4 --> m2
  note["plusieurs disorders fins → un seul concept Mondo : granularité perdue au passage du pivot"]
  m2 -.-> note
  classDef n fill:#fdecea,stroke:#b3261e
  class note n

Conséquence produit : une exigence de granularité doit être posée au CHU partenaire pilote — SCTID niveau maladie (granularité Mondo, atteignable) vs SCTID clinique exact (nécessiterait un linker SNOMED-direct, piste O3). Voir Décisions d’architecture (ADR).

3. La politique d’émission : précédence + abstention

Émettre aveuglément le « meilleur » code donne 33–39 % de codes faux (la précision plafonne à ~41–47 % quel que soit le palier). D’où une politique déterministe : on n’émet un code automatique que sur ancre confiante, sinon on dégrade vers un statut qui demande une confirmation humaine — ou on s’abstient (uncoded).

flowchart TD
  V["Concept validé"] --> P{"Politique d'émission<br/>(par précédence)"}
  P --> X["exact — SNOMED direct CC0<br/>auto · ~85 % précis sur ancre confiante"]
  X --> CF["confirmed — un candidat confirmé par le curateur"]
  CF --> CA["candidate — SNOMED via UMLS · PENDING<br/>(à confirmer ; cardinalité = signal)"]
  CA --> AP["approximate — Mondo non-exact (CC0)"]
  AP --> NC["ncit — repli NCIt (CC0) si SNOMED absent"]
  NC --> UN["uncoded — abstention (aucun code fiable)"]
  classDef hi fill:#e7f5ec,stroke:#2E7D5B
  classDef lo fill:#fff6e5,stroke:#d99500
  classDef no fill:#f3f3f3,stroke:#999
  class X,CF hi
  class CA,AP,NC lo
  class UN no

Précédence (du plus fiable au moins fiable) :

exact > confirmed > candidate > approximate > ncit > uncoded

exact : la route directe Mondo→SNOMED (xref exactMatch) sur une ancre que le linker juge sûre. ~85 % de précision → seul palier auto-émis sans humain.
candidate : code SNOMED atteint via UMLS — laissé PENDING ; la cardinalité est un signal de confiance (1 SCTID = candidat fort ; plusieurs = choix humain).
ncit : si SNOMED est absent pour ce concept, on émet un code NCIt (CC0) plutôt que rien — code d’interop alternatif, jamais un SNOMED douteux.
uncoded : assumer l’absence de code fiable est préférable à un faux.

4. Les routes du pont (et leur tier de licence)

Trois routes mènent à un code, de tiers de licence différents — ce qui détermine ce qui est redistribuable (voir Modèle de licence (open-core)).

flowchart LR
  C["Concept Mondo validé"] --> D["Route directe<br/>xref SNOMED de mondo.json"]
  C --> U["Route UMLS<br/>CUI Mondo / intermédiaires<br/>→ MRCONSO → SCTID"]
  C --> N["Route NCIt<br/>xref NCIt de mondo.json"]
  D --> SCT["SCTID émis<br/>(exact / approximate)"]
  U --> SCTU["SCTID candidat<br/>(candidate, PENDING)"]
  N --> NCC["Code NCIt émis<br/>(ncit)"]
  classDef cc0 fill:#e7f5ec,stroke:#2E7D5B
  classDef lic fill:#fdecea,stroke:#b3261e
  class D,N,SCT,NCC,SCTU cc0
  class U lic
  linkStyle 1 stroke:#b3261e,stroke-width:2px

🟢 Directe (CC0) — les xrefs SNOMED sont dans mondo.json (CC0) : l’identifiant est redistribuable. Source de l’exact/approximate.
🔴 UMLS (licenciée) — atteint des SCTID via les CUI + intermédiaires (OMIM/Orphanet/MeSH/NCIt/MedDRA/ICD10CM) dans MRCONSO. La carte de candidats est un artefact dérivé licencié : BYO, gitignorée, jamais redistribuée. Source du candidate.
🟢 NCIt (CC0) — xref NCIt de mondo.json : repli quand SNOMED manque.

5. Confirmation des candidats (write-path voie 1.5)

Un code candidate (UMLS) n’est jamais émis tel quel : le curateur le confirme dans l’IDE. À l’acceptation, le SCTID choisi est validé contre les codes offerts (sinon 422), puis le snapshot passe confirmed. Marche en curation standard et onco. Voir Produit de curation (UX).

6. Libellés SNOMED : lus à la volée, jamais persistés

Le snapshot d’émission ne stocke que des identifiants (SCTID + qualification + provenance) — aucun libellé (contenu licencié). Pour l’affichage, les libellés SNOMED sont hydratés à la lecture depuis un index licencié (BYO), avec la mention légale (clause 8.3). En base, le snapshot reste label-free. C’est l’invariant identifiant vs contenu en pratique.

7. Décisions liées

Émission par précédence + abstention (notes/49) — un faux code coûte plus qu’un trou.
Voie 1 (CC0) vs 1.5 (UMLS licenciée) (notes/50) — séparation par tier de licence.
Repli NCIt CC0 (notes/53/historique) — préférer un code d’interop alternatif au silence.
Exigence de granularité au pilote (ouverte) — maladie vs clinique exact (piste O3).

→ Fiches dans Décisions d’architecture (ADR).

Voir aussi

Moteur de linking (cœur ML) — d’où vient l’ancre Mondo.
Moteur compositionnel & oncologie (MC) — l’émission par axe (onco).
Modèle de licence (open-core) — pourquoi les routes diffèrent.
Imports & exports (interop) — où les codes émis ressortent (SPHN).