聚類分析法在醫(yī)學(xué)上的應(yīng)用研究

【摘要】目前，聚類分析作為一種新興技術(shù)手段被應(yīng)用于國內(nèi)外醫(yī)學(xué)領(lǐng)域，從不同程度輔助提升了醫(yī)療效果。了解聚類分析在醫(yī)學(xué)領(lǐng)域的主要應(yīng)用，探索它的應(yīng)用前景及發(fā)展方向有助于各項(xiàng)醫(yī)務(wù)工作的展開。文章通過查閱各種數(shù)據(jù)庫的相關(guān)文獻(xiàn)，借助文獻(xiàn)計量學(xué)及SPSS，MATLAB等軟件全面總結(jié)出聚類分析在醫(yī)學(xué)領(lǐng)域的主要應(yīng)用。

【關(guān)鍵詞】聚類分析;數(shù)據(jù)挖掘;數(shù)字醫(yī)療;應(yīng)用研究

聚類分析，它是直接比較各事物之間的性質(zhì)，將性質(zhì)相近的歸為一類，性質(zhì)差別較大的歸入不同類的一種多元統(tǒng)計分析方法?，F(xiàn)代化數(shù)字醫(yī)療的嚴(yán)峻形勢對醫(yī)務(wù)人員的要求越來越高。聚類分析技術(shù)在發(fā)達(dá)國家的應(yīng)用已經(jīng)很廣泛，在我國醫(yī)學(xué)領(lǐng)域應(yīng)用的較晚但前景廣闊。

常用的統(tǒng)計聚類分析方法包括譜系聚類（hierarchical clustering）、快速聚類（K-means）、兩階段聚類（Two-Step）、動態(tài)聚類、最優(yōu)分割和模糊聚類等。采用k-均值、k-中心點(diǎn)等算法的聚類分析工具已被加入到許多著名的統(tǒng)計分析軟件包中，如SPSS、SAS、MATLAB等。國外比較有名的數(shù)據(jù)挖掘系統(tǒng)有SAS公司的Enterprise Miner、IBM公司的Intelligent Miner， SGI公司的 MinerSet、SPSS公司的Clementine、加拿大Simon Fraser大學(xué)開發(fā)的DBMiner等。

通過查閱萬方、維普、知網(wǎng)等各種數(shù)據(jù)庫的相關(guān)文獻(xiàn)，借助文獻(xiàn)計量學(xué)及SPSS，MATLAB等軟件分析，發(fā)現(xiàn)聚類分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用主要有以下幾個方面。

一、聚類分析在醫(yī)學(xué)影像上的應(yīng)用

醫(yī)學(xué)圖像數(shù)據(jù)挖掘技術(shù)聚類分析是有效解決醫(yī)學(xué)圖像處理與分析的重要手段之一，它可以揭示正常人體各組織器官影像特征數(shù)據(jù)的分布規(guī)則和關(guān)系，為人體組織器官圖像的自動分類和病變組織圖像自動識別開辟新的途經(jīng)[1]。

目前的典型研究有：

1.在醫(yī)學(xué)圖像灰度密度研究的基礎(chǔ)上，提出基于醫(yī)學(xué)圖像帶修正系數(shù)的密度構(gòu)造聚類算法。對現(xiàn)有圖像數(shù)據(jù)挖掘算法加以比較篩選和改進(jìn)，深入研究了醫(yī)學(xué)圖像數(shù)據(jù)的核密度函數(shù)、數(shù)據(jù)分箱和基于數(shù)據(jù)分箱策略的密度構(gòu)方法，使圖像更精確。

2.用Matlab語言優(yōu)化K-均值聚類算法程序，提高了K-均值聚類算法在醫(yī)學(xué)CT圖像分割上的應(yīng)用效果、穩(wěn)定性和質(zhì)量，減少了程序的運(yùn)行時間，為圖像的識別處理奠定了基礎(chǔ)。

3.將遺傳算法與聚類分析兩種工具相結(jié)合，應(yīng)用到醫(yī)學(xué)CT 圖像分割中。利用遺傳算法搜索的隨機(jī)性和并行性，克服了K均值聚類的局部性和對初始聚類中心的敏感性。并且可以根據(jù)分割的要求，合理地調(diào)整聚類時的特征向量和權(quán)重。

4.將模糊聚類分析方法引入到醫(yī)學(xué)圖像處理領(lǐng)域，在不斷的改進(jìn)和其他方法的伴隨下，改善算法的速度和處理效果。

5.采用無監(jiān)督的聚類分析的計算機(jī)系統(tǒng)提高對病灶的MRI X光檢查的診斷準(zhǔn)確性，作為計算機(jī)輔助診斷病灶X光檢查。

二、聚類分析在疾病的診斷和分型上的應(yīng)用

在醫(yī)學(xué)中，值得注意的是，某些臨床實(shí)體可以有種種原因，如由非常不同的細(xì)菌造成的腦膜炎在臨床上可能無可區(qū)別;反之，一種病因可以產(chǎn)生種種體征，癥狀和病理現(xiàn)象，例如，梅毒。在當(dāng)前的數(shù)字化醫(yī)療時代，醫(yī)學(xué)聚類分析在疾病的計算機(jī)診斷上大放異彩，解決了很多關(guān)于疾病實(shí)體和綜合征的診斷和分型的棘手問題[2]。

較早的應(yīng)用有：Manning和Wstson（1966）使用分類學(xué)距離和平均連鎖聚成來對心臟病分類;Jones等通過聚類分析分開兩種癥狀非常多變而交疊的結(jié)腸疾病;Zinsser（1964） 使用因子分析和聚類分析區(qū)分腎盂腎炎……

我國精神分裂癥診斷標(biāo)準(zhǔn)的制定和殘肢者肌電信號的控制都應(yīng)用了模糊聚類。

如今發(fā)達(dá)國家采用統(tǒng)計聚類分析為早期帕金森疾病分亞型，這種亞型的鑒定對致病機(jī)制假說的提出和治療策略的制定有重大暗示;將統(tǒng)計聚類分析方法應(yīng)用在胃旁路減肥手術(shù)中，來辨別肥胖病人不同的亞型，借此找到阻礙減肥成功和術(shù)后恢復(fù)的模式;采用K-means聚類分析對聽力圖形進(jìn)行分類，改善和整合臨床設(shè)置中的圖形識別，減少由于個體經(jīng)驗(yàn)而發(fā)生的錯誤，被用于診所開發(fā);利用SPSS軟件對203例有隨訪結(jié)果的腫瘤作因子分析和聚類判別分析，用于討論乳腺葉狀腫瘤的9種病理形態(tài)學(xué)特征性參數(shù)的診斷價值等等。

三、聚類分析在監(jiān)測和評價疾病預(yù)后上的應(yīng)用

聚類分析在國內(nèi)醫(yī)療這方面的應(yīng)用幾乎為空白，但在國外應(yīng)用已經(jīng)很有成效。

發(fā)達(dá)國家采用凝聚譜系聚類分析將慢性病的表現(xiàn)癥狀分解，用來評估慢性病的生活質(zhì)量，如肺癌;用聚類分析評估I型糖尿病胰島移植后自我監(jiān)測的血糖指標(biāo)，觀察血糖波動和預(yù)后[3];用聚類分析判斷病理指標(biāo)，如盡管肝功能保存良好，但低BTR水平仍能表明肝細(xì)胞癌切除患者的早期復(fù)發(fā);用幾何編碼和聚類分析識別參數(shù)來評估和控制II型糖尿病患者的代謝控制情況，有助于改善他們的監(jiān)測和治療;用聚類分析預(yù)測婦女生育年齡的心血管疾病和代謝風(fēng)險因素等等。

四、聚類分析在基因靶向治療上的應(yīng)用

基因數(shù)據(jù)標(biāo)準(zhǔn)化處理后可以進(jìn)行基因聚類分析，通過基因聚類分析可以考察未知基因的功能信息或已知基因的未知功能信息。對基因和樣本進(jìn)行雙聚類可以更好地發(fā)現(xiàn)基因表達(dá)模式并且具有更清晰的生物學(xué)解釋[4]。

通過聚類分析，可以獲取對種群固有結(jié)構(gòu)的認(rèn)識。有利于疾病進(jìn)行根本的靶向治療。同樣的，國外聚類分析在這方面的研究也遠(yuǎn)遠(yuǎn)多于幾乎空白的國內(nèi)。

目前根據(jù)形態(tài)學(xué)對腫瘤進(jìn)行分類有很大的局限性，而基因表達(dá)聚類分析可以利用腫瘤間不同的基因表達(dá)譜進(jìn)行更精確的腫瘤亞型分類。在腫瘤新標(biāo)志基因發(fā)現(xiàn)中使用聚類算法和其它分析方法已經(jīng)取得很有價值的發(fā)現(xiàn)，使得對腫瘤的機(jī)制有了更清晰的解釋，對腫瘤的早期診斷和患者的生存預(yù)判提供了重要的參考。

除了在對腫瘤基因的研究，發(fā)達(dá)國家還利用聚類分析研究COPD基因，辨別不同亞型的帶有不同模式的呼吸道疾病和肺氣腫的吸煙患者;用層次聚類分析分析基因突變和某些疾病預(yù)后的關(guān)系，如AML（急性粒細(xì)胞白血?。╊A(yù)后和NPM1基因突變的關(guān)系;用離散聚類分析，K-means算法聚類分析和期望最大值算法來分析大規(guī)模離散型國際人類基因組單核苷酸多態(tài)性數(shù)據(jù)變量;用標(biāo)準(zhǔn)和一致性聚類分析工具（SC2ATmd）探索MATLAB中的微陣基因表達(dá)數(shù)據(jù);用離散的拉普拉斯的聚類分析方法分析歐洲男士Y染色體的短串聯(lián)重復(fù)序列……，聚類分析這把強(qiáng)大的工具使人類在疾病治療的基因水平上邁出了一大步。

五、聚類分析在分子流行病學(xué)中的應(yīng)用

國內(nèi)國外聚類分析在這方面的研究都已頗為成熟。典型研究有：

1.聚類分析在院內(nèi)感染性疾病的研究應(yīng)用（以大腸桿菌為例）

改進(jìn)并運(yùn)用基因分型方法， 研究臨床所分離到的彩超廣譜B 內(nèi)酰胺酶大腸桿菌的分子流行病學(xué)。采用脈沖場凝膠電泳< PFGE> 分析電泳圖譜經(jīng)數(shù)據(jù)轉(zhuǎn)化后進(jìn)行聚類分析， 計算各菌株間的相似性系數(shù)（SSm），根據(jù)SSm 進(jìn)行單鏈鎖聚類分析，得到相似性系數(shù)三角矩陣，對結(jié)果進(jìn)行分析，以確定菌株間的親緣關(guān)系[5]。細(xì)菌的分子流行病學(xué)研究是控制院內(nèi)感染的重要基礎(chǔ)，它利用分子生物學(xué)方法來判斷實(shí)驗(yàn)菌株之間的親緣關(guān)系以發(fā)現(xiàn)爆發(fā)流行的來源及傳播途徑。

2.聚類分析在流行病生態(tài)學(xué)研究上的應(yīng)用

例：王春曉等根據(jù)頸椎病患者的臨床表現(xiàn)設(shè)計調(diào)查表，收集575例頸椎病患者的癥狀”體征”舌脈等信息，采用聚類分析和主成分分析法對調(diào)查表中98個常見癥狀進(jìn)行聚類分析。提示聚類分析和主成分分析用于中醫(yī)證型的分類研究具有一定科學(xué)性。

3.聚類分析在藥效學(xué)和藥動學(xué)上的研究應(yīng)用

例：發(fā)達(dá)國家為快速，方便，可靠的研究藥物對白血病細(xì)胞的識別以及用于新藥的臨床試驗(yàn)，利用傅里葉變換紅外顯微光譜結(jié)合無監(jiān)督譜系聚類分析快速識別白血病細(xì)胞的耐藥性和敏感性;他們還證明順序聚類分析是有效的heatmap展示抗生素耐藥性時空變化模式可視化的方法;使用基于地理信息系統(tǒng)的凝聚譜系聚類分析，可以劃分出基于時空的可視化的抗生素耐藥模式等等。

六、結(jié)語

大量實(shí)例證明，聚類分析是可以運(yùn)用在醫(yī)學(xué)上的一把利刃，目前對它的應(yīng)用也只是冰山一角，它在醫(yī)學(xué)上有很大的應(yīng)用空間和光明的前景。現(xiàn)代數(shù)字化醫(yī)療形勢對廣大的醫(yī)務(wù)人員提出了更高的要求，我們應(yīng)該逐步接觸并掌握好這門先進(jìn)的工具為醫(yī)學(xué)為病人更好的服務(wù)。

參考文獻(xiàn)

[1]楊生友.聚類分析在醫(yī)學(xué)圖像中的應(yīng)用[D].蘭州大學(xué)，2009.

[2]孫迎.醫(yī)院信息的數(shù)據(jù)挖掘與方法研究[A].中華醫(yī)學(xué)會第十次全國醫(yī)學(xué)信息學(xué)術(shù)會議論文匯編[C].2004.

[3]Takita，M.，et al.，Cluster analysis of self-monitoring blood glucose assessments in clinical islet cell transplantation for type 1 diabetes.Diabetes Care，2011.34（8）：1799-803.

[4]Eisen MB，Spellman PT，Brown PO，et al.Cluster analysis and display ofgenome-wideexpression patterns[J].Genetics，2008，95（25）：14863-14868.

[5]康梅，陳超楊，NOrman Hui， 陳文昭， 過孝靜， 鄭動斌.產(chǎn)超廣譜β酰胺酶大腸桿菌的脈沖場凝膠電泳分型研究 四川大學(xué)學(xué)報（醫(yī)學(xué)版），200435（2）：214-216.

作者簡介：李雙良（1993—），女，遼寧沈陽人，現(xiàn)就讀于中國醫(yī)科大學(xué)，研究方向：聚類分析在醫(yī)學(xué)上的應(yīng)用。