數(shù)據(jù)挖掘技術(shù)在電子病歷系統(tǒng)中的應(yīng)用

王珩

電子病歷挖掘旨在提取出電子病歷數(shù)據(jù)庫(kù)中有用的醫(yī)療信息，并挖掘隱含在其中的醫(yī)學(xué)診斷規(guī)則和模式，從而為疾病診斷和治療提供科學(xué)的、準(zhǔn)確的輔助決策。電子病歷數(shù)據(jù)挖掘涉及面廣、技術(shù)難度大，需要從事信息處理、計(jì)算機(jī)技術(shù)、應(yīng)用數(shù)學(xué)的科研人員以及具備相當(dāng)經(jīng)驗(yàn)的醫(yī)務(wù)工作者通力合作。本文從電子病歷數(shù)據(jù)挖掘的概念、電子病歷的數(shù)據(jù)特性、電子病歷數(shù)據(jù)挖掘的步驟以及應(yīng)用前景等方面作了簡(jiǎn)單研究和介紹。

【關(guān)鍵詞】電子病歷 數(shù)據(jù)挖掘 預(yù)處理 應(yīng)用與發(fā)展

隨著數(shù)字化醫(yī)院建設(shè)的不斷推進(jìn)和計(jì)算機(jī)應(yīng)用技術(shù)的不斷普及，現(xiàn)代醫(yī)院正在逐步向無(wú)紙化運(yùn)行邁進(jìn)，電子病歷系統(tǒng)作為數(shù)字化醫(yī)院管理的一個(gè)重要組成部分，其囊括了醫(yī)療過(guò)程和醫(yī)患活動(dòng)的全部數(shù)據(jù)資源，并積累了相當(dāng)龐大的數(shù)據(jù)量，通過(guò)對(duì)電子病歷的數(shù)據(jù)挖掘，提取出病歷數(shù)據(jù)庫(kù)中的有用醫(yī)療信息，并挖掘出隱含于其中的醫(yī)學(xué)診斷規(guī)則和模式，可盤活塵封的海量數(shù)據(jù)，為疾病診斷、治療及預(yù)防提供科學(xué)準(zhǔn)確的輔助決策。

1 電子病歷數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘DM（Data Mining）是基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)KDD（Knowledge-Discovery in Databases）中的一個(gè)重要處理步驟，一般將KDD中進(jìn)行知識(shí)學(xué)習(xí)的階段稱為數(shù)據(jù)挖掘，亦可譯為資料探勘、數(shù)據(jù)采礦，而KDD則是指從大量的數(shù)據(jù)中提取出新穎有效的、可能有用的數(shù)據(jù)結(jié)構(gòu)，形成可被理解的模式，最終實(shí)現(xiàn)低層數(shù)據(jù)向高層知識(shí)的轉(zhuǎn)化。因此，數(shù)據(jù)挖掘可定義為是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。

電子病歷系統(tǒng)是利用現(xiàn)代信息技術(shù)對(duì)傳統(tǒng)病歷實(shí)現(xiàn)收集存儲(chǔ)、傳輸共享以及分析研究等功能的一種計(jì)算機(jī)程序軟件。電子病歷包含的內(nèi)容為醫(yī)務(wù)人員在對(duì)患者進(jìn)行的診療活動(dòng)過(guò)程中，整理形成一整套的醫(yī)療活動(dòng)記錄，包括文字符號(hào)、圖表圖形、影像數(shù)據(jù)等數(shù)字化信息。

2011年衛(wèi)生部制定了電子病歷的基本規(guī)范，并在全國(guó)范圍內(nèi)110家醫(yī)院開展電子病歷的試點(diǎn)工作。經(jīng)過(guò)幾年的發(fā)展，電子病歷系統(tǒng)已成為衡量醫(yī)院信息化建設(shè)水平的一個(gè)重要標(biāo)準(zhǔn)，電子病歷系統(tǒng)也積累了相當(dāng)可觀的數(shù)據(jù)量，并且這些數(shù)據(jù)都是患者的真實(shí)數(shù)據(jù)，對(duì)這樣的數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘分析，以探求各種疾病的發(fā)展規(guī)律以及疾病之間的相互關(guān)系等、探討對(duì)比不同治療方案的診療效果，這對(duì)疾病的診療和醫(yī)學(xué)研究等都具有巨大的價(jià)值和廣闊的發(fā)展前景。

2 電子病歷系統(tǒng)的數(shù)據(jù)特點(diǎn)

病歷是患者在醫(yī)院診療過(guò)程的全紀(jì)錄，電子病歷系統(tǒng)保存了這些記錄的數(shù)字化信息，因此電子病歷系統(tǒng)數(shù)據(jù)庫(kù)的內(nèi)容異常豐富，既包含臨床診療參數(shù)，也涉及各類管理數(shù)據(jù)，這些數(shù)據(jù)反映了醫(yī)學(xué)數(shù)據(jù)的獨(dú)特性，具有如下幾個(gè)特性：

2.1 電子病歷數(shù)據(jù)的多樣性

從信息的表現(xiàn)形式方面區(qū)分，電子病歷數(shù)據(jù)元素可分為文字（如患者信息、病史信息、查房錄、病程記錄等）、數(shù)字（如體溫、血壓、脈搏、檢驗(yàn)結(jié)果等）、圖形圖像（心電圖、CT、DR圖像等）、音頻（如心音）等。電子病歷數(shù)據(jù)的多樣性是其區(qū)別于其他領(lǐng)域的最顯著特征，同時(shí)也增加了對(duì)其進(jìn)行數(shù)據(jù)挖掘的難度，尤其是在數(shù)據(jù)預(yù)處理階段，需要對(duì)部分?jǐn)?shù)據(jù)進(jìn)行格式轉(zhuǎn)換。

2.2 電子病歷數(shù)據(jù)的動(dòng)態(tài)性

有些電子病歷數(shù)據(jù)具有一定的時(shí)序性，是隨著時(shí)間的推移不斷更新變化的，比如心電圖像、24h血壓測(cè)量數(shù)據(jù)等，甚至縱觀患者整個(gè)診療過(guò)程，其病情的發(fā)展、診療的結(jié)果、病程記錄等，都是隨著時(shí)間的推移而變化的。

2.3 電子病歷數(shù)據(jù)的不完整性

電子病歷數(shù)據(jù)是對(duì)患者診療記錄的如實(shí)記錄，是以治愈患者為目的，而非以研究為目的，因此對(duì)電子病歷數(shù)據(jù)的采集和處理可能會(huì)出現(xiàn)一定的偏差，采集的數(shù)據(jù)可能無(wú)法涵蓋研究所需。另外，疾病本身具有的模糊性、患者的表達(dá)能力、醫(yī)護(hù)人員的理解能力也不盡相同，也可能會(huì)造成數(shù)據(jù)記錄的偏差和殘缺。

2.4 電子病歷數(shù)據(jù)的冗余性

電子病歷系統(tǒng)是一個(gè)特殊的系統(tǒng)，其數(shù)據(jù)安全關(guān)乎患者的診療效果乃至生命安全，為進(jìn)行數(shù)據(jù)校驗(yàn)，系統(tǒng)必然會(huì)存在大量重復(fù)甚至矛盾的數(shù)據(jù)。如何對(duì)這些數(shù)據(jù)進(jìn)行有效性篩選、獲取唯一可信的數(shù)據(jù)集，是電子病歷數(shù)據(jù)清洗的一個(gè)重要步驟。

2.5 電子病歷數(shù)據(jù)的隱私性

電子病歷系統(tǒng)囊括了患者在院診療過(guò)程中的所有信息，其中不乏涉及患者的隱私，如身份信息、疾病信息等，一旦這些信息被暴露，很可能會(huì)對(duì)患者的生活造成侵?jǐn)_，甚至?xí)l(fā)倫理、法律等方面的問(wèn)題。因此，在對(duì)電子病歷數(shù)據(jù)進(jìn)行挖掘研究的同時(shí)，還應(yīng)做好數(shù)據(jù)安全方面的相關(guān)工作。

3 電子病歷數(shù)據(jù)挖掘的步驟

對(duì)電子病歷的數(shù)據(jù)挖掘工作可分為預(yù)處理和挖掘分析兩大階段。由于電子病歷數(shù)據(jù)具有多樣性、時(shí)序性、不完整性等諸多特性，需要對(duì)待挖掘數(shù)據(jù)進(jìn)行篩選、清洗、匿名化、標(biāo)識(shí)轉(zhuǎn)換等操作，通常在數(shù)據(jù)預(yù)處理階段通常需要投入更多的人力物力和時(shí)間等。電子病歷數(shù)據(jù)挖掘的具體步驟介紹如下：

3.1 問(wèn)題的理解和定義

電子病歷數(shù)據(jù)挖掘的工作需要從事信息處理、計(jì)算機(jī)技術(shù)、應(yīng)用數(shù)學(xué)等方向的科研人員與醫(yī)務(wù)工作者通力合作，明確數(shù)據(jù)挖掘的電子病歷數(shù)據(jù)對(duì)象和所期望得到的相關(guān)結(jié)果。

3.2 數(shù)據(jù)采集與目標(biāo)數(shù)據(jù)庫(kù)生成

根據(jù)對(duì)問(wèn)題的理解采集相關(guān)數(shù)據(jù)，并根據(jù)不同的目標(biāo)組織生成對(duì)應(yīng)的數(shù)據(jù)庫(kù)。例如需要獲取和優(yōu)化某疾病的診療方案，在目標(biāo)數(shù)據(jù)庫(kù)組織的時(shí)候就需要包含一定比例的成功病例和失敗病例作為數(shù)據(jù)挖掘的訓(xùn)練例和對(duì)比例，以便最終能獲取令人信服的結(jié)果。

3.3 數(shù)據(jù)清洗和預(yù)處理

由于電子病歷數(shù)據(jù)中包含相當(dāng)數(shù)量的冗余數(shù)據(jù)和不完整數(shù)據(jù)等，需要對(duì)待挖掘的數(shù)據(jù)進(jìn)行清洗和預(yù)處理，其目的是清理冗余數(shù)據(jù)、填充空缺數(shù)據(jù)、糾正錯(cuò)誤數(shù)據(jù)。

3.4 數(shù)據(jù)工程

對(duì)清理后的數(shù)據(jù)進(jìn)行約簡(jiǎn)與投影，主要包括選定具有代表性的屬性子集，通過(guò)降低維度或變換格式的方法來(lái)減少有效數(shù)據(jù)變量。該步驟可重復(fù)多次，才能用最少的數(shù)據(jù)變量代表目標(biāo)數(shù)據(jù)。

3.5 算法選擇并實(shí)施

根據(jù)數(shù)據(jù)挖掘的目標(biāo)選取合適的數(shù)據(jù)挖掘算法，并將該算法應(yīng)用于經(jīng)過(guò)處理的數(shù)據(jù)上，從目標(biāo)數(shù)據(jù)中提取數(shù)據(jù)模式，獲取疾病分類、相互作用關(guān)系等所期望的挖掘結(jié)果，并使用可視化或知識(shí)表的形式進(jìn)行展示。

3.6 評(píng)估和使用挖掘結(jié)果

由相關(guān)領(lǐng)域?qū)＜覍?duì)發(fā)現(xiàn)的模式進(jìn)行有效性和新穎性評(píng)價(jià)，利用發(fā)現(xiàn)的有用模式優(yōu)化醫(yī)生的診療流程或提供輔助決策支持，提高診療效率。

4 電子病歷數(shù)據(jù)挖掘的應(yīng)用及發(fā)展前景

數(shù)據(jù)挖掘技術(shù)在數(shù)字化醫(yī)院中有著廣泛的應(yīng)用，可為金保工程提供數(shù)據(jù)分析、為醫(yī)院管理提供決策支持等。針對(duì)電子病歷的數(shù)據(jù)挖掘也可為醫(yī)療診斷等方面提供幫助，如發(fā)現(xiàn)各種疾病之間內(nèi)在聯(lián)系、進(jìn)行病情預(yù)測(cè)與疾病分類、自動(dòng)分析影像數(shù)據(jù)、指導(dǎo)臨床用藥等。

盡管電子病歷挖掘研究對(duì)醫(yī)療領(lǐng)域的分析具有較高的價(jià)值，但也面臨一些問(wèn)題，如提供疾病診斷輔助決策結(jié)果是根據(jù)部分病例及某些專家的診斷經(jīng)驗(yàn)而獲得的，在客觀性和普遍性方面不能得到有效保證，在實(shí)際應(yīng)用中還須甄別使用。

電子病歷數(shù)據(jù)挖掘是一門涉及面廣、技術(shù)難度大的新興交叉學(xué)科，隨著計(jì)算機(jī)醫(yī)學(xué)應(yīng)用的更廣泛開展，將會(huì)開發(fā)出更有效的算法模型，數(shù)據(jù)挖掘技術(shù)將在疾病預(yù)防、診斷、治療中得到進(jìn)一步發(fā)展和普及，從來(lái)帶來(lái)更大的社會(huì)和經(jīng)濟(jì)效益。

參考文獻(xiàn)

[1]周怡，王世偉.醫(yī)學(xué)數(shù)據(jù)挖掘——SQL Server2005案例分析[M].北京：中國(guó)鐵道出版社，2008.

[2]吳漢華.大數(shù)據(jù)時(shí)代中如何進(jìn)行醫(yī)療數(shù)據(jù)挖掘與利用[J].硅谷，2014（05）.

[3]丁衛(wèi)平，管致錦等.電子病歷挖掘：概念、技術(shù)及應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008（01）.

[4]蔣俊.數(shù)據(jù)挖掘技術(shù)在醫(yī)院信息系統(tǒng)中的應(yīng)用[J].無(wú)線互聯(lián)科技，2015（08）.

[5]莊軍，郭平等.電子病歷數(shù)據(jù)預(yù)處理技術(shù)[J].計(jì)算機(jī)科學(xué)，2007（03）.

作者單位

南京郵電大學(xué) 江蘇省南京市 210046