數(shù)據(jù)挖掘在醫(yī)藥信息學中的應用探究

曾瑞

摘 要：隨著當前的醫(yī)療衛(wèi)生信息化的不斷普及和構建，醫(yī)療行業(yè)已經(jīng)積累了大量的有價值的治療數(shù)據(jù)。如果可以對這些數(shù)據(jù)進行針對性的利用以及分析，并對里面蘊含的信息知識以及對應的模式進行探索和了解，在進行新病人的接診以及治療的時候我們就有了更大程度上的效果反饋，為當前疾病的治療者以及管理者提供更加優(yōu)秀的決策支持。國內對于數(shù)據(jù)挖掘階段的對應研究都還處于一種起步的階段，在醫(yī)學信息的數(shù)據(jù)挖掘方面我們國家相對比較落后，發(fā)展程度遠遠不如電信行業(yè)或者金融行業(yè)對于大數(shù)據(jù)挖掘技術的支持。因此，數(shù)據(jù)挖掘技術在我們國家的醫(yī)療行業(yè)構建當中有著巨大的潛力，是未來智能醫(yī)療行業(yè)發(fā)展的重要分支。本文主要探索了數(shù)據(jù)挖掘在醫(yī)藥信息學中的應用，希望本文可以拋磚引玉，給同行提供一些理論上的支持。

關鍵詞：數(shù)據(jù)挖掘；醫(yī)藥信息學；應用探究

中圖分類號：R197.324 文獻標識碼：A 文章編號：1671-2064（2018）01-0190-03

醫(yī)療信息系統(tǒng)的發(fā)展為當前的醫(yī)院積累了十分巨大的數(shù)據(jù)來源。這些數(shù)據(jù)的規(guī)則是如此復雜、數(shù)量是如此龐大，以至于醫(yī)務人員沒有辦法通過手動處理的方式對這些數(shù)據(jù)進行分類歸納。這些數(shù)據(jù)之間的隱藏關系以及對應的潛在知識更是淹沒在大量的雜亂無章的數(shù)據(jù)之下。對于醫(yī)學行業(yè)所蘊含的信息量來說，數(shù)據(jù)挖掘技術可以對于這些相關的信息進行更深層次的挖掘，探究他們當中的暗藏聯(lián)系，同時幫助醫(yī)生從成千上萬的病例和會診數(shù)據(jù)當中發(fā)現(xiàn)最有價值的經(jīng)驗。這些經(jīng)驗可以通過數(shù)字進行量化定性，不僅可以幫助醫(yī)生做出準確地描述，還可以幫助病人得到定量的評價。

1 數(shù)據(jù)挖掘理論

數(shù)據(jù)挖掘并不是一個新生的事物。它是在1989年3月的美國底特律第11屆人工智能聯(lián)合會議的專題討論會上被首先提出來的，距今已有20多年的歷史。這是一門交叉的綜合性學科，涉及到大量的計算機領域發(fā)展學科，比如機器學習學科、模式識別學科、統(tǒng)計學和數(shù)學、數(shù)據(jù)庫發(fā)展技術以及專家領域等多個大分類。數(shù)據(jù)挖掘跟這些學科的交叉點就在于這些學科和數(shù)據(jù)庫之間的對應聯(lián)系，同時數(shù)據(jù)挖掘也是KDD當中的一個核心環(huán)節(jié)[1]。

David hand在他的著作《Principe of Data Mining》當中給數(shù)據(jù)挖掘理論進行了一個嚴格的定義：數(shù)據(jù)挖掘技術就是從大量的數(shù)據(jù)當中（數(shù)據(jù)本身還可能是不完整的、有干擾噪聲的、本身信息模糊的，還有可能具有一定的隨機性）提取出隱含在這當中的未知信息。這些信息在被提取出來之前并不為人所知，數(shù)據(jù)提取者本身也不會預測到會有這樣的數(shù)據(jù)提取結果出現(xiàn)；但是這些信息本身是有用的或者至少是潛在有用的，這些數(shù)據(jù)轉換的知識也是我們所需要進行分析的。這樣的一個完整的過程就是數(shù)據(jù)挖掘的最基本概念。

從上面的概念當中我們可以提出兩個關鍵的詞語：隱含、事先未知。這兩個關鍵詞就嚴密的區(qū)分開了專家系統(tǒng)和數(shù)據(jù)挖掘之間的關系。專家系統(tǒng)針對的是已有知識進行深度學習，并把這些知識進行深入淺出地表現(xiàn)出來。但是數(shù)據(jù)挖掘系統(tǒng)的過程就是一個人機交互的過程。這種交互是一種動態(tài)交互，一般呈現(xiàn)出知識的螺旋上升的交替發(fā)展趨勢，需要進行隨時的動態(tài)調整和反復磨合，從而在浩瀚如海的數(shù)據(jù)當中挖掘出高質量的知識[2]。

2 基于醫(yī)藥信息學的數(shù)據(jù)挖掘理論目前在國內外的發(fā)展

相對于其他行業(yè)當中數(shù)據(jù)挖掘理論的廣泛應用，醫(yī)藥信息方面的數(shù)據(jù)挖掘理論無論是國內還是國外都還處于一種較為基礎的起步階段。一些醫(yī)療系統(tǒng)相對比較發(fā)達的國家，比如美國或者英國正在逐步涉獵這個方向，美國國防部和微軟公司聯(lián)合開發(fā)了一套針對醫(yī)藥領域的數(shù)據(jù)倉庫系統(tǒng)并在2006年的時候交付使用。在中國只有一些早期進行數(shù)字化的醫(yī)院才會涉獵這個方向，在我國，醫(yī)學領域的數(shù)據(jù)挖掘技術應用幾乎是空白。一般說來，在具體應用方面，我國還處于比較原始的階段，也就是數(shù)據(jù)挖掘的專家和醫(yī)學專家進行人工合作，針對某一類特定的疾病，比如乳腺癌、腸癌或者是肺癌等數(shù)據(jù)進行醫(yī)藥信息的分析挖掘，對于這類重大疾病的主要影響因素進行尋找和分析，并針對相應的因素尋找針對性的治療方法[3]。

3 數(shù)據(jù)挖掘在醫(yī)藥信息學中的作用分析

數(shù)據(jù)挖掘在當前的醫(yī)藥信息學中還處于一個起步階段，針對的并不是全體的疾病而是某些特定的疑難雜癥，或者是特定疾病的影像成片。和這種技術相對應的就是專家系統(tǒng)。但是盡管專家系統(tǒng)已經(jīng)提出了很多年，這當中的診斷規(guī)則還是基于人力的專家臨床多年總結構建，也就是說，推理規(guī)則和結論已經(jīng)是提前輸入到數(shù)據(jù)庫當中的，因此具有很大的局限性，無法具有更進一步的客觀性和普遍性。但是數(shù)據(jù)挖掘本身則是利用大量的臨床資料進行數(shù)據(jù)關聯(lián)，并從中挖掘出大量有價值以及普遍性的診斷思路，相對來說客觀性更強，因為杜絕了人為干預數(shù)據(jù)統(tǒng)計結果，因此本身不具有主觀性。同時數(shù)據(jù)挖掘技術本身還具有自主學習的功能，而這些特點都是專家系統(tǒng)并不具備的[4]。

3.1 數(shù)據(jù)挖掘在醫(yī)藥信息學中的“先鋒戰(zhàn)”——疾病診斷技術

根據(jù)當前病人已知的醫(yī)藥治療數(shù)據(jù)技術，分析出當前患有這一類疾病的病人本身的特征構建，從而直接找出當前病人可能患有的疾病類型，或者根據(jù)當前病人本身的疾病情況信息進行對應的分類處理，找出病人患病的本質原因，并對癥下藥，獲得這一類疾病本身的最佳治療處理對策[5]。

整個分析的過程如下：首先，我們選定某一類的疾病作為當前數(shù)據(jù)挖掘的目標變量進行細致分析，然后再通過包含病人詳細資料的數(shù)據(jù)，比如性別、年齡、以往的病例、當前病癥狀態(tài)等對應變量的數(shù)據(jù)作為基礎輔助。運用決策樹的構建把病人進行不同類型的疾病類型劃分當中，并根據(jù)這些數(shù)據(jù)進行病人本身的特征歸類。當其他病人出現(xiàn)相似的情況的時候，我們就可以根據(jù)對應的規(guī)則把病人正確分類到正確的醫(yī)藥治療類別當中。

3.2 數(shù)據(jù)挖掘在醫(yī)藥信息學中的“常規(guī)戰(zhàn)”——醫(yī)藥處方分析技術

針對性分析患有特定疾病的病人開出來的處方數(shù)據(jù)，并且把這些處方數(shù)據(jù)之間的對應關聯(lián)關系，正是數(shù)據(jù)挖掘技術發(fā)揮的特長之一。醫(yī)生利用當前醫(yī)療領域的知識來對這些規(guī)則的可信程度進行專業(yè)的判斷，去粗取精，摒棄那些不符合實際情況的規(guī)則，保留那些有價值的規(guī)則，并把這些規(guī)則放入規(guī)則庫當中讓自己，或者其他的醫(yī)生來治療對應患有同類疾病的病人[6]。endprint

處方分析在我們國家的醫(yī)藥信息學的主要體現(xiàn)是在中藥的配方領域。中醫(yī)在當前的新方劑研究當中都有大量的臨床試驗數(shù)據(jù)需要處理。方劑主要是通過單獨的藥材組成，在這些實驗的結果當中，我們可以找到單獨中藥材之間的關聯(lián)性，也就是中醫(yī)當中的要對。近十年來已經(jīng)有大量的專家學者通過有統(tǒng)計學和計量的方法來尋找中藥配伍規(guī)律之間的證據(jù)構建，并且這些研究結論都表示出了研究結果自身的客觀性以及科學性。同時數(shù)據(jù)挖掘技術本身還提出了很多數(shù)據(jù)模型來幫助我們了解其中的搭配規(guī)律。但這些研究的功能不同特點就是，數(shù)學模型的單獨設計還處于一個很不完善的境地，并且和中醫(yī)藥本身的理論銜接有著不同程度的問題。并且因為中醫(yī)的特點，數(shù)據(jù)指標因為單一而缺乏分析的系統(tǒng)性[7]。

整個中醫(yī)方劑當中的藥物配伍關系十分復雜層次分明、交叉密切，影響的癥候情況也十分復雜。但是數(shù)據(jù)挖掘技術本身具有解決復雜問題的核心能力，可以從當前的藥物組成、方劑效果、核心性狀和計量等多個角度對中藥方進行充分的分析。比如下面為四君子湯和其他藥物之間排列組合的數(shù)據(jù)挖掘案例：

白術&橘皮炙&甘草&茯苓==>人參（supp=42，conf=89.5%）

白術&茯苓&砂仁==>人參（42，78%）

這兩個規(guī)則都是四君子湯和藥物之間的加減組合，以數(shù)據(jù)挖掘技術的格式進行了對應的表示[8]。

3.3 數(shù)據(jù)挖掘在醫(yī)藥信息學中的“陣地戰(zhàn)”——關聯(lián)序列分析技術

通過數(shù)據(jù)挖掘技術，我們可以根據(jù)病人自身的患病歷史進行對應的關聯(lián)序列分析，并進行數(shù)據(jù)上的時間順序推理。比如說一個病人得了腦梗塞之后又罹患高血壓，在基于醫(yī)藥信息學構建的數(shù)據(jù)挖掘技術下的關聯(lián)序列分析就可以標注成腦梗塞==>高血壓。在這個病人的病案當中我們可以記錄病人患病的詳細信息，對這個病人的各種治療方案和治療歷史以及自身的身體條件進行匹配，并總結出規(guī)律。當相似的病人數(shù)據(jù)放在一起成為一個集合的時候，所得到的結果在治療患有相同前提條件的病人的時候，醫(yī)生就可以注意到這些后續(xù)的新增病人是否具有前提條件當中相伴生的疾病。再進行正式治療的時候，醫(yī)生可以考慮各種疾病之間的相互聯(lián)系，采用合理的用藥方案。這樣在數(shù)據(jù)挖掘技術的幫助之下，醫(yī)生在對患者進行主要疾病的治療的同時，還會對潛在的疾病進行關聯(lián)處理，避免出現(xiàn)“壓下水瓢起了盆”，在治療一種疾病的時候卻對另一種潛在疾病起到反效果的負面結果出現(xiàn)，從而對整個方案的治療效果進行負面干預和影響[9]。

4 醫(yī)藥信息關聯(lián)下的數(shù)據(jù)挖掘存在的問題

醫(yī)藥數(shù)據(jù)是直接作用在人身上的，因此有其主觀的特殊性。和其他領域的數(shù)據(jù)挖掘不同，醫(yī)藥數(shù)據(jù)在各個方面都有自己的特點。對這些問題進行分析并逐一克服就是我們當前的主要任務[10]。

4.1 系統(tǒng)——醫(yī)院醫(yī)藥信息系統(tǒng)

計算機信息技術在醫(yī)院的廣泛應用，對醫(yī)院醫(yī)藥海量信息數(shù)據(jù)資源的分析和整理，對制定醫(yī)院科學發(fā)展規(guī)劃和提升醫(yī)院醫(yī)療水平具有十分重要的作用。但是，目前我國醫(yī)院醫(yī)藥信息系統(tǒng)還存在一些問題，這些問題的存在對數(shù)據(jù)管理和數(shù)據(jù)挖掘技術目標的實現(xiàn)形成了極為不利的影響作用。主要是因為數(shù)據(jù)分散和數(shù)字鴻溝的存在，其中數(shù)據(jù)分散指的是醫(yī)院應用軟件系統(tǒng)相互獨立，無法直接交換數(shù)據(jù)，導致信息數(shù)據(jù)共享性比較差，對醫(yī)院醫(yī)療水平的提升會形成極為不利的影響作用。而主要是因為數(shù)據(jù)挖掘對數(shù)據(jù)進行采集的時候，需要對不同結構的數(shù)據(jù)進行連接，在數(shù)據(jù)連接過程中會涉及到數(shù)據(jù)類型的轉換和字符編碼的轉換，由于數(shù)據(jù)類型轉換不暢，導致數(shù)據(jù)真實性和可靠性出現(xiàn)問題，對醫(yī)院醫(yī)藥數(shù)據(jù)信息的利用也會形成不利的影響作用。

4.2 隱私——醫(yī)藥信息關聯(lián)下的數(shù)據(jù)挖掘的命門

醫(yī)學數(shù)據(jù)和其他數(shù)據(jù)不同，是只針對“人”這種個體進行服務的，所以醫(yī)藥信息數(shù)據(jù)挖掘必然會涉及到患者的具體隱私信息。當這些信息讓患者在當前的日常生活當中受到了無法預知的侵擾的時候，就會產生隱私性的信息問題。隱私性和我們常說的安全性以及機密性不是同一類屬性。當沒有經(jīng)過授權許可的個人或者是機構通過非法途徑獲得了這些隱私信息的時候，就對應的產生了相對的機密性問題。因此，醫(yī)藥信息關聯(lián)下的數(shù)據(jù)挖掘人員需要在保護患者隱私的前提下進行對應的基礎性研究，并且需要負責保障數(shù)據(jù)本身的安全性和機密性。

4.3 繁雜——醫(yī)藥信息關聯(lián)下的數(shù)據(jù)挖掘的拖累

醫(yī)療數(shù)據(jù)的種類十分繁雜。有的醫(yī)療數(shù)據(jù)本身包括影像CT、實驗數(shù)據(jù)，以及病人和醫(yī)生之間互相交流的文字記錄。因此醫(yī)療數(shù)據(jù)從最開始就無法保持同樣的格式。CT、MRI、DSA等幾十種不同的影像格式以及ECG等信號格式之間也不存在相同的數(shù)據(jù)形式。至于各種化驗報告單或者是醫(yī)患溝通的文字，更是沒有一個定式。醫(yī)療數(shù)據(jù)本身的多樣性，就是區(qū)別于金融數(shù)據(jù)或者保險數(shù)據(jù)等其他數(shù)據(jù)挖掘的最大不同點。因此。數(shù)據(jù)挖掘的準確性會受到不同格式之間的數(shù)據(jù)來源的強烈干擾。我們在進行數(shù)據(jù)挖掘之前必須要處理好對應的數(shù)據(jù)形式，選擇有效數(shù)據(jù)格式或進行轉換。比如我們可以采用數(shù)值數(shù)據(jù)分箱換位分類等等方式進行處理。

5 結語

數(shù)據(jù)挖掘作為大數(shù)據(jù)處理的一個重要分支，在當前已經(jīng)得到了廣泛的運用。盡管主要運用方面都集中在了電信或者是金融保險的方面，但在醫(yī)藥信息領域，數(shù)據(jù)挖掘還是大有可為的。除了針對病人和醫(yī)院藥房的信息管理，醫(yī)藥信息關聯(lián)下的數(shù)據(jù)挖掘技術還在輔助醫(yī)生診斷和治療的各個方面充分展示了自己巨大的潛力。因此，數(shù)據(jù)挖掘技術在我們國家的醫(yī)藥信息行業(yè)當中具有十分重要的應用價值。

參考文獻

[1]王欣.基于數(shù)據(jù)挖掘技術的醫(yī)藥信息整合進程研究[J].齊齊哈爾醫(yī)學院學報，2010，（6）：911-912.

[2]王欣.基于數(shù)據(jù)挖掘技術的醫(yī)藥信息整合方法研究[J].齊齊哈爾醫(yī)學院學報，2010，（5）：758-759.

[3]王衛(wèi)東，屈洋.數(shù)據(jù)挖掘理念在醫(yī)院病歷隨訪系統(tǒng)中的應用[J].計算機技術與發(fā)展，2010，（7）：199-202.

[4]黃秋燕，金京皓，沈岳龍，鄭暉.數(shù)據(jù)挖掘在醫(yī)學信息中的應用[J].醫(yī)學信息：上旬刊，2010，（8）：2503-2506.

[5]于凈，李定遠，王海燕.數(shù)據(jù)挖掘在醫(yī)藥信息學中的應用探究[J].中國中醫(yī)藥現(xiàn)代遠程教育，2010，（15）：86-87.

[6]王欣.利用數(shù)據(jù)挖掘技術進行醫(yī)藥信息整合[J].齊齊哈爾醫(yī)學院學報，2009，（11）：1381-1382.

[7]佘侃侃，張蕾.基于數(shù)據(jù)挖掘技術的方劑配伍規(guī)律研究[J].醫(yī)學信息，2008，（10）：1744-1746.

[8]沈小慶，盛炳義，方曙，吳妙蓮，王玨.數(shù)據(jù)挖掘技術在醫(yī)院藥學中的應用[J].中華醫(yī)院管理雜志，2006，（8）：549-551.

[9]朱武生，劉文華，劉新峰.中國急性缺血性腦卒中早期血管內介入診療指南[J].中華神經(jīng)科雜志，2015，（5）：356-361.

[10]邢雁輝，崔蒙，儲戟農，等.基于貝葉斯分類算法的治療中風中藥組方研究[J].中西醫(yī)結合心腦血管病雜志，2015，（4）：471-474.endprint