基于數據挖掘技術的電子病歷的研究與設計

唐海英 王體春 吳婧 尹定洪 段昌柱

摘? 要：電子病歷系統運用多種技術手段，實現模擬醫學專家思維方式，對病情數據進行高效準確的推理分析。系統對檢查報告、病情、病人的綜合情況、藥物信息進行綜合分析和最佳匹配，實現幫助病人高效就醫，提高醫生的診斷準確度和效率的目的，滿足現代化的醫學信息化的需要。

關鍵詞：電子病歷系統;推理分析;數據挖掘

中圖分類號：R197.324? ? ? 文獻標識碼：A 文章編號：2096-4706（2019）08-0106-03

Abstract：The electronic medical record system uses many kinds of technical means to simulate the thinking mode of medical experts，and to reasoning and analyzing the disease data efficiently and accurately. The system carries out comprehensive analysis and optimal matching of examination report，patient’s condition，patient’s comprehensive situation and drug information so as to help patients seek medical treatment efficiently，improve the accuracy and efficiency of doctor’s diagnosis，and meet the needs of modern medical informatization.

Keywords：electronic medical record system;rational analysis;data mining

0? 引? 言

電子病歷（Electronic Medical Record，EMR）也叫計算機化的病案系統或稱基于計算機的病人記錄（Computer-Based Patient Record，CPR）[1]。它是用電子設備（計算機、健康卡等）保存、管理、傳輸和重現的數字化的病人的醫療記錄，取代手寫紙張病歷。它的內容包括紙張病歷的所有信息。美國國立醫學研究所將其定義為：EMR是基于一個特定系統的電子化病人記錄，該系統提供用戶訪問完整準確的數據、警示、提示和臨床決策支持系統的能力。

1? 電子病歷系統的需求分析

電子病歷系統利用遠程數據庫訪問技術，接收用戶發送的查詢信息的請求數據，然后對數據進行分析和處理，及時、準確地反饋給用戶疾病信息和數據。如果用戶發送的是描述病情的數據，電子病歷系統就對數據進行分析處理然后做出顯示，讓用戶直觀地查看病情分析報表[2]。如果用戶發生檢查報告，系統會通過數據挖掘技術，利用計算機模擬醫療專家思維推理，推測病情，為用戶治病就醫提供及時、準確的依據。同時電子病歷系統利用計算機網絡的交互功能，實現用戶與用戶、用戶與系統管理員的信息、經驗交流和互動的功能[3]。

本文電子病歷系統采用數據挖掘技術為主進行推理設計。數據挖掘（Data Mining，DM）又譯為資料探勘、數據采礦，是數據庫知識發現（Knowledge-Discovery in Databases，KDD）中的一個步驟。數據挖掘是從數據中挖掘知識，一般指從大量的數據中通過算法推理發現隱藏于海量數據中的信息知識的過程。數據挖掘通常與計算機科學有關，并通過統計、在線分析處理（OLAP）、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現。一般包括數據清理（消除噪聲和不一致數據）、數據集成（多種數據源可以組合在一起）、數據選擇（從數據庫中提取與分析任務相關的數據）、數據變換（數據變換或統一成適合挖掘的形式，如匯總或聚集）、數據挖掘（使用智能方法提取數據模式）、模式評估（根據某種興趣度度量，識別表示知識的真正感興趣的模式或知識）、知識表示（使用可視化和知識表示技術，向各類用戶提供挖掘的最終的知識）等過程。因此數據挖掘就是從數據庫、數據倉庫或其他信息庫中的海量數據中發現感興趣知識的過程。

電子病歷系統以醫學知識和經驗為基礎，通過對病人信息、檢查報告、心電信息、B超圖像等信息進行采集、分析和推理，達到幫助用戶快速高效地了解病情、記錄病情、聯系專業醫生就醫的目的。電子病歷系統的系統構建以病歷數據庫、檢驗報告圖形庫和知識庫為基礎，以推理機為核心，重點在于對知識結構和基礎進行編碼，對推理挖掘模型和算法進行開發，以統計學方法對結果進行驗證分析，以精煉和優化數據庫及推理機制為系統的擴展性要求。系統的主要研發內容包括：

（1）準確的醫學知識的查詢;

（2）病歷信息的準確查找;

（3）醫學知識的管理和推理挖掘模型的建立;

（4）系統推理挖掘機制的實現;

（5）系統的維護和調試及可擴展性設計。

2? 電子病歷系統的功能設計

電子病歷系統由醫學信息查詢、病歷查找、檢查報告處理、醫保政策、專家建議、系統論壇、系統維護7個功能模塊組成。（如圖1所示）

（1）信息查詢：本系統基于人工智能技術，以豐富的醫學知識和經驗為推理基礎，模擬醫學專家的思維方式，依據查詢的問題，結合知識庫進行專家推理，從而及時準確地給出信息回復;

（2）病歷信息查詢：建立最佳匹配模型，根據病人的病歷編號、就醫時間、病種等關鍵信息匹配查找;

（3）圖形化處理：以用戶提供的檢查報告的圖片，基于計算機的數據處理技術，生成數據統計報表，幫助用戶分析病情;

（4）醫保政策：基于計算機網絡遠程數據庫訪問技術對醫療保險相關政策進行普及;

（5）專家建議：基于數據挖掘技術，以大量的醫學知識和經驗為基礎，對各種病情數據進行數據分析并構建數據模型，幫助用戶了解病情、了解康復知識、了解就醫知識，確保醫生快速、準確地做出判斷;

（6）系統論壇：基于計算機網絡的交換技術，為用戶之間以及用戶與系統知識管理員之間構建信息交流平臺;

（7）系統維護：可以控制用戶權限，可以實時對系統數據庫進行維護和更新，以及擴充系統功能。

3? 系統的實現

3.1? 系統數據庫/數據倉庫的構建

構建電子病歷系統的醫學知識數據庫、檢查報告圖像數據庫、推理算法模型數據庫，然后針對各數據采用多層模型的星形架構建立數據倉庫，數據庫庫中幾個主要數據庫介紹如下。

醫學知識數據庫：收集國內外醫學專家對病癥研究的經驗、案例、文獻，抽取不同類型的案例及關鍵詞和結論意見，設定轉換代碼，構建醫學知識庫。

圖像數據庫：保存檢查報告圖像。

推理算法模型數據庫：根據獲取的信息綜合運用不同的計算機算法和搜索策略，模擬醫學專家的思維過程，輸出結果或提出進一步調查的意見和方向。

3.2? 系統數據庫/數據倉庫的精煉

在初步建立電子病歷系統的基礎上，應用不同的推理機模型對100例病人的病歷，通過統計學分析，比較驗證不同模型診斷正確率;對挖掘推理過程進行監控，標定數據庫的冗余特征值和無效值，以精煉數據庫/數據倉庫。

3.3? 人機界面及智能化的幫助模塊的構建

人機界面主要涉及為用戶提供數據錄入的接口和對數據處理結果進行輸出，顯示醫學專家的意見或需要進一步完善的檢查。采用圖形界面包括：

（1）基本信息的錄入區;

（2）環境參數錄入區;

（3）檢查報告圖片錄入區;

（4）病人病情錄入區;

（5）就醫建議錄入區;

（6）病癥種類選擇區;

（7）幫助信息區;

（8）提供“向導”模式和“高級”模式。

模塊的智能化通過系統的自學習來完成。系統的自學以神經網絡學習為基礎。將輸出層出現的與事實不符的誤差，歸結為連接層中各神經元的連接權及閾值的過錯，通過把輸出層神經元的誤差逐層向輸入層逆向傳播，以分給各連接神經元，從而可算出各連接點的參考誤差，并根據此對各連接權進行相應的調整，使網絡達到適合要求的輸出，實現訓練模式對A（k）→C（j）的映射，（k=1，…，m;j=1，…，n）。對于經過多次自學習仍不能糾正的誤差，則采取專家人工調試的方法，對推理的機制重新進行梳理和調整。

3.4?; 精準的醫學專家思維推理的實現

系統通過人機界面接受、反饋相應數據信息，系統構建以圖像數據庫和醫學知識數據庫為基礎，以推理模型算法數據庫為核心，重點在于對知識結構和基礎進行編碼，對推理模型和算法進行開發，以統計學方法對結果進行驗證分析，以智能化的幫助模塊對相關數據進行優化，以達到精確反饋信息的目的。如圖2所示。

4? 電子病歷系統的優化

我們采用PDCA閉環設計策略，對系統進行循環優化：

（1）制定優化計劃，包括測試檢查計劃、試運行計劃、運行維護計劃等等;

（2）執行預定計劃并不斷補充完善原有計劃，聘請醫學工作者在實踐中使用電子病歷系統，對用戶界面及應用效果進行反饋，以進一步改進推理模塊，提高推理效率，優化系統。同時招募志愿用戶免費開放，采用用戶操作后問卷調查、電話訪談等形式及時與他們溝通交流，根據用戶的反饋意見，實時更新系統數據庫信息，改進用戶界面和系統功能;

（3）執行檢查檢測，對出現的問題加入問題清單;

（4）處理出現的問題，針對較大問題重新制定計劃進入下一輪PDCA環，以保證系統質量不斷提升。

經過本課題試用和使用，收到了良好效果，下一步將結合醫改的不斷深化和政策的調整，對知識庫進行不斷更新的同時，對挖掘推理規則進行改進化。

參考文獻：

[1] DENG Lifang，GAN Ping，ZHOU Jin ， et al. Image hiding and mining based on the subsection Zadeh-x transform[C]// International Conference on Computer Engineering & Technology. IEEE，2010.

[2] 王體春，韓永國.基于本體的課程學習系統設計 [J].兵工自動化，2007（2）：58-59+64.

[3] 唐海英，王體春.基于本體的個性化協同推薦 [J].計算機與網絡，2011，37（16）：56-58.

作者簡介：唐海英（1981-），女，漢族，重慶人，碩士，研究方向：超聲醫學效應的基礎研究;通訊作者：王體春（1976.02-），男，漢族，四川綿陽人，高級工程師，博士，研究方向：生物醫學信息技術、醫學信息、圖像處理。