顳下頜關(guān)節(jié)紊亂病專病數(shù)據(jù)庫的設(shè)計與初步構(gòu)建*

翟孝庭 黃東宗 李鴻波 張政波 王 巖 王家柱 胡 敏 劉洪臣 姜 華

顳下頜關(guān)節(jié)紊亂病（temporomandibular disorders，TMD）的病因復(fù)雜、發(fā)病率高，在診斷和治療方面存在諸多難題，亟待進一步的研究挖掘其潛在的規(guī)律。隨著信息技術(shù)的進步，醫(yī)療數(shù)據(jù)出現(xiàn)爆炸性增長，精準(zhǔn)醫(yī)療以及智慧醫(yī)院理念的興起促進了醫(yī)學(xué)向?qū)？茖２⊙芯康姆较虬l(fā)展［1,2］，海量的醫(yī)療數(shù)據(jù)為復(fù)雜疾病的研究提供了新的方向，用真實世界研究為臨床實踐提供證據(jù)及建議。大數(shù)據(jù)將在顳下頜關(guān)節(jié)紊亂病的診治及研究中起到重要作用。但目前大數(shù)據(jù)的利用過程仍然存在著諸多困難和挑戰(zhàn)［3］，例如數(shù)據(jù)標(biāo)準(zhǔn)不一致、不同信息系統(tǒng)間存在著孤島效應(yīng)、數(shù)據(jù)治理和提取依賴人力等。解決信息資源浪費的問題，利用大數(shù)據(jù)為臨床和科研助力，已經(jīng)迫在眉睫。

1.專病數(shù)據(jù)庫的構(gòu)建背景

TMD 是口腔疾病的常見病，是具有相關(guān)臨床癥狀如關(guān)節(jié)區(qū)及咀嚼肌疼痛、關(guān)節(jié)雜音、下頜運動異常的一組疾病的總稱。TMD 好發(fā)于青壯年，不同年齡人群發(fā)病率在15%-50%不等，在一定程度上損害了患者正常的咀嚼功能［4,5］。TMD 的診斷主要通過詳細病史問診、口腔檢查、影像學(xué)輔助診斷如計算機斷層掃描（CT)、磁共振成像（MRI)、超聲等手段，需綜合多元的數(shù)據(jù)得出診斷。此外TMD 患者的就診次數(shù)較多，每次治療需一定的時間間隔進行療效的觀察評估，此后再制定后續(xù)的治療方案。為此，患者的病歷資料保存顯得尤為重要，需要保證病歷資料的完善。同時，醫(yī)療數(shù)據(jù)爆發(fā)式的增長導(dǎo)致無論是臨床還是科研都需要一個數(shù)據(jù)庫進行數(shù)據(jù)的收集、管理和分析，避免信息資源的浪費［3］。

TMD 早期發(fā)現(xiàn)及治療可以改善疾病的發(fā)展、轉(zhuǎn)歸和預(yù)后［6］。有研究表明，為顳下頜關(guān)節(jié)紊亂病患者提供正確的宣教和引導(dǎo)，如緩解緊張、認(rèn)知行為教育和自我管理等方法，可以提高患者的應(yīng)對能力，有效控制疼痛癥狀，限制疾病的發(fā)展［7,8］。此外，早期進行保守治療如手法按摩、針灸和咬合板等治療方法，可以緩解患者的疼痛和關(guān)節(jié)功能受限等癥狀，減少髁突骨吸收的風(fēng)險［8,9］。而人工智能利用大數(shù)據(jù)進行分析，可以實現(xiàn)疾病診斷分類、病情評估及知識普及等功能，避免患者因延誤治療時機，導(dǎo)致病情惡化［10］。也可以為醫(yī)生提供診斷的建議并推薦治療方案，提高TMD的臨床診療水平。

口腔醫(yī)學(xué)已經(jīng)進入個性化精準(zhǔn)醫(yī)療的時代［3］。在這個時代背景下，建立顳下頜關(guān)節(jié)紊亂病專病數(shù)據(jù)庫一方面可以利用大數(shù)據(jù)分析等新技術(shù)的優(yōu)勢，挖掘潛在的臨床規(guī)律，為疾病的研究提供方向和助力。另一方面，專病數(shù)據(jù)庫在人工智能和深度學(xué)習(xí)技術(shù)的支持下，可建立臨床輔助決策支持系統(tǒng)，不僅便于制定個性化的治療方案，也為臨床診療提供強有力的數(shù)據(jù)支持，從而為臨床決策提供參考。目前國內(nèi)外尚無TMD的專病數(shù)據(jù)庫，建立專病數(shù)據(jù)庫對于提高TMD的認(rèn)識及研究具有重要意義。為此，本研究建立基于臨床病歷及影像資料的顳下頜關(guān)節(jié)紊亂病專病數(shù)據(jù)庫，進行臨床病歷資料的整理分析，以實現(xiàn)疾病的智能診斷及預(yù)測、臨床決策輔助等功能，以期提高TMD診療和研究的質(zhì)量與效率。

2.專病數(shù)據(jù)庫的設(shè)計與構(gòu)建過程

顳下頜關(guān)節(jié)紊亂病數(shù)據(jù)庫是以臨床數(shù)據(jù)中心（clinical data repository, CDR）為基礎(chǔ)，通過識別各病歷之間的不同特征與類別之間的相關(guān)性進行數(shù)據(jù)集成，并運用數(shù)據(jù)清洗、標(biāo)準(zhǔn)化及去隱私化等技術(shù)進行數(shù)據(jù)治理后構(gòu)建而成的。此外，該數(shù)據(jù)庫擬通過語義分析、同義詞字典、自然語言處理技術(shù)等數(shù)據(jù)挖掘技術(shù)，尋找TMD 患者基本信息、體征、診斷和治療方式等數(shù)據(jù)的相關(guān)性，形成標(biāo)準(zhǔn)化的大數(shù)據(jù)信息池，為人工智能進行疾病的診斷、分類、預(yù)測和形成臨床輔助決策支持系統(tǒng)打下基礎(chǔ)。數(shù)據(jù)庫架構(gòu)如圖1所示。

圖1 專病數(shù)據(jù)庫的架構(gòu)

2.1 數(shù)據(jù)集成TMD 專病數(shù)據(jù)庫的信息主要來源于CDR 中的電子病歷和電子數(shù)據(jù)采集系統(tǒng)（Electronic Data Capture, EDC）所收集的醫(yī)療數(shù)據(jù)。EDC系統(tǒng)主要用于補充外部的信息，其建立過程中最重要的就是電子病例報告表（electronic case report form, eCRF）的設(shè)計。eCRF 是收集臨床科研數(shù)據(jù)的載體和工具，如何實現(xiàn)其可復(fù)用性和合理性，是EDC 構(gòu)建過程中的關(guān)鍵性問題［11］。本數(shù)據(jù)庫根據(jù)TMD 的發(fā)病特點及檢查需要進行eCRF設(shè)計，主要包括：患者的基本信息、臨床信息、照片信息、影像學(xué)信息、口腔檢查信息、咬合測試信息、生化報告信息、顳下頜關(guān)節(jié)情況信息、心理測試情況、診斷信息、治療內(nèi)容等模塊。具體模塊如表1所示。

表1 eCRF所包含的11個模塊

數(shù)據(jù)庫需導(dǎo)入的醫(yī)療數(shù)據(jù)主要以結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)的形式存在于醫(yī)院的HIS、PACS、LIS、RIS 中［12］。其中結(jié)構(gòu)化數(shù)據(jù)包括患者人口學(xué)信息、檢驗結(jié)果、診斷信息、評估得分等，將這些數(shù)據(jù)進行標(biāo)準(zhǔn)化、歸一化后可直接與數(shù)據(jù)庫關(guān)聯(lián)。

非結(jié)構(gòu)化數(shù)據(jù)包括診療記錄、影像學(xué)報告、檢查情況記錄等。這些非結(jié)構(gòu)化形式的數(shù)據(jù)為后續(xù)實現(xiàn)檢索、統(tǒng)計、分析等功能帶來了困難，經(jīng)過數(shù)據(jù)識別分析并進行結(jié)構(gòu)化處理后，才能實現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)的深度利用。醫(yī)學(xué)自然語言處理（natural language processing, NLP）工具可對自由文本這類需要后結(jié)構(gòu)化的內(nèi)容進行詞性標(biāo)注、指標(biāo)識別、句子邊界識別、句法分析、語義識別等處理［11,13］，自由文本進行結(jié)構(gòu)化預(yù)處理后即可導(dǎo)入數(shù)據(jù)庫中。

對于圖像形式的數(shù)據(jù)，本數(shù)據(jù)可拷貝存儲并進行分類管理。在查閱患者病歷的同時可以直觀地看到患者口腔的具體情況，降低診斷的偏倚。數(shù)據(jù)庫中可添加dicom 格式的影像學(xué)信息，便于醫(yī)生從多維度全方位觀看患者影像檢查，具有較高的準(zhǔn)確性和客觀性。在觀看影像時，醫(yī)生可以選取幾個關(guān)鍵截圖進行標(biāo)注及保存，完成TMD 特征影像圖的采集，有利于人工智能對TMD 特征的學(xué)習(xí)并完成疾病的智能診斷。此外，數(shù)據(jù)庫中可快速查閱該患者此前的影像圖片，將影像圖片進行前后對比，可評估TMD 治療效果，也減輕患者攜帶大量檢查資料的煩惱。數(shù)據(jù)庫的信息錄入界面如圖2

圖2 數(shù)據(jù)錄入界面展示：a臨床病歷信息；b 口腔檢查情況；c顳下頜關(guān)節(jié)相關(guān)檢查信息；d影像學(xué)檢查信息

2.2 數(shù)據(jù)治理 數(shù)據(jù)標(biāo)準(zhǔn)化是數(shù)據(jù)庫管理規(guī)范化、統(tǒng)一化的必要前提，也是數(shù)據(jù)共享和分析的基礎(chǔ)，將數(shù)據(jù)標(biāo)準(zhǔn)化后有助于提高數(shù)據(jù)庫的數(shù)據(jù)挖掘能力和整合能力。本數(shù)據(jù)的標(biāo)準(zhǔn)化采用國際疾病ICD-10分類代碼、臨床醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)（SNOMEDCT）、顳下頜關(guān)節(jié)紊亂病的DC/TMD診斷分類標(biāo)準(zhǔn)以及為TMD設(shè)計的字典表［14］。電子病歷報告表的標(biāo)準(zhǔn)化改造則遵循ISO/IEC11179的方法，為上述11個模塊的數(shù)據(jù)元進行命名、編碼［11］。同時我們也定義了研究病歷的入庫規(guī)則，例如，顳下頜關(guān)節(jié)紊亂病的病種將臨床檢查、診斷和影像學(xué)診斷中包含“顳下頜功能紊亂”、“顳頜關(guān)節(jié)功能紊亂癥”、“顳下頜關(guān)節(jié)紊亂綜合征”、“TMD”、“TMJD”等多種關(guān)鍵詞的患者篩選入庫進行標(biāo)準(zhǔn)化管理。

數(shù)據(jù)清理是將數(shù)據(jù)中出現(xiàn)的異常值、離群值、重復(fù)數(shù)據(jù)和缺失的數(shù)據(jù)，進行糾正、形式轉(zhuǎn)化、去除冗余和補充修復(fù)等處理，避免數(shù)據(jù)分析錯誤造成分析結(jié)果可能的偏差。目前只能采用人工核對配合統(tǒng)計軟件分析進行數(shù)據(jù)數(shù)據(jù)質(zhì)量校驗，日后有望通過人工智能實現(xiàn)數(shù)據(jù)的自動清洗，減少臨床工作量，提高數(shù)據(jù)收集整理的效率和質(zhì)量。

數(shù)據(jù)安全是科研及倫理的重要內(nèi)容，為保障數(shù)據(jù)的安全，本數(shù)據(jù)庫采用了數(shù)據(jù)去隱私化的保護措施，進行賬號權(quán)限的劃分和管理［15］。數(shù)據(jù)庫管理員可為每位醫(yī)師建立獨立的賬號體系并進行授權(quán)和管理，例如使用醫(yī)師管理中編輯、權(quán)限禁用以及患者數(shù)據(jù)導(dǎo)出等功能。普通醫(yī)師用戶可以使用患者管理、搜索、查看等基本功能。此外，根據(jù)健康保險攜帶和責(zé)任（HIPAA）法規(guī)，數(shù)據(jù)庫建立了相應(yīng)的脫敏規(guī)則，用3DES 加密算法保護數(shù)據(jù)的隱私及安全，對患者的姓名、電話、地址等敏感信息進行轉(zhuǎn)換或做刪除處理［11］，采用加密算法可確保需要通過互聯(lián)網(wǎng)傳輸進行多中心協(xié)作研究時，防止患者隱私數(shù)據(jù)泄露。同時普通權(quán)限用戶進行數(shù)據(jù)提取與導(dǎo)出需經(jīng)過申請和審批，加強數(shù)據(jù)管理，實現(xiàn)數(shù)據(jù)的集中管理和對數(shù)據(jù)操作的全流程管控。

圖3 患者管理界面

2.3 數(shù)據(jù)傳輸及利用 數(shù)據(jù)的導(dǎo)出功能為數(shù)據(jù)庫管理員才有的使用權(quán)限，電子病歷報告表或者多位患者的數(shù)據(jù)可聯(lián)合導(dǎo)出為Excel和Word的數(shù)據(jù)格式，方便科研工作者用SPSS、SAS、Python、R等統(tǒng)計分析軟件進行醫(yī)學(xué)統(tǒng)計，也方便臨床醫(yī)生進行病例的回顧。醫(yī)師的普通用戶也可以經(jīng)過授權(quán)后導(dǎo)出整理好的數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的共享，減少信息資源和人力資源的浪費，為日后搭建多中心專病數(shù)據(jù)平臺作鋪墊。

圖4 醫(yī)師管理界面

2.4 專病數(shù)據(jù)庫基本功能 臨床原始數(shù)據(jù)通過數(shù)據(jù)集成、數(shù)據(jù)治理之后形成專病數(shù)據(jù)庫，實現(xiàn)了TMD 病歷的科學(xué)化、規(guī)范化管理。可視化CRF 表單的設(shè)計實現(xiàn)了患者病歷多維度視圖的展示，醫(yī)師可以調(diào)閱患者的臨床信息統(tǒng)一視圖，該視圖統(tǒng)一展示了患者的病史、檢查、診斷、治療方案等內(nèi)容，使臨床醫(yī)生可以通過一個清晰、友好的統(tǒng)一視圖對患者的病情進行全面的判斷。同時數(shù)據(jù)庫還提供病歷信息檢索的工具，通過患者ID、姓名、診斷等信息進行檢索，可快速定位某一患者或者某一類疾病，減少醫(yī)生尋找患者信息的時間，為患者提供高效的診療服務(wù)。借助搜索引擎查找目標(biāo)患者及病種后，可將搜索的數(shù)據(jù)導(dǎo)出，用于支持臨床回顧性及前瞻性研究。

3.討論與展望

顳下頜紊亂病專病數(shù)據(jù)庫的價值不僅在于數(shù)據(jù)本身，更在于充分利用數(shù)據(jù)所產(chǎn)生的價值。目前尚無國內(nèi)外TMD 數(shù)據(jù)庫的相關(guān)文章。在大多數(shù)醫(yī)院，顳下頜關(guān)節(jié)紊亂病的病歷記錄模板依附于修復(fù)科或口腔頜面外科的病歷中，部分TMD 病歷內(nèi)容不全，檢查記錄不足［16,17］。李希吉［18］等設(shè)計和開發(fā)TMD 專科電子病歷模板，屬于數(shù)據(jù)庫的簡單形式，但電子病歷模板目的是方便存儲及查找患者信息，較難對數(shù)據(jù)背后的規(guī)律進行深度挖掘。隨著對TMD 研究的深入，診斷標(biāo)準(zhǔn)及治療理念都發(fā)生了變化，相關(guān)的檢查越發(fā)重要。本數(shù)據(jù)庫借鑒了DC/TMD 診斷標(biāo)準(zhǔn)，納入了心理健康檢查、咀嚼肌檢查和咬合分析等項目，更加全面地為TMD 診斷提供信息。同時將病歷重要的內(nèi)容結(jié)構(gòu)化，利于數(shù)據(jù)的深度利用。

在接收并治理患者的病歷數(shù)據(jù)后，利用人工智能及深度學(xué)習(xí)技術(shù)，可進行多維度的數(shù)據(jù)分析，為疾病的早期診斷、預(yù)測預(yù)警、臨床決策支持和個體化醫(yī)療提供大量真實數(shù)據(jù)的支持。目前數(shù)據(jù)庫的基本框架已經(jīng)構(gòu)建完成，但數(shù)據(jù)的深度分析利用功能尚未完全實現(xiàn)。

TMD 的病因復(fù)雜，正確診斷TMD 并準(zhǔn)確分型需要醫(yī)生將患者的病史、主訴、臨床檢查及影像學(xué)檢查等信息綜合考慮，此外TMD 還與心理狀況密切相關(guān)，導(dǎo)致漏診或誤診較高。因此用人工智能整合患者信息，為TMD 診斷提供參考是非常有必要的。而影像學(xué)診斷對TMD 的準(zhǔn)確診斷至關(guān)重要，正確進行口腔醫(yī)學(xué)影像診斷需要經(jīng)過不斷的系統(tǒng)學(xué)習(xí)與訓(xùn)練。目前最為突出的問題是顳下頜關(guān)節(jié)病變CBCT 及MRI 影像的判讀，部分醫(yī)師在判斷TMD 影像改變時常帶有主觀性，易出現(xiàn)誤診的情況［16］。全卷積神經(jīng)網(wǎng)絡(luò)（fully convolutional networks, FCN）技術(shù)取得重大的突破，使人們可以利用人工智能學(xué)習(xí)，對各種醫(yī)學(xué)圖像進行分割及識別，進而判斷TMD 病情的進展，進行疾病的分類診斷［19］。CT 是診斷顳下頜關(guān)節(jié)骨質(zhì)改變的金標(biāo)準(zhǔn)，CBCT 經(jīng)過深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)并識別分析后，可以有效判斷出髁突形態(tài)是否正常，骨皮質(zhì)是否有吸收［10］。本數(shù)據(jù)庫計劃對收集到的影像圖片用人工標(biāo)注等方式加工整理，在垂直及平行于髁突長軸斜位的CBCT 截圖中，采用自適應(yīng)灰度值顏色歸一化、位置大小歸一化等方法分別實現(xiàn)髁突的位置、顏色標(biāo)準(zhǔn)化。之后通過模板匹配方法或深度學(xué)習(xí)檢測方法，如Faster R-CNN、R-FCN 和SSD 等，實現(xiàn)髁突的自動定位。在完成髁突自動化定位后采用全卷積神經(jīng)網(wǎng)絡(luò)分析，反復(fù)進行經(jīng)過專家標(biāo)注的正常與病變的髁突形態(tài)對比，分割病灶區(qū)域，如髁突皮質(zhì)輪廓不規(guī)則改變、骨缺損和髁突頭部扁平等，最終可以實現(xiàn)TMD 骨關(guān)節(jié)病變的診斷。同理，也在MRI 上對髁突和關(guān)節(jié)盤的相對位置用坐標(biāo)軸進行標(biāo)注，進而通過人工智能深度學(xué)習(xí)，最終實現(xiàn)自動化診斷關(guān)節(jié)盤移位［20］。此外，使用自然語言處理技術(shù)和決策樹進行數(shù)據(jù)文本挖掘，可利用病史及臨床檢查進行TMD 癥狀的鑒別診斷。例如通過主訴中的詞語使用頻率和定量值來對TMD 與疼痛性疾病鑒別［13］。TMD 患者的病歷中使用與“關(guān)節(jié)彈響”和“顳下頜關(guān)節(jié)”等相關(guān)的詞語的頻率明顯較高，而口腔面部疼痛疾病雖然也使用“張口受限”等相關(guān)詞語，但開口度明顯大于TMD患者［13］，以此進行疾病的鑒別診斷，但診斷結(jié)果需結(jié)合影像學(xué)檢查，進一步提高診斷的特異性和靈敏性。

個性化多學(xué)科的治療方案一直是TMD 治療的研究熱點與難點，在臨床決策中很難全面把握患者的病情進行對因治療，對不同病因的TMD 患者進行同樣手段的治療可能產(chǎn)生療效上的差異。本數(shù)據(jù)庫擬建立臨床決策支持系統(tǒng)，利用人工智能從臨床癥狀及體征、影像學(xué)診斷、咬合情況、心理評估測試和咀嚼習(xí)慣等多方面為患者進行全面分析，結(jié)合知識圖譜，根據(jù)患者的病史及癥狀信息來推薦個性化的治療方案。臨床決策支持系統(tǒng)識別病歷數(shù)據(jù)信息中包含的預(yù)設(shè)關(guān)鍵詞，以知識圖譜為參考，完成癥狀、檢查和診斷與治療方案的匹配。知識圖譜是整合臨床指南、治療方案和專家經(jīng)驗等多種資源形成的，將專病臨床知識體系進行了系統(tǒng)梳理，有利于進行臨床癥狀和診斷與各治療方案之間的關(guān)聯(lián)。同時，如果疾病分類診斷完成后，臨床決策支持系統(tǒng)可從TMD 專病數(shù)據(jù)庫中篩選出與該疾病癥狀及診斷相似的既往病史資料。臨床醫(yī)生在多維度病歷的視圖下參考不同患者的治療內(nèi)容，選擇效果較好的治療方案。此外，專病數(shù)據(jù)庫可對篩選出的這類疾病進行療效、預(yù)后、并發(fā)癥等方面的統(tǒng)計分析，為臨床診治這類疾病提供循證醫(yī)學(xué)的證據(jù)支持，從而指導(dǎo)臨床實踐，提高醫(yī)療質(zhì)量。

4.結(jié)論

由于TMD 診治的復(fù)雜性，目前國內(nèi)尚無TMD專病數(shù)據(jù)庫，甚至部分醫(yī)院未開展TMD 的診療，給TMD 患者帶來了極大的不便。顳下頜關(guān)節(jié)紊亂病專病數(shù)據(jù)庫提供了便捷的病歷管理及數(shù)據(jù)分析平臺，有助于醫(yī)院開展TMD 的診療工作。該專病數(shù)據(jù)庫目前已完成了初步的構(gòu)建，實現(xiàn)了TMD 病歷的管理和利用，正逐步積累病歷形成大數(shù)據(jù)信息池。下一步TMD 專病數(shù)據(jù)庫將在現(xiàn)有的專病數(shù)據(jù)庫基礎(chǔ)上，通過人工智能深度學(xué)習(xí)實現(xiàn)疾病的智能診斷功能和臨床決策支持系統(tǒng)，滿足臨床診療、科研探索的需求。此外，在完善深度分析功能后希望能擴大數(shù)據(jù)量及數(shù)據(jù)收集范圍，構(gòu)建多中心的數(shù)據(jù)平臺，打破數(shù)據(jù)的孤島效應(yīng)，實現(xiàn)數(shù)據(jù)的互聯(lián)互通，避免信息資源的浪費。