算法驅(qū)動的臨床護理決策支持系統(tǒng)基本組成

張 山 吳 瑛

首都醫(yī)科大學(xué)護理學(xué)院，北京 100069

算法驅(qū)動的臨床護理決策支持系統(tǒng)是將傳統(tǒng)臨床護理決策支持系統(tǒng)與大數(shù)據(jù)技術(shù)進行融合，通過大數(shù)據(jù)分析將臨床數(shù)據(jù)轉(zhuǎn)化為知識或直接進行決策[1,2]，主要是挖掘海量的臨床病例、護理記錄、護理效果和費用等數(shù)據(jù)，對疾病癥狀、實驗室檢查數(shù)據(jù)、用藥方案、護理措施等進行分析，將護士的臨床經(jīng)驗與數(shù)據(jù)挖掘技術(shù)結(jié)合起來，輔助護士作出臨床護理決策，降低護理差錯發(fā)生率，進而提高護理效果和護理質(zhì)量[3-5]。算法驅(qū)動的臨床護理決策支持系統(tǒng)多采用人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、數(shù)據(jù)挖掘、文本分析等多種方法實現(xiàn)，既能直接分析臨床資料得到?jīng)Q策結(jié)果，又能通過分析這些數(shù)據(jù)補充臨床知識庫，進行知識推理實現(xiàn)臨床決策[6-8]。算法驅(qū)動的臨床決策支持系統(tǒng)主要包括數(shù)據(jù)源、數(shù)據(jù)集成、大數(shù)據(jù)分析、決策分析、人機交互等5個部分。

1 數(shù)據(jù)源

數(shù)據(jù)源是指用于提供某種應(yīng)用程序所需要的原始數(shù)據(jù)。算法驅(qū)動的臨床護理決策支持系統(tǒng)的數(shù)據(jù)源主要來自患者在診療護理服務(wù)過程中所產(chǎn)生的記錄，如患者基本信息、護理服務(wù)信息、實驗室檢查數(shù)據(jù)、療效信息等[9,10]。這些數(shù)據(jù)來源于醫(yī)院的信息系統(tǒng)，如護理信息系統(tǒng)、藥品管理系統(tǒng)、醫(yī)囑系統(tǒng)等[1]。數(shù)據(jù)源作為臨床護理決策支持系統(tǒng)架構(gòu)的最基礎(chǔ)部分，為整個系統(tǒng)提供數(shù)據(jù)支撐，在數(shù)據(jù)源中存儲了所有建立數(shù)據(jù)庫連接的信息，即通過提供正確的數(shù)據(jù)源名稱，可以找到相應(yīng)的數(shù)據(jù)庫連接[11]。隨著臨床護理決策支持系統(tǒng)應(yīng)用的范圍逐漸擴大，數(shù)據(jù)源將不再局限于患者診療護理服務(wù)數(shù)據(jù)，未來會更多地融入互聯(lián)網(wǎng)醫(yī)療數(shù)據(jù)、其他相關(guān)行業(yè)及學(xué)科數(shù)據(jù)[9,10]。

2 數(shù)據(jù)集成

數(shù)據(jù)集成是把不同來源、類型、結(jié)構(gòu)的數(shù)據(jù)在邏輯或物理上進行整合[12]。由于醫(yī)療護理數(shù)據(jù)增長速度極快，用于規(guī)則驅(qū)動的臨床決策支持系統(tǒng)的數(shù)據(jù)庫難以滿足大數(shù)據(jù)分析需求，因此醫(yī)院需要建立信息集成平臺和臨床數(shù)據(jù)中心，將不同來源、數(shù)據(jù)類型、結(jié)構(gòu)化、非結(jié)構(gòu)化的醫(yī)療護理數(shù)據(jù)，通過醫(yī)院信息集成平臺進行抽取、轉(zhuǎn)換、加載，統(tǒng)一存儲到臨床數(shù)據(jù)中心[13,14]。醫(yī)院集成平臺可以完成各類業(yè)務(wù)數(shù)據(jù)的采集、共享、處理、存儲和使用，擴展性良好，可便于臨床護理決策支持系統(tǒng)進行數(shù)據(jù)分析時采集數(shù)據(jù)[14]。

3 大數(shù)據(jù)分析

在傳統(tǒng)的以規(guī)則驅(qū)動的臨床護理決策支持系統(tǒng)基礎(chǔ)上引入大數(shù)據(jù)分析方法，最常用的是數(shù)據(jù)挖掘，是指從大量的數(shù)據(jù)中發(fā)掘模式和關(guān)系的信息的過程，即將數(shù)據(jù)轉(zhuǎn)化為有意義的信息，是數(shù)據(jù)庫中知識發(fā)現(xiàn)的重要步驟，數(shù)據(jù)挖掘發(fā)現(xiàn)的新模式可以用于描述和預(yù)測。描述側(cè)重于尋找新模式并以一種易于理解的形式呈現(xiàn)給用戶；預(yù)測是在數(shù)據(jù)中尋找到關(guān)鍵變量和字段，用以預(yù)測某些實體未來行為的過程[15]。數(shù)據(jù)挖掘包含決策樹方法、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、聚類方法等方法[16]。

3.1 決策樹方法

決策樹類似于流程圖，主要由決策節(jié)點（正方形表示）、機會節(jié)點（圓圈表示）和結(jié)束節(jié)點（三角形表示）3部分構(gòu)成。決策樹采用自上而下的策略來測試事例數(shù)據(jù)，在每個節(jié)點上進行算法測試并確定屬性和屬性值，據(jù)此來劃分事例數(shù)據(jù)，這個過程反復(fù)迭代，直到數(shù)據(jù)無法進行分離[17,18]。決策樹能幫助確定不同場景的最壞和最好的預(yù)期值，缺點是不穩(wěn)定，即微小的數(shù)據(jù)變化會導(dǎo)致最優(yōu)決策樹結(jié)構(gòu)發(fā)生巨大的變化；另外，當(dāng)許多值不確定或許多結(jié)果相關(guān)時，計算會變得非常復(fù)雜。圖1建立了一個簡易的決策樹，通過判斷屬性X和Y的值，將不同事例數(shù)據(jù)進行分類，最終形成了4個類別：類別1、類別2、類別3、類別4。從某種方面來看，應(yīng)用決策樹進行分析的過程相當(dāng)于使用“如果–則”（if–then）的規(guī)則模型集合的過程。

圖1 簡易決策樹

3.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)可以被認為是相互連接的簡單處理裝置或模擬人腦神經(jīng)元結(jié)構(gòu)和功能的簡化模型，由大量神經(jīng)元節(jié)點（類似神經(jīng)元）以連接模式（類似突觸）連接在一起，并單向傳遞他們之間的信號[19,20]。人工神經(jīng)網(wǎng)絡(luò)包括3個單元：①輸入單元（類似于感覺神經(jīng)元），接收待處理的信息和數(shù)據(jù)；②隱藏單元（類似于所有其他神經(jīng)元，不包括感覺或運動神經(jīng)元），它在輸入和輸出單元之間工作，對輸入的信息進行處理并將結(jié)果發(fā)送至輸出單元；③輸出單元（類似于運動神經(jīng)元），顯示最后的結(jié)果。每個神經(jīng)元的節(jié)點可以有多個輸入點，通過連接模式進行輸入操作，如圖2所示。在使用神經(jīng)網(wǎng)絡(luò)之前需要進行訓(xùn)練和調(diào)試以發(fā)現(xiàn)數(shù)據(jù)中的復(fù)雜關(guān)系和模式，進而得到滿意的決策結(jié)果。對于每一個實例的輸入，需要將輸出結(jié)果與實際值進行比較并反饋。如果神經(jīng)網(wǎng)絡(luò)算法的輸出結(jié)果與實際值相同，則無需再訓(xùn)練；如果神經(jīng)網(wǎng)絡(luò)算法的輸出結(jié)果與實際值不同，則算法模型會調(diào)整導(dǎo)致輸出錯誤的參數(shù)；調(diào)整參數(shù)后再進行訓(xùn)練，直至所有結(jié)果都穩(wěn)定后，停止訓(xùn)練。

圖2 簡易神經(jīng)網(wǎng)絡(luò)模型

3.3 遺傳算法

遺傳算法是基于“自然選擇，適者生存”的基本規(guī)則來模擬生物進化過程的一種算法，由選擇、交叉、變異3個步驟組成。其基本原理可以被理解為將生物的進化過程抽象成一個數(shù)學(xué)模型，初始的數(shù)學(xué)模型集合中包含一定數(shù)量的隨機數(shù)，而這些隨機數(shù)通過一定規(guī)則反復(fù)迭代計算，然后制定一個評價體系，把不滿足條件或者適應(yīng)值的個體淘汰，將滿足適應(yīng)值或符合規(guī)則的個體保留[16]。

3.4 聚類算法

聚類算法以相似性為基礎(chǔ)，通過提取觀察對象之間的共同規(guī)律，將比較相似的歸為一類，不相似的分在不同類中，即把一個給定的數(shù)據(jù)集合分成不同的類[21,22]。聚類算法包括K均值算法、系統(tǒng)聚類法和模糊聚類法等。

大數(shù)據(jù)分析主要應(yīng)用于以下兩方面[23,24]：①通過大數(shù)據(jù)分析方法，對臨床病例數(shù)據(jù)進行分析，挖掘疾病癥狀與診斷、治療護理方案與效果等隱含的規(guī)律信息，將數(shù)據(jù)轉(zhuǎn)化為知識，建立臨床決策推理模型，存儲到臨床診療護理知識庫中，為臨床護理的決策應(yīng)用提供基礎(chǔ)支撐[8]。②直接將大數(shù)據(jù)分析結(jié)果通過可視化方法呈現(xiàn)給臨床醫(yī)護人員，以輔助其進行臨床護理決策。邱文強[25]采用數(shù)據(jù)分類的方法構(gòu)建了心臟疾病患者的病情分類模型和相關(guān)算法，通過應(yīng)用訓(xùn)練集對模型進行反復(fù)訓(xùn)練，得到了最優(yōu)的參數(shù)和較好的準(zhǔn)確率，建立了數(shù)據(jù)驅(qū)動的心臟疾病輔助決策系統(tǒng)，以推進醫(yī)療護理信息化和智能化。鄧凱烽等[26]采用聚類分析等數(shù)據(jù)挖掘方法對目前關(guān)于中醫(yī)外治法治療膝骨關(guān)節(jié)炎的藥物規(guī)律進行分析，發(fā)現(xiàn)3個有效聚類群，為臨床治療提供了用藥方案參考。

4 決策分析

決策分析是利用大數(shù)據(jù)分析建立的決策分析模型，通過臨床護理知識庫制定的邏輯推理模型觸發(fā)臨床護理決策分析，實現(xiàn)臨床護理決策支持輔助的作用；或通過數(shù)據(jù)挖掘模型來實現(xiàn)某一主題的分析，融合各種信息和綜合決策，得出滿意或合理的臨床護理決策結(jié)果[27,28]。決策分析的步驟主要包括發(fā)現(xiàn)決策問題、確定目標(biāo)、確定評價標(biāo)準(zhǔn)、制定多個可行方案、評價方案并做出選優(yōu)和方案實施等過程。

5 人機交互

人機交互提供臨床護理決策支持系統(tǒng)與護士之間輸入輸出的操作界面。系統(tǒng)根據(jù)電子病歷系統(tǒng)、護理信息系統(tǒng)、藥品管理系統(tǒng)、醫(yī)囑系統(tǒng)中的信息進行判斷，通過大數(shù)據(jù)分析將決策結(jié)果、建議、警示等信息通過可視化界面展示給護士[24,28]。

6 小結(jié)及展望

算法驅(qū)動的臨床護理決策支持系統(tǒng)是以數(shù)據(jù)資源為基礎(chǔ)、以數(shù)據(jù)準(zhǔn)確性為根本進行數(shù)據(jù)分析，以輔助完成臨床決策的制定。臨床護理過程中會產(chǎn)生大量潛在有用的信息和知識，以大數(shù)據(jù)分析方法為驅(qū)動的決策支持系統(tǒng)能夠挖掘出大量歷史數(shù)據(jù)之間的關(guān)聯(lián)、規(guī)則，對數(shù)據(jù)進行預(yù)測。未來期望更多的醫(yī)療護理領(lǐng)域?qū)＜已邪l(fā)基于算法驅(qū)動的臨床護理決策支持系統(tǒng)，以輔助醫(yī)護人員進行滿意的臨床決策。