丁中正，劉云，景慎旗，張昕

（南京醫(yī)科大學(xué)醫(yī)學(xué)信息學(xué)與管理研究所 南京醫(yī)科大學(xué)第一附屬醫(yī)院，江蘇 南京 210029）

醫(yī)療數(shù)據(jù)挖掘綜述

丁中正，劉云，景慎旗，張昕*

（南京醫(yī)科大學(xué)醫(yī)學(xué)信息學(xué)與管理研究所 南京醫(yī)科大學(xué)第一附屬醫(yī)院，江蘇 南京 210029）

通過對醫(yī)療數(shù)據(jù)挖掘技術(shù)的使用，從海量的醫(yī)療數(shù)據(jù)中獲取一些有價(jià)值的信息來服務(wù)于醫(yī)療行業(yè)和患者，促進(jìn)醫(yī)療行業(yè)的發(fā)展。綜述介紹了醫(yī)療數(shù)據(jù)的特點(diǎn)，醫(yī)療數(shù)據(jù)挖掘的關(guān)鍵問題，數(shù)據(jù)挖掘技術(shù)在醫(yī)療行業(yè)上的廣泛使用以及對醫(yī)療數(shù)據(jù)挖掘技術(shù)的未來展望。

數(shù)據(jù)挖掘；醫(yī)療數(shù)據(jù)；綜述

0 引言

隨著計(jì)算機(jī)信息技術(shù)的迅速發(fā)展，各個(gè)行業(yè)對數(shù)據(jù)庫的大規(guī)模使用，積累了越來越多的數(shù)據(jù)資料。在這些龐大的數(shù)據(jù)資料中，人們并不能夠從中獲取有效的數(shù)據(jù)資料，導(dǎo)致了數(shù)據(jù)多知識(shí)少的局面。此外，更高性能的計(jì)算機(jī)和操作系統(tǒng)，英特網(wǎng)，數(shù)據(jù)倉庫等新技術(shù)或新概念的出現(xiàn)。在此背景下，數(shù)據(jù)挖掘[1]（Data Mining，DM）和數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database,KDD）應(yīng)運(yùn)而生。醫(yī)療數(shù)據(jù)挖掘已成為一個(gè)越來越最重要的研究方向。

1 醫(yī)療數(shù)據(jù)的特點(diǎn)

（1）數(shù)據(jù)的多態(tài)性。醫(yī)療數(shù)據(jù)相對于其他數(shù)據(jù)的一個(gè)重要特點(diǎn)就是醫(yī)療數(shù)據(jù)的格式種類有很多種；主要包括有純數(shù)據(jù)（如化驗(yàn)結(jié)果，體征參數(shù)等）、信號（如腦電信號，心電信號等）、圖像（如B超，CT等醫(yī)學(xué)成像設(shè)備的檢測結(jié)果等）、文字(如病人的診斷結(jié)果，病癥的描述等)，以及語音、動(dòng)畫和視頻信息[3]。此外，數(shù)據(jù)的表達(dá)也會(huì)有多樣性，對于同種疾病的描述也沒有統(tǒng)一的標(biāo)準(zhǔn)。

（2）數(shù)據(jù)的海量性。隨著醫(yī)院逐步的推廣醫(yī)療信息化，以及國家對全民醫(yī)保的投入和重視，醫(yī)院每天的門診人數(shù)逐步增多，產(chǎn)生的數(shù)據(jù)也逐漸變多；此外醫(yī)院買入的一些大型高科技醫(yī)療設(shè)備，廣泛的投入使用，也會(huì)產(chǎn)生海量的數(shù)據(jù)。這些原因都會(huì)導(dǎo)致醫(yī)療數(shù)據(jù)的海量性。

（3）數(shù)據(jù)的不完整性。對于任何一種疾病，醫(yī)學(xué)數(shù)據(jù)不可能全面的反應(yīng)出它的全部信息。此外，針對某一種疾病，也不可能通過數(shù)據(jù)挖掘技術(shù)提出完整可靠的治療方案。正是由于醫(yī)學(xué)數(shù)據(jù)信息在記錄和保存方面不是很全面，還有對于那些已經(jīng)保存的數(shù)據(jù)，其本身的信息記錄不完全。這些原因?qū)е?/p>

了醫(yī)療數(shù)據(jù)的不完整性。

（4）數(shù)據(jù)的時(shí)間性。一般情況下，醫(yī)學(xué)信息中對病人的情況記錄具有時(shí)間性，并且隨著時(shí)間的變化會(huì)產(chǎn)生不一樣的效果。例如一些手術(shù)后的病人體溫的監(jiān)測，都具有時(shí)間性，每個(gè)時(shí)間段的體溫都是在變化的。此外，一些醫(yī)學(xué)的波形、圖像的信息變化都是隨著時(shí)間而變化[9]。

（5）數(shù)據(jù)的冗余性。醫(yī)學(xué)數(shù)據(jù)庫是一個(gè)龐大的數(shù)據(jù)資源，并且每天會(huì)產(chǎn)生相同的部分被記錄下來。例如一些病人的病癥基本相同，檢查、化驗(yàn)的結(jié)果和最后的治療方法也基本相同。這些相同的記錄都會(huì)被保存到醫(yī)學(xué)數(shù)據(jù)庫中，這就會(huì)造成數(shù)據(jù)的冗余性。這樣的醫(yī)學(xué)數(shù)據(jù)信息快速的增加不僅會(huì)造成數(shù)據(jù)的冗余行，還會(huì)導(dǎo)致數(shù)據(jù)挖掘的困難。

（6）數(shù)據(jù)的隱私性[9]。在醫(yī)療數(shù)據(jù)記錄的病人信息中，很多信息會(huì)涉及到病人的隱私方面，這些都是需要醫(yī)院為病人這些信息做保護(hù)。當(dāng)這些信息遭遇到一些非法入侵導(dǎo)致信息泄露或者數(shù)據(jù)挖掘操作的一些開放性和共享性操作與隱私性相沖突時(shí)，就需要以保護(hù)隱私性為前提。

2 醫(yī)療數(shù)據(jù)挖掘關(guān)鍵問題

由于醫(yī)療數(shù)據(jù)的特點(diǎn)，造成了醫(yī)學(xué)數(shù)據(jù)在使用數(shù)據(jù)挖掘技術(shù)的同時(shí)會(huì)遇到這樣的一些問題：

數(shù)據(jù)預(yù)處理：如之前所述醫(yī)療數(shù)據(jù)的特點(diǎn)，醫(yī)療數(shù)據(jù)具有多態(tài)性，海量性，冗余性等一些特點(diǎn)，導(dǎo)致在對數(shù)據(jù)采用數(shù)據(jù)挖掘技術(shù)前需先對數(shù)據(jù)進(jìn)行預(yù)處理，以保證數(shù)據(jù)的一致性，為之后的操作簡化過程[4]。

信息融合技術(shù)：針對格式繁多的醫(yī)療信息，包括文字，數(shù)據(jù)，圖像，語言，視頻等，因此處理這些不同的數(shù)據(jù)需要采用不同的處理技術(shù)，對處理完成后的結(jié)果可以融合并且在需要的時(shí)候可以對結(jié)果進(jìn)行綜合的處理和分析[4]。

快速的、魯棒的挖掘算法：廣泛的涉及面、大量的信息以及眾多的種類是醫(yī)學(xué)數(shù)據(jù)庫的重要特點(diǎn)，在這樣一個(gè)海量的數(shù)據(jù)庫中挖掘到自己需要的知識(shí),時(shí)間的耗費(fèi)比其他數(shù)據(jù)庫要更多,因此必須考慮到效率問題。同時(shí),醫(yī)學(xué)數(shù)據(jù)庫的類型較多,而動(dòng)態(tài)變化又是其特點(diǎn), 因此要求挖掘算法具有一定的容錯(cuò)性和魯棒性[4]。

提供知識(shí)的準(zhǔn)確性和可靠性：醫(yī)療活動(dòng)和管理的科學(xué)決策是醫(yī)療數(shù)據(jù)挖掘的主要目的，完成這一目的前提是必須保證數(shù)據(jù)挖掘算法所提供的知識(shí)具有較高的準(zhǔn)確率和可靠性。醫(yī)療數(shù)據(jù)挖掘在實(shí)際中的應(yīng)用關(guān)鍵就在于要提高挖掘結(jié)果的準(zhǔn)確性和科學(xué)性[4]。

3 數(shù)據(jù)挖掘的應(yīng)用

3.1 臨床醫(yī)療診斷挖掘分析

針對某些地區(qū)一些發(fā)病率較高的疾病，使用數(shù)據(jù)挖掘技術(shù)對病人的一些基本信息進(jìn)行分析，例如：職業(yè)、年齡、身份、居住地等，根據(jù)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)一些疾病的發(fā)病率會(huì)和病人的職業(yè)、居住地、生活習(xí)慣或其他的一些信息有很大的關(guān)聯(lián)，這樣在診療的時(shí)候，醫(yī)生針對這種病人可以有效的針對性治療。此外針對一些常見病，多發(fā)病和重大傳染性疾病等，對這些疾病的臨床診療數(shù)據(jù)進(jìn)行橫縱向比較，選取一些與數(shù)據(jù)挖掘目標(biāo)相關(guān)的數(shù)據(jù)屬性，通過建立數(shù)據(jù)模型，讓醫(yī)務(wù)人員對模型進(jìn)行分析，最終得出最合理的實(shí)施方案[6]。

3.2 數(shù)據(jù)挖掘在醫(yī)保系統(tǒng)的應(yīng)用

隨著國內(nèi)經(jīng)濟(jì)的發(fā)展、國家對醫(yī)療保險(xiǎn)的重視以及人們對健康的關(guān)注，全民醫(yī)保已經(jīng)慢慢的成為一個(gè)重要的熱點(diǎn)和話題。國家也加大對全民醫(yī)保的投入，各種各樣的醫(yī)保病人在醫(yī)院中占有越來越高的比例，與此同時(shí)，醫(yī)院的營業(yè)收入也有很大的一部分來源于醫(yī)保的收入；醫(yī)保的廣泛推廣造成了另一個(gè)問題的出現(xiàn)，由于我們?nèi)丝诒姸?，對各個(gè)階層的醫(yī)保政策不盡相同，導(dǎo)致了醫(yī)院在管理各類

醫(yī)保病人的費(fèi)用總數(shù)和醫(yī)保比例已經(jīng)成為一個(gè)重要的問題。問題總是伴著解決方法，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)可以有效的解決這一類問題。通過建立醫(yī)院的HIS和各類醫(yī)保的數(shù)據(jù)接口，建立起治療項(xiàng)目、藥品等一些對照表，制作醫(yī)囑和費(fèi)用的一些接口傳輸，通過這些方法實(shí)現(xiàn)HIS和醫(yī)保系統(tǒng)之間的信息傳輸，也方便了醫(yī)保中心和醫(yī)院之間對醫(yī)保病人的資料審核和一些監(jiān)管；在醫(yī)生給病人開立醫(yī)囑等一些情況時(shí)，醫(yī)生可以通過數(shù)據(jù)挖掘技術(shù)，根據(jù)病人現(xiàn)在的醫(yī)保類型和醫(yī)生等級等，提示醫(yī)生注意病人的藥物和診療的一些使用情況，提前和病人說清楚情況，避免一些不必要的麻煩；通過使用數(shù)據(jù)挖掘技術(shù)及時(shí)的了解自己科室所在的醫(yī)保病人的費(fèi)用診療情況，合理的控制醫(yī)療費(fèi)用，此外，醫(yī)保部門也可以及時(shí)的了解各個(gè)科室醫(yī)保病人的費(fèi)用情況，方便對科室的監(jiān)控和把握[7]。

4 醫(yī)療數(shù)據(jù)挖掘發(fā)展展望

醫(yī)療數(shù)據(jù)挖掘是基于計(jì)算機(jī)科學(xué)技術(shù)、人工智能、統(tǒng)計(jì)學(xué)和現(xiàn)代醫(yī)學(xué)信息資源等相結(jié)合的一門交叉學(xué)科，因此包括計(jì)算機(jī)，數(shù)學(xué)和醫(yī)學(xué)等方面的知識(shí)。同時(shí)，一些算法的研究需要深厚的數(shù)學(xué)功底，有很高的技術(shù)難度。隨著數(shù)據(jù)庫、人工智能等數(shù)據(jù)挖掘的工具的不斷進(jìn)步，數(shù)據(jù)挖掘理論的研究的不斷發(fā)展，以及計(jì)算機(jī)技術(shù)的普及應(yīng)用，必然還會(huì)有越來越多的其他格式的醫(yī)學(xué)數(shù)據(jù)的出現(xiàn)[5]。醫(yī)學(xué)數(shù)據(jù)包含很多種格式的數(shù)據(jù)，而目前數(shù)據(jù)挖掘在醫(yī)學(xué)數(shù)據(jù)中的應(yīng)用主要是以結(jié)構(gòu)化數(shù)據(jù)為主的關(guān)系數(shù)據(jù)庫、事物數(shù)據(jù)庫和數(shù)據(jù)倉庫，對一些復(fù)雜類型的數(shù)據(jù)挖掘還尚處在起步階段。由于這一情況的存在，說明醫(yī)學(xué)數(shù)據(jù)挖掘技術(shù)在未來的發(fā)展，充滿了機(jī)遇和挑戰(zhàn)。需要廣大從事計(jì)算機(jī)行業(yè)的工作人員和從事醫(yī)療工作的人員加強(qiáng)合作，針對醫(yī)學(xué)數(shù)據(jù)的特殊性和復(fù)雜性，選擇適合醫(yī)學(xué)數(shù)據(jù)類型的數(shù)據(jù)挖掘工具，盡大家合作的力量發(fā)揮出數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)的應(yīng)用，從中獲取更多有價(jià)值的信息來更好的服務(wù)于醫(yī)學(xué)，更好的受惠于患者。隨著數(shù)據(jù)挖掘的技術(shù)的發(fā)展和理論研究的不斷深入，結(jié)合醫(yī)療信息的特殊性，數(shù)據(jù)挖掘未來在醫(yī)療行業(yè)的運(yùn)用肯定會(huì)發(fā)揮越來越大的作用。

[1] 孔抗美,張瑩,李韶斌,趙紫奉.醫(yī)院醫(yī)療數(shù)據(jù)挖掘與分析[J].中國衛(wèi)生信息管理雜志.2011(12).

[2] 馬江洪,張文修,徐宗本.數(shù)據(jù)挖掘與數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)：統(tǒng)計(jì)學(xué)的觀點(diǎn)[J].工程數(shù)學(xué)學(xué)報(bào). 2002(02).

[3] 戴召洋.淺談臨床醫(yī)療信息數(shù)據(jù)挖掘[J].中國農(nóng)村衛(wèi)生事業(yè)管理.2009(06).

[4] 陳明.醫(yī)學(xué)數(shù)據(jù)挖掘綜述[J].醫(yī)學(xué)信息學(xué),2008(01).

[5] 鄭繼剛,王邊疆.數(shù)據(jù)挖掘研究的現(xiàn)狀與發(fā)展趨勢[J].紅河學(xué)院學(xué)報(bào).2010(04).

[6] 繆亮.數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息管理中的應(yīng)用[J].中國科技信息.2016(06).

[7] 龔著琳,陳瑛,蘇懿,劉雅琴,徐立鈞.數(shù)據(jù)挖掘在生物醫(yī)學(xué)數(shù)據(jù)分析的應(yīng)用[J].上海交通大學(xué)學(xué)報(bào)（醫(yī)學(xué)版）.2010(11).

[8] 耿嘵中.數(shù)據(jù)挖掘綜述[J].長春師范學(xué)院學(xué)報(bào)（自然科學(xué)版）,2006(06).

[9] 汪菊琴.醫(yī)學(xué)數(shù)據(jù)挖掘綜述[J].電腦知識(shí)與技術(shù).2011(05).

Review of Medical Data Mining

DING Zhong-zheng; LIU Yun; JING Shen-qi; ZHANG Xin
(Institute of Medical Informatics and Management, Nanjing Medical University; The First Affiliated Hospital of Nanjing Medical University, Nanjing 210029, Jiangsu,China)

Through the use of medical data mining technology, from the massive medical data to obtain some valuable information to serve the medical industry and patients, and promote the development of the medical industry. This review introduces the characteristics of medical data, the key issues of medical data mining, the widespread use of data mining technology in the medical industry and the future prospects of the medical data mining technology.

Data Mining; Medical Data; Review