基于兒童感染性疾病臨床應用的大數(shù)據(jù)知識庫平臺設計

【作 者】陳敏，余濤，王淑，于廣軍

1 上海市兒童醫(yī)院，上海市，200040

2 上海金仕達衛(wèi)寧股份有限公司，上海市，200436

基于兒童感染性疾病臨床應用的大數(shù)據(jù)知識庫平臺設計

【作 者】陳敏1，余濤2，王淑1，于廣軍1

1 上海市兒童醫(yī)院，上海市，200040

2 上海金仕達衛(wèi)寧股份有限公司，上海市，200436

在兒童感染性疾病的臨床應用中，將原本孤立的臨床數(shù)據(jù)點形成“點-線-面”信息集成模型，融合藥學知識庫、檢查、檢驗知識庫、病例信息專家知識庫等，建立兒童典型、常見感染性疾病的特征數(shù)據(jù)和療效數(shù)據(jù)醫(yī)療知識庫，從而給兒童?？漆t(yī)生提供感染源診療建議，提高治療效率。該文根據(jù)兒童感染性疾病的臨床特征以及數(shù)據(jù)分析結果，提出基于規(guī)則和框架知識的推理決策服務引擎以及感染性疾病?？漆t(yī)療信息集成模型。

推理決策服務引擎；醫(yī)療信息集成模型

0 引言

兒童呼吸道疾病是兒童典型常見、易發(fā)疾病。小兒呼吸道疾病包括上、下呼吸道急慢性感染性疾病，呼吸道變態(tài)反應性疾病，胸膜疾病，呼吸道異物，呼吸系統(tǒng)先天畸形及肺部腫瘤等。其中急性呼吸道感染最為常見，約占兒科門診的 60%以上，在住院患兒中，上、下呼吸道感染占 60%以上，絕大部分為肺炎，且在全國 5 歲以下兒童死亡原因中排第一位[1]?！?/p>

本文以小兒呼吸道疾病的臨床知識庫為研究對象，改善單維知識庫的臨床應用，融合藥學知識庫、檢查、檢驗知識庫、病例信息專家知識庫等[2]，以患者診療信息為中心，針對典型常見呼吸道疾病，利用數(shù)據(jù)挖掘、數(shù)據(jù)分析等技術，通過醫(yī)療信息集成模型以及推理服務引擎，將原本孤立的臨床數(shù)據(jù)點形成“點—線—面”，結合臨床指南、醫(yī)學指引等，建立兒童典型、常見感染性疾病的特征數(shù)據(jù)和療效數(shù)據(jù)醫(yī)療知識庫，根據(jù)臨床醫(yī)生診治的需要，提供輔助診療。

1 知識庫平臺總體架構

在線實時臨床專家決策支持系統(tǒng)利用集成平臺，通過從臨床業(yè)務數(shù)據(jù)庫的數(shù)據(jù)清洗ETL(Extract-Transform-Load)形成臨床數(shù)據(jù)中心CDR，并由臨床診療知識庫、細菌微生物感染知識庫、檢查檢驗知識庫、關鍵用藥知識庫等通過推理決策服務引擎形成專家決策知識庫，通過臨床輔助診斷系統(tǒng)，結合臨床視圖Protal，以服務為向導，提供給臨床醫(yī)生輔助決策[3]，系統(tǒng)的基本結構見圖1。

其中臨床輔助診斷系統(tǒng)CDSS首先根據(jù)參數(shù)判斷當前臨床場景，然后由該患者的環(huán)境(包括用藥情況、癥狀、臨床表現(xiàn)、診斷、檢查檢驗結果等)，根據(jù)臨床醫(yī)生的人機交互確定領域知識(如用藥建議輔助、化驗單輔助、治療方案評價輔助等)，最終根據(jù)知識庫進行綜合判斷，然后反饋醫(yī)生輔助診療信息[4]，詳見圖2推理決策流程圖。其中，推理決策服務引擎相當于推理機，負責整合知識庫和臨床數(shù)據(jù)推斷病人的感染源并指導關鍵用藥的任務；臨床診療知識庫以臨床指南為依據(jù)，整理出臨床常見規(guī)則，同時配合決策樹的信息模型進行邏輯推理[5]；細菌微生物感染知識庫以病毒、細菌、真菌、支原體等微生物感染的常見臨床表現(xiàn)為基本模型，同時配合推理引擎對常見的微生物化驗單進行一定的真?zhèn)闻袆e，根據(jù)患者檢查化驗單、關鍵查體癥狀指標等對各感染概率給予一定的邏輯推理；檢查化驗知識庫來源于多年的LIS系統(tǒng)的數(shù)據(jù)積累，主要是常見化驗項目異常所代表臨床意義，以及組合型的化驗項目異常所代表臨床意義指導；關鍵用藥知識庫以常用抗生素使用為指南，通過關鍵用藥使用原則的特點，以及不同抗生素對應的病原微生物相整合，進行用藥指導。

圖1 系統(tǒng)基本結構圖Fig.1 Structure of the system

圖2 推理決策流程圖Fig.2 Reasoning decision flowchart

2 基于綜合知識庫平臺的關鍵技術

2.1 兒童感染性疾病專科醫(yī)療信息集成模型

目前，在醫(yī)療信息系統(tǒng)中臨床數(shù)據(jù)種類繁多、形態(tài)各異，醫(yī)療數(shù)據(jù)的累積與組織仍主要由數(shù)據(jù)源驅動，數(shù)據(jù)的呈現(xiàn)并不支持醫(yī)生的認知行為過程。為協(xié)助醫(yī)師的臨床工作和醫(yī)療決策，基于兒童感染性疾病臨床輔助診療應用以時間軸為中心，逐步智能化地輔助臨床診療，以醫(yī)生的視角進行臨床數(shù)據(jù)整合展現(xiàn)，以臨床診療過程為主線來輔助醫(yī)生對疾病的診治[6]。

兒童感染性疾病?？漆t(yī)療信息集成模型整合了常見的臨床數(shù)據(jù)，包含：病人信息、就診信息、病歷、化驗報告、檢查報告、醫(yī)囑用藥等，同時整合了目前游離在系統(tǒng)之外的部分數(shù)據(jù)如：肺功能報告、氣管鏡圖像視頻、電子聽診器錄音以及醫(yī)生拍攝的患者癥狀照片和癥狀視頻，通過臨床數(shù)據(jù)的集成可視化方法，該方法基于RIM模型對醫(yī)療行為關系進行分類，設計了每一類行為關系的可視化方法，兒童感染性疾病專科醫(yī)療信息集成模型詳見圖3。

圖3 兒童感染性疾病?？漆t(yī)療信息集成模型Fig.3 Medical information integration model of children infectious diseases

2.2 基于診療過程及大數(shù)據(jù)分析挖掘的多維知識庫

在對病情診斷和診治過程中，針對感染性疾病，專家最重要的是確定病源以及關鍵用藥，其中的決策過程主要靠醫(yī)生的臨床經(jīng)驗和判斷?；趦和腥拘约膊∨R床應用的大數(shù)據(jù)知識庫平臺利用臨床數(shù)據(jù)集，通過采集患兒的基礎信息、醫(yī)囑信息(包括長期醫(yī)囑及臨時醫(yī)囑)、用藥信息等，以統(tǒng)計分析為手段，集成決策樹形式的專家診斷知識庫，通過基于診療過程及大數(shù)據(jù)藥品分析的模式挖掘，以模仿專家的推理過程[7]。

本文從上海市兒童醫(yī)院臨床數(shù)據(jù)中心(CDR)中采集2014-10-7至2015-3-17的出院診斷中包含“肺炎(包括肺炎并發(fā)其他疾病者、新生兒肺炎、支氣管肺炎等)”關鍵詞的醫(yī)囑，統(tǒng)計患兒基礎信息和醫(yī)囑信息(包括長期醫(yī)囑及臨時醫(yī)囑)，其中醫(yī)囑相關記錄共11 184萬條，涉及住院病人1 629人次。1 629例患兒的平均住院天數(shù)為8 d，抗菌素的平均用藥種類為2.66條，用藥品種數(shù)呈偏態(tài)公布，詳見表1。

對用藥品種進行了頻數(shù)統(tǒng)計，1 629例肺炎患兒住院期間用藥(不包括溶媒)品種數(shù)最少1種，最多有8種，中位數(shù)為3種，眾數(shù)為3種，四分位數(shù)Q1、Q3都為3種。用藥品種數(shù)1～5種的人次數(shù)占所有住院人次數(shù)的98%，對于患兒的抗菌素用藥種類分布分析，詳見表2。

表1 用藥種類統(tǒng)計量Tab.1 Medication type statistics

針對患兒的抗菌素合并用藥模式進行全數(shù)據(jù)分析[8]，其中頭孢+大環(huán)內(nèi)酯類、頭孢類、大環(huán)內(nèi)酯類、頭孢+大環(huán)內(nèi)酯類+碳青霉素、大環(huán)內(nèi)酯類+青霉素的用藥頻次占主要比重，分別為55.19 %、21.36 %、6.88%、3.19%、3.13%。針對不同抗菌素合并用藥模式分析為基礎，通過集成決策樹形式的專家診斷知識庫，系統(tǒng)對每類病源感染的時間周期進行用藥的輔助診療。

3 討論

醫(yī)療大數(shù)據(jù)包含不同來源、種類繁多的醫(yī)療數(shù)據(jù)，包括醫(yī)藥研發(fā)大數(shù)據(jù)、臨床診療大數(shù)據(jù)、公共衛(wèi)生大數(shù)據(jù)等，其中核心及重點應在于臨床診療大數(shù)據(jù)，有效地組織與積累臨床一線的相關數(shù)據(jù)對數(shù)據(jù)挖掘、分析與利用最有價值。

醫(yī)療核心的精髓在于臨床，一切醫(yī)療數(shù)據(jù)應以臨床為基礎，最終應以臨床為根本立足點。

基于兒童感染性疾病臨床應用的大數(shù)據(jù)知識庫平臺對臨床業(yè)務進行輔助診療、預測與預先判斷，形成臨床診療的PDCA持續(xù)改進的閉環(huán)流程，輔助臨床醫(yī)生識別感染源，基于臨床指南數(shù)字化以及臨床診療的大數(shù)據(jù)分析，通過相似性約束從醫(yī)院相關病人全集中得到與患者相似的粗數(shù)據(jù)集，針對特定兒童疾病的最佳治療途徑，開展示范應用，對治療決策進行判斷、評估和調(diào)整，提高診斷和治療水平。

[1] 王衛(wèi)平. 兒科學[M]. 北京: 人民衛(wèi)生出版社, 2013.

[2] Alhawari S, Karadshehb L, Talet AN, et al. Knowledge-based risk management framework for information technology project[J]. Int J Inform Manag, 2012, 32(1): 50-65.

[3] Loya SR, Kawamoto K, Chatwin C, et al. Service oriented architecture for clinical decision support: a systematic review and future directions [J]. J Med Syst, 2014, 38(12):140-142.

[4] Farion K, Michalowski WS. Clinical decision support system for point of care use ontology-driven design and software implementation[J]. Meth Inform Med, 2009,48(4):381-390.

[5] 馬云, 夏新, 劉博, 等. 基于臨床決策支持系統(tǒng)與知識庫的臨床數(shù)據(jù)中心的研究與應用[J]. 中國醫(yī)療設備, 2014, 29(7):61-63.

[6] Kam HJ, Kim JA, Cho I, et al. Integration of heterogeneous clinical decision support systems and their knowledge sets: feasibility study with drug-drug interaction alerts[J]. Amia Symp, 2011: 664-673.

[7] Ong DE, Frize M, Gilchrist J, et al. Usefulness analysis of a clinical data repository design[J]. IEEE Int Symp Med Meas Appl Proc, 2013: 86-90.

[8] 孫華君, 顧之睿 , 高春輝. 大數(shù)據(jù)環(huán)境中肺炎住院患兒用藥模式的描述性分析[J]. 藥學服務與研究, 2014, 14(4): 264-267.

Design of Huge Data Repository Platform Based on Children lnfectious Diseases

【 Writers 】CHEN Min1, YU Tao2, WANG Shu1, YU Guangjun1
1 Shanghai Children's Hosptial, Shanghai, 200040
2 Shanghai Kingstar Winning Co. Ltd., Shanghai, 200436

decision-making inference engine, medical information integration model

TP391

A

10.3969/j.issn.1671-7104.2016.01.011

1671-7104(2016)01-0038-03

2015-09-16

上海市科學技術委員會科研計劃項目（13511504904）

陳敏，E-mail: chenmin_521@126.com

【 Abstract 】Taking children respiratory infectious diseases as the research object, CDSS transform from isolated clinical data to an integration Model. With integrating pharmacy and laboratory knowledge, the system establishes children typical characterization data of common infectious diseases and medical efficacy data repository to providing treatment recommendations for doctor. Based on the clinical characteristics of children infectious diseases, this paper proposes knowledge inference engine and an information integration model.