數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用研究

鄭秀娟

摘要：隨著移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等新興技術(shù)的迅猛發(fā)展，現(xiàn)代社會(huì)活動(dòng)產(chǎn)生的數(shù)據(jù)的規(guī)模與種類不斷增長，對這些數(shù)據(jù)進(jìn)行有效管理與應(yīng)用已成為各行各業(yè)的研究重點(diǎn)，其中醫(yī)療行業(yè)也不例外。目前我國醫(yī)療領(lǐng)域的信息化程度不斷提高，所有醫(yī)院需要定期向衛(wèi)健委資源數(shù)據(jù)中心上傳各自的醫(yī)療數(shù)據(jù)，這些數(shù)據(jù)的聚集也為數(shù)據(jù)挖掘技術(shù)的應(yīng)用奠定了基礎(chǔ)?；诖?，本文將主要針對數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用展開研究，希望能為相關(guān)從業(yè)人員提供參考借鑒。

關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù);醫(yī)療大數(shù)據(jù);應(yīng)用

中圖分類號： TP391? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）32-0026-02

早在2015年，國家衛(wèi)健委通過建設(shè)醫(yī)院監(jiān)管系統(tǒng)，要求委屬醫(yī)院通過數(shù)據(jù)采集軟件且按照標(biāo)準(zhǔn)規(guī)范將數(shù)據(jù)上傳至衛(wèi)健委資源數(shù)據(jù)中心，對醫(yī)療大數(shù)據(jù)展開統(tǒng)一化的管理，為數(shù)據(jù)挖掘提供支撐環(huán)境。過去各大醫(yī)院的醫(yī)療大數(shù)據(jù)均為獨(dú)自存儲(chǔ)與管理，要想查看病歷數(shù)據(jù)則需要進(jìn)入到各個(gè)醫(yī)院的系統(tǒng)，再加上各醫(yī)院使用的系統(tǒng)可能不一樣，也導(dǎo)致醫(yī)療數(shù)據(jù)收集難度增加[1]。從這一點(diǎn)來看，醫(yī)療領(lǐng)域的信息化程度相較于如今日新月異的互聯(lián)網(wǎng)生活來講，顯得較為落后，所以整個(gè)醫(yī)療行業(yè)急需抓緊信息化建設(shè)步伐。

而在醫(yī)療行業(yè)，每天都會(huì)產(chǎn)生大量的數(shù)據(jù)信息，所以在數(shù)據(jù)挖掘技術(shù)應(yīng)用上該技術(shù)必然會(huì)在醫(yī)療行業(yè)中得到應(yīng)用。醫(yī)療大數(shù)據(jù)主要在醫(yī)療服務(wù)中所產(chǎn)生，其來源范圍較為廣泛，例如有些數(shù)據(jù)來自制藥企業(yè)、有些數(shù)據(jù)信息則來自臨床方面的數(shù)據(jù)，還有的數(shù)據(jù)信息來自醫(yī)院與醫(yī)保費(fèi)用管理方面。相關(guān)數(shù)據(jù)表明，通常醫(yī)療機(jī)構(gòu)每年產(chǎn)生數(shù)據(jù)存儲(chǔ)量為1TB～20TB，在這些海量數(shù)據(jù)中蘊(yùn)含著豐富知識與規(guī)律，倘若能夠從中獲取價(jià)值性知識，對于推動(dòng)現(xiàn)代醫(yī)學(xué)研究而言意義重大[2]。隨著數(shù)據(jù)挖掘技術(shù)逐漸發(fā)展成熟，在醫(yī)療大數(shù)據(jù)中也得到了充分應(yīng)用，本文便針對此展開深入研究。

1 數(shù)據(jù)挖掘技術(shù)概述

信息化背景下，無論是自然科學(xué)、工程技術(shù)，還是醫(yī)療服務(wù)等領(lǐng)域，數(shù)據(jù)體量呈爆炸式增長，而在這些數(shù)據(jù)之中，有許多的數(shù)據(jù)信息非常的關(guān)鍵，非常的具有價(jià)值，如果將這些數(shù)據(jù)轉(zhuǎn)化為知識則有著重要的意義，也正是因?yàn)橛羞@種需求，所以才有了數(shù)據(jù)挖掘理論的出現(xiàn)。數(shù)據(jù)挖掘，其實(shí)就是從海量的信息中、從那些看似無規(guī)律的數(shù)據(jù)中提取隱性價(jià)值信息，需要用到基礎(chǔ)算法以及人工智能、機(jī)器學(xué)習(xí)、特征提取、統(tǒng)計(jì)分析等多學(xué)科知識。

通常來講，完整的數(shù)據(jù)挖掘過程逐漸分為三個(gè)步驟：①數(shù)據(jù)準(zhǔn)備。在該階段需要將干擾數(shù)據(jù)精準(zhǔn)剔除，所以可分為以下幾個(gè)任務(wù)：第一，數(shù)據(jù)清理;第二，數(shù)據(jù)集成;第三，數(shù)據(jù)選擇。先結(jié)合數(shù)據(jù)挖掘目的生成數(shù)據(jù)集，然后再進(jìn)行數(shù)據(jù)降噪，最后再根據(jù)任務(wù)的目標(biāo)來找出有用特征去代表數(shù)據(jù);②發(fā)現(xiàn)規(guī)律。該階段作為數(shù)據(jù)挖掘過程中發(fā)現(xiàn)知識的關(guān)鍵步驟，通過應(yīng)用各種算法對數(shù)據(jù)集進(jìn)行分析，從而提出對決策形成支持的規(guī)律;③表示規(guī)律。規(guī)律發(fā)現(xiàn)之后需要用直觀可視的手段進(jìn)行表示，主要是規(guī)則與模式的可視化表示。具體流程如圖1所示。

2 數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用

對醫(yī)療大數(shù)據(jù)進(jìn)行深度挖掘才能體現(xiàn)出數(shù)據(jù)的價(jià)值，通過收集、整理與分析海量數(shù)據(jù)，探尋蘊(yùn)含其中的隱性知識，能夠?yàn)獒t(yī)學(xué)研究、臨床護(hù)理、疾病診療等方面的發(fā)展形成巨大推動(dòng)作用。對于病患來講，通過對醫(yī)療大數(shù)據(jù)的全面分析，能夠享受到更加精準(zhǔn)且高效的醫(yī)療服務(wù)，減少不必要的檢查，從而控制醫(yī)療費(fèi)用，避免不合理的醫(yī)療支出;對于醫(yī)學(xué)研究來講，醫(yī)療大數(shù)據(jù)的深度挖掘分析能夠?yàn)樗幬镅兄?、疾病診斷等工作提供全新途徑，從而有利于解決大量過去無法解決的醫(yī)學(xué)難題;對于整個(gè)醫(yī)療領(lǐng)域來講，通過對醫(yī)療大數(shù)據(jù)進(jìn)行挖掘分析，能夠?yàn)橐韵聨追矫嫣峁┤碌乃悸罚旱谝唬t(yī)療成本評估;第二，醫(yī)療質(zhì)量管理等[3]。另外，對群眾的醫(yī)療大數(shù)據(jù)展開深入挖掘，能夠?qū)?shí)現(xiàn)對民眾健康狀況的密切監(jiān)測，從中分辨出疾病高危人群，對疾病發(fā)展走向有精準(zhǔn)預(yù)測，從而對制定公共衛(wèi)生政策提供支持。

對醫(yī)療大數(shù)據(jù)進(jìn)行分析與利用，數(shù)據(jù)挖掘技術(shù)是其中的關(guān)鍵。而隨著科技的不斷進(jìn)步，數(shù)據(jù)挖掘技術(shù)也得到了較大的發(fā)展，研究方向有所拓寬，包括以下幾方面：第一，關(guān)聯(lián)規(guī)則挖掘;第二，異常挖掘等，同時(shí)衍生出來多種算法，這些都是分析醫(yī)療大數(shù)據(jù)應(yīng)用的基礎(chǔ)，是建構(gòu)醫(yī)療大數(shù)據(jù)應(yīng)用的基礎(chǔ)。具體而言，該技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用主要體現(xiàn)在如下幾個(gè)方面。

2.1 關(guān)聯(lián)規(guī)則挖掘

這種挖掘技術(shù)指的是先對不同事件進(jìn)行分析，然后對其之間有一定關(guān)聯(lián)或依賴的知識進(jìn)行分析與收集，在數(shù)據(jù)挖掘技術(shù)應(yīng)用中屬于關(guān)鍵性問題。該研究方向一經(jīng)提出，我國以及國外一些國家便展開了深入研究，并經(jīng)過不斷地研究設(shè)計(jì)出來眾多關(guān)聯(lián)規(guī)則挖掘算法。比如，Apriori算法，該算法較為出名，乃是首個(gè)有效果的關(guān)聯(lián)規(guī)則挖掘算法。還有分塊挖掘Patition算法等[4]。在醫(yī)療行業(yè)內(nèi)，會(huì)產(chǎn)生的大量的數(shù)據(jù)，而這些數(shù)據(jù)之間并不是無聯(lián)系的，而是聯(lián)系非常的密切，通過對關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行應(yīng)用，就能夠?qū)?shù)據(jù)中的具有關(guān)聯(lián)的知識予以提取，進(jìn)而對疾病診療、致病因素總結(jié)、公共衛(wèi)生與健康監(jiān)測等工作形成推動(dòng)。比如，借助海量電子病歷數(shù)據(jù)，可以對傳統(tǒng)危險(xiǎn)因素與心血管病死亡率之間的關(guān)聯(lián)規(guī)則進(jìn)行挖掘，然后在這些數(shù)據(jù)分析中從中總結(jié)出了肥胖與心血管病死亡有著密切關(guān)系。又如，通過對優(yōu)化后的Apriori算法進(jìn)行應(yīng)用，可以實(shí)現(xiàn)對海量乳腺疾病數(shù)據(jù)的分析，然后基于SQLServer2005數(shù)據(jù)挖掘工具，就可以構(gòu)建起腫瘤復(fù)發(fā)與其他屬性之間的關(guān)聯(lián)規(guī)則。

在醫(yī)學(xué)科研工作中，大部分情況下需要對病因?qū)W進(jìn)行分析，比如某種新出現(xiàn)的并發(fā)癥是不是另一種并發(fā)癥的誘因，這時(shí)便可應(yīng)用到數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則，從大量隨機(jī)并發(fā)個(gè)例中去找尋強(qiáng)關(guān)聯(lián)現(xiàn)象。關(guān)聯(lián)規(guī)則的優(yōu)點(diǎn)就在于其單向性，更容易識別因果關(guān)系，倘若前后時(shí)間互推均有較高可信度，則可說明為雙向，換而言之則是互為因果。

2.2 分類挖掘分析

分類模型能夠在數(shù)據(jù)挖掘上能夠發(fā)揮重要的作用，其可以將數(shù)據(jù)集中數(shù)據(jù)對象映射成某一個(gè)既定類別，從而便于模型去進(jìn)行預(yù)測，以實(shí)現(xiàn)對未知對象的具體類別的預(yù)測。上述所提到的訓(xùn)練數(shù)據(jù)集，乃是由一組數(shù)據(jù)對象組成。在這組數(shù)據(jù)中，每個(gè)對象都可視作為由多種特性構(gòu)成的向量，另外訓(xùn)練樣本需要帶有類別標(biāo)記。對于不同數(shù)據(jù)類別與應(yīng)用背景，現(xiàn)如今已有多種多樣的分類挖掘方法，最常見的為神經(jīng)網(wǎng)絡(luò)法、機(jī)器學(xué)習(xí)法、統(tǒng)計(jì)法等。結(jié)合醫(yī)療行業(yè)來看，分類挖掘分析主要用在以下幾方面：第一，應(yīng)用于醫(yī)療事件智能預(yù)測方面;第二，應(yīng)用于疾病的智能預(yù)測上，其中智能輔助診斷便是最典型的應(yīng)用?，F(xiàn)如今，在醫(yī)療服務(wù)中，在對大多數(shù)疾病進(jìn)行診斷時(shí)，大多停留在“經(jīng)驗(yàn)性診斷”方面，之所以存在這一問題，主要是因?yàn)椴煌牟』迹鋫€(gè)體之間的差異較大。此外，復(fù)合疾病數(shù)量較多。并且關(guān)系較為復(fù)雜，因此，在診斷工作中，對于部分疑難雜癥，醫(yī)生難以給出精準(zhǔn)的診斷。而通過對某類疾病的正確診斷病例進(jìn)行數(shù)據(jù)搜集，然后對這些大數(shù)據(jù)進(jìn)行分析，再結(jié)合所有病例中的癥狀進(jìn)行分析，深入研究病癥與病型之間的關(guān)系。在臨床診療服務(wù)中，可以根據(jù)患者所提供的癥狀信息，然后將這些信息輸入系統(tǒng)之后，就能即時(shí)給出確診信息，這樣一來就實(shí)現(xiàn)智能輔助診斷的效果。目前，國內(nèi)有許多醫(yī)學(xué)專家在大數(shù)據(jù)與人工智能的技術(shù)支持下，通過對醫(yī)療大數(shù)據(jù)的分類挖掘分析，逐漸構(gòu)建起了以慢性病早期預(yù)防為目的的慢性病預(yù)控體系。

2.3 聚類分析

聚類是將個(gè)體按屬性類似規(guī)律歸總成多個(gè)類別，目的在于盡可能縮小同類別個(gè)體的距離，以及拉大不同類別個(gè)體的距離?，F(xiàn)如今，在許多領(lǐng)域之中，該技術(shù)都得到了廣泛應(yīng)用，如在人工智能領(lǐng)域中應(yīng)用廣泛。與分類學(xué)習(xí)相比，聚類分析對象并沒有類別標(biāo)記，其需按照學(xué)習(xí)算法去自動(dòng)化確定，但是分類學(xué)習(xí)的訓(xùn)練集對象則不同，其有類別標(biāo)記。近些年，聚類分析在大數(shù)據(jù)挖掘領(lǐng)域?qū)儆谳^為熱門的課題，經(jīng)過不斷地研究與分析，使得其研究方向有所拓展，如開發(fā)了K均值聚類、DBSCAN、BIRCH等聚類算法[5]。聚類分析，主要針對數(shù)據(jù)集存在的未知分布規(guī)律進(jìn)行挖掘，還可以針對其代表的事件集之間進(jìn)行挖掘。通過那些被應(yīng)用到醫(yī)療中的大數(shù)據(jù)來看，最典型的應(yīng)用有以下幾方面：第一，在醫(yī)療費(fèi)用;第二，疾病的分布分析等。

過去的臨床科研一般會(huì)以醫(yī)院病患為研究對象，通過分析病患的基本變量與臨床指標(biāo)展開研究。通常來講，年齡與性別存在差異的病患存在相異的醫(yī)學(xué)特征，所以要對病患按照年齡與性別進(jìn)行分組，但采取人工劃分的做法（比如以十年的年齡為一組）難以科學(xué)反映出研究人群的客觀年齡分布規(guī)律。而應(yīng)用聚類分析技術(shù)便能實(shí)現(xiàn)對研究對象性別與年齡的合理劃分，同時(shí)也能實(shí)現(xiàn)對不同年齡與性別組別下病患臨床指標(biāo)的深度分析。

2.4 異常挖掘分析

部分?jǐn)?shù)據(jù)對象在所處的數(shù)據(jù)集中會(huì)顯得“格格不入”，與數(shù)據(jù)集中的一般行為或模型不匹配，這類數(shù)據(jù)對象為離群點(diǎn)，在數(shù)據(jù)挖掘分析過程中需要將離群點(diǎn)這種異常數(shù)據(jù)事先剔除，不過在部分領(lǐng)域的數(shù)據(jù)挖掘分析中，偶然罕見的實(shí)例會(huì)比大概率發(fā)生的正常案例更具研究意義，這其中針對離群點(diǎn)數(shù)據(jù)的分析還有另一種說法，其也被稱作為異常挖掘。而在異常挖掘領(lǐng)域中，研究人員需要研究清楚以下幾個(gè)問題：第一，在數(shù)據(jù)集中，究竟什么樣的數(shù)據(jù)才能被定義為異常;第二，研究人員需要如何確定異常點(diǎn)的挖掘方法?，F(xiàn)如今，發(fā)展較為成熟的異常挖掘分析方法有以下幾種：一種是基于統(tǒng)計(jì)的方法，一種是基于距離的方法，還有一種是基于偏差的方法。比如，有國外專家學(xué)生針對心電圖時(shí)間的歷史數(shù)據(jù)展開異常挖掘分析，主要對ECG時(shí)間序列數(shù)據(jù)當(dāng)中的異常模式進(jìn)行檢測，進(jìn)而實(shí)現(xiàn)疾病診斷效果。另外，在對醫(yī)保行業(yè)進(jìn)行分析時(shí)，為了找出醫(yī)療保險(xiǎn)中可能存在的欺詐行為，則可將醫(yī)療賬單作為數(shù)據(jù)源，通過對數(shù)據(jù)挖掘技術(shù)進(jìn)行應(yīng)用，利用其對賬單中的異常數(shù)據(jù)進(jìn)行挖掘分析。如此，就可以發(fā)掘出其中所存在的問題，這一方法在醫(yī)療騙保檢測與控制方面效果明顯。當(dāng)然，值得注意的是上述幾種數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用方法更傾向于理論，在實(shí)踐應(yīng)用中還需結(jié)合醫(yī)院實(shí)際情況予以合理調(diào)整。

2.5 流行病監(jiān)測與預(yù)報(bào)

數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用同樣能夠用在對流行病的監(jiān)測與預(yù)報(bào)方面?，F(xiàn)如今，國家傳染病與突發(fā)公共衛(wèi)生事件網(wǎng)絡(luò)直報(bào)系統(tǒng)已投入運(yùn)行多年，每年會(huì)有海量個(gè)案信息從各地區(qū)上報(bào)，范圍覆蓋到了全國縣級以上的疾控機(jī)構(gòu)。對海量數(shù)據(jù)應(yīng)用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析，能夠?qū)崿F(xiàn)對疫情的全面監(jiān)測，同時(shí)借助于集成疾病監(jiān)測與響應(yīng)程序，能夠?qū)鞑ネ緩脚c傳播時(shí)間精準(zhǔn)預(yù)測，從而有效降低流行病的感染概率。在利用數(shù)據(jù)挖掘技術(shù)對流行病的預(yù)測方面，谷歌公司有著成功案例，該公司將美國民眾檢索頻率最高的詞條與美國疾控中心數(shù)據(jù)進(jìn)行比對，能夠在流感傳播時(shí)期精準(zhǔn)辨別是否有民眾感染流感，因?yàn)橛懈腥究赡艿拿癖娡鶗?huì)通過谷歌搜索去檢索“治療咳嗽與發(fā)燒的藥物”等詞條，通過對這些檢索詞條的使用頻率進(jìn)行挖掘分析，能夠預(yù)測出流感傳播路徑，為疾控中心的及時(shí)響應(yīng)爭取時(shí)間。

綜上，在當(dāng)前移動(dòng)互聯(lián)網(wǎng)時(shí)代，各行各業(yè)在發(fā)展與運(yùn)行中產(chǎn)生的數(shù)據(jù)體量也不斷增大，尤其是隨著醫(yī)療行業(yè)信息化程度的不斷提高，越來越多的醫(yī)療大數(shù)據(jù)不斷聚集，也為數(shù)據(jù)挖掘技術(shù)打下了堅(jiān)實(shí)的基礎(chǔ)。在對醫(yī)療大數(shù)據(jù)的分析中，數(shù)據(jù)挖掘技術(shù)是獲取其中隱藏性知識的有效渠道。當(dāng)然，從現(xiàn)狀來看醫(yī)療大數(shù)據(jù)應(yīng)用數(shù)據(jù)挖掘技術(shù)還存在基礎(chǔ)性問題，一方面是因?yàn)獒t(yī)院數(shù)據(jù)來源并不復(fù)雜，所以數(shù)據(jù)挖掘技術(shù)中的異構(gòu)數(shù)據(jù)處理優(yōu)勢并未發(fā)揮;另一方面是因?yàn)楦鞔筢t(yī)院系統(tǒng)沒有形成互聯(lián)互通，而單個(gè)醫(yī)院的數(shù)據(jù)量尚未達(dá)到大數(shù)據(jù)入門量級。不過隨著社會(huì)時(shí)代的快速發(fā)展與信息技術(shù)的高速進(jìn)步，醫(yī)療數(shù)據(jù)體量一定會(huì)呈現(xiàn)跨越式增長，屆時(shí)數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用優(yōu)勢將會(huì)更加明顯，從而帶來更大的經(jīng)濟(jì)效益與社會(huì)效益。

參考文獻(xiàn)：

[1] 諶秋香.基于數(shù)據(jù)挖掘技術(shù)的醫(yī)療大數(shù)據(jù)分析方法[J].當(dāng)代護(hù)士（下旬刊），2020（5）：184-186.

[2] 陳萌.遺傳算法的數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用研究[J].中國管理信息化，2019，22（8）：173-174.

[3] 陳閩韜，匡芳君.數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用研究[J].電腦與電信，2017（11）：34-36，39.

[4] 呂峰，楊宏，普奕，等.遺傳算法的數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用[J].電子技術(shù)與軟件工程，2017（5）：203.

[5] 羅堃，代冕.數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用研究[J].信息與電腦（理論版），2016（6）：45-47.

【通聯(lián)編輯：唐一東】