融合數(shù)據(jù)分析算法的臨床科研平臺研究

林志剛

一、引言

在各級各類醫(yī)療機構中，科研水平已成為衡量其發(fā)展程度的重要依據(jù)。近年來，人工智能、大數(shù)據(jù)等信息技術的蓬勃發(fā)展對醫(yī)療領域的科研模式產(chǎn)生了深遠影響。國家先后出臺了《“健康中國2030”規(guī)劃綱要》《關于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見》《關于印發(fā)國家健康醫(yī)療大數(shù)據(jù)標準、安全和服務管理辦法（試行）的通知》等政策文件，鼓勵推進醫(yī)療大數(shù)據(jù)的開放共享、深度挖掘和醫(yī)學科研應用，造福于民。醫(yī)療領域的科研需要精確的實驗方法設計，更需要大量的實驗樣本、高質量的實驗數(shù)據(jù)、及時的數(shù)據(jù)分析結果。人工智能、大數(shù)據(jù)等信息技術為醫(yī)療領域的科研注入了新的技術活力，使實驗設計更具有針對性和前瞻性，樣本收集更快捷高效，數(shù)據(jù)分析結果更準確直觀。

從學科建設和醫(yī)院的長期發(fā)展來看，基于臨床大數(shù)據(jù)的?？?、專病科研是未來的發(fā)展趨勢。許多醫(yī)院已在這些方面進行了有益的嘗試，例如，上海市兒童醫(yī)院以兒童?？茷樘厣?，搭建了醫(yī)療大數(shù)據(jù)平臺。首都醫(yī)科大學附屬北京天壇醫(yī)院立足醫(yī)院特色，建設了神經(jīng)腦血管病?？拼髷?shù)據(jù)科研平臺，自2017年部署實施后，應用效果良好。廈門大學附屬第一醫(yī)院建立了專科臨床科研管理平臺，提高了臨床數(shù)據(jù)的科研利用率。

借鑒相關醫(yī)院的成功經(jīng)驗，我院基于已有的臨床信息系統(tǒng)，建設了大數(shù)據(jù)智能平臺，在科研平臺上融入高效的數(shù)據(jù)分析算法和工具，進一步增強了臨床科研平臺的功能。本文重點介紹臨床科研平臺的架構、科研平臺的數(shù)據(jù)采集和數(shù)據(jù)分析功能，并以“2型糖尿病人頸動脈斑塊形成的危險因素”的臨床科研案例進行說明，而科研項目的全過程管理不在本文進行討論。

二、臨床科研平臺的架構

打通各個信息子系統(tǒng)的障礙，構建共享的數(shù)據(jù)平臺是我院構建臨床科研平臺的重要任務。我院構建的臨床科研平臺整體架構如圖1所示，根據(jù)實際的業(yè)務分布，整體平臺由5個層次構成，各層的內容如下：

（1）數(shù)據(jù)層主要由臨床信息子系統(tǒng)及其他信息系統(tǒng)構成。臨床數(shù)據(jù)囊括了醫(yī)院信息系統(tǒng)（Hospital Information System， HIS）、病案系統(tǒng)（Electronic Medical Record， EMR）、實驗室（檢驗科）信息系統(tǒng)（Laboratory Information System， LIS）、放射信息管理系統(tǒng)（Radiology Information System， R I S ）、醫(yī)學影像存檔與通訊系統(tǒng)（Picture Archiving and Communication Systems， PACS）等的數(shù)據(jù)；其他數(shù)據(jù)包括生物信息、病例報告表單（Case Report Form）等信息系統(tǒng)的數(shù)據(jù)。

（2）安全認證層利用技術手段來保障數(shù)據(jù)的安全，主要采用了諸如身份認證、受限數(shù)據(jù)訪問、數(shù)據(jù)留痕、數(shù)據(jù)日志技術。

（3）大數(shù)據(jù)采集與存儲采用Hadoop平臺技術，經(jīng)過對初始數(shù)據(jù)層的數(shù)據(jù)脫敏和預處理后，進行醫(yī)院全維度數(shù)據(jù)采集。

（4）部署層主要采用SaaS（Software as a Service，SaaS，軟件即服務）架構，實現(xiàn)數(shù)據(jù)統(tǒng)計、報表、評價模型等業(yè)務邏輯的處理，將主要應用以WEB的方式提供給應用層的用戶。

（5）應用層根據(jù)臨床科研的實際需求，重點實現(xiàn)了病例分析、數(shù)據(jù)洞察、樣本搜索、CRF管理、患者隨訪、科研項目管理、數(shù)據(jù)補錄等功能。

三、科研平臺的臨床病例采集功能

傳統(tǒng)的臨床科研往往需要從各個子系統(tǒng)中逐個抽取病例樣本進行手動管理，效率較低且出錯率高，臨床醫(yī)生可以直接獲得的臨床數(shù)據(jù)質量普遍較低，這直接影響醫(yī)院臨床科研人員產(chǎn)出的水平；同時，由于臨床病例數(shù)量大、噪聲多，這些問題集中到基于臨床病例的科研中，導致廣大科研人員對第一手病例的分布特征缺乏直觀認識，科學假設從提出到驗證周期長。

本平臺利用高效的數(shù)據(jù)采集算法，能極大地降低假設到實驗驗證的困難，滿足人工智能和數(shù)據(jù)挖掘技術應用于臨床科研的需求，有效提高科研效率。以臨床科研中分析“2型糖尿病人頸動脈斑塊形成的危險因素”為例，在納排研究對象時，如圖2所示，采用的納入標準為：年齡介于40到70歲，體質指數(shù)（BMI）介于20到28，診斷名稱包含“2型糖尿病”，設置時限后，科研平臺自動采集到1351名患者，1475例病例。同時，如圖3所示，設置排除標準為：患有患有腫瘤、糖尿病急性代謝紊亂綜合征、肝臟疾病、資料不完整的病人，進行病例篩除。

在搜集到科研病例后，科研人員可以預覽或導出病例數(shù)據(jù)。在本平臺中，可以利用納排的病例創(chuàng)建單獨的“2型糖尿病人頸動脈斑塊形成的危險因素”科研項目，設置病例與科研項目的對應關系，設置團隊成員后可以共享科研項目數(shù)據(jù)，展開研究。

根據(jù)搜集到的科研病例，可以根據(jù)需求設置指標，從病例中抽取相關數(shù)據(jù)，例如，可以在“2型糖尿病人頸動脈斑塊形成的危險因素”的科研項目中收集病人的年齡、性別、身高、體重、血壓、丙氨酸氨基轉移酶、同型半胱氨酸、尿酸、糖化血紅蛋白等指標，進行研究。

四、科研平臺的數(shù)據(jù)分析功能

基于收集的科研病例和數(shù)據(jù)指標，在本平臺可以進行數(shù)據(jù)分析，初步驗證科學假設。本平臺的數(shù)據(jù)分析算法主要包括特征描述、類別分析、回歸分析、知識圖譜分析等。

（一）數(shù)據(jù)特征描述

在特征描述中，本平臺提供了數(shù)據(jù)分析的平均性指標，包括算術平均數(shù)、中位數(shù)、眾數(shù)、四分位數(shù)，還包括簡單調和平均數(shù)、加權調和平均數(shù)、幾何平均數(shù)等指標。特征描述也包括諸如極差、平均差、標準差、四分位間距、標準差系數(shù)等離散性指標，還包括數(shù)據(jù)形態(tài)分布的指標，如原始數(shù)據(jù)服從正態(tài)分布情況下的偏度系數(shù)、峰度系數(shù)等。在用戶選定需要計算的數(shù)據(jù)屬性或特征指標后，本平臺可以直接利用平臺算法按用戶要求計算指定的數(shù)據(jù)特征。

基于平均性指標和離散性指標還可以進行數(shù)據(jù)標準化，本平臺提供了極差標準化、Z-Score標準化、歸一化等算法。

在特征描述中，基于本平臺的數(shù)據(jù)分析算法還可以利用可視化工具，繪制不同特征值的散點圖、折線圖、面積圖，演示數(shù)據(jù)特征；或利用異質性指標、集中性指標等進行探索性的復雜數(shù)據(jù)分析，其中的異質性指標包括Gini指標、熵指標等。在特征描述中，還包括二元數(shù)據(jù)的協(xié)方差、 Pearson系數(shù)、Spearman系數(shù)、多元數(shù)據(jù)的方差-協(xié)方差矩陣等測定指標。

（二）類別分析

類別分析包括聚類算法和分類算法，聚類算法主要根據(jù)病例樣本的選定屬性或特征，將病例樣本劃分為有意義的類或簇。本平臺集成了K均值聚類算法、層次聚類算法、密度聚類算法等?？蒲腥藛T根據(jù)選定的屬性或特征，可以選用不同的聚類算法對病例進行劃分，并用圖示方法展示，方便科研人員反復調整參數(shù)取得滿意結果。聚類算法不必要使用樣本病例的標記，是根據(jù)選定屬性或特征的自然聚集。而分類算法則要根據(jù)已有樣本病例所屬不同類別的標記結果，預測未知病例樣本的所屬類別或標記。本平臺的分類算法包括決策樹算法、貝葉斯算法、SVM算法、KNN算法等。

（三）回歸分析

本平臺主要利用回歸分析算法幫助科研人員在臨床數(shù)據(jù)用一個或多個屬性值（自變量）去解釋另一個屬性值（因變量）。一般來說，臨床病例的樣本具有多維特征，本平臺的回歸分析主要提供單因素和多因素回歸分析算法，在多因素回歸分析算法中，進一步包括多因素線性回歸算法、多因素Logistic回歸算法等。以“2型糖尿病人頸動脈斑塊形成的危險因素”科研項目為例，在本平臺的單因素邏輯回歸和多因素邏輯回歸方法中，能提供詳細的結果說明，并提供回歸模型診斷和可視化結果。

（四）知識圖譜分析

知識圖譜能對領域知識進行顯性化的沉淀和關聯(lián)，在搜索到的科研病例中，本平臺通過自然語言切分技術處理歷史診斷數(shù)據(jù)中的專業(yè)術語，并利用深度學習技術構建領域本體；關聯(lián)病歷記錄中的結構化數(shù)據(jù)，利用共現(xiàn)分析技術、模式匹配技術、統(tǒng)計機器學習技術進行屬性抽取；通過相似度挖掘、聚類等方法進行知識整合和關系屬性鏈接。通過知識圖譜的可視化展示，能給科研人員更清晰的關聯(lián)知識表達，為后續(xù)的研究方向和數(shù)據(jù)分析角度提供有力工具。圖4展示了動脈粥樣硬化在ICD10詞表中利用多個下位詞構建的知識圖譜。

五、科研平臺的其他特點與優(yōu)勢

（一）標準化程度高

我院的臨床科研平臺基于醫(yī)療行業(yè)標準，采用的行業(yè)標準既考慮國際標準的領先性，也與醫(yī)院實際數(shù)據(jù)情況相結合，確立了醫(yī)院標準化的數(shù)據(jù)管理規(guī)范，并提供相應的標準化組件功能實現(xiàn)標準化管理服務（比如數(shù)據(jù)標準化、術語服務標準化）。這些都節(jié)約了醫(yī)院持續(xù)發(fā)展的成本，簡化了持續(xù)發(fā)展的復雜性，使復雜的醫(yī)療數(shù)據(jù)管理和整合成本有效降低、改善了數(shù)據(jù)整體的利用效率。

（二）平臺支持了既有業(yè)務的需求，也兼顧了未來的增長性需求

在我院臨床科研平臺的建設中，充分發(fā)揮已有系統(tǒng)的功能，利用現(xiàn)有的數(shù)據(jù)庫，通過平臺提供數(shù)據(jù)集成和業(yè)務價值的增值，不僅保存了業(yè)務系統(tǒng)的原有歷史數(shù)據(jù)，而且滿足了接入和管理未來數(shù)據(jù)增長的需求。平臺采用了模塊化的設計，便于醫(yī)療服務業(yè)務的變化和擴展，提供了豐富的開發(fā)環(huán)境，支持多種應用的開發(fā)，能夠實現(xiàn)跨平臺數(shù)據(jù)庫間的數(shù)據(jù)管理，提供了用戶應用層的組件支持。

（三）注重頂層設計，強化安全設計

我院臨床科研平臺的建設從醫(yī)院的現(xiàn)實需求出發(fā)，統(tǒng)一規(guī)劃、統(tǒng)一設計。平臺架構采用了整體化的設計理念，可以覆蓋業(yè)務系統(tǒng)數(shù)據(jù)的完整接入，并可進行逐一的數(shù)據(jù)校驗服務以及對歷史數(shù)據(jù)的關聯(lián)性存儲，還可以按需擴展并支撐第三方系統(tǒng)的數(shù)據(jù)利用。平臺也進行了全面的安全性設計，防止對數(shù)據(jù)的非法訪問、破壞和泄露。由于平臺將管理醫(yī)院全部數(shù)據(jù)，平臺架構提供了嚴謹和完善的安全和隱私管理策略及服務。

六、結語

我院通過對接臨床信息子系統(tǒng)，建成了融合數(shù)據(jù)分析算法的臨床科研平臺。依據(jù)醫(yī)院實際的業(yè)務需求，平臺提取了臨床信息子系統(tǒng)數(shù)據(jù)和生物樣本數(shù)據(jù)（脫敏后的數(shù)據(jù)），實現(xiàn)了病例分析、樣本搜索、CRF管理等功能；并提供了特征描述、類別分析、回歸分析、主成分分析、知識圖譜分析等數(shù)據(jù)分析算法和工具；由此，實現(xiàn)了臨床信息子系統(tǒng)和生物樣本庫的數(shù)據(jù)共享，集成了數(shù)據(jù)分析算法，滿足了臨床科研的數(shù)據(jù)處理需求。

作者單位：福建醫(yī)科大學附屬第一醫(yī)院信息中心