淺析數(shù)據(jù)挖掘技術(shù)在電子病歷中的應(yīng)用

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

       在建設(shè)數(shù)字醫(yī)療的基礎(chǔ)之上，電子病歷應(yīng)運(yùn)而生，其短暫的歷史和迅速的崛起形成鮮明對(duì)比，在社會(huì)信息建設(shè)進(jìn)程中擔(dān)當(dāng)了重要角色，并回應(yīng)了強(qiáng)烈的社會(huì)醫(yī)療訴求，將醫(yī)療服務(wù)的手段和模式推向縱深。在這一短暫的本土化發(fā)展進(jìn)程中，電子病歷由簡(jiǎn)單文字紀(jì)錄載體，迅速進(jìn)化為多樣式的健康信息體系，其集成能力日益強(qiáng)大，其交換整合能力使醫(yī)療信息流通得到加強(qiáng)。在當(dāng)前醫(yī)療信息化需求的驅(qū)動(dòng)之下，電子病歷完成了系統(tǒng)搭建，使信息化滲透到臨床工作中。
       反觀電子病歷的技術(shù)發(fā)展史，立足于眼前需求的功能實(shí)現(xiàn)已經(jīng)完成：最早進(jìn)行電子病歷實(shí)踐的地區(qū)和單位，都已擁有固定的運(yùn)作經(jīng)驗(yàn)，基于電子病歷的診療新流程得到確立。進(jìn)一步地，如何挖掘長(zhǎng)遠(yuǎn)價(jià)值、發(fā)揮長(zhǎng)期效益，成為電子病歷發(fā)展的下一個(gè)主題。筆者認(rèn)為，數(shù)字化醫(yī)療建設(shè)的真正意義，在于如何利用好這些長(zhǎng)期積累的數(shù)據(jù)。對(duì)數(shù)據(jù)資源的開(kāi)發(fā)利用，將使電子病歷的意義得到淋漓盡致的展現(xiàn)，使其可交換性、可用性得到充分發(fā)揮。由此，電子病歷后續(xù)發(fā)展的主題，明確指向“如何進(jìn)行數(shù)據(jù)挖掘”。
1 廣義數(shù)據(jù)挖掘
1．1 數(shù)據(jù)挖掘的含義
      數(shù)據(jù)挖掘是揭示存在于數(shù)據(jù)里的模式及數(shù)據(jù)問(wèn)的關(guān)系的學(xué)科，它強(qiáng)調(diào)對(duì)大量觀測(cè)到的數(shù)據(jù)的處理。數(shù)據(jù)挖掘能夠從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)集中識(shí)別有效的、新穎的、潛在有用的、最終可理解的模式。它是一門涉及面很廣的交叉學(xué)科，涉及機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、智能數(shù)據(jù)庫(kù)、知識(shí)獲取、數(shù)據(jù)可視化、高性能計(jì)算、專家系統(tǒng)等學(xué)科。數(shù)據(jù)挖掘的成果可以用在信息管理、過(guò)程控制、科學(xué)研究、決策支持等許多方面。
1．2 數(shù)據(jù)挖掘的產(chǎn)生與發(fā)展
       數(shù)據(jù)挖掘最初脫胎于統(tǒng)計(jì)學(xué)，通過(guò)計(jì)算機(jī)，對(duì)大量復(fù)雜的數(shù)據(jù)集自動(dòng)進(jìn)行探索性分析。盡管數(shù)據(jù)挖掘和統(tǒng)計(jì)分析之間有明顯的聯(lián)系，迄今為止大部分的數(shù)據(jù)挖掘方法并不產(chǎn)生于統(tǒng)計(jì)學(xué)科。正因?yàn)閿?shù)據(jù)挖掘工作對(duì)商業(yè)、工業(yè)及科學(xué)研究具有極大的影響，在有需求的領(lǐng)域里，關(guān)于數(shù)據(jù)挖掘的研究總有可觀的成績(jī)。
1．3 被挖掘數(shù)據(jù)源的形式
       被挖掘的數(shù)據(jù)源有多種形式，目前可歸納的主要有：關(guān)系數(shù)據(jù)庫(kù)、面向?qū)ο髷?shù)據(jù)庫(kù)、空間數(shù)據(jù)庫(kù)、時(shí)態(tài)數(shù)據(jù)庫(kù)、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫(kù)、異質(zhì)數(shù)據(jù)庫(kù)、遺產(chǎn)(1egacy)數(shù)據(jù)庫(kù)，以及Web數(shù)據(jù)源。簡(jiǎn)言之，大量數(shù)據(jù)庫(kù)技術(shù)的發(fā)展，令數(shù)據(jù)存量大量增加，“數(shù)據(jù)爆炸但知識(shí)貧乏”，由此催生了數(shù)據(jù)挖掘技術(shù)，以獲得海量數(shù)據(jù)背后隱藏著的知識(shí)。
2 特殊語(yǔ)境下的數(shù)據(jù)挖掘
       數(shù)據(jù)挖掘總是在某一特定知識(shí)領(lǐng)域內(nèi)進(jìn)行，具有普遍適用性的數(shù)據(jù)挖掘技術(shù)尚未出現(xiàn)。這由數(shù)據(jù)挖掘本身的難點(diǎn)決定。首先，巨量數(shù)據(jù)集的性質(zhì)非常復(fù)雜，非線性、時(shí)序性與噪音普遍存在；其次，數(shù)據(jù)分析的目標(biāo)具有多樣性，而復(fù)雜目標(biāo)無(wú)論在表述還是在處理上均與領(lǐng)域知識(shí)有關(guān)；第三，在復(fù)雜目標(biāo)下，對(duì)巨量數(shù)據(jù)集的分析，目前還沒(méi)有現(xiàn)成的且滿足可計(jì)算條件的一般性理論與方法。在實(shí)際應(yīng)用中，特定知識(shí)領(lǐng)域的確認(rèn)，有效回避了數(shù)據(jù)挖掘的瓶頸問(wèn)題。電子病歷的應(yīng)用就是這樣一個(gè)明證。作為特殊法律文書，病歷本身是嚴(yán)肅而確定的：知識(shí)領(lǐng)域的專注使數(shù)據(jù)噪音大量削減，使數(shù)據(jù)源形式簡(jiǎn)化，使分析目標(biāo)明確，使語(yǔ)義指代明顯，語(yǔ)義強(qiáng)度能夠有序排列。另一方面，病歷固有的格式要求和行文習(xí)慣，很好地解決了非線性問(wèn)題和時(shí)序性問(wèn)題。
      在特定知識(shí)庫(kù)、特殊語(yǔ)言環(huán)境下，廣義數(shù)據(jù)挖掘的難點(diǎn)被一一回避。因此，盡管廣義數(shù)據(jù)挖掘還有很長(zhǎng)的道路，還有諸多的分歧，但在電子病歷中，專注于臨床知識(shí)的數(shù)據(jù)挖掘應(yīng)用是合理可行的，是符合現(xiàn)實(shí)的。
3 基于結(jié)構(gòu)化采集的數(shù)據(jù)挖掘
3．1 預(yù)結(jié)構(gòu)化
      預(yù)結(jié)構(gòu)化電子病歷是繼“WORD電子病歷”之后的一大飛躍。最初，一些醫(yī)院采用WORD存儲(chǔ)電子病歷，將病歷文本予以電子存儲(chǔ)，除去存儲(chǔ)和書寫方式的變化，病歷本身沒(méi)有發(fā)生任何變化。其功能展開(kāi)、數(shù)據(jù)交換、數(shù)據(jù)挖掘完全無(wú)法進(jìn)行。隨著社會(huì)信息建設(shè)要求的提高，數(shù)據(jù)應(yīng)用的意義得到重視。以WORD存儲(chǔ)電子病歷，無(wú)法對(duì)病歷數(shù)據(jù)進(jìn)行開(kāi)采和利用，只是數(shù)據(jù)垃圾的堆積。于是，電子病歷結(jié)構(gòu)化的理念在業(yè)界達(dá)成了高度一致?；诋?dāng)時(shí)的技術(shù)水平，開(kāi)發(fā)了“預(yù)結(jié)構(gòu)化”模式：在病歷中，按照醫(yī)學(xué)專業(yè)要求，將知識(shí)點(diǎn)提煉，并逐一羅列，使用醫(yī)學(xué)規(guī)范用語(yǔ)和診斷專業(yè)術(shù)語(yǔ)書寫。所生成的電子病歷，能夠被識(shí)別，從而實(shí)現(xiàn)病歷的檢索、分析和質(zhì)量控制，能夠?yàn)閷＜蚁到y(tǒng)所理解，從而為教學(xué)科研提供依據(jù)。預(yù)結(jié)構(gòu)化模式的典型特征是病歷模板的應(yīng)用。病歷模板的原型是紙質(zhì)病歷中的表格病歷。借鑒表格病歷的邏輯，病歷模板提煉出了病歷記錄的必須項(xiàng)目，必須內(nèi)容， 以及必須形式。在固定的形式下，將項(xiàng)目和內(nèi)容盡數(shù)羅列，提供單選、多選的錄人形式。
       由于知識(shí)庫(kù)的支持，電子病歷模板相對(duì)靈活方便。根據(jù)前文選擇錄入的內(nèi)容，內(nèi)部邏輯自動(dòng)進(jìn)行選擇性地顯示，過(guò)濾無(wú)關(guān)項(xiàng)目。其次，病案首頁(yè)、檢驗(yàn)報(bào)告等文書的格式固定，內(nèi)容明確，預(yù)結(jié)構(gòu)化的模板完全能夠使之功能得到最大發(fā)揮。最后，病歷模板分離了存儲(chǔ)，實(shí)現(xiàn)了“動(dòng)態(tài)模板”，以方便臨床工作者重復(fù)不斷地修改和完善模板，盡管如此，在實(shí)際使用中，預(yù)結(jié)構(gòu)化的模板帶有決定性的缺失。模板本身是對(duì)自然語(yǔ)言的解構(gòu)，借助于醫(yī)學(xué)的確定范疇和固定形式，這一過(guò)程確實(shí)能夠圓滿實(shí)現(xiàn)。但它同時(shí)也肢解了自然語(yǔ)言的流暢性和靈活性。當(dāng)醫(yī)生需要以獨(dú)立完整的語(yǔ)言進(jìn)行描述時(shí)，他們便拋棄了病歷模板。繞過(guò)病歷模板的錄入方式，使預(yù)結(jié)構(gòu)化喪失了用武之地。
3．2 后結(jié)構(gòu)化
       實(shí)踐表明，自由文本和預(yù)結(jié)構(gòu)化病歷的使用，難以滿足臨床科研數(shù)據(jù)管理與統(tǒng)計(jì)的要求，而嚴(yán)格的表格化病歷限制了臨床描述能力，為了準(zhǔn)確表述臨床行為，甚至需要另外撰寫手工病歷，遭到臨床醫(yī)生的反對(duì)。
       為了兼顧臨床和科研，后結(jié)構(gòu)化應(yīng)運(yùn)而生。后結(jié)構(gòu)化的語(yǔ)義分析模型，最終是將語(yǔ)義元素的固有關(guān)系進(jìn)行遍歷，結(jié)合語(yǔ)義強(qiáng)度等因素，對(duì)自然語(yǔ)言進(jìn)行處理?；谶@一模型，得以對(duì)純文本的病歷內(nèi)容進(jìn)行結(jié)構(gòu)化采集。在首頁(yè)、醫(yī)囑、各類檢查化驗(yàn)報(bào)告、病程記錄、護(hù)理記錄等良好的結(jié)構(gòu)化文書之外，病歷的主觀描述部分也實(shí)現(xiàn)了完全結(jié)構(gòu)化。解析自然語(yǔ)言的過(guò)程稱為“后結(jié)構(gòu)化”。與預(yù)結(jié)構(gòu)化不同，后結(jié)構(gòu)化并沒(méi)有設(shè)定采集范式，沒(méi)有設(shè)定數(shù)據(jù)的抓取結(jié)構(gòu)，因而并不要求細(xì)致的填充。后結(jié)構(gòu)化技術(shù)維護(hù)了病歷描述的自然語(yǔ)境。后結(jié)構(gòu)化有兩大關(guān)鍵難點(diǎn)。首先是機(jī)器學(xué)習(xí)還相當(dāng)幼稚。在預(yù)結(jié)構(gòu)化中，由于抓取和采集的框架已經(jīng)確定，解析和計(jì)算的邏輯相對(duì)固定，因而基本不需涉及機(jī)器學(xué)習(xí)。但在后結(jié)構(gòu)化模式中，各種挖掘模式都有應(yīng)用(如回歸模式、聚類模式、關(guān)聯(lián)模式、序列模式等)， 因而其規(guī)則抽取也更為復(fù)雜。作為一種機(jī)器學(xué)習(xí)方法，神經(jīng)網(wǎng)絡(luò)規(guī)則抽取的重要指標(biāo)：泛化精度、保真度、可理解性，目前仍處于較低水平。其次，漢語(yǔ)言不同于依附語(yǔ)范疇的語(yǔ)言(諸如英語(yǔ))，其轉(zhuǎn)格及形式缺乏顯著標(biāo)志，給結(jié)構(gòu)化處理帶來(lái)了難度。此外，漢語(yǔ)言的詞性詞義只在特定語(yǔ)境中才能確定，同一詞語(yǔ)可支持多種表義，多種詞性，有很大的機(jī)會(huì)令算法進(jìn)入死循環(huán)。因此，關(guān)于漢語(yǔ)言的結(jié)構(gòu)化研究進(jìn)度遲緩。綜上所述，數(shù)據(jù)挖掘是電子病歷發(fā)展到相當(dāng)程度的必然要求。而在電子病歷的應(yīng)用中，實(shí)現(xiàn)數(shù)據(jù)挖掘的關(guān)鍵，即結(jié)構(gòu)化采集。盡管存在著大量難點(diǎn)，但在強(qiáng)大的需求面前，結(jié)構(gòu)化研究擁有良好的發(fā)展環(huán)境，必然能獲得長(zhǎng)遠(yuǎn)的發(fā)展。
參考文獻(xiàn)
1 俞文敏．電子病歷應(yīng)用中存在的問(wèn)題及解決方案探討[J]．東南國(guó)防醫(yī)藥，2006，8(1)：66—67．
2 劉靜，沈蓓，黃學(xué)寧，等．電子病歷中結(jié)構(gòu)化描述內(nèi)容與?？撇v模板[J]．現(xiàn)代醫(yī)學(xué)，2005，33(6)：4]7—419．