淺析數(shù)據(jù)挖掘技術在電子病歷中的應用

申請免費試用、咨詢電話：400-8352-114

       在建設數(shù)字醫(yī)療的基礎之上，電子病歷應運而生，其短暫的歷史和迅速的崛起形成鮮明對比，在社會信息建設進程中擔當了重要角色，并回應了強烈的社會醫(yī)療訴求，將醫(yī)療服務的手段和模式推向縱深。在這一短暫的本土化發(fā)展進程中，電子病歷由簡單文字紀錄載體，迅速進化為多樣式的健康信息體系，其集成能力日益強大，其交換整合能力使醫(yī)療信息流通得到加強。在當前醫(yī)療信息化需求的驅(qū)動之下，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發(fā)展史，立足于眼前需求的功能實現(xiàn)已經(jīng)完成：最早進行電子病歷實踐的地區(qū)和單位，都已擁有固定的運作經(jīng)驗，基于電子病歷的診療新流程得到確立。進一步地，如何挖掘長遠價值、發(fā)揮長期效益，成為電子病歷發(fā)展的下一個主題。筆者認為，數(shù)字化醫(yī)療建設的真正意義，在于如何利用好這些長期積累的數(shù)據(jù)。對數(shù)據(jù)資源的開發(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)問的關系的學科，它強調(diào)對大量觀測到的數(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、隨機的數(shù)據(jù)集中識別有效的、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科，涉及機器學習、模式識別、統(tǒng)計學、智能數(shù)據(jù)庫、知識獲取、數(shù)據(jù)可視化、高性能計算、專家系統(tǒng)等學科。數(shù)據(jù)挖掘的成果可以用在信息管理、過程控制、科學研究、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)計學，通過計算機，對大量復雜的數(shù)據(jù)集自動進行探索性分析。盡管數(shù)據(jù)挖掘和統(tǒng)計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)計學科。正因為數(shù)據(jù)挖掘工作對商業(yè)、工業(yè)及科學研究具有極大的影響，在有需求的領域里，關于數(shù)據(jù)挖掘的研究總有可觀的成績。
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：關系數(shù)據(jù)庫、面向?qū)ο髷?shù)據(jù)庫、空間數(shù)據(jù)庫、時態(tài)數(shù)據(jù)庫、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫、異質(zhì)數(shù)據(jù)庫、遺產(chǎn)(1egacy)數(shù)據(jù)庫，以及Web數(shù)據(jù)源。簡言之，大量數(shù)據(jù)庫技術的發(fā)展，令數(shù)據(jù)存量大量增加，“數(shù)據(jù)爆炸但知識貧乏”，由此催生了數(shù)據(jù)挖掘技術，以獲得海量數(shù)據(jù)背后隱藏著的知識。
2 特殊語境下的數(shù)據(jù)挖掘
       數(shù)據(jù)挖掘總是在某一特定知識領域內(nèi)進行，具有普遍適用性的數(shù)據(jù)挖掘技術尚未出現(xiàn)。這由數(shù)據(jù)挖掘本身的難點決定。首先，巨量數(shù)據(jù)集的性質(zhì)非常復雜，非線性、時序性與噪音普遍存在；其次，數(shù)據(jù)分析的目標具有多樣性，而復雜目標無論在表述還是在處理上均與領域知識有關；第三，在復雜目標下，對巨量數(shù)據(jù)集的分析，目前還沒有現(xiàn)成的且滿足可計算條件的一般性理論與方法。在實際應用中，特定知識領域的確認，有效回避了數(shù)據(jù)挖掘的瓶頸問題。電子病歷的應用就是這樣一個明證。作為特殊法律文書，病歷本身是嚴肅而確定的：知識領域的專注使數(shù)據(jù)噪音大量削減，使數(shù)據(jù)源形式簡化，使分析目標明確，使語義指代明顯，語義強度能夠有序排列。另一方面，病歷固有的格式要求和行文習慣，很好地解決了非線性問題和時序性問題。
      在特定知識庫、特殊語言環(huán)境下，廣義數(shù)據(jù)挖掘的難點被一一回避。因此，盡管廣義數(shù)據(jù)挖掘還有很長的道路，還有諸多的分歧，但在電子病歷中，專注于臨床知識的數(shù)據(jù)挖掘應用是合理可行的，是符合現(xiàn)實的。
3 基于結(jié)構(gòu)化采集的數(shù)據(jù)挖掘
3．1 預結(jié)構(gòu)化
      預結(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存儲電子病歷，將病歷文本予以電子存儲，除去存儲和書寫方式的變化，病歷本身沒有發(fā)生任何變化。其功能展開、數(shù)據(jù)交換、數(shù)據(jù)挖掘完全無法進行。隨著社會信息建設要求的提高，數(shù)據(jù)應用的意義得到重視。以WORD存儲電子病歷，無法對病歷數(shù)據(jù)進行開采和利用，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)界達成了高度一致?；诋敃r的技術水平，開發(fā)了“預結(jié)構(gòu)化”模式：在病歷中，按照醫(yī)學專業(yè)要求，將知識點提煉，并逐一羅列，使用醫(yī)學規(guī)范用語和診斷專業(yè)術語書寫。所生成的電子病歷，能夠被識別，從而實現(xiàn)病歷的檢索、分析和質(zhì)量控制，能夠為專家系統(tǒng)所理解，從而為教學科研提供依據(jù)。預結(jié)構(gòu)化模式的典型特征是病歷模板的應用。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目，必須內(nèi)容， 以及必須形式。在固定的形式下，將項目和內(nèi)容盡數(shù)羅列，提供單選、多選的錄人形式。
       由于知識庫的支持，電子病歷模板相對靈活方便。根據(jù)前文選擇錄入的內(nèi)容，內(nèi)部邏輯自動進行選擇性地顯示，過濾無關項目。其次，病案首頁、檢驗報告等文書的格式固定，內(nèi)容明確，預結(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，實現(xiàn)了“動態(tài)模板”，以方便臨床工作者重復不斷地修改和完善模板，盡管如此，在實際使用中，預結(jié)構(gòu)化的模板帶有決定性的缺失。模板本身是對自然語言的解構(gòu)，借助于醫(yī)學的確定范疇和固定形式，這一過程確實能夠圓滿實現(xiàn)。但它同時也肢解了自然語言的流暢性和靈活性。當醫(yī)生需要以獨立完整的語言進行描述時，他們便拋棄了病歷模板。繞過病歷模板的錄入方式，使預結(jié)構(gòu)化喪失了用武之地。
3．2 后結(jié)構(gòu)化
       實踐表明，自由文本和預結(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)計的要求，而嚴格的表格化病歷限制了臨床描述能力，為了準確表述臨床行為，甚至需要另外撰寫手工病歷，遭到臨床醫(yī)生的反對。
       為了兼顧臨床和科研，后結(jié)構(gòu)化應運而生。后結(jié)構(gòu)化的語義分析模型，最終是將語義元素的固有關系進行遍歷，結(jié)合語義強度等因素，對自然語言進行處理?；谶@一模型，得以對純文本的病歷內(nèi)容進行結(jié)構(gòu)化采集。在首頁、醫(yī)囑、各類檢查化驗報告、病程記錄、護理記錄等良好的結(jié)構(gòu)化文書之外，病歷的主觀描述部分也實現(xiàn)了完全結(jié)構(gòu)化。解析自然語言的過程稱為“后結(jié)構(gòu)化”。與預結(jié)構(gòu)化不同，后結(jié)構(gòu)化并沒有設定采集范式，沒有設定數(shù)據(jù)的抓取結(jié)構(gòu)，因而并不要求細致的填充。后結(jié)構(gòu)化技術維護了病歷描述的自然語境。后結(jié)構(gòu)化有兩大關鍵難點。首先是機器學習還相當幼稚。在預結(jié)構(gòu)化中，由于抓取和采集的框架已經(jīng)確定，解析和計算的邏輯相對固定，因而基本不需涉及機器學習。但在后結(jié)構(gòu)化模式中，各種挖掘模式都有應用(如回歸模式、聚類模式、關聯(lián)模式、序列模式等)， 因而其規(guī)則抽取也更為復雜。作為一種機器學習方法，神經(jīng)網(wǎng)絡規(guī)則抽取的重要指標：泛化精度、保真度、可理解性，目前仍處于較低水平。其次，漢語言不同于依附語范疇的語言(諸如英語)，其轉(zhuǎn)格及形式缺乏顯著標志，給結(jié)構(gòu)化處理帶來了難度。此外，漢語言的詞性詞義只在特定語境中才能確定，同一詞語可支持多種表義，多種詞性，有很大的機會令算法進入死循環(huán)。因此，關于漢語言的結(jié)構(gòu)化研究進度遲緩。綜上所述，數(shù)據(jù)挖掘是電子病歷發(fā)展到相當程度的必然要求。而在電子病歷的應用中，實現(xiàn)數(shù)據(jù)挖掘的關鍵，即結(jié)構(gòu)化采集。盡管存在著大量難點，但在強大的需求面前，結(jié)構(gòu)化研究擁有良好的發(fā)展環(huán)境，必然能獲得長遠的發(fā)展。
參考文獻
1 俞文敏．電子病歷應用中存在的問題及解決方案探討[J]．東南國防醫(yī)藥，2006，8(1)：66—67．
2 劉靜，沈蓓，黃學寧，等．電子病歷中結(jié)構(gòu)化描述內(nèi)容與專科病歷模板[J]．現(xiàn)代醫(yī)學，2005，33(6)：4]7—419．