臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究

1、臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究【摘要】醫(yī)院有著龐大的信息資源系統(tǒng)，包括全 面的管理信息資料與臨床信息資料，這對于實現(xiàn)醫(yī)院管理的 科學化現(xiàn)代化，對診療過程進行全面、動態(tài)跟蹤，進一步優(yōu) 化就診環(huán)境有著非常重要的作用，同時，不斷積累大量的臨 床信息與管理資源。如何高效的應用這部分數(shù)據(jù)信息資源， 挖掘有價值、深層次的信息，是擺在我們面前的重要研究課 題。數(shù)據(jù)挖掘技術的有效運用，能夠進一步提高醫(yī)院管理水 平與醫(yī)學技術?！娟P鍵詞】臨床醫(yī)學；數(shù)據(jù)挖掘技術；臨床應用隨著人工智能技術與數(shù)據(jù)庫技術的發(fā)展，數(shù)據(jù)挖掘應運 而生。其不僅是一種新型的信息技術，也是支持決策的過程 體系，更好的為決策提供信息支持?，F(xiàn)階段大部

2、分醫(yī)院已經(jīng) 建立了自己的數(shù)據(jù)庫，但是，數(shù)據(jù)庫有效利用率比較低，僅 限于查詢、錄入、修改等操作，缺乏對數(shù)據(jù)的分析與集成， 更談不上知識的與醫(yī)學決策的自動獲取，數(shù)據(jù)挖掘的應用成 為臨床醫(yī)學的重點。1簡要論述數(shù)據(jù)挖掘技術數(shù)據(jù)挖掘技術1就是指從大量不完整的、隨機的、有 噪聲模糊的數(shù)據(jù)里提取出隱匿于其中人們所不知道卻又有 潛在有用的信息及知識的過程，簡而言之數(shù)據(jù)挖掘就是從各 種數(shù)據(jù)中挖掘或提取信息和知識。在信息技術飛速發(fā)展的今 天，數(shù)據(jù)收集及存儲技術的快速進步使各個組織機構得以積 累大量的數(shù)據(jù)，面對如此龐大的數(shù)據(jù)量，現(xiàn)存的統(tǒng)計技術都 遇到了各種各樣的問題，于是人們就開始對數(shù)據(jù)采取抽樣的 方式收集信息，這

3、樣一來如何抽樣，抽多大樣本，怎么評價 抽樣效果，都是需要我們去研究的。數(shù)據(jù)挖掘技術是將觀測到的龐大數(shù)據(jù)集加以分析研究， 其目的是找的未知的關系及數(shù)據(jù)擁有者能夠理解且有價值 的新方法來總結數(shù)據(jù)，經(jīng)數(shù)據(jù)挖掘技術推導出的關系及摘要 常被稱為模式或模型。數(shù)據(jù)挖掘技術的出發(fā)點就是替代專家 從海量數(shù)據(jù)中找出隱含知識，它使數(shù)據(jù)儲存進入了一個新階 段，它既有傳統(tǒng)數(shù)據(jù)庫的存儲功能，又能查詢歷史數(shù)據(jù)，找 出其潛在的聯(lián)系，挖掘出海量數(shù)據(jù)背后隱匿的重要信息，這 些信息在決策生成中有重要參考意義，從而能更好地幫助人 們做出正確的決策。2數(shù)據(jù)挖掘中常用的工具分析作為人工智能同數(shù)據(jù)庫技術結合下的產(chǎn)物，數(shù)據(jù)挖掘技 術的很多方

4、法都來源于機器的學習，所以模式識別，機器學 習以及人工智能領域常規(guī)的技術例如決策樹、聚類分析、統(tǒng) 計分析等方法在改進后都能用于挖掘數(shù)據(jù)。對醫(yī)學數(shù)據(jù)庫的 數(shù)據(jù)挖掘，最重要的是對疾病的分類以及疾病預測。現(xiàn)階段 床用的挖掘工具有幾下幾種：2.1以統(tǒng)計分析為基礎的數(shù)據(jù)挖掘法數(shù)據(jù)挖掘技術里非常多的實用工具都是以統(tǒng)計分析作 為基礎構造而成的，作為一門比較成熟的分析數(shù)據(jù)的技術， 統(tǒng)計技術在很多挖掘數(shù)據(jù)的工具中得到了充分的應用。2. 2人工神經(jīng)網(wǎng)絡法作為計算領域的重要技術，人工的神經(jīng)元網(wǎng)絡技術2 能根據(jù)管理模式或者非管理模式進行學習和研究，管理模式 中的神經(jīng)網(wǎng)絡要預測現(xiàn)有的示例可能造成的結果，并將預測 到的結

5、果同目標答案比較；非管理模式學習法對數(shù)據(jù)的描述 很有效卻可以預測結果，而非管理模式里的神經(jīng)網(wǎng)絡創(chuàng)建了 自己的合法性驗證及操作、類描述，無關于數(shù)據(jù)模式，神經(jīng) 網(wǎng)絡需要經(jīng)歷相當?shù)臅r間，同時由于它們像黑盒一樣的行為 會不能滿足信息分析員的要求。2.3決策規(guī)則法與決策樹決策規(guī)則法與決策樹就是一種解決在實際應用中的分 類問題的方法，簡單的說，分類是使數(shù)據(jù)反映到一個事先定 義好的類中的函數(shù)過程，以一組輸入屬性值的向量或者相應 類，歸納學習算法，然后得出分類。學習的目標就是要構建 分類模型，根據(jù)屬性輸入值來預測實體的類。換言之，分類 就是將一不連續(xù)標識值分到一個未標識的記錄中的過程，分 類規(guī)則由于較直觀，因

6、而易容于讓人接受，許多實施的決策 樹在機器獲取領域中得到了有效算法。2.4進化的計算法這是模仿了生物進化的一種計算方法的總稱，包括遺傳 編程、進化規(guī)劃、進化策略及遺傳算法，它們一般具有下列 特點；進化計算在函數(shù)的適度約束下進行智能搜索，在目標 函數(shù)的驅動下優(yōu)勝劣汰，通過數(shù)次迭代逐步接近目標，因為 進化計算大都采用變異、雜交等的操作以擴大搜索的范圍， 所以其能接近全局的最優(yōu)解，且具有框架式結構。一般在完 成編碼及適應度函數(shù)選擇后，下面的遺傳、雜交及變異等操 作都能自動完成。3臨床醫(yī)學中數(shù)據(jù)挖掘技術的運用分析3. 1疾病診斷疾病診斷的準確性對于病人合理用藥指導以及康復指 導非常重要。在臨床醫(yī)學上，

7、疾病類型多種多樣、致病原因 錯綜復雜，通過數(shù)據(jù)挖掘技術的應用，能夠更好的進行臨床 診斷。在疾病診斷方面，模糊邏輯分析法、人工神經(jīng)網(wǎng)絡、 粗糙集理論等工具非常有效。我國學者3通過人工神經(jīng)網(wǎng) 絡分析法用于類風濕的臨床診斷，臨床診斷準確性大大提 高。國外學者也通過人工神經(jīng)網(wǎng)絡分析法用于實體性肺結節(jié) 的臨床診斷，準確率高達百分之百。在心血管疾病診斷中 4,應用模糊邏輯開發(fā)以及粗糙集理論，臨床準確準確率 高達93. 5%。3.2分析疾病相關因素在醫(yī)院信息庫中，含有大量的患者個人資料以及病情信 息，包括患者的性別、年齡、生活情況等多方面資料，通過 對數(shù)據(jù)庫中相關信息的綜合研究與分析，可以得出有指導性 意義

8、的模式以及關系。疾病的發(fā)病原因、相關性危險因素分 析，能夠有效指導此類疾病的預防。比如說，國外研究人員 5運用數(shù)據(jù)挖掘技術成功分析了導致產(chǎn)科早產(chǎn)的三個危險 性因素。3. 3疾病預測分析通過數(shù)據(jù)挖掘技術運用，能夠確定疾病的未來發(fā)展方 向，結合患者的病史、臨床癥狀，分析、預測疾病的發(fā)展， 從而有的方式的進行疾病預防。比如說，運用粗糙集分析方 法，可以有預測疾病的發(fā)生。現(xiàn)階段，通過粗糙集理論預測 疾早產(chǎn)準確率高達70%-90%,而人工預測準確性僅為 16%-35%o3.4在臨床影像學中的應用隨著醫(yī)學的不斷進步以及影像學的發(fā)展，在臨床醫(yī)學 中，影像圖像被越來越多的應用到臨床疾病診斷中去。pet、 mri、ct等就是常用的疾病診斷工具。隨著數(shù)據(jù)挖掘技術的 發(fā)展與應用，其在醫(yī)學圖像中逐漸應用，并發(fā)揮越來越重要 的價值。西方學者6通過數(shù)據(jù)挖掘機是成功對spect心肌 圖像進行了臨床診斷分類。【參考文獻】1 李曉毅.bayes判別分析及其在疾病診斷中的應用 j中國衛(wèi)生統(tǒng)計,2011, 21 (6)： 356-357.2 網(wǎng)帥立，吳永明數(shù)據(jù)挖掘技術在his中的應用探討 j計算機應用與軟件，2012, 20 (4)： 248-249.3 姜興岳，耿道穎人工神經(jīng)元網(wǎng)絡鑒別星形膠質細胞 瘤良惡性的初步研究j.中國醫(yī)學計算機成像雜志，2011, 2