數(shù)據(jù)挖掘在醫(yī)學(xué)方面的應(yīng)用分享

1、真誠(chéng)為您提供優(yōu)質(zhì)參考資料，若有不當(dāng)之處，請(qǐng)指正。數(shù)據(jù)挖掘在醫(yī)學(xué)方面的應(yīng)用摘要：著信息技術(shù)的發(fā)展，采集、存儲(chǔ)和管理數(shù)據(jù)的手段日益完善。數(shù)據(jù)挖掘?qū)W科應(yīng)運(yùn)而生。本文介紹數(shù)據(jù)挖掘的概念和應(yīng)用，以及國(guó)內(nèi)醫(yī)學(xué)方面數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀及展望。關(guān)鍵字：數(shù)據(jù)挖掘 醫(yī)學(xué)Abstract: The discipline of data mining emerges with the development of technology and maturation of methods of data collection, storage and management. The paper introduces th

2、e concept of data mining. This paper introduces data mining concepts and applications, as well as domestic medical data mining application status and its prospect.Key Words: data mining；biomedical1引言隨著數(shù)據(jù)庫(kù)技術(shù)的飛速發(fā)展，信息技術(shù)已滲透到包括醫(yī)學(xué)在內(nèi)的各種領(lǐng)域。很多大中型醫(yī)院都相繼建立了自己的醫(yī)院信息系統(tǒng)(HIS)，隨著HIS的應(yīng)用和不斷發(fā)展，數(shù)據(jù)庫(kù)中的數(shù)據(jù)量迅速膨脹，數(shù)據(jù)庫(kù)規(guī)模逐漸擴(kuò)大，復(fù)雜程

3、度日益增加。但是盡管積累了大量的業(yè)務(wù)數(shù)據(jù)，真正能將這些數(shù)據(jù)的價(jià)值挖掘出來(lái)，并運(yùn)用到醫(yī)院的臨床輔助診斷和日常管理決策中去的卻很少。提出了建立基于HIS系統(tǒng)的醫(yī)學(xué)信息數(shù)據(jù)倉(cāng)庫(kù)，在此基礎(chǔ)上，對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的醫(yī)療數(shù)據(jù)進(jìn)行疾病監(jiān)測(cè)、預(yù)測(cè)、醫(yī)院管理輔助決策等方面的數(shù)據(jù)挖掘。為醫(yī)務(wù)工XXX、臨床管理人員、科研人員提供輔助決策與綜合分析的工具。在醫(yī)療方面具有重要的意義。2.數(shù)據(jù)挖掘技術(shù)介紹2.1數(shù)據(jù)挖掘額的概念數(shù)據(jù)挖掘是商務(wù)智能應(yīng)用中較高層次的一項(xiàng)技術(shù)，是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程1。利用數(shù)據(jù)挖掘用戶(hù)將可以更加方便地發(fā)

4、現(xiàn)數(shù)據(jù)的規(guī)律，用戶(hù)可以利用這些規(guī)律對(duì)某些符合特征的數(shù)據(jù)作出預(yù)測(cè)。數(shù)據(jù)挖掘所得到的信息應(yīng)具有先未知，有效和可實(shí)用三個(gè)特征。先未知是指數(shù)據(jù)挖掘所得到的信息應(yīng)該是先前不能憑直覺(jué)或一般的技術(shù)方法所能得到的信息，挖掘到的住處越是出乎意料就可能越有價(jià)值。在這方面的一個(gè)典型例子就是一家連鎖商店通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)小孩尿布和啤酒之間有著驚人的XXX。而有效和可實(shí)用是數(shù)據(jù)挖掘的目的所在。數(shù)據(jù)挖掘的分析方法有很多種，針對(duì)不同的用途就有不同的分析方法，比較常見(jiàn)的分析方法有一下集幾種：分類(lèi)、預(yù)測(cè)、相關(guān)性分組活關(guān)聯(lián)規(guī)則、聚類(lèi)、估值、描述和可視化、復(fù)雜數(shù)據(jù)類(lèi)型挖掘，包括文本數(shù)據(jù)挖掘。WEB數(shù)據(jù)挖掘、圖形圖像數(shù)據(jù)挖掘、視頻和音

5、頻數(shù)據(jù)挖掘。2.2數(shù)據(jù)挖掘的過(guò)程數(shù)據(jù)挖掘的過(guò)程一般由三個(gè)主要的階段構(gòu)成：數(shù)據(jù)準(zhǔn)備、開(kāi)采操作、結(jié)果表達(dá)和解釋?zhuān)瑢?duì)知識(shí)的發(fā)現(xiàn)可以描述為這三個(gè)階段的反復(fù)過(guò)程。(1)數(shù)據(jù)準(zhǔn)備這個(gè)階段又可進(jìn)一步分成三個(gè)子步驟：數(shù)據(jù)集成，數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理。數(shù)據(jù)集成將多文件和多數(shù)據(jù)庫(kù)運(yùn)行環(huán)境中的數(shù)據(jù)進(jìn)行組合，解決語(yǔ)義模糊性，處理數(shù)據(jù)中的遺漏和清洗無(wú)效數(shù)據(jù)等。數(shù)據(jù)選擇的目的是辨別出需要分析的數(shù)據(jù)集合，縮小處理范圍，提高數(shù)據(jù)挖掘的質(zhì)量。預(yù)處理是為了克服目前數(shù)據(jù)挖掘工具的局限性。(2)數(shù)據(jù)挖掘這個(gè)階段進(jìn)行實(shí)際性分析工作，包括的要點(diǎn)是：先決定如何產(chǎn)生假設(shè)，是讓數(shù)據(jù)挖掘系統(tǒng)為用戶(hù)產(chǎn)生假設(shè)，還是用戶(hù)自己對(duì)數(shù)據(jù)庫(kù)中可能包含的知識(shí)提出

6、假設(shè)，前一種稱(chēng)為發(fā)現(xiàn)型的數(shù)據(jù)挖掘；后一種稱(chēng)為驗(yàn)證型的數(shù)據(jù)挖掘。再選擇合適的工具進(jìn)行發(fā)掘知識(shí)的操作，最后進(jìn)行證實(shí)。(3)結(jié)果表述和解釋根據(jù)用戶(hù)的需求對(duì)提取的信息進(jìn)行分析，挑選出有效信息，并且通過(guò)決策支持工具進(jìn)行移交。因此，這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來(lái)(例如采用信息可視化方法)，還要對(duì)信息進(jìn)行過(guò)濾處理，如果不能令用戶(hù)滿(mǎn)意，需要重復(fù)以上數(shù)據(jù)挖掘的過(guò)此，這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來(lái)(例如采用信息可視化方法)，還要對(duì)信息進(jìn)行過(guò)濾處理，如果不能令用戶(hù)滿(mǎn)意，需要重復(fù)以上數(shù)據(jù)挖掘的過(guò)程。23數(shù)據(jù)挖掘的功能(1)自動(dòng)預(yù)測(cè)趨勢(shì)和行為：數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的

7、問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。(2)關(guān)聯(lián)分析：數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類(lèi)重要的可被發(fā)現(xiàn)的知識(shí)。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱(chēng)為關(guān)聯(lián)。關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。有時(shí)并不知道數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。(3)聚類(lèi)：數(shù)據(jù)庫(kù)中的記錄可被劃分為一系列有意義的子集，即聚類(lèi)。聚類(lèi)增強(qiáng)了人們對(duì)客觀現(xiàn)實(shí)的認(rèn)識(shí)，是概念描述和偏差分析的先決條件。(4)概念描述：概念描述就是對(duì)某類(lèi)對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類(lèi)對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類(lèi)對(duì)象的共同

8、特征，后者描述不同類(lèi)對(duì)象之間的區(qū)別。(5)偏差檢測(cè)：數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫(kù)中檢測(cè)這些偏差很有意義。偏差包括很多潛在的知識(shí)，如分類(lèi)中的反常實(shí)例、不滿(mǎn)足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是尋找觀測(cè)結(jié)果與參照值之間有意義的差別。3數(shù)據(jù)挖掘在醫(yī)學(xué)中的應(yīng)用31數(shù)據(jù)挖掘在生物醫(yī)學(xué)DNA中的應(yīng)用隨著全球人類(lèi)基因組計(jì)劃(Human Genome Project)對(duì)人類(lèi)24對(duì)染色體全部基因測(cè)序的完成，人類(lèi)基因的研究將進(jìn)入全新的發(fā)展階段。因此對(duì)DNA的序列模式分析是分子生物醫(yī)學(xué)領(lǐng)域工XXX面臨的重要任務(wù)，而數(shù)據(jù)挖掘成為DNA分析中的強(qiáng)有力的工具，并在以

9、下方面對(duì)DNA的分析做出不小的貢獻(xiàn)。(1)DNA序列問(wèn)相似搜索與比較：在基因分析中一個(gè)最為重要的搜索問(wèn)題是DNA序列中的相似搜索和比較。對(duì)分別來(lái)自帶病和健康組織的基因序列，進(jìn)行比較以識(shí)別兩類(lèi)基因間的差異。做法可以是首先從兩類(lèi)基因中檢索出基因序列，然后找出并比較每一類(lèi)中頻繁出現(xiàn)的模式，通常在帶病樣本中出現(xiàn)頻度超出健康樣本的序列，可以認(rèn)為是導(dǎo)致疾病的基因因素；另一方面，在健康樣本中出現(xiàn)頻度超出帶病樣本的序列，可以認(rèn)為是抗疾病的因素。(2)關(guān)聯(lián)分析：同時(shí)出現(xiàn)的基因序列的識(shí)別：目前許多研究關(guān)注的是一個(gè)基因與另一個(gè)基因的比較。大部分疾病不是由單一基因引起的，而是基因組合起來(lái)共同起作用的結(jié)果。關(guān)聯(lián)分析方法

10、可用于幫助確定在目標(biāo)樣本中同時(shí)出現(xiàn)的基因種類(lèi)，此類(lèi)分析將有助于發(fā)現(xiàn)基因組和x,-t基因間的交叉與XXX的研究。(3)路徑分析：發(fā)現(xiàn)在不同階段的致病基因：引起一種疾病的基因可能不止一個(gè)，不過(guò)不同基因可能在不同階段起著作用。如果能找到疾病發(fā)展的不同階段遺傳因素序列，就有可能開(kāi)發(fā)針對(duì)疾病不同階段的治療藥物，從而取得更為有效的治療效果，在遺傳研究中路徑分析會(huì)起到重要的作用。(4) DNA序列分類(lèi)：DNA序列中有外顯子和內(nèi)含子，外顯子是被轉(zhuǎn)錄為信使RNA并被翻譯成蛋白質(zhì)的序列，而內(nèi)顯子則不然。區(qū)分DNA序列中的外顯子和內(nèi)含子也是很重要的，非線(xiàn)性相關(guān)統(tǒng)計(jì)法AMI(average mutual inform

11、ation)是可行的，另外，神經(jīng)網(wǎng)絡(luò)、分類(lèi)及聚類(lèi)算法也是有用的。32數(shù)據(jù)挖掘在醫(yī)學(xué)中的應(yīng)用(1)疾病診斷：正確的診斷對(duì)于指導(dǎo)病人的用藥及康復(fù)顯然是重要的，在臨床中有些疾病錯(cuò)綜復(fù)雜，數(shù)據(jù)挖掘的有關(guān)分類(lèi)分析可以應(yīng)用于疾病的診斷。粗糙集理論、人T神經(jīng)網(wǎng)絡(luò)、模糊邏輯分析在疾病診斷方面是有效的。國(guó)內(nèi)有學(xué)者將粗糙集理論應(yīng)用于中醫(yī)類(lèi)風(fēng)濕的診斷，取得了滿(mǎn)意的效果，大大提高了診斷準(zhǔn)確率，國(guó)外A.Kusiak等將基于粗糙集理論的兩種算法應(yīng)用于實(shí)體性肺結(jié)節(jié)的診斷，診斷準(zhǔn)確率達(dá)100,Roshawrma Scales等基于人工神經(jīng)網(wǎng)絡(luò)理論及模糊邏輯開(kāi)發(fā)的對(duì)心血管疾病診斷的工具對(duì)疾病診斷的正確率達(dá)到92。(2)疾病相關(guān)

12、因素分析：在病案信息庫(kù)中有大量的關(guān)于病人的病情和病人的個(gè)人信息，包括年齡、性別、居住地、職業(yè)、生活情況等，對(duì)數(shù)據(jù)庫(kù)中的信息進(jìn)行關(guān)聯(lián)規(guī)則分析可以發(fā)現(xiàn)有意義的關(guān)系及模式，某種疾病的相關(guān)發(fā)病危險(xiǎn)因素分析可以指導(dǎo)患者如何預(yù)防該疾病。Jonathan CPrather等成功地應(yīng)用數(shù)據(jù)挖掘的有關(guān)理論對(duì)Duke大學(xué)醫(yī)學(xué)中心的產(chǎn)科病人早產(chǎn)的3個(gè)危險(xiǎn)因素進(jìn)行了分析。(3)疾病預(yù)測(cè)：確定某些疾病的發(fā)展模式，根據(jù)病人的病史預(yù)測(cè)病情的發(fā)展趨勢(shì)，從而有針對(duì)性的預(yù)防疾病的發(fā)生。應(yīng)用粗糙集理論根據(jù)以往病例歸納出診斷規(guī)則，用來(lái)預(yù)測(cè)新的疾病的發(fā)生，現(xiàn)有的人工預(yù)測(cè)早產(chǎn)的準(zhǔn)確率只有1738，應(yīng)用粗糙集理論則可提高到6890。(4)

13、在醫(yī)療質(zhì)量管理中的應(yīng)用：醫(yī)療保健領(lǐng)域的改革使得費(fèi)用壓力增加，另外一方面對(duì)醫(yī)院醫(yī)療質(zhì)量的需求也增高，以及其他醫(yī)療服務(wù)機(jī)構(gòu)的增多，使得醫(yī)院管理者比以往更關(guān)心醫(yī)療及管理的質(zhì)量以及費(fèi)用一效益比率。醫(yī)療質(zhì)量管理的核心是數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量，這些質(zhì)量可以用不同的指數(shù)來(lái)衡量，數(shù)據(jù)挖掘可以幫助質(zhì)量管理者解決下列任務(wù)：發(fā)現(xiàn)新的關(guān)于數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量指數(shù)的假說(shuō)；檢驗(yàn)現(xiàn)有的關(guān)于數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量指數(shù)是否有效；提煉，粗糙化及調(diào)整關(guān)于數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量指數(shù)。常見(jiàn)的問(wèn)題有：什么原因?qū)е逻`背標(biāo)準(zhǔn)?個(gè)人信息、年齡、性別是怎樣影響對(duì)標(biāo)準(zhǔn)的違背的?比如：若年齡因素和某種治療導(dǎo)致住院時(shí)

14、間比標(biāo)準(zhǔn)住院時(shí)間長(zhǎng)，是否考慮修改治療方案?數(shù)據(jù)挖掘可以幫助發(fā)現(xiàn)有關(guān)提高臨床服務(wù)效率及質(zhì)量潛力的證據(jù)。(5)在醫(yī)學(xué)圖像中的應(yīng)用：醫(yī)學(xué)領(lǐng)域中越來(lái)越多地應(yīng)用圖像作為疾病診斷的工具，如SPECT、CT、MRI、PET等，數(shù)據(jù)挖掘可以應(yīng)用于醫(yī)學(xué)圖像的分析。Sacha等成功地運(yùn)用基于貝葉斯分類(lèi)的數(shù)據(jù)挖掘模式對(duì)心肌SPECT圖像進(jìn)行分類(lèi)診斷。(6)在醫(yī)學(xué)其他方面的應(yīng)用：數(shù)據(jù)挖掘還應(yīng)用于毒理學(xué)方面，藥物的新的副作用發(fā)現(xiàn)。4.國(guó)內(nèi)生物醫(yī)學(xué)數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀及展望我國(guó)的醫(yī)院信息系統(tǒng)(HIS)經(jīng)過(guò)多年的自動(dòng)化建設(shè)，已具備相當(dāng)?shù)奈镔|(zhì)條件和人才儲(chǔ)備，并積累了大量數(shù)據(jù)，為數(shù)據(jù)挖掘應(yīng)用奠定了一定的物質(zhì)基礎(chǔ)。而且，醫(yī)院信息化

15、發(fā)展是我國(guó)信息化建設(shè)的重要組成部分，國(guó)家對(duì)此給予了高度的重視并提供了大量政策上和經(jīng)濟(jì)上的支持，為行業(yè)性數(shù)據(jù)挖掘的實(shí)施提供了良好的政策環(huán)境和經(jīng)濟(jì)保障。在我國(guó)，盡管醫(yī)學(xué)的數(shù)據(jù)極為豐富，但運(yùn)用數(shù)據(jù)挖掘技術(shù)分析和處理這些數(shù)據(jù)資源的研究尚處于起步階段。原因主要在于以下兩個(gè)方面：其一，數(shù)據(jù)挖掘采用許多復(fù)雜的數(shù)學(xué)工具，這可能使生物醫(yī)學(xué)科學(xué)研究者“望而卻步”。其實(shí)，這種“恐懼”心理是不必要的。對(duì)于生物醫(yī)學(xué)領(lǐng)域的研究者而言，并不需要設(shè)計(jì)這些數(shù)學(xué)工具，他們需要的是理性地使用這些現(xiàn)有的工具。許多數(shù)據(jù)處理軟件包(如Weka、BMiner、SPSS Clementine和SAS Enterprise Miner等)都包

16、含常用數(shù)據(jù)挖掘方法的功能。其二，當(dāng)前醫(yī)學(xué)教育中的知識(shí)結(jié)構(gòu)使大部分生物醫(yī)學(xué)研究者對(duì)“數(shù)據(jù)挖掘”這類(lèi)數(shù)據(jù)分析處理技術(shù)不甚了解、也不甚敏感，也就更難以自覺(jué)地應(yīng)用。隨著生物醫(yī)學(xué)研究人員對(duì)“數(shù)據(jù)挖掘”及其應(yīng)用的理解不斷深入，這種新穎的數(shù)據(jù)分析工具必將對(duì)生物醫(yī)學(xué)研究產(chǎn)生積極的促進(jìn)作用。5結(jié)語(yǔ)生物醫(yī)學(xué)數(shù)據(jù)庫(kù)是一個(gè)復(fù)雜數(shù)據(jù)庫(kù)，包括電子病歷、醫(yī)學(xué)影像、病理參數(shù)、化驗(yàn)結(jié)果等。目前數(shù)據(jù)挖掘技術(shù)主要應(yīng)用于以結(jié)構(gòu)化數(shù)據(jù)為主的關(guān)系數(shù)據(jù)庫(kù)、事務(wù)數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)，對(duì)復(fù)雜類(lèi)型數(shù)據(jù)的挖掘尚在起步階段。造成這種局面的可能原因有：挖掘結(jié)果的可理解性欠佳；挖掘結(jié)果數(shù)量過(guò)大，難以處置：挖掘方法在實(shí)際應(yīng)用中與用戶(hù)的交互作用不理想等。數(shù)據(jù)挖掘在經(jīng)過(guò)多年的發(fā)展之后已經(jīng)形成相對(duì)成熟的技術(shù)體系，特別是在數(shù)據(jù)挖掘設(shè)計(jì)、數(shù)據(jù)抽取以及聯(lián)機(jī)分析處理技術(shù)等方面都取得了令人滿(mǎn)意的進(jìn)展，為數(shù)據(jù)挖掘的應(yīng)用奠定了技術(shù)基礎(chǔ)。隨著數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用和各種挖掘算法的不斷改進(jìn)完善，結(jié)合生物醫(yī)學(xué)信息自身的特殊性和復(fù)雜性，處理好挖掘過(guò)程中的關(guān)鍵技術(shù)，使數(shù)據(jù)挖掘技術(shù)在處理生物醫(yī)學(xué)資料中的功能日益強(qiáng)大。數(shù)據(jù)挖掘技術(shù)在生物醫(yī)學(xué)研究、醫(yī)療衛(wèi)生管理與決策中的應(yīng)用范圍也會(huì)越來(lái)越廣，并帶來(lái)可觀的經(jīng)濟(jì)和社會(huì)效益。參考文獻(xiàn)：1康曉東基于數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)