淺析數據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已經完成：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據。對數據資源的開發(fā)利用，將使電子病歷的意義得到淋漓盡致的展現，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“如何進行數據挖掘”。
1 廣義數據挖掘
1．1 數據挖掘的含義
      數據挖掘是揭示存在于數據里的模式及數據問的關系的學科，它強調對大量觀測到的數據的處理。數據挖掘能夠從大量的、不完全的、有噪聲的、模糊的、隨機的數據集中識別有效的、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、智能數據庫、知識獲取、數據可視化、高性能計算、專家系統(tǒng)等學科。數據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 數據挖掘的產生與發(fā)展
       數據挖掘最初脫胎于統(tǒng)計學，通過計算機，對大量復雜的數據集自動進行探索性分析。盡管數據挖掘和統(tǒng)計分析之間有明顯的聯(lián)系，迄今為止大部分的數據挖掘方法并不產生于統(tǒng)計學科。正因為數據挖掘工作對商業(yè)、工業(yè)及科學研究具有極大的影響，在有需求的領域里，關于數據挖掘的研究總有可觀的成績。
1．3 被挖掘數據源的形式
       被挖掘的數據源有多種形式，目前可歸納的主要有：關系數據庫、面向對象數據庫、空間數據庫、時態(tài)數據庫、文本數據源、多媒體數據庫、異質數據庫、遺產(1egacy)數據庫，以及Web數據源。簡言之，大量數據庫技術的發(fā)展，令數據存量大量增加，“數據爆炸但知識貧乏”，由此催生了數據挖掘技術，以獲得海量數據背后隱藏著的知識。
2 特殊語境下的數據挖掘
       數據挖掘總是在某一特定知識領域內進行，具有普遍適用性的數據挖掘技術尚未出現。這由數據挖掘本身的難點決定。首先，巨量數據集的性質非常復雜，非線性、時序性與噪音普遍存在；其次，數據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，對巨量數據集的分析，目前還沒有現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，有效回避了數據挖掘的瓶頸問題。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據噪音大量削減，使數據源形式簡化，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，廣義數據挖掘的難點被一一回避。因此，盡管廣義數據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據挖掘應用是合理可行的，是符合現實的。
3 基于結構化采集的數據挖掘
3．1 預結構化
      預結構化電子病歷是繼“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、數據交換、數據挖掘完全無法進行。隨著社會信息建設要求的提高，數據應用的意義得到重視。以WORD存儲電子病歷，無法對病歷數據進行開采和利用，只是數據垃圾的堆積。于是，電子病歷結構化的理念在業(yè)界達成了高度一致?；诋敃r的技術水平，開發(fā)了“預結構化”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，從而實現病歷的檢索、分析和質量控制，能夠為專家系統(tǒng)所理解，從而為教學科研提供依據。預結構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，必須內容， 以及必須形式。在固定的形式下，將項目和內容盡數羅列，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。根據前文選擇錄入的內容，內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，內容明確，預結構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，預結構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，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。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，使預結構化喪失了用武之地。
3．2 后結構化
       實踐表明，自由文本和預結構化病歷的使用，難以滿足臨床科研數據管理與統(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，后結構化應運而生。后結構化的語義分析模型，最終是將語義元素的固有關系進行遍歷，結合語義強度等因素，對自然語言進行處理。基于這一模型，得以對純文本的病歷內容進行結構化采集。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構化文書之外，病歷的主觀描述部分也實現了完全結構化。解析自然語言的過程稱為“后結構化”。與預結構化不同，后結構化并沒有設定采集范式，沒有設定數據的抓取結構，因而并不要求細致的填充。后結構化技術維護了病歷描述的自然語境。后結構化有兩大關鍵難點。首先是機器學習還相當幼稚。在預結構化中，由于抓取和采集的框架已經確定，解析和計算的邏輯相對固定，因而基本不需涉及機器學習。但在后結構化模式中，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，神經網絡規(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)，其轉格及形式缺乏顯著標志，給結構化處理帶來了難度。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，關于漢語言的結構化研究進度遲緩。綜上所述，數據挖掘是電子病歷發(fā)展到相當程度的必然要求。而在電子病歷的應用中，實現數據挖掘的關鍵，即結構化采集。盡管存在著大量難點，但在強大的需求面前，結構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．電子病歷中結構化描述內容與?？撇v模板[J]．現代醫(yī)學，2005，33(6)：4]7—419．