摘要：醫(yī)學(xué)信息資源既是患者診療的重要依據(jù)，又是研究發(fā)病機(jī)制和規(guī)律的重要參考。然而，目前對(duì)大部分的醫(yī)學(xué)數(shù)據(jù)仍缺乏后期加工處理，不利于臨床的利用。本文通過(guò)發(fā)展現(xiàn)狀研究，利用數(shù)據(jù)挖掘直觀易懂、類似臨床循證思維的優(yōu)勢(shì)，分析其用于腫瘤鑒別診斷的可行性。

關(guān)鍵詞：數(shù)據(jù)挖掘；腫瘤鑒別；循證醫(yī)學(xué)；診斷金標(biāo)準(zhǔn)

1數(shù)據(jù)挖掘的發(fā)展現(xiàn)狀

1.1研究背景 計(jì)算機(jī)技術(shù)的飛速發(fā)展，醫(yī)院信息系統(tǒng)積累了海量數(shù)據(jù)，涵蓋了患者的病史、診斷、檢查和治療的臨床信息、藥品管理信息、醫(yī)療財(cái)務(wù)信息和醫(yī)院管理信息。這些信息資源既是醫(yī)生對(duì)患者正確診療的重要依據(jù)，又是醫(yī)院管理層進(jìn)行科學(xué)決策的重要參考，對(duì)促進(jìn)人類健康，提高生活質(zhì)量有重要作用[1]。然而，目前大部分醫(yī)院對(duì)醫(yī)學(xué)信息的處理仍停留在數(shù)據(jù)的錄入、修改、查詢、統(tǒng)計(jì)階段，屬于低層操作，缺乏對(duì)數(shù)據(jù)的后處理和分析，形成了\"醫(yī)學(xué)數(shù)據(jù)豐富而醫(yī)學(xué)信息貧乏\"的尷尬局面[2]。

1.2醫(yī)學(xué)數(shù)據(jù)挖掘的應(yīng)用 基于數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)和醫(yī)學(xué)統(tǒng)計(jì)學(xué)的醫(yī)學(xué)數(shù)據(jù)挖掘應(yīng)運(yùn)而生，為醫(yī)務(wù)管理人員以及科研工作者處理、分析和利用這些數(shù)據(jù)對(duì)醫(yī)院進(jìn)行科學(xué)管理、提高診療效果、開展學(xué)術(shù)研究等提供了技術(shù)支持。數(shù)據(jù)挖掘（Data Mining，DM）是從大量不完全的、有噪聲的、模糊的、非結(jié)構(gòu)化的數(shù)據(jù)中提取隱含在其中的、不為人們所知的、卻又有潛在價(jià)值的信息和知識(shí)的過(guò)程，能智能分析數(shù)據(jù)，進(jìn)行歸納性推理，挖掘出潛在的模式和規(guī)律，大大地提高了信息的利用率[3]。

目前，數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)的多個(gè)領(lǐng)域也有了一定的研究基礎(chǔ)：

1.2.1 醫(yī)療診斷決策 在疾病診斷和預(yù)測(cè)中，通過(guò)對(duì)患者大量的數(shù)據(jù)資料的分析處理，挖掘出有價(jià)值的診斷規(guī)則，建立模型，再對(duì)此模型進(jìn)行測(cè)試，得到合適的算法模型，利用該模型可以輔助臨床醫(yī)學(xué)診斷。例如，利用粗糙集算法對(duì)數(shù)據(jù)進(jìn)行客觀有效的處理，可迅速獲得知識(shí)，在醫(yī)學(xué)上采用各種數(shù)據(jù)挖掘方法對(duì)肺癌進(jìn)行診斷對(duì)比[4]；使用神經(jīng)網(wǎng)絡(luò)與決策樹分別預(yù)測(cè)乳腺癌的轉(zhuǎn)移發(fā)生率。

1.2.2 生物醫(yī)學(xué)領(lǐng)域 DNA序列的研究是生物醫(yī)學(xué)的熱點(diǎn)，找出導(dǎo)致各種疾病的特定基因序列模式成為關(guān)注的焦點(diǎn)，數(shù)據(jù)挖掘中的序列模式分析和相似檢索技術(shù)成為了DNA分析的有力工具[5]。支持向量機(jī)算法的計(jì)算復(fù)雜性與數(shù)據(jù)維度不成正比，只與樣本數(shù)有關(guān)，分類的準(zhǔn)確率較高。其在醫(yī)學(xué)領(lǐng)域起步較晚，可用于生物學(xué)基因的分類、蛋白質(zhì)二級(jí)的識(shí)別和預(yù)測(cè)細(xì)胞水平分布[6]等。

1.2.3 醫(yī)學(xué)圖像處理 數(shù)據(jù)挖掘應(yīng)用于醫(yī)學(xué)圖像分析是其在醫(yī)學(xué)中的一個(gè)重要應(yīng)用，它能從海量的圖像數(shù)據(jù)中挖掘出有效的模型、關(guān)聯(lián)、規(guī)則、變化、不規(guī)則以及普遍的規(guī)律，給醫(yī)師提供參考，提高診斷的準(zhǔn)確度。

1.2.4 藥理學(xué)研究 在藥學(xué)研究中， 數(shù)據(jù)挖掘可以有效地存儲(chǔ)、管理、分析及整合大量的不同類型的生物和化學(xué)數(shù)據(jù)， 已成為國(guó)際上新藥研制過(guò)程中的關(guān)鍵技術(shù)支撐平臺(tái)。如應(yīng)用貝葉斯神經(jīng)網(wǎng)絡(luò)找出服用精神病藥物與心肌炎和心肌病發(fā)病的關(guān)系[7]。

1.2.5 醫(yī)院和衛(wèi)生事業(yè)管理 運(yùn)用數(shù)據(jù)挖掘技術(shù)，對(duì)醫(yī)院信息系統(tǒng)（Hospital Information System，HIS）產(chǎn)生的大量信息資源進(jìn)行加工，可得到長(zhǎng)期、系統(tǒng)、綜合的數(shù)據(jù)。通過(guò)決策樹、神經(jīng)網(wǎng)絡(luò)、聚類等方法，對(duì)數(shù)據(jù)進(jìn)行深層次的挖掘和有效利用，得到豐富的決策信息[8]。

2腫瘤的鑒別診斷

當(dāng)今世界，惡性腫瘤已逐漸成為導(dǎo)致人類死亡的第一大病因。循證醫(yī)學(xué)（Evidence-Based Medicine，EBM）給腫瘤學(xué)科的發(fā)展帶來(lái)了深刻變革[9]。EBM是運(yùn)用最新、最有力的科研信息，指導(dǎo)臨床醫(yī)師采用最適宜的診斷方法、最精確的預(yù)后估計(jì)和最安全有效的治療方法來(lái)治療患者。EBM的研究過(guò)程首先是研究數(shù)據(jù)的采集；其次是建立在科學(xué)詳盡的數(shù)據(jù)采集基礎(chǔ)上的科學(xué)定量分析，從而得出可靠結(jié)論；最后在系統(tǒng)評(píng)價(jià)的基礎(chǔ)上編寫臨床指引，形成針對(duì)某一特定疾病的臨床診療規(guī)范。EBM在腫瘤的病因研究、普查、治療中都有應(yīng)用。

3數(shù)據(jù)挖掘用于腫瘤鑒別的可行性分析

目前，鑒別腫瘤的金標(biāo)準(zhǔn)仍然是患者的病理結(jié)果（包括腫瘤的類型、形態(tài)學(xué)、分期、分級(jí)、免疫組化、遺傳基因等），任何正確的腫瘤診斷都必須建立在準(zhǔn)確的病理檢查基礎(chǔ)上。然而，病理組織標(biāo)本需要經(jīng)過(guò)手術(shù)或操作切除病損來(lái)獲取，從標(biāo)本取材到最終得出病理結(jié)論往往需要1w或更長(zhǎng)的時(shí)間，耽誤診療時(shí)機(jī)。因此，醫(yī)學(xué)專家考慮在無(wú)創(chuàng)的情況下，依據(jù)腫瘤EBM的思想，通過(guò)對(duì)患者的病理結(jié)果以外的其他信息如性別、年齡、是否有吸煙史、是否存在職業(yè)暴露，以及?？茩z查、影像檢查、驗(yàn)單結(jié)果等，來(lái)確定患者的疾病性質(zhì)（如是否腫瘤、腫瘤的良惡性）、腫瘤類型（病理組織形態(tài)）、病變程度（腫瘤的分期分級(jí)）等。

3.1方法 利用數(shù)據(jù)挖掘算法建立腫瘤鑒別分析系統(tǒng)，對(duì)輸入系統(tǒng)的多個(gè)因素（如患者性別、年齡、吸煙史、職業(yè)暴露情況、醫(yī)學(xué)輔助檢查結(jié)果）進(jìn)行分析，通過(guò)概率判斷腫瘤的性質(zhì)；通過(guò)數(shù)據(jù)挖掘模型的構(gòu)建過(guò)程計(jì)算各個(gè)影響因子的權(quán)重，從而探討各種危險(xiǎn)因素與腫瘤形成的關(guān)系。

3.2 研究意義

3.2.1 排除由于醫(yī)學(xué)數(shù)據(jù)多樣性造成的干擾。在臨床診斷中，患者的生物學(xué)特征、遺傳基因、腫瘤的病理形態(tài)、生活習(xí)慣與職業(yè)、對(duì)藥物的敏感性、治療效果等存在多樣性，同一類疾病的患者其臨床表型可能相差較大。數(shù)據(jù)挖掘算法綜合了分類學(xué)習(xí)與回歸分析的優(yōu)勢(shì)，通過(guò)生成樹、剪枝處理過(guò)程，改善每個(gè)觀察病例的異構(gòu)性。

3.2.2 為后續(xù)治療及臨床研究提供重要參考。在不進(jìn)行病理活檢手術(shù)的情況下，通過(guò)對(duì)潛在腫瘤患者其他醫(yī)療信息的鑒別分析，協(xié)助臨床醫(yī)師判斷腫瘤性質(zhì)、類型以及程度，縮短診斷等待時(shí)間，減少患者的創(chuàng)傷，降低診療費(fèi)用；以EBM為依據(jù)，結(jié)合臨床知識(shí)庫(kù)，為臨床診斷、患者后續(xù)治療提供了參考依據(jù)，為腫瘤的誘發(fā)因素、發(fā)病機(jī)制和規(guī)律的研究提供數(shù)據(jù)支持。

4結(jié)論

醫(yī)學(xué)數(shù)據(jù)挖掘能克服傳統(tǒng)數(shù)學(xué)分析方法的不足，很好地適應(yīng)不同類型的數(shù)據(jù)結(jié)構(gòu)，直觀地呈現(xiàn)結(jié)果，與臨床診斷思維相似。利用數(shù)據(jù)挖掘模型建立腫瘤鑒別分析系統(tǒng)，對(duì)輸入系統(tǒng)的多個(gè)腫瘤指標(biāo)進(jìn)行分析，協(xié)助醫(yī)生判斷腫瘤的性質(zhì)；通過(guò)計(jì)算指標(biāo)的權(quán)重，探討各種危險(xiǎn)因素與腫瘤形成的關(guān)系，使分析結(jié)果更具權(quán)威性。

參考文獻(xiàn)：

[1]劉愛(ài)民，馬家潤(rùn)，魯楊.病案信息學(xué)[M].北京：人民衛(wèi)生出版社，2009：5-7.

[2]O'Neil P，O'Neil E著.周敖英，俞榮華，季問(wèn)赟等譯.數(shù)據(jù)庫(kù)原理、編程與性能（第二版）[M].北京：機(jī)械工業(yè)出版社，2004：1-4.

[3]楊海青.數(shù)據(jù)挖掘技術(shù)在醫(yī)院管理中的應(yīng)用[J].中華醫(yī)院管理雜志，2005，21（7）：497-499.

[4]Kusiak A，Kern J，Kernstine K，et al.Autonomous decision-making：a data mining approach.IEEE transactions on information technology in biomedicine，2000，4（4）：274.

[5]龔著琳，陳瑛，蘇懿，等.數(shù)據(jù)挖掘在生物醫(yī)學(xué)數(shù)據(jù)分析中的應(yīng)用[J].上海交通大學(xué)學(xué)報(bào)，2010，30（11）：1420-1423.

[6]Hua S，Sun Z.A novel method of protein secondary structure prediction with high segment overlap measure：support vector machine app roach[J].J Mo l Bio l，2001，308（2）：397.

[7]Coulter D，Bate A，Meyboom R，et al.Antipsychotic drugs and heart muscle disorder in international pharmacovigilance：data mining study[J].BMJ，2001，322（7296）：1207.

[8]左翔，劉方，胡學(xué)鋼.醫(yī)學(xué)數(shù)據(jù)挖掘的探究與應(yīng)用[J].中國(guó)農(nóng)村衛(wèi)生事業(yè)管理，2011，31（3）：268-270.

[9]王寧，王雅杰.在腫瘤學(xué)科教學(xué)中運(yùn)用循證醫(yī)學(xué)原理指引實(shí)踐的思考[J].西北醫(yī)學(xué)教育，2011，19（1）：164-166.

編輯/孫杰