，

我國幅員遼闊，地區(qū)間經(jīng)濟(jì)發(fā)展不平衡,區(qū)域間醫(yī)療資源的差距明顯，優(yōu)質(zhì)醫(yī)療資源始終處于緊張狀態(tài)，“看病難”“看病貴”成為一種常態(tài)現(xiàn)象[1]。人類社會正飛速進(jìn)入信息大數(shù)據(jù)時代，充分利用醫(yī)療信息資源，進(jìn)行數(shù)據(jù)處理和分析，可以實現(xiàn)計算機(jī)輔助決策，推動分級診療、精準(zhǔn)治療，從而進(jìn)一步合理配置醫(yī)療資源，促進(jìn)基本醫(yī)療衛(wèi)生服務(wù)實現(xiàn)均等化。

1 研究背景

1.1 電子病歷及電子病歷挖掘現(xiàn)狀及發(fā)展趨勢

醫(yī)療信息資源有非結(jié)構(gòu)化文本、圖像、圖形、聲音、視頻等多種形式[2]，文本信息占比高達(dá)95%以上，文本信息又以電子病歷(Electronic Medical Record，EMR)為重要代表。電子病歷出現(xiàn)的初衷是解決越來越多需要存儲的醫(yī)療文本問題[3]，發(fā)展到今天，電子病歷要求包含患者的就診信息，支持記錄診斷和治療情況，并可以實現(xiàn)信息的累加、共享、分析和利用，促進(jìn)醫(yī)療服務(wù)，提高醫(yī)療質(zhì)量和效率。國內(nèi)目前很多大型醫(yī)院的電子病歷系統(tǒng)，對患者臨床信息的描述性數(shù)據(jù)是以自由文本形式存在的[4]，非結(jié)構(gòu)化的輸入形式帶來了數(shù)據(jù)的多維性，不確定性，受控醫(yī)學(xué)詞匯表以及支持臨床決策的臨床數(shù)據(jù)倉庫，使大量臨床數(shù)據(jù)分散在不同的系統(tǒng)中，很難實現(xiàn)高效方便地獲取病人完整和準(zhǔn)確的診療信息[5]。經(jīng)過標(biāo)準(zhǔn)化處理的文本信息，通過查詢，分析，才能真正輔助臨床決策，實現(xiàn)精準(zhǔn)醫(yī)療。目前國內(nèi)外對電子病歷的應(yīng)用都在朝集成方向、專家智能方向發(fā)展[6]，希望通過建標(biāo)準(zhǔn)、區(qū)域共享化實現(xiàn)醫(yī)療信息的可擴(kuò)展、可互操作等深層次應(yīng)用。在互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展的前景下，利用“互聯(lián)網(wǎng)+”跨學(xué)科思維，把電子病歷從語義的角度解讀，并描述醫(yī)學(xué)事實的內(nèi)涵及外延，利用本體、知識庫模型，能更有效挖掘電子病歷資源。

1.2 本體研究在電子病歷中的應(yīng)用

隨著醫(yī)學(xué)信息電子化處理的飛速發(fā)展，愈來愈多的應(yīng)用受制于術(shù)語問題(terminology problem)[7]，即同一醫(yī)學(xué)概念在不同領(lǐng)域和不同人群中表達(dá)方式不同，造成信息查詢和利用的障礙。醫(yī)院信息系統(tǒng)的開發(fā)供應(yīng)商希望有一種統(tǒng)一的編碼系統(tǒng)來滿足臨床電子病歷發(fā)展的需要。

醫(yī)學(xué)本體描述客觀的醫(yī)學(xué)事實[8]，是客觀事實的抽象模型，用精準(zhǔn)的數(shù)學(xué)描述反映概念之間的關(guān)系，能進(jìn)行共享利用。通過本體，知識庫模型打造一體化醫(yī)學(xué)語言系統(tǒng)[9]，可以規(guī)范統(tǒng)一的概念表達(dá),提供信息查詢的統(tǒng)一入口,從而解決獲取信息的語言屏障。例如美國國立醫(yī)學(xué)圖書館開發(fā)的醫(yī)學(xué)語言系統(tǒng)(Unified Medical Language System,簡稱UMLS)，中國中醫(yī)研究院開發(fā)的傳統(tǒng)醫(yī)學(xué)一體化醫(yī)學(xué)語言系統(tǒng)[10],中國醫(yī)學(xué)科學(xué)院開發(fā)的中文一體化醫(yī)學(xué)語言系統(tǒng)等[11]。其方式都是系統(tǒng)整合各種醫(yī)學(xué)資源的檢索術(shù)語,使許多不同源術(shù)語集中的相同語義擁有標(biāo)準(zhǔn)格式，用以完成醫(yī)學(xué)信息的存儲、提取與分析。隨著信息技術(shù)的發(fā)展，醫(yī)療信息資源本體、知識庫可以實現(xiàn)制定統(tǒng)一的知識規(guī)則，通過跨學(xué)科融合，促進(jìn)電子病歷信息的標(biāo)準(zhǔn)化，增加可互操作、可重復(fù)利用。

本文將以川崎病電子病歷大數(shù)據(jù)為對象，將文本處理簡化為空間的三維向量(本體模型)進(jìn)行實例展示，通過計算、比較表達(dá)文本在語義上的相似度，幫助找尋出川崎病電子病歷海量數(shù)據(jù)中的關(guān)聯(lián)規(guī)則，歸納出川崎病患者的診斷標(biāo)準(zhǔn)、醫(yī)生的診療習(xí)慣、診療模式、用藥習(xí)慣等診療行為。相對于傳統(tǒng)的文本檢索方式，能更準(zhǔn)確、更有效、更快速地分析電子病歷信息，進(jìn)行臨床輔助診療。

2 基于本體的電子病歷后結(jié)構(gòu)化模型構(gòu)建

本體(Ontology)是知識庫構(gòu)建的基礎(chǔ)[12]。本文從某三甲?？苾和t(yī)院病案室收集了以川崎病為最終診斷結(jié)果的電子病歷2 294份，采用形式概念分析，對電子病歷進(jìn)行了數(shù)據(jù)清洗，建立本體，本文以一條病程記錄為實例演示如何建立川崎病概念本體(圖1)。

圖1 川崎病概念本體的鑒定

圖1顯示，從病歷中可以提取關(guān)于川崎病的表述概念，表述概念與本體最大的區(qū)別在于，表述概念屬于本體的擴(kuò)展，具有可擴(kuò)展性和不確定性，而本體是表述概念的內(nèi)涵。因此建立概念本體在信息檢索上更具有優(yōu)勢。

定義1(表示概念 )：假設(shè)一個三元組Y=(L,M,N)，其中L是所有對象的集合，M是屬性集合，N (LXM)，也就是說N是LXM的子集。

定義2：設(shè){O1,D1},{O2,D2}是形式背景{O,D}兩個形式概念，{O2,D2}是{O1,D1}的超概念。

定義3：概念相似度計算為：

圖2本體產(chǎn)生的概念圖

由以上定義及概念圖，本體產(chǎn)生具體步驟如下：

第一，結(jié)構(gòu)化電子病歷，針對vMR中的數(shù)據(jù)，參考HL7 CDA的結(jié)構(gòu)及其對應(yīng)的文檔模板，用可擴(kuò)展標(biāo)記語言XML構(gòu)建標(biāo)準(zhǔn)化的川崎病電子健康文檔，其步驟為：定義解析文檔、生成XML解析數(shù)據(jù)文件，形成規(guī)范樣式表。最終生成川崎病結(jié)構(gòu)化電子健康文檔。

第二，形成領(lǐng)域詞典，每個病人的所有記錄，形成一條結(jié)構(gòu)化的病歷，這里面包括了患者從到醫(yī)院后的所有信息。從每一條信息中取出相關(guān)詞語并實現(xiàn)再分詞，形成詞典。

第三，計算相似度，運用上述定義1、2、3公式計算其相似度。

第四，形成川崎病本體，去掉相似度相近詞語，形成本體。

3 基于向量空間模型知識庫的構(gòu)建

知識庫與本體是多對一的映射關(guān)系[13]，知識庫是本體的外延，本體是知識庫的內(nèi)涵[14]。前面已經(jīng)形成川崎病的本體，為進(jìn)一步打造知識庫打下堅實基礎(chǔ)。由此基于向量空間模型算法做如下定義：

根據(jù)上述定義構(gòu)建知識庫的方法如下：

第一，建立患者語義庫、電子病歷醫(yī)生語義庫、專家語義庫。

第二，從以上各種語義庫中分別取詞。

第三，利用定義1、2、3計算Tf、Idf、W。

第四，分別計算相似度。通過計算相似度建立起川崎病本體與各種語義庫的一對多映射關(guān)系，形成患者知識庫、醫(yī)生知識庫、專家知識庫。

4 驗證

本驗證限于篇幅不能全部驗證，僅以一條病人電子病歷為說明，其中數(shù)據(jù)庫清洗，XML結(jié)構(gòu)化電子病歷限于技術(shù)的相對成熟就不在這里描述，直接給出一條簡單的電子病歷，且以醫(yī)生某一項檢查本體和知識庫為樣本。

4.1 本體形成

表1為4條病人需要檢查記錄，分別記錄為D1、D2、D2、D4。

表1 4條病人需要檢查的記錄

以上每條記錄去掉無關(guān)詞后形成文檔詞序列見表2。

表2 4條病人檢查記錄文檔詞序列

根據(jù)以上表格及形式背景定義得出屬性集合G：彩超 多普勒 ，屬性M分別是：心臟、 彩超、 多普勒、 腹部 、胃腸。那么其子集I為{彩超， 多普勒，心臟}，{ 彩超 ，多普勒，彩超}，{彩超 ，多普勒，多普勒}，{彩超 ，多普勒，腹部}，{彩超， 多普勒，胃腸}。由此根據(jù)定義3運算得出結(jié)論本體為：彩超 多普勒 。

4.2 知識的形成

根據(jù)本體建立表3。

表3 屬性M本體構(gòu)建

分別計算Tf、Tdf、W，結(jié)果見表4。

表4 屬性M權(quán)值分布

根據(jù)以上結(jié)果得出結(jié)論，檢查部分的要點為：多普勒 心臟 彩超 腹部 胃腸。經(jīng)問卷調(diào)查臨床醫(yī)生，有川崎病的孩子檢查都要進(jìn)行多普勒心臟彩超確診，但有少部分需要做腹部或胃腸彩輔助檢查，可見此法構(gòu)建本體，知識庫真實有效。

川崎病大部分的患兒經(jīng)臨床治療后能康復(fù)情況較好，但部分川崎病患兒會因癥狀體征不典型性而容易與其他特異或者非特異炎癥疾病發(fā)生混淆，還有極少數(shù)會因并發(fā)癥發(fā)展成為重癥，三甲兒童?？漆t(yī)院的醫(yī)生臨床經(jīng)驗豐富，基于臨床癥狀判斷，檢查、佐證，能較及時判斷患兒病情。但是更多的二級醫(yī)院醫(yī)生相關(guān)臨床經(jīng)驗可能不足，如果借助川崎病的知識庫，可以更好的進(jìn)行臨床的診斷和治療，從而實現(xiàn)對疾病的早期干預(yù)和治療。

5 結(jié)論

本文采用的構(gòu)建模型方法簡單、實用、效率高，軟件的實現(xiàn)相對簡單，開發(fā)成本低。項目成果亦可用于其他病種，構(gòu)建模型方法擺脫了傳統(tǒng)一病一法的粗糙聚類方法。為推動電子病歷數(shù)據(jù)挖掘，疾病的分類管理、分級診療、計算機(jī)輔助決策、精準(zhǔn)醫(yī)療的全面實施提供有力知識保證。