孔明霞 韓文英 王龍

摘 要：計算機技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用越來越引起人們的重視，數(shù)據(jù)挖掘是其中新興的熱門學(xué)科，應(yīng)用在醫(yī)療系統(tǒng)中可以處理已經(jīng)積累起來的病人資料數(shù)據(jù)庫中大量的歷史數(shù)據(jù)，利用已有的這些信息，通過各種技術(shù)和方法找出其中蘊涵的、先前未知的，但非常有用的規(guī)則或模式，即找出新的病因或發(fā)現(xiàn)新的治療方法。也就是說數(shù)據(jù)挖掘的目的是要發(fā)現(xiàn)新的知識，這些新知識必將促進醫(yī)療事業(yè)的發(fā)展。 本文介紹了數(shù)據(jù)挖掘的概念、主要的技術(shù)方法及其實施步驟，以及該技術(shù)在醫(yī)療信息系統(tǒng)中的應(yīng)用。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；分類規(guī)則；臨床信息系統(tǒng)（CIS）

1 數(shù)據(jù)挖掘技術(shù)概述

1） 概念[1]

數(shù)據(jù)挖掘（Data Mining），又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database， KDD），是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱含的、未知的、非平凡的及有潛在應(yīng)用價值的信息或模式，它是數(shù)據(jù)庫研究中的一個很有應(yīng)用價值的新領(lǐng)域，融合了數(shù)據(jù)庫、人工智能、機器學(xué)習(xí)、統(tǒng)計學(xué)等多個領(lǐng)域的理論和技術(shù)。數(shù)據(jù)挖掘工具能夠?qū)淼内厔莺托袨檫M行預(yù)測，從而很好地支持人們的決策。

2） 數(shù)據(jù)挖掘的技術(shù)方法

數(shù)據(jù)挖掘的技術(shù)主要有關(guān)聯(lián)分析、序列模式分析、分類分析、聚類分析、統(tǒng)計分析、基于模糊集合的分析、基于神經(jīng)網(wǎng)絡(luò)的分析等等。

●關(guān)聯(lián)分析法：利用關(guān)聯(lián)規(guī)則進行數(shù)據(jù)挖掘，其目的是挖掘隱藏在數(shù)據(jù)間的相互關(guān)系，它能發(fā)現(xiàn)數(shù)據(jù)庫中形如"90%的顧客在一次購買活動中購買商品A的同時購買商品B"之類的知識。采用關(guān)聯(lián)分析法可以從醫(yī)療信息系統(tǒng)（如CIS）的數(shù)據(jù)庫或為此建立的數(shù)據(jù)倉庫、數(shù)據(jù)集市的細節(jié)或事務(wù)中尋找出重新出現(xiàn)概率很高的模式。即從CIS的數(shù)據(jù)庫中分析某種疾病治療過程中誘發(fā)其他疾病的概率以及與時間的關(guān)系等[3]。

●序列模式分析法：與關(guān)聯(lián)分析相似，其目的也是為了挖掘數(shù)據(jù)之間的聯(lián)系，但其側(cè)重點在于分析數(shù)據(jù)間的前后序列關(guān)系。它能發(fā)現(xiàn)數(shù)據(jù)庫中形如"在某一段時間內(nèi)，顧客購買商品A，接著購買商品B，而后購買商品C，即序列A→B→C出現(xiàn)的頻度較高"之類的知識。

●分類分析法：設(shè)有一個數(shù)據(jù)庫和一組具有不同特征的類別（標記），該數(shù)據(jù)庫中的每一個記錄都賦予一個類別的標記，這樣的數(shù)據(jù)庫稱為示例數(shù)據(jù)庫或訓(xùn)練集。分類分析就是通過分析示例數(shù)據(jù)庫中的數(shù)據(jù)，為每個類別做出準確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個分類規(guī)則對其它數(shù)據(jù)庫中的記錄進行分類。目前已有多種分類分析模型得到應(yīng)用，其中幾種典型模型是線性回歸模型、決策樹模型、基本規(guī)則模型和神經(jīng)網(wǎng)絡(luò)模型。

●聚類分析法：通過分析數(shù)據(jù)庫中的記錄數(shù)據(jù)，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個記錄所在類別。它所采用的分類規(guī)則是由聚類分析工具決定的。聚類分析的方法很多，其中包括系統(tǒng)聚類法、分解法、加入法、動態(tài)聚類法、模糊聚類法、運籌方法等。采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結(jié)果。

2數(shù)據(jù)挖掘的實施步驟

數(shù)據(jù)挖掘是一個利用各種分析工具在海量數(shù)據(jù)中發(fā)現(xiàn)模型和數(shù)據(jù)間關(guān)系的過程，它是一個交互式的迭代過程。主要包括以下實施步驟[2]：

1）取得數(shù)據(jù)源

數(shù)據(jù)挖掘最理想的數(shù)據(jù)源是數(shù)據(jù)倉庫。數(shù)據(jù)倉庫由來自多個數(shù)據(jù)庫的數(shù)據(jù)組成，并消除他們之間的不一致。如數(shù)據(jù)倉庫不可得，則要從各個數(shù)據(jù)庫中取得數(shù)據(jù)。數(shù)據(jù)挖掘有時還需要對原有數(shù)據(jù)庫進行改造以得到可用的數(shù)據(jù)源，例如延長歷史的保留期等。

2）數(shù)據(jù)預(yù)處理

這包括消除來自不同數(shù)據(jù)庫甚至不同類型計算機數(shù)據(jù)表示的不一致，在數(shù)據(jù)中加入新的數(shù)據(jù)項（例如對原有數(shù)據(jù)項進行有意義的數(shù)學(xué)計算而得到新的數(shù)據(jù)項），以發(fā)現(xiàn)更多的規(guī)律，將數(shù)據(jù)分為訓(xùn)練集和測試集等方面。

3） 構(gòu)造和訓(xùn)練模型

這個步驟依賴于具體的數(shù)據(jù)挖掘方法。常用的方法有規(guī)則歸納、決策樹、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、粗集方法、鄰近搜索方法、模糊邏輯、可視化技術(shù)等。

4） 評價模型

用測試數(shù)據(jù)集來測試模型以估計模型的正確率。最后一步是驗證模型，比如通過對病人診療數(shù)據(jù)分析后得到一個模型，不管它與歷史數(shù)據(jù)多么吻合，在進行臨床使用前，都必須首先進行臨床試驗。

3 數(shù)據(jù)挖掘技術(shù)在醫(yī)療信息系統(tǒng)中的應(yīng)用

下面以序列模式分析法為例，介紹了數(shù)據(jù)挖掘技術(shù)在醫(yī)療中的重要作用。

給定一個病人就診數(shù)據(jù)庫D，每條就診記錄包含進行該就診的病人標識、就診時間和診斷出的疾病數(shù)據(jù)項。數(shù)據(jù)項集是數(shù)據(jù)項的非空集合，序列是數(shù)據(jù)項集的有序集。

設(shè)Sa=〈A1，A2，…，AK〉，Sb=〈B1，B2，…，Bn〉是兩個序列，如果存在整數(shù)1≤i

一個病人在一段時間內(nèi)進行的所有診斷可看作一個序列：S=〈item set（T1）， item set（T2），…， item set（Tn）〉，其中item set（Ti）表示診斷Ti診斷出的疾病集，序列中的元素是按診斷時間排列的，這樣一個序列叫這個病人的病人序列。

如果一個序列S包含在一個病人的病人序列中，則稱這個病人序列支持序列S。在一個診斷數(shù)據(jù)庫中，一個序列的支持度是支持這個序列的病人數(shù)占全部診斷病人數(shù)的比例。

對一個診斷數(shù)據(jù)庫D，挖掘序列模式的任務(wù)就是在D中找出所有的最大序列，這些序列滿足用戶指定的最小支持度，這樣的一個序列叫做序列模式。具有最小支持度的序列叫頻繁序列。

在診斷數(shù)據(jù)庫D中挖掘序列模式是先將D轉(zhuǎn)換為病人序列庫Q，然后通過對Q多次掃描找出各個長度的頻繁序列，序列的長度指序列包含項的個數(shù)。如果用戶指定的最小支持度為37%（即有兩個病人支持），則挖掘的序列模式如下：

S1=〈{1003}，{1009}〉和S2=〈{1003}，{1004，1007}〉。

這樣對醫(yī)院的就診數(shù)據(jù)庫進行一些必要的預(yù)處理，選取一類病情，然后利用挖掘序列模式的算法，挖掘滿足支持度限制的序列模式，就可以發(fā)現(xiàn)一些病情的發(fā)展模式，從而有針對性的預(yù)防某些疾病的發(fā)生，同時給病人一些實際數(shù)據(jù)的說明，使病人高度重視某些疾病，防止病情進一步發(fā)展。

4 結(jié)束語

本文通過舉例介紹了數(shù)據(jù)挖掘技術(shù)在醫(yī)療系統(tǒng)中的應(yīng)用，通過醫(yī)學(xué)領(lǐng)域的專業(yè)知識和數(shù)據(jù)挖掘技術(shù)的結(jié)合，收集大量穩(wěn)定、可靠的醫(yī)療數(shù)據(jù)，反復(fù)實踐，不斷提高挖掘知識的質(zhì)量，合理應(yīng)用，必將對醫(yī)學(xué)研究、疾病診斷和治療起到重要的促進作用。

參考文獻：

[1]屈竟輝，醫(yī)學(xué)信息數(shù)據(jù)庫的建立與數(shù)據(jù)挖掘，第四軍醫(yī)大學(xué)學(xué)報，2001年第22期。

[2]付階輝，趙林度，數(shù)據(jù)挖掘技術(shù)在HIS中的應(yīng)用，東南大學(xué)學(xué)報，2002年10月。

[3]顏延，秦興彬，樊建平，王磊，醫(yī)療健康大數(shù)據(jù)研究綜述，科研信息化技術(shù)與應(yīng)用，2014（06）

[4]王淑，陳敏，于廣軍，舒林華，基于數(shù)據(jù)挖掘技術(shù)的典型兒童呼吸道感染性疾病臨床決策支持系統(tǒng)研究，中國數(shù)字醫(yī)學(xué)，2015（12）

[5]于婷，大數(shù)據(jù)時代的數(shù)據(jù)挖掘技術(shù)與應(yīng)用，通訊世界，2018年12月。