段鶼李，陳廷寅

[中南大學(xué)湘雅醫(yī)院 網(wǎng)絡(luò)信息中心（中南大學(xué)醫(yī)院管理研究所），湖南 長沙 410008]

近年來，數(shù)據(jù)分析與挖掘技術(shù)快速發(fā)展，其在醫(yī)療健康領(lǐng)域的影響與作用也越來越受到重視[1]。全國衛(wèi)生與健康大會、《健康中國2030 國規(guī)劃綱要》、《“十三五”衛(wèi)生與健康規(guī)劃》和《全民健康保障工程建設(shè)規(guī)劃》都對醫(yī)療健康信息化與大數(shù)據(jù)應(yīng)用發(fā)展作了規(guī)劃部署。國務(wù)院辦公廳于2016年下發(fā)的《關(guān)于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》，對發(fā)展健康醫(yī)療大數(shù)據(jù)，推動健康醫(yī)療數(shù)據(jù)互聯(lián)融合、開放共享具有推動和指導(dǎo)意義[2]。

醫(yī)學(xué)要發(fā)展和突破就離不開科研，在當(dāng)下還有很多疾病的發(fā)病機制、發(fā)病原因沒有明確，治療方法、診斷方法等都還有待進一步改進，但隨著醫(yī)療信息化程度的提升，通過對醫(yī)療過程和結(jié)果數(shù)據(jù)的分析、監(jiān)控，可以有效地發(fā)現(xiàn)醫(yī)療過程中出現(xiàn)的問題，并分析發(fā)生的原因，有針對性地進行改善，提升醫(yī)療質(zhì)量。這就需要醫(yī)務(wù)人員，特別是臨床一線醫(yī)務(wù)人員從日常診療過程中積累經(jīng)驗，見微知著，就未解問題積極進行研究。然而醫(yī)療數(shù)據(jù)量大且關(guān)系復(fù)雜，要對這種大量數(shù)據(jù)的關(guān)系進行發(fā)現(xiàn)和分析，依靠傳統(tǒng)的計算框架已很難滿足要求。

1 醫(yī)院科研數(shù)據(jù)應(yīng)用現(xiàn)狀分析

醫(yī)院臨床業(yè)務(wù)每天會產(chǎn)生大量的診斷、醫(yī)囑、生命體征、檢驗、檢查等方面的數(shù)據(jù)，但這些數(shù)據(jù)在信息化過程中未以科研為目標(biāo)進行采集和組織，從而導(dǎo)致無法直接為科研所用，需要再次將這些數(shù)據(jù)根據(jù)科研的需求進行組織。不僅需要整合本院的患者數(shù)據(jù)，而且還需要整合患者在其他醫(yī)療機構(gòu)和保健機構(gòu)產(chǎn)生的醫(yī)療、健康、生活習(xí)慣、居住環(huán)境、職業(yè)等方面的全生命過程數(shù)據(jù)，為科研建立起完整的、以患者/居民為中心的科研大數(shù)據(jù)中心。但這些數(shù)據(jù)大多是基于患者治療產(chǎn)生的數(shù)據(jù)，更多是以完成診療工作為主，而沒有從更全面、更深入、更智能的角度上對數(shù)據(jù)進行很好地分析和利用，從而將數(shù)據(jù)提煉成信息，凝聚成知識，為醫(yī)院的臨床和管理服務(wù)。

隨著醫(yī)學(xué)科學(xué)的深入發(fā)展，臨床分科精細(xì)化更有利于醫(yī)生學(xué)術(shù)有專攻和對疾病的有效治療，而目前的電子病歷針對不同?？坪图膊〉奶厣M行細(xì)分方面還需要進一步完善，以支撐醫(yī)護人員快速精準(zhǔn)定位、精準(zhǔn)分析，并適應(yīng)醫(yī)療專科化、專病化的發(fā)展?；颊卟v、檢查、檢驗和隨訪資料是寶貴的科研資源，醫(yī)生可以對病例數(shù)據(jù)進行篩選和分析，為臨床科研提供堅實的基礎(chǔ)[3]。目前，醫(yī)院雖然實現(xiàn)院內(nèi)信息系統(tǒng)的互聯(lián)互通，匯聚不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，但由于數(shù)據(jù)質(zhì)量不高、數(shù)據(jù)異構(gòu)性矛盾、缺乏專業(yè)的數(shù)據(jù)分析平臺等問題，離實際科研應(yīng)用尚有一段距離，還需要根據(jù)專科需要實現(xiàn)科研數(shù)據(jù)的合理、高效使用。臨床數(shù)據(jù)與科研數(shù)據(jù)尚未緊密融合，科研與臨床的良性互動還不夠。

2 建立臨床數(shù)據(jù)分析的方法

2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)處理是以提高臨床科研效率、促進業(yè)務(wù)協(xié)同服務(wù)、輔助臨床決策支持、夯實大數(shù)據(jù)技術(shù)支撐為目標(biāo)，按標(biāo)準(zhǔn)構(gòu)建院級科研大數(shù)據(jù)中心，并向上層應(yīng)用提供數(shù)據(jù)服務(wù)。數(shù)據(jù)范圍主要包括基于醫(yī)院臨床數(shù)據(jù)中心的醫(yī)院臨床業(yè)務(wù)數(shù)據(jù)、基于專科聯(lián)盟及醫(yī)聯(lián)體的醫(yī)療衛(wèi)生機構(gòu)服務(wù)數(shù)據(jù)、基于醫(yī)療設(shè)備（含穿戴設(shè)備）的健康體征監(jiān)測數(shù)據(jù)及基于?？萍膊〉目蒲辛勘頂?shù)據(jù)等。主要方法包括數(shù)據(jù)清洗、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約[4]。

數(shù)據(jù)清洗： 即進行異常數(shù)據(jù)清除，錯誤糾正及重復(fù)數(shù)據(jù)的清除。清洗數(shù)據(jù)時，主要解決空缺值、錯誤數(shù)據(jù)、孤立點、噪聲等問題。清洗后的數(shù)據(jù)達到格式標(biāo)準(zhǔn)化。

數(shù)據(jù)變換： 將數(shù)據(jù)轉(zhuǎn)換成適合挖掘的形式稱為數(shù)據(jù)變換，采用線性或非線性的數(shù)學(xué)變換方法，將多維數(shù)據(jù)壓縮成較少維數(shù)的數(shù)據(jù)，以消除其在時間、空間、屬性、精度等特征上的差異。

數(shù)據(jù)規(guī)約： 即去噪處理后，還要對數(shù)據(jù)的屬性進行相應(yīng)處理。在減少數(shù)據(jù)存儲空間的同時盡可能保證數(shù)據(jù)的完整性，獲得比原始數(shù)據(jù)小得多的數(shù)據(jù)，并以合乎要求的方式對數(shù)據(jù)進行表達[5-6]。

2.2 自然語言處理

自然語言處理是將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù)的重要方法，醫(yī)學(xué)信息抽取一直是醫(yī)學(xué)自然語言處理的研究熱點?；颊咝畔⒃卺t(yī)療病歷中常以文本形式存儲，而文本描述容易出現(xiàn)非標(biāo)準(zhǔn)化描述，因此對自然語言必須進行技術(shù)處理，包括醫(yī)學(xué)名實體識別、醫(yī)學(xué)名實體自動編碼、醫(yī)學(xué)名實體修飾詞識別、時間信息抽取等[7]。

醫(yī)學(xué)自然語言處理可以分為兩類： ①分析內(nèi)容特征，主要包括中文分詞、命名實體識別、文檔語義分析、機器學(xué)習(xí)、同義詞替換等；②分析對象粒度，主要包括句法結(jié)構(gòu)分析、依存關(guān)系分析、文本聚類、預(yù)制模板、知識推理等。通過處理，研究者能夠從已轉(zhuǎn)化為真實于原有醫(yī)學(xué)信息的結(jié)構(gòu)化數(shù)據(jù)中方便地抽取有用的醫(yī)學(xué)信息，從而減少運行成本[8-9]。

2.3 知識庫構(gòu)建

從診療指南、醫(yī)學(xué)教材、醫(yī)學(xué)文獻等資料中根據(jù)一定的模型整理出疾病的靜態(tài)知識庫，再經(jīng)由信息化手段形成診療決策路徑，基于診療決策路徑自動提取出疾病的關(guān)鍵指標(biāo)形成疾病分析模型，提取路徑中的決策規(guī)則形成決策規(guī)則庫。通過對醫(yī)院歷史臨床業(yè)務(wù)數(shù)據(jù)的整合后形成數(shù)據(jù)中心，根據(jù)語料庫、關(guān)系和規(guī)則庫、基礎(chǔ)知識庫、疾病模型，對歷史的數(shù)據(jù)進行深度的挖掘和分析，提取數(shù)據(jù)中的醫(yī)學(xué)術(shù)語豐富語料庫、提取關(guān)系和規(guī)則、提取診療經(jīng)驗。

將人工整理的知識庫和系統(tǒng)自動提取或?qū)W習(xí)的知識進行相關(guān)驗證，并修正疾病診療決策路徑和規(guī)則，最終形成符合理論和實踐經(jīng)驗的臨床診療決策路徑和規(guī)則；并基于這些路徑和規(guī)則形成知識圖譜，形成的知識圖譜、診療決策路徑和規(guī)則、疾病模型可以應(yīng)用于醫(yī)院端的知識推薦、風(fēng)險評價、用藥推薦、醫(yī)?？刭M、醫(yī)療質(zhì)量控制、相似病例推薦等；應(yīng)用于居民端的合理醫(yī)療評估、個人疾病評估、健康風(fēng)險評估、疾病知識學(xué)習(xí)等。見圖1。

2.4 數(shù)據(jù)分析挖掘

醫(yī)療數(shù)據(jù)需要借助于大數(shù)據(jù)技術(shù)的發(fā)展，結(jié)合傳統(tǒng)的數(shù)據(jù)挖掘分析理論與技術(shù)，從海量數(shù)據(jù)中高效地提取有價值的信息。數(shù)據(jù)分析挖掘以數(shù)據(jù)為中心，以數(shù)據(jù)預(yù)處理、特征工程、統(tǒng)計分析技術(shù)、機器學(xué)習(xí)與深度學(xué)習(xí)算法模型為基礎(chǔ)，存儲及計算能力以元數(shù)據(jù)、數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)質(zhì)量為治理核心，以信息可視化技術(shù)作為呈現(xiàn)手段，構(gòu)建統(tǒng)一的數(shù)據(jù)分析挖掘平臺。

把數(shù)據(jù)屬性轉(zhuǎn)化為數(shù)據(jù)特征，減少受到噪聲的干擾，以滿足數(shù)據(jù)挖掘和分析，是數(shù)據(jù)進行挖掘和分析之前對數(shù)據(jù)進行特征工程處理的必要過程，但是對于特征工程中引用的新特征，需要驗證其是否提高預(yù)測的準(zhǔn)確度而排除其是否為無用的特征，以免增加算法運算的復(fù)雜度[10]。然后從數(shù)據(jù)統(tǒng)計分析方法、機器學(xué)習(xí)算法、深度學(xué)習(xí)算法等方法中選擇合適的算法模型或組合基于特征數(shù)據(jù)進行模型的設(shè)計與挖掘分析。

2.5 數(shù)據(jù)質(zhì)控

圖1 知識庫構(gòu)建流程

數(shù)據(jù)質(zhì)量是數(shù)據(jù)的正確性、完整性、一致性及最小性這4 個指標(biāo)在信息系統(tǒng)中的滿足程度[11-12]。首先要進行質(zhì)控規(guī)則的管理，根據(jù)業(yè)務(wù)領(lǐng)域，提供數(shù)據(jù)質(zhì)控指標(biāo)的定義，編寫數(shù)據(jù)質(zhì)量校驗程序，確保數(shù)據(jù)唯一性，避免從多處提供數(shù)據(jù)來源，減少數(shù)據(jù)不一致性的麻煩，并提供完整的數(shù)據(jù)質(zhì)控日志，可通過日志查看數(shù)據(jù)質(zhì)控情況；其次要提供數(shù)據(jù)校驗功能，具體包括數(shù)據(jù)規(guī)范性評價指標(biāo)、完整性評價指標(biāo)、及時性評價指標(biāo)、邏輯性評價指標(biāo)、一致性評價指標(biāo)和異常值探測指標(biāo)[13]；最后要進行數(shù)據(jù)質(zhì)量監(jiān)管，在每一個ETL 階段中設(shè)置檢查點，如在數(shù)據(jù)源層、業(yè)務(wù)存儲層、數(shù)據(jù)倉庫明細(xì)數(shù)據(jù)等，在每個檢查點上對用戶要求的關(guān)鍵指標(biāo)進行計算，檢查各階段計算出來的指標(biāo)是否一致，以及誤差是否在用戶的許可范圍內(nèi)，并提供數(shù)據(jù)質(zhì)量監(jiān)控審計功能，利用業(yè)務(wù)和校驗規(guī)則，實時或定時監(jiān)控數(shù)據(jù)質(zhì)量，當(dāng)數(shù)據(jù)質(zhì)量低于設(shè)定的閾值時發(fā)出警告。

3 應(yīng)用實踐

臨床科研中心的總體設(shè)計是在信息標(biāo)準(zhǔn)體系、安全保障體系的支撐下，通過對院內(nèi)各種不同數(shù)據(jù)標(biāo)準(zhǔn)、技術(shù)接入方式的系統(tǒng)的數(shù)據(jù)集成，形成院內(nèi)臨床數(shù)據(jù)中心；?？坡?lián)盟各醫(yī)院的數(shù)據(jù)通過數(shù)據(jù)報送或上傳的方式將其院內(nèi)的數(shù)據(jù)進行匯聚；對于各種醫(yī)療設(shè)備和個人穿戴設(shè)備通過提供標(biāo)準(zhǔn)化接口的模式匯聚后形成醫(yī)療設(shè)備數(shù)據(jù)接入中心，最后通過數(shù)據(jù)交換與共享引擎完成3 個來源數(shù)據(jù)的采集、清洗、標(biāo)化、質(zhì)控及共享形成科研數(shù)據(jù)庫；再根據(jù)不同科研主題的需求建設(shè)相應(yīng)的科研專題數(shù)據(jù)庫；通過數(shù)據(jù)服務(wù)體系中的主索引服務(wù)、數(shù)據(jù)服務(wù)、數(shù)據(jù)資源服務(wù)、數(shù)據(jù)安全、數(shù)據(jù)挖掘分析、搜索引擎等服務(wù)為上層10 大類數(shù)據(jù)應(yīng)用提供服務(wù)支撐，同時基于數(shù)據(jù)服務(wù)體系來支撐其他?？茢?shù)據(jù)應(yīng)用的擴展。

3.1 數(shù)據(jù)匯聚

院內(nèi)各業(yè)務(wù)系統(tǒng)包括院級建設(shè)和科室級建設(shè)的系統(tǒng)，通過以患者為中心的臨床數(shù)據(jù)整合，將HIS、EMR、LIS、PACS 等系統(tǒng)的數(shù)據(jù)抽取到臨床數(shù)據(jù)中心CDR，針對數(shù)據(jù)的來源可以直接基于其邏輯結(jié)構(gòu)，按科研數(shù)據(jù)中心的結(jié)構(gòu)進行轉(zhuǎn)換。

對院外各聯(lián)盟機構(gòu)的數(shù)據(jù)，采用CRF 表單填報、SOAP 協(xié)議傳輸服務(wù)、消息傳輸?shù)葦?shù)據(jù)匯集與集成方式，一種方式是由臨床科研中心提供統(tǒng)一數(shù)據(jù)上報系統(tǒng)，對接聯(lián)盟機構(gòu)的數(shù)據(jù)資源管理平臺或前置數(shù)據(jù)庫，主動抓取經(jīng)過標(biāo)化清洗的數(shù)據(jù)；另一種方式是由各個聯(lián)盟醫(yī)院成員以協(xié)定的數(shù)據(jù)格式，應(yīng)用CRF 表單進行數(shù)據(jù)填報，經(jīng)審核后向臨床科研中心上傳數(shù)據(jù)。

各類醫(yī)療設(shè)備的醫(yī)療數(shù)據(jù)也是臨床科研數(shù)據(jù)的重要組成部分，醫(yī)療設(shè)備數(shù)據(jù)匯集常用SOAP 協(xié)議傳輸、前置庫采集或消息傳輸模式，通過建立統(tǒng)一的設(shè)備數(shù)據(jù)接入中心，對各類醫(yī)療設(shè)備進行數(shù)據(jù)采集。見圖2。

3.2 搭建全量科研數(shù)據(jù)庫

全量科研數(shù)據(jù)是整合患者和疾病全生周期的數(shù)據(jù)，通過從數(shù)據(jù)匯聚庫經(jīng)過標(biāo)化處理后，根據(jù)相關(guān)標(biāo)準(zhǔn)建立的數(shù)據(jù)模型而存儲的數(shù)據(jù)，主要的數(shù)據(jù)域包括門診和急診患者全量醫(yī)療數(shù)據(jù)、住院患者全量醫(yī)療數(shù)據(jù)、生物樣本庫數(shù)據(jù)、醫(yī)療設(shè)備和儀器數(shù)據(jù)、聯(lián)盟醫(yī)院全量數(shù)據(jù)、穿戴設(shè)備全量數(shù)據(jù)等，并將這些數(shù)據(jù)按患者、醫(yī)療實體對象管理、醫(yī)療事件等閉環(huán)業(yè)務(wù)數(shù)據(jù)鏈進行組織和邏輯存儲。

圖2 臨床科研中心架構(gòu)圖解

對非結(jié)構(gòu)化數(shù)據(jù)，進入數(shù)據(jù)中心，即存儲結(jié)構(gòu)化處理后的數(shù)據(jù)，又存儲原始的非結(jié)構(gòu)化數(shù)據(jù)，以方便數(shù)據(jù)的利用。對醫(yī)療影像數(shù)據(jù)可以通過與PACS 系統(tǒng)建立數(shù)據(jù)交互的模式，數(shù)據(jù)中心只存儲影像的索引信息而達到影像數(shù)據(jù)的共享，以減少存儲的投入成本。

3.3 專病數(shù)據(jù)庫

專病數(shù)據(jù)庫的建立是為專病研究的需要，以專病的數(shù)據(jù)模型為核心，從全量數(shù)據(jù)中心抽取專病的數(shù)據(jù)而形成，并建立起數(shù)據(jù)自動增量更新的機制，保證專病科研數(shù)據(jù)庫數(shù)據(jù)的完整性與及時性。專病科研數(shù)據(jù)庫是交由科研的管理人員，在授權(quán)的前提下，以診療決策路徑為基礎(chǔ)建立起數(shù)據(jù)模型后，利用數(shù)據(jù)平臺提供的數(shù)據(jù)提取功能自行從全量數(shù)據(jù)中心提取，并根據(jù)科研的需求和科研人員安排，建立起專病科研數(shù)據(jù)應(yīng)用的管理體系，包括數(shù)據(jù)授權(quán)、數(shù)據(jù)訪問日志、數(shù)據(jù)質(zhì)量審查等。

3.4 數(shù)據(jù)服務(wù)

數(shù)據(jù)服務(wù)分為3 類： ①基于微服務(wù)架構(gòu)的，可以直接提供給其他系統(tǒng)進行界面嵌入，一個較完整的業(yè)務(wù)組件服務(wù)，按照一定的業(yè)務(wù)域需求，利用數(shù)據(jù)中心底層的各種資源和能力，直接將需求填封裝一個個可以直接使用的業(yè)務(wù)功能；②接口服務(wù)，將數(shù)據(jù)中心的數(shù)據(jù)或能力組織成一個個的包含特定功能的接口供上層應(yīng)用調(diào)用；③開發(fā)服務(wù)，主要是將底層的數(shù)據(jù)資源、計算資源通過接口的形式提供給應(yīng)用層進行開發(fā)，這一層服務(wù)開放的粒度更細(xì)，方便應(yīng)用進行深層次的應(yīng)用數(shù)據(jù)中心的各種資源。

3.5 數(shù)據(jù)分析應(yīng)用

基于臨床科研中心搭建的各個專病數(shù)據(jù)庫和提供的數(shù)據(jù)服務(wù)，可以直接應(yīng)用于臨床應(yīng)用，如臨床決策支持系統(tǒng)是一個基于臨床知識庫的人機交互醫(yī)療信息技術(shù)應(yīng)用系統(tǒng)，它把散布于各個系統(tǒng)的數(shù)據(jù)按不同專業(yè)關(guān)注點進行整合及區(qū)分，實現(xiàn)數(shù)據(jù)的抽提、加工和轉(zhuǎn)換，通過數(shù)據(jù)、模型等輔助完成臨床決策[14]。如合理用藥系統(tǒng)也是一個基于知識庫的臨床用藥輔助系統(tǒng)，可以結(jié)合系統(tǒng)知識庫與人工智能規(guī)則設(shè)定，對用藥安全做到事前監(jiān)測、事中控制、事后分析，全方位為用藥安全提供保障。也可以根據(jù)數(shù)據(jù)挖掘分析的結(jié)果優(yōu)化醫(yī)療流程，如分析歷史路徑數(shù)據(jù)，根據(jù)分析結(jié)果調(diào)整路徑階段設(shè)置和路徑項目設(shè)置，實現(xiàn)臨床路徑的持續(xù)優(yōu)化。還可以衍生出基于數(shù)據(jù)分析的應(yīng)用，如基于患者的全病程數(shù)據(jù)，采用深度學(xué)習(xí)、機器學(xué)習(xí)和自然語言處理技術(shù)，對數(shù)據(jù)進行挖掘分析和患者診療路徑關(guān)鍵指標(biāo)結(jié)果，提取患者的特征，采用可視化技術(shù)，形成患者畫像，對患者可能患病進行精準(zhǔn)預(yù)測。

4 結(jié)語

臨床科研中心的建設(shè)，可以借助專病數(shù)據(jù)庫挖掘疾病特征，支撐疾病病因探索的各種流行病學(xué)研究及臨床輔助決策，可以發(fā)揮優(yōu)質(zhì)醫(yī)療資源優(yōu)勢，輻射帶動區(qū)域及聯(lián)盟體內(nèi)各級醫(yī)療衛(wèi)生機構(gòu)的醫(yī)療水平提升，服務(wù)于院前、院中、院后、科研、教學(xué)及管理6 大業(yè)務(wù)場景，改善與提高整體醫(yī)療質(zhì)量，提升臨床科研能力，提升醫(yī)院的整體綜合實力，最終為醫(yī)療及其聯(lián)盟機構(gòu)的相關(guān)業(yè)務(wù)人員建立起有效的業(yè)務(wù)協(xié)作機制。