鄭秀娟

摘要：隨著移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等新興技術的迅猛發(fā)展，現(xiàn)代社會活動產生的數(shù)據(jù)的規(guī)模與種類不斷增長，對這些數(shù)據(jù)進行有效管理與應用已成為各行各業(yè)的研究重點，其中醫(yī)療行業(yè)也不例外。目前我國醫(yī)療領域的信息化程度不斷提高，所有醫(yī)院需要定期向衛(wèi)健委資源數(shù)據(jù)中心上傳各自的醫(yī)療數(shù)據(jù)，這些數(shù)據(jù)的聚集也為數(shù)據(jù)挖掘技術的應用奠定了基礎?；诖?，本文將主要針對數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用展開研究，希望能為相關從業(yè)人員提供參考借鑒。

關鍵詞：數(shù)據(jù)挖掘技術;醫(yī)療大數(shù)據(jù);應用

中圖分類號： TP391? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2020）32-0026-02

早在2015年，國家衛(wèi)健委通過建設醫(yī)院監(jiān)管系統(tǒng)，要求委屬醫(yī)院通過數(shù)據(jù)采集軟件且按照標準規(guī)范將數(shù)據(jù)上傳至衛(wèi)健委資源數(shù)據(jù)中心，對醫(yī)療大數(shù)據(jù)展開統(tǒng)一化的管理，為數(shù)據(jù)挖掘提供支撐環(huán)境。過去各大醫(yī)院的醫(yī)療大數(shù)據(jù)均為獨自存儲與管理，要想查看病歷數(shù)據(jù)則需要進入到各個醫(yī)院的系統(tǒng)，再加上各醫(yī)院使用的系統(tǒng)可能不一樣，也導致醫(yī)療數(shù)據(jù)收集難度增加[1]。從這一點來看，醫(yī)療領域的信息化程度相較于如今日新月異的互聯(lián)網(wǎng)生活來講，顯得較為落后，所以整個醫(yī)療行業(yè)急需抓緊信息化建設步伐。

而在醫(yī)療行業(yè)，每天都會產生大量的數(shù)據(jù)信息，所以在數(shù)據(jù)挖掘技術應用上該技術必然會在醫(yī)療行業(yè)中得到應用。醫(yī)療大數(shù)據(jù)主要在醫(yī)療服務中所產生，其來源范圍較為廣泛，例如有些數(shù)據(jù)來自制藥企業(yè)、有些數(shù)據(jù)信息則來自臨床方面的數(shù)據(jù)，還有的數(shù)據(jù)信息來自醫(yī)院與醫(yī)保費用管理方面。相關數(shù)據(jù)表明，通常醫(yī)療機構每年產生數(shù)據(jù)存儲量為1TB～20TB，在這些海量數(shù)據(jù)中蘊含著豐富知識與規(guī)律，倘若能夠從中獲取價值性知識，對于推動現(xiàn)代醫(yī)學研究而言意義重大[2]。隨著數(shù)據(jù)挖掘技術逐漸發(fā)展成熟，在醫(yī)療大數(shù)據(jù)中也得到了充分應用，本文便針對此展開深入研究。

1 數(shù)據(jù)挖掘技術概述

信息化背景下，無論是自然科學、工程技術，還是醫(yī)療服務等領域，數(shù)據(jù)體量呈爆炸式增長，而在這些數(shù)據(jù)之中，有許多的數(shù)據(jù)信息非常的關鍵，非常的具有價值，如果將這些數(shù)據(jù)轉化為知識則有著重要的意義，也正是因為有這種需求，所以才有了數(shù)據(jù)挖掘理論的出現(xiàn)。數(shù)據(jù)挖掘，其實就是從海量的信息中、從那些看似無規(guī)律的數(shù)據(jù)中提取隱性價值信息，需要用到基礎算法以及人工智能、機器學習、特征提取、統(tǒng)計分析等多學科知識。

通常來講，完整的數(shù)據(jù)挖掘過程逐漸分為三個步驟：①數(shù)據(jù)準備。在該階段需要將干擾數(shù)據(jù)精準剔除，所以可分為以下幾個任務：第一，數(shù)據(jù)清理;第二，數(shù)據(jù)集成;第三，數(shù)據(jù)選擇。先結合數(shù)據(jù)挖掘目的生成數(shù)據(jù)集，然后再進行數(shù)據(jù)降噪，最后再根據(jù)任務的目標來找出有用特征去代表數(shù)據(jù);②發(fā)現(xiàn)規(guī)律。該階段作為數(shù)據(jù)挖掘過程中發(fā)現(xiàn)知識的關鍵步驟，通過應用各種算法對數(shù)據(jù)集進行分析，從而提出對決策形成支持的規(guī)律;③表示規(guī)律。規(guī)律發(fā)現(xiàn)之后需要用直觀可視的手段進行表示，主要是規(guī)則與模式的可視化表示。具體流程如圖1所示。

2 數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用

對醫(yī)療大數(shù)據(jù)進行深度挖掘才能體現(xiàn)出數(shù)據(jù)的價值，通過收集、整理與分析海量數(shù)據(jù)，探尋蘊含其中的隱性知識，能夠為醫(yī)學研究、臨床護理、疾病診療等方面的發(fā)展形成巨大推動作用。對于病患來講，通過對醫(yī)療大數(shù)據(jù)的全面分析，能夠享受到更加精準且高效的醫(yī)療服務，減少不必要的檢查，從而控制醫(yī)療費用，避免不合理的醫(yī)療支出;對于醫(yī)學研究來講，醫(yī)療大數(shù)據(jù)的深度挖掘分析能夠為藥物研制、疾病診斷等工作提供全新途徑，從而有利于解決大量過去無法解決的醫(yī)學難題;對于整個醫(yī)療領域來講，通過對醫(yī)療大數(shù)據(jù)進行挖掘分析，能夠為以下幾方面提供全新的思路：第一，醫(yī)療成本評估;第二，醫(yī)療質量管理等[3]。另外，對群眾的醫(yī)療大數(shù)據(jù)展開深入挖掘，能夠對實現(xiàn)對民眾健康狀況的密切監(jiān)測，從中分辨出疾病高危人群，對疾病發(fā)展走向有精準預測，從而對制定公共衛(wèi)生政策提供支持。

對醫(yī)療大數(shù)據(jù)進行分析與利用，數(shù)據(jù)挖掘技術是其中的關鍵。而隨著科技的不斷進步，數(shù)據(jù)挖掘技術也得到了較大的發(fā)展，研究方向有所拓寬，包括以下幾方面：第一，關聯(lián)規(guī)則挖掘;第二，異常挖掘等，同時衍生出來多種算法，這些都是分析醫(yī)療大數(shù)據(jù)應用的基礎，是建構醫(yī)療大數(shù)據(jù)應用的基礎。具體而言，該技術在醫(yī)療大數(shù)據(jù)中的應用主要體現(xiàn)在如下幾個方面。

2.1 關聯(lián)規(guī)則挖掘

這種挖掘技術指的是先對不同事件進行分析，然后對其之間有一定關聯(lián)或依賴的知識進行分析與收集，在數(shù)據(jù)挖掘技術應用中屬于關鍵性問題。該研究方向一經提出，我國以及國外一些國家便展開了深入研究，并經過不斷地研究設計出來眾多關聯(lián)規(guī)則挖掘算法。比如，Apriori算法，該算法較為出名，乃是首個有效果的關聯(lián)規(guī)則挖掘算法。還有分塊挖掘Patition算法等[4]。在醫(yī)療行業(yè)內，會產生的大量的數(shù)據(jù)，而這些數(shù)據(jù)之間并不是無聯(lián)系的，而是聯(lián)系非常的密切，通過對關聯(lián)規(guī)則挖掘算法進行應用，就能夠對數(shù)據(jù)中的具有關聯(lián)的知識予以提取，進而對疾病診療、致病因素總結、公共衛(wèi)生與健康監(jiān)測等工作形成推動。比如，借助海量電子病歷數(shù)據(jù)，可以對傳統(tǒng)危險因素與心血管病死亡率之間的關聯(lián)規(guī)則進行挖掘，然后在這些數(shù)據(jù)分析中從中總結出了肥胖與心血管病死亡有著密切關系。又如，通過對優(yōu)化后的Apriori算法進行應用，可以實現(xiàn)對海量乳腺疾病數(shù)據(jù)的分析，然后基于SQLServer2005數(shù)據(jù)挖掘工具，就可以構建起腫瘤復發(fā)與其他屬性之間的關聯(lián)規(guī)則。

在醫(yī)學科研工作中，大部分情況下需要對病因學進行分析，比如某種新出現(xiàn)的并發(fā)癥是不是另一種并發(fā)癥的誘因，這時便可應用到數(shù)據(jù)挖掘技術中的關聯(lián)規(guī)則，從大量隨機并發(fā)個例中去找尋強關聯(lián)現(xiàn)象。關聯(lián)規(guī)則的優(yōu)點就在于其單向性，更容易識別因果關系，倘若前后時間互推均有較高可信度，則可說明為雙向，換而言之則是互為因果。

2.2 分類挖掘分析

分類模型能夠在數(shù)據(jù)挖掘上能夠發(fā)揮重要的作用，其可以將數(shù)據(jù)集中數(shù)據(jù)對象映射成某一個既定類別，從而便于模型去進行預測，以實現(xiàn)對未知對象的具體類別的預測。上述所提到的訓練數(shù)據(jù)集，乃是由一組數(shù)據(jù)對象組成。在這組數(shù)據(jù)中，每個對象都可視作為由多種特性構成的向量，另外訓練樣本需要帶有類別標記。對于不同數(shù)據(jù)類別與應用背景，現(xiàn)如今已有多種多樣的分類挖掘方法，最常見的為神經網(wǎng)絡法、機器學習法、統(tǒng)計法等。結合醫(yī)療行業(yè)來看，分類挖掘分析主要用在以下幾方面：第一，應用于醫(yī)療事件智能預測方面;第二，應用于疾病的智能預測上，其中智能輔助診斷便是最典型的應用?，F(xiàn)如今，在醫(yī)療服務中，在對大多數(shù)疾病進行診斷時，大多停留在“經驗性診斷”方面，之所以存在這一問題，主要是因為不同的病患，其個體之間的差異較大。此外，復合疾病數(shù)量較多。并且關系較為復雜，因此，在診斷工作中，對于部分疑難雜癥，醫(yī)生難以給出精準的診斷。而通過對某類疾病的正確診斷病例進行數(shù)據(jù)搜集，然后對這些大數(shù)據(jù)進行分析，再結合所有病例中的癥狀進行分析，深入研究病癥與病型之間的關系。在臨床診療服務中，可以根據(jù)患者所提供的癥狀信息，然后將這些信息輸入系統(tǒng)之后，就能即時給出確診信息，這樣一來就實現(xiàn)智能輔助診斷的效果。目前，國內有許多醫(yī)學專家在大數(shù)據(jù)與人工智能的技術支持下，通過對醫(yī)療大數(shù)據(jù)的分類挖掘分析，逐漸構建起了以慢性病早期預防為目的的慢性病預控體系。

2.3 聚類分析

聚類是將個體按屬性類似規(guī)律歸總成多個類別，目的在于盡可能縮小同類別個體的距離，以及拉大不同類別個體的距離?，F(xiàn)如今，在許多領域之中，該技術都得到了廣泛應用，如在人工智能領域中應用廣泛。與分類學習相比，聚類分析對象并沒有類別標記，其需按照學習算法去自動化確定，但是分類學習的訓練集對象則不同，其有類別標記。近些年，聚類分析在大數(shù)據(jù)挖掘領域屬于較為熱門的課題，經過不斷地研究與分析，使得其研究方向有所拓展，如開發(fā)了K均值聚類、DBSCAN、BIRCH等聚類算法[5]。聚類分析，主要針對數(shù)據(jù)集存在的未知分布規(guī)律進行挖掘，還可以針對其代表的事件集之間進行挖掘。通過那些被應用到醫(yī)療中的大數(shù)據(jù)來看，最典型的應用有以下幾方面：第一，在醫(yī)療費用;第二，疾病的分布分析等。

過去的臨床科研一般會以醫(yī)院病患為研究對象，通過分析病患的基本變量與臨床指標展開研究。通常來講，年齡與性別存在差異的病患存在相異的醫(yī)學特征，所以要對病患按照年齡與性別進行分組，但采取人工劃分的做法（比如以十年的年齡為一組）難以科學反映出研究人群的客觀年齡分布規(guī)律。而應用聚類分析技術便能實現(xiàn)對研究對象性別與年齡的合理劃分，同時也能實現(xiàn)對不同年齡與性別組別下病患臨床指標的深度分析。

2.4 異常挖掘分析

部分數(shù)據(jù)對象在所處的數(shù)據(jù)集中會顯得“格格不入”，與數(shù)據(jù)集中的一般行為或模型不匹配，這類數(shù)據(jù)對象為離群點，在數(shù)據(jù)挖掘分析過程中需要將離群點這種異常數(shù)據(jù)事先剔除，不過在部分領域的數(shù)據(jù)挖掘分析中，偶然罕見的實例會比大概率發(fā)生的正常案例更具研究意義，這其中針對離群點數(shù)據(jù)的分析還有另一種說法，其也被稱作為異常挖掘。而在異常挖掘領域中，研究人員需要研究清楚以下幾個問題：第一，在數(shù)據(jù)集中，究竟什么樣的數(shù)據(jù)才能被定義為異常;第二，研究人員需要如何確定異常點的挖掘方法?，F(xiàn)如今，發(fā)展較為成熟的異常挖掘分析方法有以下幾種：一種是基于統(tǒng)計的方法，一種是基于距離的方法，還有一種是基于偏差的方法。比如，有國外專家學生針對心電圖時間的歷史數(shù)據(jù)展開異常挖掘分析，主要對ECG時間序列數(shù)據(jù)當中的異常模式進行檢測，進而實現(xiàn)疾病診斷效果。另外，在對醫(yī)保行業(yè)進行分析時，為了找出醫(yī)療保險中可能存在的欺詐行為，則可將醫(yī)療賬單作為數(shù)據(jù)源，通過對數(shù)據(jù)挖掘技術進行應用，利用其對賬單中的異常數(shù)據(jù)進行挖掘分析。如此，就可以發(fā)掘出其中所存在的問題，這一方法在醫(yī)療騙保檢測與控制方面效果明顯。當然，值得注意的是上述幾種數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用方法更傾向于理論，在實踐應用中還需結合醫(yī)院實際情況予以合理調整。

2.5 流行病監(jiān)測與預報

數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用同樣能夠用在對流行病的監(jiān)測與預報方面?，F(xiàn)如今，國家傳染病與突發(fā)公共衛(wèi)生事件網(wǎng)絡直報系統(tǒng)已投入運行多年，每年會有海量個案信息從各地區(qū)上報，范圍覆蓋到了全國縣級以上的疾控機構。對海量數(shù)據(jù)應用數(shù)據(jù)挖掘技術進行分析，能夠實現(xiàn)對疫情的全面監(jiān)測，同時借助于集成疾病監(jiān)測與響應程序，能夠對傳播途徑與傳播時間精準預測，從而有效降低流行病的感染概率。在利用數(shù)據(jù)挖掘技術對流行病的預測方面，谷歌公司有著成功案例，該公司將美國民眾檢索頻率最高的詞條與美國疾控中心數(shù)據(jù)進行比對，能夠在流感傳播時期精準辨別是否有民眾感染流感，因為有感染可能的民眾往往會通過谷歌搜索去檢索“治療咳嗽與發(fā)燒的藥物”等詞條，通過對這些檢索詞條的使用頻率進行挖掘分析，能夠預測出流感傳播路徑，為疾控中心的及時響應爭取時間。

綜上，在當前移動互聯(lián)網(wǎng)時代，各行各業(yè)在發(fā)展與運行中產生的數(shù)據(jù)體量也不斷增大，尤其是隨著醫(yī)療行業(yè)信息化程度的不斷提高，越來越多的醫(yī)療大數(shù)據(jù)不斷聚集，也為數(shù)據(jù)挖掘技術打下了堅實的基礎。在對醫(yī)療大數(shù)據(jù)的分析中，數(shù)據(jù)挖掘技術是獲取其中隱藏性知識的有效渠道。當然，從現(xiàn)狀來看醫(yī)療大數(shù)據(jù)應用數(shù)據(jù)挖掘技術還存在基礎性問題，一方面是因為醫(yī)院數(shù)據(jù)來源并不復雜，所以數(shù)據(jù)挖掘技術中的異構數(shù)據(jù)處理優(yōu)勢并未發(fā)揮;另一方面是因為各大醫(yī)院系統(tǒng)沒有形成互聯(lián)互通，而單個醫(yī)院的數(shù)據(jù)量尚未達到大數(shù)據(jù)入門量級。不過隨著社會時代的快速發(fā)展與信息技術的高速進步，醫(yī)療數(shù)據(jù)體量一定會呈現(xiàn)跨越式增長，屆時數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用優(yōu)勢將會更加明顯，從而帶來更大的經濟效益與社會效益。

參考文獻：

[1] 諶秋香.基于數(shù)據(jù)挖掘技術的醫(yī)療大數(shù)據(jù)分析方法[J].當代護士（下旬刊），2020（5）：184-186.

[2] 陳萌.遺傳算法的數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用研究[J].中國管理信息化，2019，22（8）：173-174.

[3] 陳閩韜，匡芳君.數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用研究[J].電腦與電信，2017（11）：34-36，39.

[4] 呂峰，楊宏，普奕，等.遺傳算法的數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用[J].電子技術與軟件工程，2017（5）：203.

[5] 羅堃，代冕.數(shù)據(jù)挖掘技術在醫(yī)療大數(shù)據(jù)中的應用研究[J].信息與電腦（理論版），2016（6）：45-47.

【通聯(lián)編輯：唐一東】