張百平

(廣州醫(yī)科大學(xué)附屬第三醫(yī)院 廣州 510000)

1 引言

從一個(gè)典型的醫(yī)療關(guān)系表結(jié)構(gòu)中抽象出一個(gè)豐富的圖結(jié)構(gòu)，圖數(shù)據(jù)庫方法可廣泛利用這種圖形表示。圖數(shù)據(jù)庫能夠直接處理各種查詢，否則就需要在規(guī)范化關(guān)系表中執(zhí)行深度連接操作。這些查詢涉及醫(yī)療實(shí)體之間的關(guān)系，可以用于協(xié)同過濾以及為醫(yī)療保健提供個(gè)性化開發(fā)服務(wù)。圖數(shù)據(jù)庫可以處理這類查詢，并提供直觀的查詢表示和對(duì)數(shù)據(jù)的訪問。作為非規(guī)范化表的一種形式，圖數(shù)據(jù)庫可以避免生成和復(fù)制大量的表，為醫(yī)療系統(tǒng)提供一個(gè)低成本的數(shù)據(jù)管理框架。

2 在電子病歷中使用圖數(shù)據(jù)庫的目的

2.1 圖數(shù)據(jù)庫和關(guān)系數(shù)據(jù)庫對(duì)比

關(guān)系數(shù)據(jù)庫(如Oracle和MySQL)在獲取重復(fù)的表格數(shù)據(jù)方面表現(xiàn)出色。盡管名稱中有“關(guān)系”一詞，但關(guān)系數(shù)據(jù)庫在存儲(chǔ)或表達(dá)存儲(chǔ)的數(shù)據(jù)元素之間關(guān)系方面卻效率很低。與關(guān)系數(shù)據(jù)庫不同，圖數(shù)據(jù)庫完全圍繞數(shù)據(jù)關(guān)系構(gòu)建。圖數(shù)據(jù)庫不將關(guān)系視為模式結(jié)構(gòu)，而將其視為數(shù)據(jù)。

對(duì)關(guān)系數(shù)據(jù)庫與圖數(shù)據(jù)庫(Neo4j)在數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)模型特征和查詢功能等方面進(jìn)行比較[1]，見表1，發(fā)現(xiàn)當(dāng)數(shù)據(jù)之間的關(guān)聯(lián)度較高時(shí)，使用圖數(shù)據(jù)庫具有明顯的優(yōu)勢。從數(shù)據(jù)模型、存儲(chǔ)方式、特性和查詢語言等方面分析多種NoSQL(不僅是SQL)數(shù)據(jù)庫與關(guān)系數(shù)據(jù)庫相比的優(yōu)缺點(diǎn)[2]，提出一個(gè)基于社交網(wǎng)絡(luò)的微基準(zhǔn)，通過測試5個(gè)不同的數(shù)據(jù)庫(Dex、Neo4j、RDF-3X、Virtuoso和PostgreSQL)來比較不同數(shù)據(jù)管理模式[3]。

表1 圖數(shù)據(jù)庫與關(guān)系數(shù)據(jù)庫對(duì)比

2.2 電子病歷中使用圖數(shù)據(jù)庫的優(yōu)勢

在圖數(shù)據(jù)庫中查找相關(guān)節(jié)點(diǎn)比在關(guān)系數(shù)據(jù)庫模型中查找相關(guān)數(shù)據(jù)行更加有效。圖數(shù)據(jù)模型的靈活性允許添加新的節(jié)點(diǎn)和關(guān)系，而原始數(shù)據(jù)保持不變。以圖格式存儲(chǔ)數(shù)據(jù)允許用戶從不同角度查看相同數(shù)據(jù)和連接。數(shù)據(jù)和關(guān)系網(wǎng)絡(luò)有助于找到最佳路徑、模式匹配或提供建議。將數(shù)據(jù)從關(guān)系數(shù)據(jù)庫移至圖數(shù)據(jù)庫可以利用所有圖數(shù)據(jù)庫提供的優(yōu)勢。

通常，門診電子病歷(Electronic Medical Record,EMR)數(shù)據(jù)由患者、疾病、醫(yī)生、檢驗(yàn)檢查和藥品組成。這些數(shù)據(jù)之間存在著許多聯(lián)系。如果使用圖數(shù)據(jù)庫，可以更好地利用這些連接從海量醫(yī)療數(shù)據(jù)中做出更好的推斷。要處理不斷增長的連接數(shù)據(jù)，可以選擇Neo4j，這是一種針對(duì)關(guān)系管理而優(yōu)化的非關(guān)系圖數(shù)據(jù)庫，以進(jìn)行進(jìn)一步的分析和決策。

3 基于Neo4j的電子病歷系統(tǒng)關(guān)系數(shù)據(jù)建模

將數(shù)據(jù)從關(guān)系數(shù)據(jù)庫映射到圖數(shù)據(jù)庫基本上是將關(guān)系表示從一個(gè)數(shù)據(jù)庫轉(zhuǎn)換到另一個(gè)數(shù)據(jù)庫，從表結(jié)構(gòu)轉(zhuǎn)換到圖結(jié)構(gòu)。關(guān)系數(shù)據(jù)庫表中的數(shù)據(jù)實(shí)體是行(包含列)，圖數(shù)據(jù)庫中的數(shù)據(jù)實(shí)體是節(jié)點(diǎn)(包含屬性)。更具體地說，可以使用關(guān)系數(shù)據(jù)庫模型的外鍵來構(gòu)建邊，從而將松散耦合的數(shù)據(jù)記錄轉(zhuǎn)換為高度有界的節(jié)點(diǎn)組。

3.1 建模特點(diǎn)

Neo4j是一個(gè)屬性圖數(shù)據(jù)庫，使用圖的原生結(jié)構(gòu)，即鄰接表進(jìn)行存儲(chǔ)，便于快速處理關(guān)系[4]。Neo4j使用的是Cypher查詢語言，Cypher可以提供豐富、高效的表達(dá)式來描述關(guān)系查詢[5]。與其他圖查詢語言相比，Cypher語言具有良好的發(fā)展前景[6]。為了簡化圖分析的工作，筆者調(diào)查了幾個(gè)圖數(shù)據(jù)庫?；跀?shù)據(jù)庫對(duì)軟件可追溯性的適用性審查[7]，最終選擇Neo4j作為研究對(duì)象。Cypher對(duì)具有不同特征的數(shù)據(jù)進(jìn)行操作，這些操作是在圖的節(jié)點(diǎn)和邊上執(zhí)行的，而不是在表、元組以及與主鍵或外鍵的關(guān)系上執(zhí)行。

Neo4j圖數(shù)據(jù)庫建模是將任意域描述為節(jié)點(diǎn)和關(guān)系的連通圖的過程。與傳統(tǒng)關(guān)系型數(shù)據(jù)庫不同，Neo4j是一個(gè)無模式數(shù)據(jù)庫，這意味著在添加數(shù)據(jù)之前不需要定義表和關(guān)系。一個(gè)節(jié)點(diǎn)可以有任何屬性，任何節(jié)點(diǎn)都可以與其他節(jié)點(diǎn)相關(guān)聯(lián)。Neo4j數(shù)據(jù)庫的數(shù)據(jù)模型在所包含的數(shù)據(jù)中是隱式的，Neo4j數(shù)據(jù)建模是描述性的。Neo4j的主要優(yōu)點(diǎn)是對(duì)圖數(shù)據(jù)庫建模和查詢的直觀方式。使用Neo4j對(duì)門診EMR關(guān)系型數(shù)據(jù)庫進(jìn)行圖數(shù)據(jù)庫建模，患者、疾病、藥物及其之間關(guān)系將用Neo4j技術(shù)構(gòu)建并存儲(chǔ)在Neo4j中。

3.2 識(shí)別數(shù)據(jù)實(shí)體

第1步是識(shí)別數(shù)據(jù)實(shí)體類型，見圖1，有4種類型的數(shù)據(jù)實(shí)體：患者信息、藥品字典、國際疾病分類 (International Classification of Diseases， ICD)第10版、診療字典(LIS&RIS)，每個(gè)表表示正在操作的不同類型的信息。

圖1 EMR數(shù)據(jù)庫關(guān)系數(shù)據(jù)模式的表結(jié)構(gòu)邏輯關(guān)系

3.3 識(shí)別數(shù)據(jù)關(guān)系

接下來需要找到這些實(shí)體之間的語義關(guān)系。這一步不太明顯，因?yàn)殛P(guān)系數(shù)據(jù)庫并不是將關(guān)系作為一級(jí)公民來處理?；颊邌未尉驮\所產(chǎn)生的所有記錄，包括檢查處方、西藥處方、中藥處方、診療處方等都通過CASEHISID_CHR這個(gè)就診流水號(hào)直接或者間接串聯(lián)起來。當(dāng)正確標(biāo)識(shí)數(shù)據(jù)實(shí)體和關(guān)系時(shí)，可以為每個(gè)數(shù)據(jù)實(shí)體創(chuàng)建節(jié)點(diǎn)，為每個(gè)關(guān)系創(chuàng)建邊。在圖中找到并構(gòu)建正確的邊是一項(xiàng)關(guān)鍵活動(dòng)。這些步驟影響數(shù)據(jù)結(jié)構(gòu)有效響應(yīng)最終用戶問題的能力。包括將邏輯關(guān)系(外鍵)和隱式關(guān)系(公共屬性)轉(zhuǎn)換為物理存儲(chǔ)在圖數(shù)據(jù)結(jié)構(gòu)中的顯式邊。使用Neo4j (帶標(biāo)簽的)屬性圖模型，其基本結(jié)構(gòu)包括實(shí)體(節(jié)點(diǎn))、屬性(屬性)、標(biāo)簽(類型)，具有方向、開始節(jié)點(diǎn)和結(jié)束節(jié)點(diǎn)的關(guān)系(邊)。最終識(shí)別到的關(guān)系類型，見表2。

表2 EMR關(guān)系數(shù)據(jù)轉(zhuǎn)換為圖數(shù)據(jù)邊(關(guān)系)

3.4 構(gòu)建Neo4j診療圖譜

在Intel(R)Xeon(R)6240 CPU@2.60 GHz(16處理器)、RAM 32 GB、Windows Server 2012 R2虛擬機(jī)服務(wù)器上，使用neo4j-community-4.3.6構(gòu)建診療圖譜。圖數(shù)據(jù)庫除了可以執(zhí)行強(qiáng)大的連接操作之外，Neo4j還允許用戶創(chuàng)建索引。索引可以在節(jié)點(diǎn)或邊的屬性上創(chuàng)建，一個(gè)索引單元可以指向多個(gè)圖模式單元，從而提高搜索效率。還可以在圖上創(chuàng)建新的關(guān)系，見表3。

表3 新建關(guān)系、數(shù)量、代碼及耗時(shí)

通過繪制表示數(shù)據(jù)中常見模式的圖形片段，可以將模型可視化，見圖2。

圖2 Neo4j診療圖譜節(jié)點(diǎn)及關(guān)系數(shù)據(jù)模式總覽

經(jīng)過以上環(huán)節(jié)的構(gòu)建，獲得患者診療圖譜節(jié)點(diǎn)和關(guān)系基本情況，見表4、表5?；颊咴\療圖譜包含270 871個(gè)節(jié)點(diǎn)(4類標(biāo)簽)和6 091 656個(gè)關(guān)系(10種關(guān)系類型)。

表4 診療圖譜節(jié)點(diǎn)總覽(個(gè))

表5 診療圖譜關(guān)系類型及數(shù)量(個(gè))

關(guān)系MedicalRecord記錄著患者就診時(shí)的詳細(xì)信息，包括既往史、現(xiàn)病史、體溫、發(fā)病時(shí)間、身份等基本情況。關(guān)系TCMP及WMP詳細(xì)記錄藥物處方的用法用量。NumofDiagnosis、NumberofTCM、NumberofWM、NumberofDT分別表示患者在一段時(shí)間內(nèi)所患某疾病次數(shù)、服用某中藥次數(shù)、服用某西藥次數(shù)及所做某檢驗(yàn)檢查項(xiàng)目次數(shù)。

4 知識(shí)圖譜可視化分析應(yīng)用

Neo4j檢索結(jié)果的速度比關(guān)系數(shù)據(jù)庫快，比MySQL靈活。Neo4j在結(jié)構(gòu)類型查詢方面的表現(xiàn)優(yōu)于MySQL，在使用整數(shù)數(shù)據(jù)時(shí)比MySQL慢。Neo4j圖數(shù)據(jù)庫主要有5個(gè)構(gòu)建塊：節(jié)點(diǎn)、屬性、關(guān)系、標(biāo)簽和數(shù)據(jù)瀏覽器。圖數(shù)據(jù)庫擅長遍歷類型的查詢，從而促進(jìn)對(duì)關(guān)聯(lián)概念鏈的探索。這種“連接發(fā)現(xiàn)”可以識(shí)別新的關(guān)系。Neo4j不需要連接或索引就可以很容易地檢索它的相鄰節(jié)點(diǎn)或關(guān)系細(xì)節(jié)。下面以單個(gè)患者為例，在Neo4j圖數(shù)據(jù)庫中以圖的形式展示患者ID為“0000001816”在某段時(shí)間的診療記錄，可視化其在某段時(shí)間所患疾病，見圖3。所做檢查及所用藥物情況類似。

圖3 患者“0000001816”某段時(shí)間所患疾病情況

查詢某些適應(yīng)癥藥物的結(jié)果分析并可視化EMR中的規(guī)律與模式，見圖4。

圖4 某段時(shí)期內(nèi)用于治療“雙相情感障礙”的藥物

歸納出對(duì)應(yīng)于某一疾病或者某些疾病組合，醫(yī)生們通常習(xí)慣于開哪些藥。

基于醫(yī)學(xué)數(shù)據(jù)的特點(diǎn)，使用屬性圖數(shù)據(jù)庫Neo4j對(duì)EMR進(jìn)行建模，實(shí)踐表明，該模型比關(guān)系數(shù)據(jù)庫模型具有更好的語義表達(dá)能力，能夠更清晰地表達(dá)數(shù)據(jù)內(nèi)部的語義關(guān)系，滿足實(shí)際查詢需求，并具有關(guān)系數(shù)據(jù)庫模型無法實(shí)現(xiàn)的路徑發(fā)現(xiàn)功能。

5 結(jié)語

大型醫(yī)療數(shù)據(jù)存儲(chǔ)庫是知識(shí)發(fā)現(xiàn)的來源。對(duì)這類存儲(chǔ)庫的有效分析通常需要對(duì)數(shù)據(jù)中的依賴關(guān)系有全面理解。知識(shí)圖譜與任務(wù)無關(guān)，創(chuàng)建相同的知識(shí)圖譜，可以用于許多不同的任務(wù)，甚至是機(jī)器學(xué)習(xí)之外的任務(wù)。知識(shí)圖譜作為異構(gòu)知識(shí)學(xué)習(xí)的默認(rèn)數(shù)據(jù)模型，使用圖數(shù)據(jù)庫表示和查詢疾病網(wǎng)絡(luò)。

本文使用Neo4j對(duì)醫(yī)療數(shù)據(jù)進(jìn)行建模，簡潔直觀地表達(dá)數(shù)據(jù)之間關(guān)系。使用圖數(shù)據(jù)庫有利于醫(yī)療數(shù)據(jù)分析和可視化，未來將添加機(jī)器學(xué)習(xí)機(jī)制，創(chuàng)建基于圖數(shù)據(jù)庫的醫(yī)學(xué)推薦引擎。