數(shù)據(jù)挖掘在醫(yī)學(xué)方面的應(yīng)用

1、數(shù)據(jù)挖掘在醫(yī)學(xué)方面的應(yīng)用摘要：著信息技術(shù)的發(fā)展，采集、存儲和管理數(shù)據(jù)的手段日益完善。數(shù)據(jù)挖掘?qū)W科應(yīng)運(yùn)而生。本文介紹數(shù)據(jù)挖掘的概念和應(yīng)用，以及國內(nèi)醫(yī)學(xué)方面數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀及展望。關(guān)鍵字：數(shù)據(jù)挖掘醫(yī)學(xué)Abstract：Thedisciplineofdataminingemergeswiththedevelopmentoftechnologyandmaturationofmethodsofdatacollection,storageandmanagement.Thepaperintroducestheconceptofdatamining.Thispaperintroducesdatamining

2、conceptsandapplications,aswellasdomesticmedicaldataminingapplicationstatusanditsprospect.KeyWords:datamining；biomedical1引言隨著數(shù)據(jù)庫技術(shù)的飛速發(fā)展，信息技術(shù)已滲透到包括醫(yī)學(xué)在內(nèi)的各種領(lǐng)域。很多大中型醫(yī)院都相繼建立了自己的醫(yī)院信息系統(tǒng)(HIS),隨著HIS的應(yīng)用和不斷發(fā)展，數(shù)據(jù)庫中的數(shù)據(jù)量迅速膨脹，數(shù)據(jù)庫規(guī)模逐漸擴(kuò)大，復(fù)雜程度日益增加。但是盡管積累了大量的業(yè)務(wù)數(shù)據(jù)，真正能將這些數(shù)據(jù)的價(jià)值挖掘出來，并運(yùn)用到醫(yī)院的臨床輔助診斷和日常管理決策中去的卻很少。提出了建立基于HIS系統(tǒng)的

3、醫(yī)學(xué)信息數(shù)據(jù)倉庫，在此基礎(chǔ)上，對數(shù)據(jù)倉庫中的醫(yī)療數(shù)據(jù)進(jìn)行疾病監(jiān)測、預(yù)測、醫(yī)院管理輔助決策等方面的數(shù)據(jù)挖掘。為醫(yī)務(wù)工作者、臨床管理人員、科研人員提供輔助決策與綜合分析的工具。在醫(yī)療方面具有重要的意義。2.數(shù)據(jù)挖掘技術(shù)介紹1. 1數(shù)據(jù)挖掘額的概念數(shù)據(jù)挖掘是商務(wù)智能應(yīng)用中較高層次的一項(xiàng)技術(shù)，是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程1。利用數(shù)據(jù)挖掘用戶將可以更加方便地發(fā)現(xiàn)數(shù)據(jù)的規(guī)律，用戶可以利用這些規(guī)律對某些符合特征的數(shù)據(jù)作出預(yù)測。數(shù)據(jù)挖掘所得到的信息應(yīng)具有先未知，有效和可實(shí)用三個(gè)特征。先未知是指數(shù)據(jù)挖掘所得到的信息應(yīng)該

4、是先前不能憑直覺或一般的技術(shù)方法所能得到的信息，挖掘到的住處越是出乎意料就可能越有價(jià)值。在這方面的一個(gè)典型例子就是一家連鎖商店通過數(shù)據(jù)挖掘發(fā)現(xiàn)小孩尿布和啤酒之間有著驚人的聯(lián)系。而有效和可實(shí)用是數(shù)據(jù)挖掘的目的所在。數(shù)據(jù)挖掘的分析方法有很多種，針對不同的用途就有不同的分析方法，比較常見的分析方法有一下集幾種：分類、預(yù)測、相關(guān)性分組活關(guān)聯(lián)規(guī)則、聚類、估值、描述和可視化、復(fù)雜數(shù)據(jù)類型挖掘，包括文本數(shù)據(jù)挖掘。WEB數(shù)據(jù)挖掘、圖形圖像數(shù)據(jù)挖掘、視頻和音頻數(shù)據(jù)挖掘。2. 2數(shù)據(jù)挖掘的過程數(shù)據(jù)挖掘的過程一般由三個(gè)主要的階段構(gòu)成：數(shù)據(jù)準(zhǔn)備、開采操作、結(jié)果表達(dá)和解釋，對知識的發(fā)現(xiàn)可以描述為這三個(gè)階段的反復(fù)過程。(

5、1)數(shù)據(jù)準(zhǔn)備這個(gè)階段又可進(jìn)一步分成三個(gè)子步驟：數(shù)據(jù)集成，數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理。數(shù)據(jù)集成將多文件和多數(shù)據(jù)庫運(yùn)行環(huán)境中的數(shù)據(jù)進(jìn)行組合，解決語義模糊性，處理數(shù)據(jù)中的遺漏和清洗無效數(shù)據(jù)等。數(shù)據(jù)選擇的目的是辨別出需要分析的數(shù)據(jù)集合，縮小處理范圍，提高數(shù)據(jù)挖掘的質(zhì)量。預(yù)處理是為了克服目前數(shù)據(jù)挖掘工具的局限性。(2)數(shù)據(jù)挖掘這個(gè)階段進(jìn)行實(shí)際性分析工作，包括的要點(diǎn)是：先決定如何產(chǎn)生假設(shè)，是讓數(shù)據(jù)挖掘系統(tǒng)為用戶產(chǎn)生假設(shè)，還是用戶自己對數(shù)據(jù)庫中可能包含的知識提出假設(shè)，前一種稱為發(fā)現(xiàn)型的數(shù)據(jù)挖掘；后一種稱為驗(yàn)證型的數(shù)據(jù)挖掘。再選擇合適的工具進(jìn)行發(fā)掘知識的操作，最后進(jìn)行證實(shí)。(3)結(jié)果表述和解釋根據(jù)用戶的需求對提取的

6、信息進(jìn)行分析，挑選出有效信息，并且通過決策支持工具進(jìn)行移交。因此，這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來(例如采用信息可視化方法)，還要對信息進(jìn)行過濾處理，如果不能令用戶滿意，需要重復(fù)以上數(shù)據(jù)挖掘的過此，這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來(例如采用信息可視化方法)，還要對信息進(jìn)行過濾處理，如果不能令用戶滿意，需要重復(fù)以上數(shù)據(jù)挖掘的過程。3. 3數(shù)據(jù)挖掘的功能(1)自動預(yù)測趨勢和行為：數(shù)據(jù)挖掘自動在大型數(shù)據(jù)庫中尋找預(yù)測性信息，以往需要進(jìn)行大量手工分析的問題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。(2)關(guān)聯(lián)分析：數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就

7、稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。有時(shí)并不知道數(shù)據(jù)庫中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。(3)聚類：數(shù)據(jù)庫中的記錄可被劃分為一系列有意義的子集，即聚類。聚類增強(qiáng)了人們對客觀現(xiàn)實(shí)的認(rèn)識，是概念描述和偏差分析的先決條件。(4)概念描述：概念描述就是對某類對象的內(nèi)涵進(jìn)行描述，并概括這類對象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對象的共同特征，后者描述不同類對象之間的區(qū)別。(5)偏差檢測：數(shù)據(jù)庫中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫中檢測這些偏差很有意義。偏差包括很多潛在的知識，如分類中的

8、反常實(shí)例、不滿足規(guī)則的特例、觀測結(jié)果與模型預(yù)測值的偏差、量值隨時(shí)間的變化等。偏差檢測的基本方法是尋找觀測結(jié)果與參照值之間有意義的差別。3數(shù)據(jù)挖掘在醫(yī)學(xué)中的應(yīng)用4. 1數(shù)據(jù)挖掘在生物醫(yī)學(xué)/DN肝的應(yīng)用隨著全球人類基因組計(jì)劃(HumanGenomeProject)對人類24對染色體全部基因測序的完成，人類基因的研究將進(jìn)入全新的發(fā)展階段。因此對DNA勺序列模式分析是分子生物醫(yī)學(xué)領(lǐng)域工作者面臨的重要任務(wù)，而數(shù)據(jù)挖掘成為DN剛析中的強(qiáng)有力的工具，并在以下方面對DNA的分析做出不小的貢獻(xiàn)。(1)DNA序列問相似搜索與比較：在基因分析中一個(gè)最為重要的搜索問題是DN醉列中的相似搜索和比較。對分別來自帶病和健康

9、組織的基因序列，進(jìn)行比較以識別兩類基因間的差異。做法可以是首先從兩類基因中檢索出基因序列，然后找出并比較每一類中頻繁出現(xiàn)的模式，通常在帶病樣本中出現(xiàn)頻度超出健康樣本的序列，可以認(rèn)為是導(dǎo)致疾病的基因因素；另一方面，在健康樣本中出現(xiàn)頻度超出帶病樣本的序列，可以認(rèn)為是抗疾病的因素。(2)關(guān)聯(lián)分析：同時(shí)出現(xiàn)的基因序列的識別：目前許多研究關(guān)注的是一個(gè)基因與另一個(gè)基因的比較。大部分疾病不是由單一基因引起的，而是基因組合起來共同起作用的結(jié)果。關(guān)聯(lián)分析方法可用于幫助確定在目標(biāo)樣本中同時(shí)出現(xiàn)的基因種類，此類分析將有助于發(fā)現(xiàn)基因組和x,-t基因間的交叉與聯(lián)系的研究。(3)路徑分析：發(fā)現(xiàn)在不同階段的致病基因：引起一

10、種疾病的基因可能不止一個(gè)，不過不同基因可能在不同階段起著作用。如果能找到疾病發(fā)展的不同階段遺傳因素序列，就有可能開發(fā)針對疾病不同階段的治療藥物，從而取得更為有效的治療效果，在遺傳研究中路徑分析會起到重要的作用。5. )DNA序列分類:DN府列中有外顯子和內(nèi)含子，外顯子是被轉(zhuǎn)錄為信使RN鼾被翻譯成蛋白質(zhì)的序列，而內(nèi)顯子則不然。區(qū)分DN席列中的外顯子和內(nèi)含子也是很重要的，非線性相關(guān)統(tǒng)at法AMI(averagemutualinformation)是可行的，另外，神經(jīng)網(wǎng)絡(luò)、分類及聚類算法也是有用的。6. 2數(shù)據(jù)挖掘在醫(yī)學(xué)中的應(yīng)用(1)疾病診斷：正確的診斷對于指導(dǎo)病人的用藥及康復(fù)顯然是重要的，在臨床中

11、有些疾病錯(cuò)綜復(fù)雜，數(shù)據(jù)挖掘的有關(guān)分類分析可以應(yīng)用于疾病的診斷。粗糙集理論、人T神經(jīng)網(wǎng)絡(luò)、模糊邏輯分析在疾病診斷方面是有效的。國內(nèi)有學(xué)者將粗糙集理論應(yīng)用于中醫(yī)類風(fēng)濕的診斷，取得了滿意的效果，大大提高了診斷準(zhǔn)確率，國外A.Kusiak等將基于粗糙集理論的兩種算法應(yīng)用于實(shí)體性肺結(jié)節(jié)的診斷，診斷準(zhǔn)確率達(dá)100%,RoshawrmaScales等基于人工神經(jīng)網(wǎng)絡(luò)理論及模糊邏輯開發(fā)的對心血管疾病診斷的工具對疾病診斷的正確率達(dá)到92%。(2)疾病相關(guān)因素分析：在病案信息庫中有大量的關(guān)于病人的病情和病人的個(gè)人信息，包括年齡、性別、居住地、職業(yè)、生活情況等，對數(shù)據(jù)庫中的信息進(jìn)行關(guān)聯(lián)規(guī)則分析可以發(fā)現(xiàn)有意義的關(guān)系及

12、模式，某種疾病的相關(guān)發(fā)病危險(xiǎn)因素分析可以指導(dǎo)患者如何預(yù)防該疾病。JonathanC.Prather等成功地應(yīng)用數(shù)據(jù)挖掘的有關(guān)理論對Duke大學(xué)醫(yī)學(xué)中心的產(chǎn)科病人早產(chǎn)的3個(gè)危險(xiǎn)因素進(jìn)行了分析。(3)疾病預(yù)測：確定某些疾病的發(fā)展模式，根據(jù)病人的病史預(yù)測病情的發(fā)展趨勢，從而有針對性的預(yù)防疾病的發(fā)生。應(yīng)用粗糙集理論根據(jù)以往病例歸納出診斷規(guī)則，用來預(yù)測新的疾病的發(fā)生，現(xiàn)有的人工預(yù)測早產(chǎn)的準(zhǔn)確率只有17%38%,應(yīng)用粗糙集理論則可提高到68%90%。(4)在醫(yī)療質(zhì)量管理中的應(yīng)用：醫(yī)療保健領(lǐng)域的改革使得費(fèi)用壓力增加，另外一方面對醫(yī)院醫(yī)療質(zhì)量的需求也增高，以及其他醫(yī)療服務(wù)機(jī)構(gòu)的增多，使得醫(yī)院管理者比以往更關(guān)心

13、醫(yī)療及管理的質(zhì)量以及費(fèi)用一效益比率。醫(yī)療質(zhì)量管理的核心是數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量，這些質(zhì)量可以用不同的指數(shù)來衡量，數(shù)據(jù)挖掘可以幫助質(zhì)量管理者解決下列任務(wù)：發(fā)現(xiàn)新的關(guān)于數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量指數(shù)的假說；檢驗(yàn)現(xiàn)有的關(guān)于數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量指數(shù)是否有效；提煉，粗糙化及調(diào)整關(guān)于數(shù)據(jù)、標(biāo)準(zhǔn)、計(jì)劃以及治療的質(zhì)量指數(shù)。常見的問題有：什么原因?qū)е逻`背標(biāo)準(zhǔn)？個(gè)人信息、年齡、性別是怎樣影響對標(biāo)準(zhǔn)的違背的？比如：若年齡因素和某種治療導(dǎo)致住院時(shí)間比標(biāo)準(zhǔn)住院時(shí)間長，是否考慮修改治療方案吸據(jù)挖掘可以幫助發(fā)現(xiàn)有關(guān)提高臨床服務(wù)效率及質(zhì)量潛力的證據(jù)。(5)在醫(yī)學(xué)圖像中的應(yīng)用：醫(yī)學(xué)領(lǐng)域中越來越多地應(yīng)用圖像

14、作為疾病診斷的工具，如SPECTCKMRI、PE偌，數(shù)據(jù)挖掘可以應(yīng)用于醫(yī)學(xué)圖像的分析。Sacha等成功地運(yùn)用基于貝葉斯分類的數(shù)據(jù)挖掘模式對心肌SPEC圖像進(jìn)行分類診斷。(6)在醫(yī)學(xué)其他方面的應(yīng)用：數(shù)據(jù)挖掘還應(yīng)用于毒理學(xué)方面，藥物的新的副作用發(fā)現(xiàn)。4.國內(nèi)生物醫(yī)學(xué)數(shù)據(jù)挖掘的應(yīng)用現(xiàn)狀及展望我國的醫(yī)院信息系統(tǒng)(HIS)經(jīng)過多年的自動化建設(shè)，已具備相當(dāng)?shù)奈镔|(zhì)條件和人才儲備，并積累了大量數(shù)據(jù)，為數(shù)據(jù)挖掘應(yīng)用奠定了一定的物質(zhì)基礎(chǔ)。而且，醫(yī)院信息化發(fā)展是我國信息化建設(shè)的重要組成部分，國家對此給予了高度的重視并提供了大量政策上和經(jīng)濟(jì)上的支持，為行業(yè)性數(shù)據(jù)挖掘的實(shí)施提供了良好的政策環(huán)境和經(jīng)濟(jì)保障。在我國，盡管醫(yī)

15、學(xué)的數(shù)據(jù)極為豐富，但運(yùn)用數(shù)據(jù)挖掘技術(shù)分析和處理這些數(shù)據(jù)資源的研究尚處于起步階段。原因主要在于以下兩個(gè)方面：其一，數(shù)據(jù)挖掘采用許多復(fù)雜的數(shù)學(xué)工具，這可能使生物醫(yī)學(xué)科學(xué)研究者“望而卻步”。其實(shí)，這種“恐懼”心理是不必要的。對于生物醫(yī)學(xué)領(lǐng)域的研究者而言，并不需要設(shè)計(jì)這些數(shù)學(xué)工具，他們需要的是理性地使用這些現(xiàn)有的工具。許多數(shù)據(jù)處理軟件包(如WekaBMiner、SPSSClementine和SASEnterpriseMiner等)都包含常用數(shù)據(jù)挖掘方法的功能。其二，當(dāng)前醫(yī)學(xué)教育中的知識結(jié)構(gòu)使大部分生物醫(yī)學(xué)研究者對“數(shù)據(jù)挖掘”這類數(shù)據(jù)分析處理技術(shù)不甚了解、也不甚敏感，也就更難以自覺地應(yīng)用。隨著生物醫(yī)學(xué)研

16、究人員對“數(shù)據(jù)挖掘”及其應(yīng)用的理解不斷深入，這種新穎的數(shù)據(jù)分析工具必將對生物醫(yī)學(xué)研究產(chǎn)生積極的促進(jìn)作用。5結(jié)語生物醫(yī)學(xué)數(shù)據(jù)庫是一個(gè)復(fù)雜數(shù)據(jù)庫，包括電子病歷、醫(yī)學(xué)影像、病理參數(shù)、化驗(yàn)結(jié)果等。目前數(shù)據(jù)挖掘技術(shù)主要應(yīng)用于以結(jié)構(gòu)化數(shù)據(jù)為主的關(guān)系數(shù)據(jù)庫、事務(wù)數(shù)據(jù)庫和數(shù)據(jù)倉庫，對復(fù)雜類型數(shù)據(jù)的挖掘尚在起步階段。造成這種局面的可能原因有：挖掘結(jié)果的可理解性欠佳；挖掘結(jié)果數(shù)量過大，難以處置：挖掘方法在實(shí)際應(yīng)用中與用戶的交互作用不理想等。數(shù)據(jù)挖掘在經(jīng)過多年的發(fā)展之后已經(jīng)形成相對成熟的技術(shù)體系，特別是在數(shù)據(jù)挖掘設(shè)計(jì)、數(shù)據(jù)抽取以及聯(lián)機(jī)分析處理技術(shù)等方面都取得了令人滿意的進(jìn)展，為數(shù)據(jù)挖掘的應(yīng)用奠定了技術(shù)基礎(chǔ)。隨著數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用和各種挖掘算法的不斷改進(jìn)完善，結(jié)合生物醫(yī)學(xué)信息自身的特殊性和復(fù)雜性，處理好挖掘過程中的關(guān)鍵技術(shù)，使數(shù)據(jù)挖掘技術(shù)在處理生物醫(yī)學(xué)資料中的功能日益強(qiáng)大。數(shù)據(jù)挖掘技術(shù)在生物醫(yī)學(xué)研究、醫(yī)療衛(wèi)生管理與決策中的應(yīng)用范圍也會越來越廣，并帶來可觀的經(jīng)濟(jì)和社會效益。參考文獻(xiàn)：1康