數(shù)據(jù)挖掘在病例分析中的應(yīng)用探討

梁源 顏歡

【摘要】 計(jì)算機(jī)技術(shù)的快速發(fā)展促進(jìn)了醫(yī)院信息化系統(tǒng)普及和應(yīng)用，醫(yī)院信息化系統(tǒng)迅速增多，患者從入院、診斷、治療和康復(fù)等階段積累了海量的病例信息，從海量病例信息中挖掘有價(jià)值的信息，提高患者診斷的準(zhǔn)確度、治療的精確度具有重要的作用和意義。論文詳細(xì)地分析了數(shù)據(jù)挖掘技術(shù)發(fā)展和應(yīng)用現(xiàn)狀，探討了其在病例分析中的應(yīng)用，為醫(yī)院決策管理提供支持。

【關(guān)鍵詞】 數(shù)據(jù)挖掘 病例分析 專家?guī)?推薦系統(tǒng)

一、引言

網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫(kù)技術(shù)、軟件工程方法等快速發(fā)展和改進(jìn)，醫(yī)院已經(jīng)上線了門診掛號(hào)系統(tǒng)、醫(yī)學(xué)影像管理系統(tǒng)、病歷檔案管理系統(tǒng)、藥房管理系統(tǒng)、病房管理系統(tǒng)等，這些系統(tǒng)保存了海量的病例信息[1]。

目前，醫(yī)院在開展診斷、治療過程中，已經(jīng)開始實(shí)施精準(zhǔn)化治療模式，因此利用支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)、遺傳算法、K近鄰算法等數(shù)據(jù)挖掘技術(shù)總結(jié)、分析病例中診斷治療成功的信息顯得尤為重要，已經(jīng)成為醫(yī)院信息化發(fā)展的趨勢(shì)和方向[2]。

二、數(shù)據(jù)挖掘技術(shù)及應(yīng)用分析

數(shù)據(jù)挖掘技術(shù)經(jīng)過多年的研究和改進(jìn)，已經(jīng)提出了許多先進(jìn)的算法，伴隨著多媒體、云計(jì)算、互聯(lián)網(wǎng)等技術(shù)的發(fā)展，數(shù)據(jù)挖技術(shù)已經(jīng)在醫(yī)療衛(wèi)生等多個(gè)領(lǐng)域取得了顯著的應(yīng)用，為人們提供了豐富的數(shù)據(jù)內(nèi)容和有價(jià)值的信息。在醫(yī)療診斷、治療過程中，醫(yī)院已經(jīng)在主治醫(yī)師自動(dòng)化推薦、醫(yī)學(xué)圖像識(shí)別分析等領(lǐng)域取得了顯著的成效，開發(fā)了智能醫(yī)療專家系統(tǒng)、醫(yī)院發(fā)展智能決策庫(kù)系統(tǒng)等，歸納起來，醫(yī)院診療過程中常用的數(shù)據(jù)挖掘算法主要包括支持向量機(jī)、K近鄰算法、BP神經(jīng)網(wǎng)絡(luò)，利用這些算法可以從宏觀、微觀等多維度挖掘醫(yī)院信息數(shù)據(jù)中潛在的有價(jià)值信息，指導(dǎo)醫(yī)院開展診療工作和行政管理，具有重要的作用[3]。

2.1支持向量機(jī)

支持向量機(jī)是一種基于分類的大數(shù)據(jù)挖掘技術(shù)，該挖掘技術(shù)可以針對(duì)非線性、高維空間的樣本數(shù)據(jù)實(shí)現(xiàn)挖掘分析，能夠利用核函數(shù)等優(yōu)化數(shù)據(jù)挖掘過程，從海量的醫(yī)院信息數(shù)據(jù)中挖掘高價(jià)值信息，并且能夠?yàn)獒t(yī)療診斷提供病灶定位、圖像識(shí)別等決策知識(shí)。支撐向量機(jī)可以與遺傳算法、模糊數(shù)學(xué)、粒子群等思想集成在一起，實(shí)現(xiàn)算法優(yōu)化，挖掘更多的信息知識(shí)。

2.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種自適應(yīng)和自組織的大數(shù)據(jù)挖掘技術(shù)，其可以從海量數(shù)據(jù)中挖掘樣本數(shù)據(jù)特征，把數(shù)據(jù)劃分為多個(gè)類別，以便能夠獲取有價(jià)值的潛在信息。目前，BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)已經(jīng)具備數(shù)據(jù)分布式存儲(chǔ)、并行處理和較強(qiáng)的容錯(cuò)能力等特點(diǎn)，并且具備非常強(qiáng)大的抗干擾能力。神經(jīng)網(wǎng)絡(luò)主要包括輸入層、學(xué)習(xí)層和輸出層，每一層都可以設(shè)置不同的權(quán)值，并且這些權(quán)值可以自適應(yīng)調(diào)整，提高算法的自適應(yīng)能力和優(yōu)化能力。

2.3 K近鄰算法

K近鄰算法采用線性統(tǒng)計(jì)分類算法，已經(jīng)數(shù)據(jù)挖掘算法中得到了廣泛的普及，是一種非常成熟的算法。K近鄰算法的思路如下：給定一個(gè)樣本數(shù)據(jù)，計(jì)算該樣本與K個(gè)樣本相似程度，選擇相似程度最大的一個(gè)類別，將該樣本劃分為這個(gè)類別中[4]。

三、數(shù)據(jù)挖掘在病例分析中的應(yīng)用

數(shù)據(jù)挖掘在病例分析中的應(yīng)用主要包括以下三個(gè)關(guān)鍵內(nèi)容：

3.1基于病例分析結(jié)果為患者推薦醫(yī)師

患者在就診過程中，為了提高患者參與的積極性、主動(dòng)性和精確性，利用數(shù)據(jù)挖掘構(gòu)建一個(gè)模型，該模型可以錄入患者的病歷信息，然后模型自動(dòng)與數(shù)據(jù)庫(kù)保存的病例進(jìn)行對(duì)比分析，尋找治療措施最優(yōu)的醫(yī)師推薦給患者。

3.2構(gòu)建智能病例信息專家?guī)?/p>

醫(yī)院在開展診斷、治療業(yè)務(wù)時(shí)，難以避免誤診，誤診的原因很多，比如患者自身體質(zhì)、患者隱瞞病史、醫(yī)師判斷不準(zhǔn)確等，為了提高醫(yī)院診斷、治療的精準(zhǔn)化，可以構(gòu)建智能病例信息專家?guī)?，自?dòng)化的分析診斷失敗、治療不成功的原因，從而全面提升醫(yī)院救治水平。

3.3構(gòu)建遠(yuǎn)程會(huì)診推薦系統(tǒng)

目前，醫(yī)院通過互聯(lián)網(wǎng)可以與上級(jí)醫(yī)院、科研結(jié)構(gòu)合作會(huì)診，會(huì)診過程中，利用數(shù)據(jù)挖掘技術(shù)可以更加清晰地識(shí)別核磁共振、CT等醫(yī)學(xué)圖像中的病灶部位，提高診斷的準(zhǔn)確性，便于設(shè)計(jì)治療方案。

四、結(jié)束語(yǔ)

隨著醫(yī)院信息化水平的提升，醫(yī)院信息化系統(tǒng)運(yùn)行積累的海量數(shù)據(jù)資源是一座非常寶貴的財(cái)富，與BP神經(jīng)網(wǎng)絡(luò)、遺傳算法等先進(jìn)的挖掘技術(shù)相整合，可以從中發(fā)掘潛在的指導(dǎo)救治知識(shí)，有利于提高醫(yī)院科研、治療水平，更好的救死扶傷，保護(hù)人們的生命健康。

參 考 文 獻(xiàn)

[1] 陳曉琛. 醫(yī)院病案信息系統(tǒng)的數(shù)據(jù)挖掘在醫(yī)院中的重要意義[J]. 當(dāng)代醫(yī)學(xué)， 2014， 31（25）：8-9.

[2] 卞松， 劉宇宏， 高黎，等. 以數(shù)據(jù)挖掘?yàn)楹诵牡尼t(yī)院數(shù)據(jù)管理平臺(tái)建設(shè)初探[J]. 中國(guó)病案， 2015， 16（1）：2-3.

[3] 舒衛(wèi)東， 丁淑萍， 付萍. 基于數(shù)據(jù)挖掘的醫(yī)院服務(wù)微信評(píng)價(jià)平臺(tái)統(tǒng)計(jì)功能探究[J]. 電子測(cè)試， 2014， 19（2）：81-82.

[4] 范芝強(qiáng). 數(shù)據(jù)挖掘技術(shù)在醫(yī)院信息系統(tǒng)中的應(yīng)用探討[J]. 數(shù)字技術(shù)與應(yīng)用， 2015， 35（5）：207-207.