疾病譜數(shù)據(jù)挖掘與可視化展示系統(tǒng)的設(shè)計與實現(xiàn)

李金斌 郝 然 付 磊 王 戎 趙笑顏 尹 嶺

（1.中國人民解放軍總醫(yī)院，北京 100853；2.國家衛(wèi)計委科學(xué)技術(shù)研究所，北京 100081；3.蘭州大學(xué)，甘肅蘭州 730000）

疾病譜是指在整個疾病構(gòu)成中按疾病患病率（或死亡率等）的高低而排列的順序，是綜合反映醫(yī)療單位衛(wèi)生服務(wù)水平的重要指標(biāo)之一，對了解某地區(qū)或醫(yī)療機構(gòu)疾病種類及其變化趨勢具有重要意義。因此，疾病譜的數(shù)據(jù)挖掘與可視化對掌握各地區(qū)人群疾病譜特點和醫(yī)療服務(wù)的需求、研究制定符合各地區(qū)實際的醫(yī)療衛(wèi)生政策和疾病防控策略、優(yōu)化衛(wèi)生資源配置、促進各地區(qū)醫(yī)療衛(wèi)生事業(yè)的發(fā)展起到重要的決策依據(jù)作用。

數(shù)據(jù)挖掘和可視化展示是近年來醫(yī)學(xué)信息領(lǐng)域研究關(guān)注的焦點。數(shù)據(jù)挖掘技術(shù)在統(tǒng)計信息分析系統(tǒng)中的應(yīng)用，是對數(shù)據(jù)進行深加工、精加工，成為更直觀、更形象的統(tǒng)計信息的重要工具。將統(tǒng)計信息數(shù)據(jù)和統(tǒng)計分析預(yù)測結(jié)果以數(shù)據(jù)表格、統(tǒng)計圖表、統(tǒng)計報告等多種可視化方式，通過Web的形式提供給政府或具有訪問權(quán)限的用戶進行實施查詢，實現(xiàn)從原始統(tǒng)計數(shù)據(jù)中挖掘出具有實用價值的信息，實時為政府、相關(guān)部門和指定用戶提供宏觀決策支持[1]。目前，國外已有不少這方面的成功案例。如應(yīng)用粗糙集對既往病種病例的醫(yī)學(xué)數(shù)據(jù)進行數(shù)據(jù)統(tǒng)計和數(shù)據(jù)挖掘歸納出診斷規(guī)則，可以將人工預(yù)測早產(chǎn)的準(zhǔn)確率從17%～38%提高到68%～90%。對于患者基本信息，包括年齡、性別、居住地、職業(yè)、生活情況等，通過關(guān)聯(lián)規(guī)則可以得出具有價值意義的醫(yī)學(xué)關(guān)系及診療模式[2-3]。但目前國內(nèi)對于疾病譜數(shù)據(jù)庫建設(shè)和挖掘還較少見。本文將依托現(xiàn)有科技基礎(chǔ)性工作疾病譜相關(guān)項目數(shù)據(jù)，開展數(shù)據(jù)挖掘和可視化系統(tǒng)研究和設(shè)計。針對各地區(qū)人群診療數(shù)據(jù)選擇合適的數(shù)據(jù)項規(guī)范、數(shù)據(jù)清洗和數(shù)據(jù)導(dǎo)入，通過對數(shù)據(jù)的挖掘，建立Web環(huán)境下的數(shù)據(jù)挖掘與可視化展示系統(tǒng)。

圖1 系統(tǒng)邏輯架構(gòu)圖

1 系統(tǒng)架構(gòu)與功能需求

本研究開發(fā)的疾病譜數(shù)據(jù)挖掘與可視化展示系統(tǒng)的架構(gòu)主要采用B/S（瀏覽器/服務(wù)器）三層體系結(jié)構(gòu)，將系統(tǒng)分為表現(xiàn)層、業(yè)務(wù)層和數(shù)據(jù)層三層架構(gòu)，如圖1所示。三層架構(gòu)實現(xiàn)的系統(tǒng)具有更好的靈活性和可重用性。

然而，這里所說的三層是邏輯上的三層，物理上可能為多層。其中，表現(xiàn)層負(fù)責(zé)地理數(shù)據(jù)的實時展示，并將一些服務(wù)器端實現(xiàn)起來比較困難的功能放在表現(xiàn)層，如用戶的交互操作。業(yè)務(wù)層封裝業(yè)務(wù)的處理邏輯是根據(jù)請求生成對數(shù)據(jù)層的訪問，并對得到的數(shù)據(jù)進行處理生成結(jié)果返回給表現(xiàn)層。數(shù)據(jù)層則由數(shù)據(jù)庫管理系統(tǒng)組成，包括關(guān)系數(shù)據(jù)庫和非關(guān)系數(shù)據(jù)庫。關(guān)系數(shù)據(jù)庫存儲屬性信息，非關(guān)系數(shù)據(jù)庫一般存儲地理數(shù)據(jù)。數(shù)據(jù)庫層獨立于應(yīng)用實現(xiàn)對數(shù)據(jù)的存儲、管理和維護，向業(yè)務(wù)層提供數(shù)據(jù)訪問的接口[4]。疾病譜數(shù)據(jù)挖掘與可視化展示系統(tǒng)具有數(shù)據(jù)采集系統(tǒng)功能、數(shù)據(jù)挖掘系統(tǒng)功能和可視化展示系統(tǒng)功能。

1.1 數(shù)據(jù)采集系統(tǒng)功能

數(shù)據(jù)可能來源于多個系統(tǒng)，對數(shù)據(jù)進行脫敏處理。由于某個人的數(shù)據(jù)可能有多條，應(yīng)根據(jù)唯一識別編碼，將其與住院信息、疾病數(shù)據(jù)及醫(yī)保數(shù)據(jù)進行關(guān)聯(lián)，對疾病名稱依據(jù)ICD-10進行編碼，并錄入數(shù)據(jù)庫，再根據(jù)數(shù)據(jù)項進行數(shù)據(jù)歸類。

（1）數(shù)據(jù)上傳：本系統(tǒng)支持以.xls表格或.sql格式上傳數(shù)據(jù)。

（2）格式判斷：用戶按照統(tǒng)一格式上傳數(shù)據(jù)后，系統(tǒng)將對上傳的數(shù)據(jù)進行格式判斷，只有符合要求的數(shù)據(jù)才能成功上傳。

（3）生成數(shù)據(jù)庫表：根據(jù)上傳的數(shù)據(jù)自動生成數(shù)據(jù)庫表。

1.2 數(shù)據(jù)挖掘系統(tǒng)功能

對疾病譜數(shù)據(jù)資料統(tǒng)計分析的內(nèi)容包括：人群基本情況分析，疾病和疾病系統(tǒng)發(fā)病率排位，系統(tǒng)內(nèi)疾病發(fā)病率排位，并分性別、年齡段對疾病譜構(gòu)成進行分析比較。對連續(xù)多年的數(shù)據(jù)，還可以分析不同年份疾病譜的變化情況以及不同年份性別、年齡段疾病譜的變化等。在對每個地區(qū)進行分析的基礎(chǔ)上，對所有的數(shù)據(jù)進行匯總，分析比較不同地區(qū)的疾病譜構(gòu)成和排位，系統(tǒng)內(nèi)疾病的構(gòu)成和排位，并進一步分性別、年齡段對疾病譜構(gòu)成進行分析比較。

1.3 可視化展示系統(tǒng)功能

可視化系統(tǒng)包括數(shù)據(jù)上傳界面、數(shù)據(jù)查看界面、圖形查看界面、結(jié)果導(dǎo)出等子模塊。

（1）數(shù)據(jù)上傳功能：在軟件入口上傳原始數(shù)據(jù)文件，導(dǎo)入數(shù)據(jù)庫。

（2）數(shù)據(jù)查看功能：可選擇地域、年份和民族，生成相應(yīng)的可視化頁面，而在可視化頁面中可以多維度地查看數(shù)據(jù)。

（3）圖形查看功能：可以生成餅圖、柱狀圖、展開圖等圖形，圖中可以拖拽重計算、點擊展開、取值對比。

（4）結(jié)果導(dǎo)出功能：可以將挖掘生成的可視化結(jié)果導(dǎo)出，在需要的軟件中進行展示。

2 數(shù)據(jù)收集處理與數(shù)據(jù)庫建設(shè)

數(shù)據(jù)庫設(shè)計方案應(yīng)該能夠保障系統(tǒng)在運行過程中具有較少的數(shù)據(jù)冗余，并能夠有效地降低應(yīng)用程序與數(shù)據(jù)庫通訊過程中的IO異常發(fā)生概率[5]。為了保障數(shù)據(jù)庫設(shè)計的規(guī)范性，數(shù)據(jù)庫設(shè)計方案應(yīng)當(dāng)滿足一系列的設(shè)計規(guī)范。常用的數(shù)據(jù)庫設(shè)計規(guī)范為一系列范式，高級別范式對于低級別范式具有包含關(guān)系。通常數(shù)據(jù)庫設(shè)計應(yīng)當(dāng)滿足到第三范式。

本文研究的數(shù)據(jù)主要來源于1999一2012年啟動的科技基礎(chǔ)性工作專項中人群疾病譜相關(guān)項目，包含住院數(shù)據(jù)、門診數(shù)據(jù)、死因監(jiān)測數(shù)據(jù)和調(diào)查問卷數(shù)據(jù)等140余萬條。根據(jù)數(shù)據(jù)來源和數(shù)據(jù)項，建立了門急診病人疾病譜調(diào)查數(shù)據(jù)集、住院病人疾病譜調(diào)查數(shù)據(jù)集、死亡病人疾病譜調(diào)查數(shù)據(jù)集等3個數(shù)據(jù)集。

在疾病譜調(diào)查獲取的數(shù)據(jù)中，有的數(shù)據(jù)項不完整、不規(guī)范，有的是紙質(zhì)材料，有的項目過多，特別是不同來源的數(shù)據(jù)之間缺乏聯(lián)系。為了使數(shù)據(jù)符合數(shù)據(jù)挖掘的格式要求，需要對數(shù)據(jù)進行清洗，剔除數(shù)據(jù)項不完整、不規(guī)范的數(shù)據(jù)，并以身份證號作為唯一標(biāo)識，在數(shù)據(jù)項間建立聯(lián)系，對數(shù)據(jù)進行脫敏處理。通過數(shù)據(jù)處理系統(tǒng)，將不同來源、不同格式的數(shù)據(jù)進行數(shù)字化、規(guī)范化，形成可用于數(shù)據(jù)挖掘的人群疾病譜數(shù)據(jù)庫。

MySQL是關(guān)系型數(shù)據(jù)庫管理系統(tǒng)應(yīng)用軟件之一，由瑞典MySQLAB公司開發(fā)，目前屬于Oracle公司。本文將采用關(guān)系模型的MySQL數(shù)據(jù)庫系統(tǒng)，對已經(jīng)導(dǎo)入數(shù)據(jù)庫中的經(jīng)過預(yù)處理的數(shù)據(jù)通過數(shù)據(jù)庫表的形式進行保存，這就相當(dāng)于數(shù)據(jù)倉庫式的存儲。SQL是關(guān)系數(shù)據(jù)庫的標(biāo)準(zhǔn)訪問語言，具有體積小、速度快、總體擁有成本低、開源等優(yōu)點，而MySQL對其提供了很高的支持度。因此，采用MySQL數(shù)據(jù)庫系統(tǒng)，不僅提高了運行速度，而且提高了靈活性。

3 數(shù)據(jù)挖掘與可視化展示

3.1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的人們事先不知道但又是潛在有用的信息和知識的過程。而關(guān)聯(lián)規(guī)則表示數(shù)據(jù)庫中一組對象之間某種關(guān)聯(lián)關(guān)系的規(guī)則。關(guān)聯(lián)規(guī)則挖掘就是通過關(guān)聯(lián)分析找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián), 利用這些關(guān)聯(lián)規(guī)則可以根據(jù)已知情況對未知問題進行推測[6]。將數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)學(xué)信息數(shù)據(jù)庫中，可以發(fā)現(xiàn)其中的疾病譜規(guī)則和模式[7]。

針對疾病譜數(shù)據(jù)的數(shù)據(jù)量大、數(shù)據(jù)復(fù)雜度較低等特點，本文采用K-means算法，將相似性大的數(shù)據(jù)點聚于同一個簇，把具有較大差異性的數(shù)據(jù)放在不同的簇，相似性和差異性由具體規(guī)定條件加以約束。通過數(shù)據(jù)統(tǒng)計和數(shù)據(jù)挖掘，歸納出疾病發(fā)生和診療情況的基本規(guī)則，與患者基本信息，包括性別、年齡、居住地、家庭情況等，通過關(guān)聯(lián)規(guī)則得出具有一定價值意義的醫(yī)學(xué)關(guān)系及規(guī)律模式[8]。以此展示了醫(yī)療特點和疾病規(guī)律適用的數(shù)據(jù)挖掘模型，并利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)了相應(yīng)的統(tǒng)計分析功能[9]（圖2）。

3.2 可視化展示

數(shù)據(jù)挖掘流程通常集成了多個挖掘算法，傳統(tǒng)上挖掘算法的運行結(jié)果通常以文本的形式顯示，內(nèi)容復(fù)雜且不利于理解。而數(shù)據(jù)挖掘結(jié)果可視化則是以圖形化的方式直觀展示各類算法的運行結(jié)果，方便用戶更加快速直接地理解結(jié)果，發(fā)現(xiàn)問題，指導(dǎo)后續(xù)挖掘工作的調(diào)整。

數(shù)據(jù)可視化展示系統(tǒng)是基于二維矩陣的可視化技術(shù)建立的。該方法利用一個二維矩陣的行和列分別表示規(guī)則的前項和后項，并在對應(yīng)的矩陣單元畫圖，可以是柱狀圖或條形圖等。不同的圖形元素（如顏色或高度）可以用來描述關(guān)聯(lián)規(guī)則的不同參數(shù)，如規(guī)則的支持度和置信度。不同顏色柱狀圖的高度分別表示支持度和置信度的置信度取值。二維矩陣法的優(yōu)點是易于可視化一對一布爾關(guān)系的關(guān)聯(lián)規(guī)則；局限性在于當(dāng)大量的關(guān)聯(lián)規(guī)則需要可視化時，后面的圖形會被前面的圖形遮蔽而不容易觀察。這樣的數(shù)據(jù)可視化展示系統(tǒng)可以根據(jù)用戶的需求進行多類型字段進行復(fù)合檢索、查詢，對檢索結(jié)果進行數(shù)據(jù)的分類統(tǒng)計，并根據(jù)用戶需求采用相應(yīng)的算法，生成Json格式的數(shù)據(jù)，提交給前端，生成可視化圖表（圖3，圖4）。

圖2 疾病譜數(shù)據(jù)庫數(shù)據(jù)檢索功能

4 實例分析

疾病譜數(shù)據(jù)庫收集了安徽省阜南縣14個鄉(xiāng)鎮(zhèn)2013一2016年門診、住院數(shù)據(jù)。利用疾病譜數(shù)據(jù)庫對疾病譜數(shù)據(jù)進行處理分析，得到阜南縣居民疾病譜和疾病負(fù)擔(dān)以及醫(yī)療服務(wù)現(xiàn)狀和需求，為地區(qū)醫(yī)療衛(wèi)生事業(yè)的發(fā)展提供了決策依據(jù)。

圖3 疾病譜數(shù)據(jù)地理信息展示

圖4 疾病負(fù)擔(dān)情況查詢可視化展示

疾病譜數(shù)據(jù)顯示，2014一2015年安徽省阜南縣縣內(nèi)的就診率不足60%，大量的患者不得不走出縣域就診。而對于同樣的手術(shù)（如闌尾炎手術(shù)），同樣的設(shè)備，同樣的技術(shù)，除報銷外的自負(fù)部分，省級醫(yī)院次均需要近6000元，市級醫(yī)院次均需要4500元，縣醫(yī)院次均需要1500元，而鄉(xiāng)鎮(zhèn)衛(wèi)生院次均只需要100元。可見走出縣城就診極大地增加了老百姓的醫(yī)療費用。如何提高縣域的醫(yī)療服務(wù)能力，解決百姓的看病問題成為健康阜南縣的首要任務(wù)。

綜合居民疾病譜和阜南縣醫(yī)療服務(wù)能力現(xiàn)狀，提出了阜南縣醫(yī)共體模式，建立了阜南縣醫(yī)共體。在醫(yī)共體內(nèi)，按照分工，縣級醫(yī)院看大病、鄉(xiāng)鎮(zhèn)衛(wèi)生院治小病、村衛(wèi)生室防未病。具體而言，縣級醫(yī)院承擔(dān)著100 種以上的大病診治工作，從而降低了阜南縣患者醫(yī)療費用支出。

在阜南縣，縣人民醫(yī)院重點加強腫瘤、心血管、重癥等科室建設(shè)，組建腫瘤、心腦血管等六大中心；縣中醫(yī)院重點加強中醫(yī)、骨科等科室建設(shè)，組建中醫(yī)治療中心；縣三院重點加強康復(fù)、老年病等科室建設(shè)，組建康復(fù)治療中心；婦幼保健院重點加強婦產(chǎn)科、兒科的建設(shè)，組建婦兒病治療中心。這樣就提高了大病診治能力。

在安徽省阜南縣通過應(yīng)用示范，提升了阜南縣基層衛(wèi)生決策和醫(yī)療服務(wù)整體水平，實現(xiàn)了全面提升醫(yī)療服務(wù)水平，滿足了阜南居民醫(yī)療服務(wù)和慢病管理需求。據(jù)疾病譜數(shù)據(jù)統(tǒng)計，阜南縣縣外轉(zhuǎn)診率2016年較2015年改革前下降了12.98%，而縣外住院為4.1萬人次，占比為22.68%，較改革前下降4.7個百分點從而降低了群眾醫(yī)療負(fù)擔(dān)。

5 結(jié)語與討論

針對人口健康領(lǐng)域基礎(chǔ)性工作疾病譜相關(guān)項目數(shù)據(jù)資料的全面整編，形成疾病譜調(diào)查專題數(shù)據(jù)庫，并設(shè)計實現(xiàn)了疾病譜數(shù)據(jù)挖掘與可視化展示系統(tǒng)。該系統(tǒng)性能可靠，可通過多類型字段進行復(fù)合檢索、查詢，可進行數(shù)據(jù)的分類統(tǒng)計，實現(xiàn)通過性別、年齡、費用、病種等的統(tǒng)計結(jié)果的可視化展示，獲得地區(qū)居民疾病譜、疾病負(fù)擔(dān)的具體數(shù)據(jù)，得到地區(qū)疾病發(fā)生規(guī)律和醫(yī)療衛(wèi)生服務(wù)能力現(xiàn)狀，結(jié)合當(dāng)?shù)貙嶋H情況，為政府醫(yī)療機構(gòu)提出醫(yī)療衛(wèi)生事業(yè)的發(fā)展決策建議和醫(yī)療衛(wèi)生機構(gòu)學(xué)科建設(shè)和人才培養(yǎng)計劃，大幅度提升全市醫(yī)療衛(wèi)生服務(wù)能力，滿足人民群眾基本醫(yī)療衛(wèi)生服務(wù)需求和多樣化、多層次健康需求。但是，在設(shè)計過程中，有一些需求還沒有考慮到，實現(xiàn)的功能也還有很多不完善的地方，隨著數(shù)據(jù)量的不斷增大，分析需求的不斷增加，還應(yīng)考慮系統(tǒng)的擴展性，對系統(tǒng)功能進行擴充。今后，應(yīng)在以下兩個方面進行完善：一是目前項目研究數(shù)據(jù)集中在單個地區(qū)其研究多數(shù)為獨立開展，數(shù)據(jù)來源不具有廣泛性，只能得出單獨地區(qū)疾病譜和結(jié)論，尚未得到區(qū)域性的人群疾病譜數(shù)據(jù)的支持，需要更多的疾病譜數(shù)據(jù)完善數(shù)據(jù)庫系統(tǒng)。二是目前的系統(tǒng)對數(shù)據(jù)挖掘模型的設(shè)計還僅考慮了一些基本需要，尚需對數(shù)據(jù)進行更加深入的數(shù)據(jù)挖掘，如從衛(wèi)生經(jīng)濟學(xué)角度對疾病譜數(shù)據(jù)進行挖掘，可以得出某地區(qū)居民疾病發(fā)病率和疾病負(fù)擔(dān)的關(guān)系，為當(dāng)?shù)靥岢鋈瞬排囵B(yǎng)和疾病防控等方面的建議，能夠為當(dāng)?shù)貎?yōu)化醫(yī)療衛(wèi)生資源合理配置。

[1]肇恒宇.數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J].中國科技信息, 2009(15): 129-130.

[2]姚遠, 劉麗華.軍隊慢性疾病診療數(shù)據(jù)庫與數(shù)據(jù)挖掘研究綜述[J].中國醫(yī)院, 2014, 18(9): 74-76.

[3]黃科軍, 耿生玲.統(tǒng)計信息的數(shù)據(jù)挖掘與可視化分析系統(tǒng)[J].硅谷, 2010(9): 40-41.

[4]劉婉姮.少數(shù)民族人群診療數(shù)據(jù)分析與可視化展示系統(tǒng)的設(shè)計與實現(xiàn)[D].天津:南開大學(xué).2015.

[5]段遠志.數(shù)據(jù)庫設(shè)計方法[J].南昌教育學(xué)院學(xué)報,2005(4): 84-86, 89.

[6]IOANNIS K,OLGA T,ATHANASIOS S, et al.Machine learning and data mining methods in diabetes research[J].Computational and Structural Biotechnology Journal,2016.

[7]于長春, 賀佳, 范思昌, 等.數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J].第二軍醫(yī)大學(xué)學(xué)報, 2003(11): 1250-1252.DOI: 10.16781/j.0258-879x.2003.11.034.

[8]WAGSTAFF K, CARDIE C, ROGERS S, et al.Constrained k-means clustering with background knowledge[C]//ICML.2001, 1: 577-584.

[9]于洋.數(shù)據(jù)挖掘可視化技術(shù)的研究與應(yīng)用[D].長春:吉林大學(xué), 2008.