Python語言在醫(yī)院信息化中的應(yīng)用研究

程 彪

（中國科學(xué)技術(shù)大學(xué)附屬第一醫(yī)院西區(qū)（安徽省腫瘤醫(yī)院），合肥 230000）

我院HIS系統(tǒng)目前使用的數(shù)據(jù)庫為Caché數(shù)據(jù)庫，在多年的信息化建設(shè)中Caché數(shù)據(jù)庫有其獨(dú)特的優(yōu)勢，同時(shí)也存在弊端[1]。經(jīng)過多年的信息化建設(shè)，Caché數(shù)據(jù)庫使用了很多的其他第三方語言，并通過第三方的語言開發(fā)了很多應(yīng)用系統(tǒng)，如：使用Ext Js和.Net框架開發(fā)了護(hù)理病歷系統(tǒng)；使用Java虛擬機(jī)（jdk1.6）開發(fā)了智能報(bào)表系統(tǒng)；使用C Sharp開發(fā)語言和.Net框架開發(fā)了醫(yī)囑單打印系統(tǒng)等等。

隨著人工智能和大數(shù)據(jù)的快速發(fā)展，我院使用InterSystems公司的集成平臺建成了數(shù)據(jù)中心。另一方面，Python語言有著強(qiáng)大的科學(xué)計(jì)算、數(shù)據(jù)處理、數(shù)據(jù)分析等功能，能夠適應(yīng)人工智能和大數(shù)據(jù)方面的發(fā)展。因此，本文嘗試從Python語言的角度，連接Caché等數(shù)據(jù)庫，并對醫(yī)療數(shù)據(jù)進(jìn)行分析和應(yīng)用。

1 Python語言和Caché數(shù)據(jù)庫

Python是一個(gè)有條理的、強(qiáng)大的面向?qū)ο蟮某绦蛟O(shè)計(jì)語言，類似于Java、Perl等語言，目前Python最高的版本為V3.7.0，本文中使用V3.5.4版本進(jìn)行研究。Python語言可以應(yīng)用于系統(tǒng)編程、圖形處理、數(shù)學(xué)處理、文本處理、數(shù)據(jù)庫編程、網(wǎng)絡(luò)編程、Web編程、多媒體應(yīng)用等，它可以支持相當(dāng)多的標(biāo)準(zhǔn)庫，如：Tkinter（默認(rèn)的圖形界面接口）、Numpy（Python科學(xué)計(jì)算的基礎(chǔ)包）、Pandas（基于NumPy的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的），MatplotLib（繪制數(shù)據(jù)圖表的Python庫）、Scipy（解決科學(xué)運(yùn)算中各種標(biāo)準(zhǔn)問題域的包的集合）、Tensorflow（機(jī)器學(xué)習(xí)庫）等。

Caché數(shù)據(jù)庫是InterSystems公司產(chǎn)品，屬于后關(guān)系型數(shù)據(jù)庫（Post Relational database），主要應(yīng)用于醫(yī)療衛(wèi)生管理信息系統(tǒng)，被醫(yī)療界公認(rèn)為首選數(shù)據(jù)庫。Caché數(shù)據(jù)庫有如下的特點(diǎn)：速度快、使用簡單、接口容易、支持遠(yuǎn)程映射和鏡像、支持WEB開發(fā)。

2 Python語言和Caché數(shù)據(jù)庫交互性研究

本文的研究目的是用Python語言分析我院醫(yī)療數(shù)據(jù)，首先我們對Python語言和Caché數(shù)據(jù)庫交互性做出研究。

步驟如下：

第一、安裝Python3.5.4；

第二、安裝Caché數(shù)據(jù)庫；

第三、安裝Microsoft visual C++ 14.0組件；

第四、設(shè)置環(huán)境變量能夠使用C/C++編譯器；

第五、在Python開發(fā)環(huán)境下編譯驅(qū)動(dòng)程序，命令為“python setup.py install”或者“python setup3.py install”，本文使用的是Python V3.5.4，因此使用“python setup3.py install”命令；

第六、安裝PyCharm，同時(shí)下載相應(yīng)支持庫；

第七、連接Caché數(shù)據(jù)庫，與數(shù)據(jù)庫進(jìn)行交互，并處理相關(guān)數(shù)據(jù)。

以下為示例代碼：

import sys，intersys.pythonbind3 //導(dǎo)入數(shù)據(jù)庫驅(qū)動(dòng)

.......

url = host + "[" + port + "]：SAMPLES" //host為服務(wù)器地址，port為端口號

conn = intersys.pythonbind3.connection（）

conn.connect_now（url，user，password，None）

database = intersys.pythonbind3.database（conn）

cq = intersys.pythonbind3.query（database）

sqlcode = 0

cq.prepare_class（"web.XXXXX"，F(xiàn)unName）

cq.set_par（1，query）

cq.execute（） //執(zhí)行Caché數(shù)據(jù)庫方法

.......

3 應(yīng)用性研究目標(biāo)

3.1 研究目標(biāo)

通過和Caché數(shù)據(jù)庫的互聯(lián)，我們能實(shí)現(xiàn)從醫(yī)囑、電子病歷等系統(tǒng)抽取數(shù)據(jù)[2]，將數(shù)據(jù)通過Python語言實(shí)現(xiàn)自然語言處理[3]和臨床決策支持的研究。本文采取Django2.0架構(gòu)實(shí)現(xiàn)相關(guān)研究。主要處理研究目標(biāo)有：

（1）通過病歷，分析某一類疾病治療效果。針對肺癌病人的日常病程錄、出院小結(jié)等病歷內(nèi)容分析，研究不同治療方式的治療效果。

（2）通過關(guān)鍵詞找到相似病歷，用于輔助診斷、科研、借鑒治療。輸入肺癌、化療、放療等關(guān)鍵詞，檢索到相似病歷，可用于科研或者借鑒治療。

（3）對患者病歷進(jìn)行整理，建立可視化模塊。對患者數(shù)據(jù)以及病歷質(zhì)量分析等建立可視化模塊，用于醫(yī)院精細(xì)化管理。

（4）對患者電子病歷進(jìn)行分類。建立深度學(xué)習(xí)模型，進(jìn)行機(jī)器學(xué)習(xí)，對患者病歷進(jìn)行分類劃分。例如肺癌病人化療和放療的病歷分類，給出量化結(jié)果。

3.2 步驟和關(guān)鍵技術(shù)點(diǎn)

3.2.1 醫(yī)學(xué)語言處理知識庫建立[4]

目的：對病歷文本數(shù)據(jù)分析更加準(zhǔn)確。

途徑：建立維護(hù)程序，將臨床專業(yè)術(shù)語維護(hù)到知識庫。

試驗(yàn)：“患者2018.8因“發(fā)熱伴咳嗽咳痰”就診我科”。

正常分詞結(jié)果（Fool-NLTK）：

[['患者 '，'2018.8'，'因 '，'“'，'發(fā)熱伴 '，'咳嗽 '，'咳 '，'痰 '，'”'，'就診 '，'我科 '，'。']]

增加“咳痰”、“發(fā)熱”專業(yè)術(shù)語到知識庫后分詞結(jié)果：

[['患者 '，'2018.8'，'因 '，'“'，'發(fā)熱 '，'伴 '，'咳嗽 '，'咳痰 '，'”'，'就診 '，'我科 '，'。']]3.2.2 特征向量提取

方法：一是將文本分詞并向量化，便于程序處理；二是考慮去停用詞、詞跟還原與詞形還原，降低特征向量維度；三是TFIDF（詞頻-逆文本頻率）。

目的：用詞特征向量作為文本的特征。

3.2.3 分類、聚類分析以及檢索

方法：利用深度學(xué)習(xí)算法，如：支持向量機(jī)（SVM）、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)（LSTM-長短期記憶網(wǎng)絡(luò)）等。

目的：建立起分類、聚類、檢索的模型[5]。

3.2.4 建立決策支持系統(tǒng)

方法：建立起Python語言和Caché數(shù)據(jù)庫以及其他數(shù)據(jù)庫的實(shí)時(shí)連接，利用Django2.0平臺技術(shù)建立臨床決策支持系統(tǒng)。

目的：建立起病歷智能檢索、病歷輔助診斷和病歷智能分類等功能的系統(tǒng)。

4 結(jié)束語

本文實(shí)現(xiàn)了Python語言和Caché數(shù)據(jù)庫之間的互通，實(shí)時(shí)抽取Caché數(shù)據(jù)庫的醫(yī)囑數(shù)據(jù)，同時(shí)對電子病歷系統(tǒng)中的非結(jié)構(gòu)化文本進(jìn)行分析和研究，利用Django2.0平臺技術(shù)實(shí)現(xiàn)自然語言處理和臨床決策支持。