李暉，劉國(guó)偉，袁靜，劉長(zhǎng)興

濟(jì)南軍區(qū)總醫(yī)院 信息科，山東 濟(jì)南250031

軍衛(wèi)一號(hào)系統(tǒng)中的病人數(shù)據(jù)挖掘

李暉，劉國(guó)偉，袁靜，劉長(zhǎng)興

濟(jì)南軍區(qū)總醫(yī)院 信息科，山東 濟(jì)南250031

本文基于數(shù)字化醫(yī)院積累的大量臨床信息，結(jié)合計(jì)算機(jī)領(lǐng)域內(nèi)的數(shù)據(jù)挖掘技術(shù)，提出一套病人數(shù)據(jù)挖掘的概念和方法。通過對(duì)大量臨床信息進(jìn)行數(shù)據(jù)挖掘，不僅能為臨床診斷提供有用信息，而且可以從大量的數(shù)據(jù)中發(fā)現(xiàn)隱藏在數(shù)據(jù)中的趨勢(shì)、規(guī)律和異常。這些信息對(duì)臨床診斷、科研、教學(xué)等都具有非常重要的參考價(jià)值。

軍衛(wèi)一號(hào)；PACS；電子病歷；數(shù)據(jù)挖掘

0 前言

我院自1997年開始運(yùn)行“軍衛(wèi)一號(hào)”系統(tǒng)，并在此基礎(chǔ)上，先后應(yīng)用了LIS系統(tǒng)、PACS系統(tǒng)等數(shù)字化醫(yī)療系統(tǒng)，累積了大量的臨床信息。目前，這些信息只是實(shí)現(xiàn)了病歷電子化，為病案管理和信息檢索帶來了方便，然而更深層次的關(guān)于臨床信息的數(shù)據(jù)挖掘工作卻很少進(jìn)行。一般而言，數(shù)據(jù)挖掘是在一個(gè)數(shù)據(jù)存儲(chǔ)倉(cāng)庫(kù)中確定有用的模式或關(guān)系的過程，而且通常數(shù)據(jù)挖掘涉及分析大量的信息來發(fā)現(xiàn)隱藏在數(shù)據(jù)中的趨勢(shì)。數(shù)據(jù)挖掘的概念已經(jīng)廣泛運(yùn)用于商業(yè)和金融機(jī)構(gòu)，比如商業(yè)智能的概念中就包含了挖掘商業(yè)數(shù)據(jù)轉(zhuǎn)化為商業(yè)知識(shí)的過程。但是數(shù)據(jù)挖掘本身是沒有行業(yè)限制的，當(dāng)對(duì)大量的臨床信息運(yùn)用數(shù)據(jù)挖掘的概念和方法時(shí)，同樣能為我們臨床診斷、科研、教學(xué)等提供很多有用信息，并且結(jié)合我們醫(yī)療領(lǐng)域內(nèi)的知識(shí)庫(kù)，甚至能預(yù)測(cè)疾病的發(fā)展趨勢(shì)。

1 病人數(shù)據(jù)挖掘的數(shù)據(jù)源

通常，我們將數(shù)據(jù)劃分為結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)是指存儲(chǔ)在數(shù)據(jù)庫(kù)里的行數(shù)據(jù)，可以用二維表的結(jié)構(gòu)來邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)。相對(duì)于結(jié)構(gòu)化數(shù)據(jù)，不方便用數(shù)據(jù)庫(kù)二維邏輯來表現(xiàn)的數(shù)據(jù)即為非結(jié)構(gòu)化數(shù)據(jù)，包括所有格式的辦公文檔、文本、圖標(biāo)、各類報(bào)表、圖像和音頻/視頻等信息。

醫(yī)院的病人記錄信息一般既包含結(jié)構(gòu)化的數(shù)據(jù)，又包含非結(jié)構(gòu)化的數(shù)據(jù)，在以“軍衛(wèi)一號(hào)”系統(tǒng)為基礎(chǔ)的醫(yī)院信息系統(tǒng)（HIS）中，所有的病人的基本信息、病史、就診過程等都以結(jié)構(gòu)化數(shù)據(jù)的信息存儲(chǔ)在數(shù)據(jù)庫(kù)中，同時(shí)門診和住院的費(fèi)用和帳務(wù)信息等也會(huì)以結(jié)構(gòu)化數(shù)據(jù)記錄在數(shù)據(jù)庫(kù)中。此外醫(yī)學(xué)影像歸檔與通訊系統(tǒng)（PACS）、檢驗(yàn)信息系統(tǒng)（LIS）、臨床診療系統(tǒng)（CIS）、電子病歷系統(tǒng)（EMR）等各種數(shù)字化醫(yī)療系統(tǒng)也都不同程度實(shí)現(xiàn)了病人信息的結(jié)構(gòu)化存儲(chǔ)。但是不少醫(yī)院雖然建成了醫(yī)院信息系統(tǒng)，但系統(tǒng)的應(yīng)用程度不高，基本還是局限在門診和住院收費(fèi)水平，這樣申請(qǐng)單、手術(shù)過程等還是只能以紙質(zhì)的形式及非結(jié)構(gòu)化數(shù)據(jù)的形式保存和傳遞。因此本文探討的病人數(shù)據(jù)挖掘系統(tǒng)可能包含多個(gè)數(shù)據(jù)源：有結(jié)構(gòu)化的數(shù)據(jù)源，比如HIS數(shù)據(jù)庫(kù)、PACS數(shù)據(jù)庫(kù)等；也有非結(jié)構(gòu)化的數(shù)據(jù)源，比如申請(qǐng)單、化驗(yàn)單、心電圖、DICOM(醫(yī)學(xué)數(shù)字成像和通訊)格式的圖像信息等。通常，醫(yī)院的HIS、 PACS、 LIS等系統(tǒng)并非一個(gè)廠家開發(fā)的，加之目前國(guó)內(nèi)還沒有統(tǒng)一的數(shù)字化規(guī)范可循，因此許多開發(fā)商為了追求最大利潤(rùn)，往往自己設(shè)定數(shù)據(jù)規(guī)范和開發(fā)標(biāo)準(zhǔn)，這樣使得醫(yī)院內(nèi)部的各信息系統(tǒng)軟件之間數(shù)據(jù)平臺(tái)不統(tǒng)一，數(shù)據(jù)結(jié)構(gòu)各異。醫(yī)院內(nèi)部的信息系統(tǒng)尚且如此，各醫(yī)院之間的信息系統(tǒng)的差異性就更大了。

各類數(shù)據(jù)源的數(shù)據(jù)結(jié)構(gòu)的差異性（包括非結(jié)構(gòu)數(shù)據(jù)之間的差異性及結(jié)構(gòu)化數(shù)據(jù)的差異性）是導(dǎo)致病人數(shù)據(jù)挖掘難以進(jìn)行的重要原因，因此病人數(shù)據(jù)挖掘的首要任務(wù)是定義統(tǒng)一的結(jié)構(gòu)化臨床信息，并且針對(duì)不同數(shù)據(jù)源的特點(diǎn)開發(fā)相應(yīng)的數(shù)據(jù)挖掘器。一個(gè)數(shù)據(jù)挖掘器被配置為使用領(lǐng)域?qū)Ｓ脴?biāo)準(zhǔn)來挖掘數(shù)據(jù)源，以創(chuàng)建結(jié)構(gòu)化的臨床信息。正如前面所講，病人數(shù)據(jù)挖掘系統(tǒng)需要將各類數(shù)據(jù)源轉(zhuǎn)換為統(tǒng)一的結(jié)構(gòu)化臨床信息，因此對(duì)于非結(jié)構(gòu)數(shù)據(jù)需要設(shè)置相應(yīng)的挖掘器負(fù)責(zé)將非結(jié)構(gòu)的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的結(jié)構(gòu)化臨床信息。通過定義統(tǒng)一的結(jié)構(gòu)化的臨床信息，解決了各數(shù)據(jù)源之間數(shù)據(jù)結(jié)構(gòu)的差異性。下一步就可以定義數(shù)據(jù)挖掘的方法，即結(jié)合專用知識(shí)庫(kù)挖掘有用信息了。

2 以病人為中心的數(shù)據(jù)挖掘

以病人為中心的數(shù)據(jù)挖掘是指從與病人相關(guān)的數(shù)據(jù)源中提取信息，并且使用領(lǐng)域?qū)Ｓ脴?biāo)準(zhǔn)來推理病人狀態(tài)的過程。與病人相關(guān)的數(shù)據(jù)源通常包括多個(gè)數(shù)據(jù)源，每個(gè)數(shù)據(jù)源反映了病人關(guān)心的不同方面。一般與病人相關(guān)的數(shù)據(jù)源可以包括醫(yī)療信息、財(cái)務(wù)信息和人口統(tǒng)計(jì)信息中的一個(gè)或多個(gè)。醫(yī)療信息可以包括自由文本信息、醫(yī)學(xué)影像信息、檢驗(yàn)信息、處方藥信息和波形圖像等信息中的一個(gè)或多個(gè)。用于挖掘病人數(shù)據(jù)源的領(lǐng)域?qū)Ｓ玫闹R(shí)可以包括機(jī)構(gòu)專用領(lǐng)域知識(shí)，例如，特定醫(yī)院可用的數(shù)據(jù)、醫(yī)院信息系統(tǒng)定義的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)、醫(yī)院的政策、方針，以及醫(yī)院的任何變化有關(guān)的信息等。此外領(lǐng)域?qū)Ｓ玫闹R(shí)還可以包括疾病專用的領(lǐng)域知識(shí)庫(kù)，例如，疾病專用的領(lǐng)域知識(shí)可以包括影響疾病危險(xiǎn)的各種因素、疾病的進(jìn)展情況、并發(fā)癥信息、與疾病有關(guān)的措施、與疾病有關(guān)的結(jié)果和變量、以及由醫(yī)療結(jié)構(gòu)建立的方針和政策等。

以病人為中心的數(shù)據(jù)挖掘主要包括三個(gè)階段，分別是提取、組合、推理。用于病人數(shù)據(jù)挖掘的挖掘器需要包含一個(gè)提取部件。該提取部件從病人的所有檢查信息中獲取關(guān)鍵信息以產(chǎn)生與病人相關(guān)的概率斷言，即患有某種疾病的概率斷言。一般而言，對(duì)于結(jié)構(gòu)化的數(shù)據(jù)我們會(huì)使用結(jié)構(gòu)化查詢語言(SQL)從病人相關(guān)的數(shù)據(jù)庫(kù)記錄中檢索關(guān)鍵詞，比如從影像科的PACS數(shù)據(jù)庫(kù)中檢索病人的影像學(xué)報(bào)告中的診斷結(jié)論可以獲知病人的影像學(xué)診斷。此外，目前商業(yè)的數(shù)據(jù)庫(kù)服務(wù)器軟件中還提供了全文檢索功能，使用全文檢索功能可以從大量的文本信息中檢索更加準(zhǔn)確、全面的信息。從圖像、波形等數(shù)據(jù)格式進(jìn)行的提取可以由提供給系統(tǒng)的圖像處理或特征提取程序來完成。需要注意的是，臨床信息的收集過程中可能會(huì)由于各種原因?qū)е掠行┬畔z漏、錯(cuò)誤和不一致的數(shù)據(jù)，因此需要在概率斷言時(shí)加以考慮。通過提取與病人相關(guān)的所有信息，我們得到了病人在各個(gè)時(shí)間點(diǎn)（或時(shí)間段）的病歷信息，即形成一個(gè)時(shí)間序列，然后通過對(duì)各個(gè)時(shí)間點(diǎn)（或時(shí)間段）得到的概率斷言，我們即可得到一個(gè)狀態(tài)序列及治療期間在不同時(shí)間點(diǎn)（或時(shí)間段）的病人狀態(tài)的值。同時(shí)在同一個(gè)時(shí)間點(diǎn)上可能會(huì)從相同（或不同）的數(shù)據(jù)源中得到可能沖突的斷言，處理這些沖突的斷言形成統(tǒng)一的視圖的過程，即組合階段完成的工作，這些工作通常需要借助相關(guān)的領(lǐng)域?qū)I(yè)知識(shí)完成。推理是通過與病人有關(guān)的所有可用的仿真陳述并通過疾病的狀態(tài)、實(shí)驗(yàn)室化驗(yàn)、治療協(xié)議等產(chǎn)生病人進(jìn)展的復(fù)合視圖的過程?；旧希∪水?dāng)前的狀態(tài)可能受到先前的狀態(tài)和任意新的組合觀察的影響。

對(duì)病人狀態(tài)序列進(jìn)行推理正是以病人為中心的數(shù)據(jù)挖掘的意義所在。正如前面所說，病人當(dāng)前狀態(tài)往往會(huì)受到先前狀態(tài)的影響，因此通過以病人為中心的數(shù)據(jù)挖掘?qū)εR床診斷非常有意義。比如，通過分析狀態(tài)序列可以推斷病人之前病情是否出現(xiàn)了復(fù)發(fā)，進(jìn)一步結(jié)合領(lǐng)域?qū)I(yè)知識(shí)，可以推斷將來病情發(fā)展的趨勢(shì)。

3 針對(duì)科研統(tǒng)計(jì)的病人數(shù)據(jù)挖掘

對(duì)于醫(yī)院積累的大量臨床信息，我們通常只是檢索某位特定病人相關(guān)的信息，或者一些簡(jiǎn)單的數(shù)量統(tǒng)計(jì)，而蘊(yùn)藏在這些大量信息當(dāng)中人們事先不知道、但是又潛在有用的知識(shí)往往被忽略。究其原因，其一，面對(duì)這些海量信息，普通的檢索方式效率低下，甚至經(jīng)常出現(xiàn)檢索超時(shí)出錯(cuò)等；其二，常規(guī)的統(tǒng)計(jì)查詢往往得到的是一些簡(jiǎn)單的類似于數(shù)量總和的統(tǒng)計(jì)結(jié)果，不能很好地反映數(shù)據(jù)分布等特點(diǎn)，因此對(duì)于科研統(tǒng)計(jì)意義不大。本文將提出一種基于聯(lián)機(jī)分析處理（OLAP）技術(shù)的海量病人數(shù)據(jù)挖掘方法，使用這種方法可以快速高效地獲取檢索的結(jié)果，并且以一種新的多維度、可變換的方式來分析我們檢索的結(jié)果。

在介紹海量病人數(shù)據(jù)挖掘方法之前，我們先舉一個(gè)簡(jiǎn)單的例子：假如在我院現(xiàn)有HIS系統(tǒng)的基礎(chǔ)上，要得到關(guān)于某類疾病發(fā)病率的以下統(tǒng)計(jì)結(jié)果：

(1)每年該疾病的發(fā)病率；

(2)每季度該疾病的發(fā)病率；

(3)該疾病患者的地域分布；

(4)該疾病患者當(dāng)中，男女比例各占多少；

(5)該疾病患者當(dāng)中，各年齡層當(dāng)中患病的比例是多少；

(6)該疾病患者當(dāng)中，各年齡層患者的男女比例是多少。

設(shè)想一下，如果我們使用常規(guī)的檢索方式去統(tǒng)計(jì)這些結(jié)果，往往都需要做好幾次查詢統(tǒng)計(jì)，而且目前一般的軟件都很難提供這種伸縮性很強(qiáng)的統(tǒng)計(jì)查詢工具或人機(jī)交互界面。即使是專業(yè)的數(shù)據(jù)庫(kù)管理員（DBA）也需要非常復(fù)雜的查詢函數(shù)才能得到這些統(tǒng)計(jì)結(jié)果，而且對(duì)于海量數(shù)據(jù)信息時(shí)，往往這些查詢函數(shù)效率極其低下。

使用基于聯(lián)機(jī)分析處理（OLAP）技術(shù)的海量病人數(shù)據(jù)挖掘方法，可以很好地滿足諸如此類的科研統(tǒng)計(jì)需求。聯(lián)機(jī)分析處理(OLAP)能夠使分析人員快速獲取多維度檢索結(jié)果，而且對(duì)檢索結(jié)果可以從不同的維度或者不同的維度組合進(jìn)行觀察和分析，從而獲得對(duì)數(shù)據(jù)更深入的了解?；诼?lián)機(jī)分析處理（OLAP）技術(shù)的海量病人數(shù)據(jù)挖掘方法是結(jié)合病人數(shù)據(jù)的特點(diǎn)及常見的科研統(tǒng)計(jì)需求，定義科研統(tǒng)計(jì)所需要的維度，將海量的病人數(shù)據(jù)構(gòu)建為病人數(shù)據(jù)挖掘倉(cāng)庫(kù)，從而實(shí)現(xiàn)高效的科研統(tǒng)計(jì)分析服務(wù)。

病人數(shù)據(jù)挖掘倉(cāng)庫(kù)主要包含病人的就診信息表和多個(gè)統(tǒng)計(jì)量分布表。病人就診信息表包含了所有病人的就診信息，比如病人姓名、性別、年齡、家庭住址、就診日期、檢查科室、診斷結(jié)論等等。我們稱病人就診信息表為事實(shí)表（Fact Table）。每一個(gè)統(tǒng)計(jì)量，比如性別、年齡、就診日期等，我們稱之為維度（Dimension），一個(gè)或多個(gè)相關(guān)聯(lián)的維度構(gòu)成一個(gè)維度表，維度表中定義了所有可能的維度（或多個(gè)維度組合）的值，比如，性別維度表中包含了兩個(gè)值：男和女。通常，我們需要按照科研統(tǒng)計(jì)的需要構(gòu)建特定的維度。比如，在前面提到的關(guān)于某類疾病發(fā)病率的以下統(tǒng)計(jì)任務(wù)中，我們將需要定義以下維度（表1）：

表1 關(guān)于某類發(fā)病率定義的維度

基于聯(lián)機(jī)分析處理（OLAP）技術(shù)的海量病人數(shù)據(jù)挖掘首先根據(jù)事實(shí)表和定義的維度表，計(jì)算各種維度組合情況下的統(tǒng)計(jì)值，我們稱為度量表（Measure）。這些度量值是通過對(duì)事實(shí)表中的記錄做聚集計(jì)算（Aggregation）而得來的，一般都是通過做累計(jì)記數(shù)（COUNT），當(dāng)然有時(shí)候也會(huì)使用求和(SUM)，比如關(guān)于費(fèi)用、劑量等信息的相關(guān)統(tǒng)計(jì)。生成這些度量信息之后，使用聯(lián)機(jī)分析處理（OLAP）定義的多維度分析操作方法鉆?。╮oll up和drill down）， 切片（slice）、 切塊（dice）、 旋轉(zhuǎn)（pivot）等，完成對(duì)數(shù)據(jù)的分析、查詢和報(bào)表。常用的多維度分析方法是鉆取（roll up和drill down），比如我們知道了某個(gè)疾病在各個(gè)年齡層中的發(fā)病率，那么通過drill down操作添加一個(gè)性別維度，即可得到該疾病發(fā)在各年齡層中男、女發(fā)病率的比例。

海量病人數(shù)據(jù)挖掘的難度在于維度的定義，維度的定義直接影響度量表的計(jì)算過程以及我們分析問題的角度。通常需要分析科研統(tǒng)計(jì)的需求，定義切合統(tǒng)計(jì)需求的維度。目前主流的商業(yè)數(shù)據(jù)庫(kù)中已經(jīng)提供了多維度數(shù)據(jù)挖掘的工具，比如SQL Server 2005 的Analysis Service，即提供了構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)和執(zhí)行多維度數(shù)據(jù)分析的功能。但是，正如前面所說的我們，需要結(jié)合病人信息的特點(diǎn)和科研統(tǒng)計(jì)的需求，定義我們需要的維度，從而構(gòu)建合理的病人數(shù)據(jù)挖掘倉(cāng)庫(kù)。

4 結(jié)束語

隨著醫(yī)療改革的穩(wěn)步推進(jìn)和數(shù)字化醫(yī)療的發(fā)展，醫(yī)院的數(shù)據(jù)量會(huì)不斷增加，醫(yī)院的信息化建設(shè)會(huì)不斷成熟，更多醫(yī)療信息將會(huì)產(chǎn)生，既有來自醫(yī)院內(nèi)部信息，也有更多來自其他醫(yī)療機(jī)構(gòu)共享的信息。挖掘這些急劇增長(zhǎng)的大量信息，不僅有利于個(gè)體病人的臨床診斷，也有利于對(duì)大局的把握和認(rèn)知，從而為我們的臨床研究、疾病預(yù)防和相關(guān)決策提供重要的依據(jù)。希望我們?cè)诮ㄔO(shè)數(shù)字化醫(yī)院的同時(shí)，不僅重視收集存儲(chǔ)各類臨床信息，也要重視對(duì)已有信息的分析和再認(rèn)識(shí)，通過數(shù)據(jù)挖掘發(fā)現(xiàn)其趨勢(shì)、規(guī)律和異常，為醫(yī)院建設(shè)及科研服務(wù)。

[1] 徐潔磐.數(shù)據(jù)倉(cāng)庫(kù)與決策支持系統(tǒng)[M].北京:科學(xué)出版社,2005.[2] 趙丹群.數(shù)據(jù)挖掘原理、方法及其應(yīng)用[J].現(xiàn)代圖書情報(bào)技術(shù),2000(6):41-44．

[3] 袁玉波,楊傳勝,黃延祝,等.數(shù)據(jù)挖掘與最優(yōu)化技術(shù)及其應(yīng)用[M].北京:科學(xué)出版社,2007．

[4] 范明,孟小峰.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2007.

[5] 周保琢,李傳富,等.采用增量關(guān)聯(lián)規(guī)則挖掘提高電子病歷系統(tǒng)的用戶體驗(yàn)度[J].中國(guó)醫(yī)療器械雜志,2009(2):83-86．

[6] Cheung DW,Han Jiawei,Ng V.Maintenance of discovered association rules in large database:an incremental updating technique[C].Proceedings of the Twelfth International Conference on Data Engineering.Washington,DC:IEEE Computer Society,1996.

[7] Cheung D,LEE S,Kao B. A general incremental technique for maintaining discovered association rules[C].Proceedings of the Fifth International Conference on Database Systems for Advanced Applications.Sydney:World Scientific Press,1997.

[8] Leung KC,Khan QI,Hoque TC.CanTree:A Tree Structure for Efficient Incremental Mining of Frequent Patterns[C].Data Mining, Fifth IEEE International Conference on.New Orleans:IEEE Computer Society,2005.

[9] 倪志偉,高雅卓,李偉東.基于矩陣的增量式關(guān)聯(lián)規(guī)則挖掘算法[J].計(jì)算機(jī)工程與應(yīng)用,2008(13):153-155.

[10] 李燕,常艷,王欣萍.Visual FoxPro程序設(shè)計(jì)[M].北京:人民衛(wèi)生出版社,2007.

Patient Data Mining in No.1 Military Medical Project System

LI Hui,LIU Guo-wei,YUAN Jing,LIU Chang-xing
Information Department,General Hospital of Jinan Military Region,Jinan Shandong 250031, China

TP311.138

A

10.3969/j.issn.1674-1633.2010.08.013

1674-1633(2010)08-0039-03

2009-12-06

2010-03-03

作者郵箱：hayyxym1213@sina.com

Abstract: With large medical records increasingly being generated in digital hospitals, the ability to perform data mining in huge information is extremely important.This paper introduces the concept and method of performing medical data mining. By applying the process of medical data mining, we are able to identify trends,orderliness and abnormity which are useful for clinical diagnosis, research and teaching.

Key words: No.1 military project;PACS;EMR;data mining