前言我院自1997年開始運行軍衛(wèi)一號系統(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)挖掘工作卻很少進行。一般而言，數(shù)據(jù)挖掘是在一個數(shù)據(jù)存儲倉庫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。數(shù)據(jù)挖掘的概念已經(jīng)廣泛運用于商業(yè)和金融機構(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)對大量的臨床信息運用數(shù)據(jù)挖掘的概念和方法時，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)的知識庫，甚至能預(yù)測疾病的發(fā)展趨勢。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)是指存儲在數(shù)據(jù)庫里的行數(shù)據(jù)，可以用二維表的結(jié)構(gòu)來邏輯表達實現(xiàn)的數(shù)據(jù)。相對于結(jié)構(gòu)化數(shù)據(jù)，不方便用數(shù)據(jù)庫二維邏輯來表現(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)一號系統(tǒng)為基礎(chǔ)的醫(yī)院信息系統(tǒng)(HIS系統(tǒng))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)的信息存儲在數(shù)據(jù)庫中，同時門診和住院的費用和帳務(wù)信息等也會以結(jié)構(gòu)化數(shù)據(jù)記錄在數(shù)據(jù)庫中。此外醫(yī)學(xué)影像歸檔與通訊系統(tǒng)(PACS)、檢驗信息系統(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)也都不同程度實現(xiàn)了病人信息的結(jié)構(gòu)化存儲。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水平，這樣申請單、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、PACS數(shù)據(jù)庫等；也有非結(jié)構(gòu)化的數(shù)據(jù)源，比如申請單、化驗單、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)并非一個廠家開發(fā)的，加之目前周內(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，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。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，并且針對不同數(shù)據(jù)源的特點開發(fā)相應(yīng)的數(shù)據(jù)挖掘器。一個數(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，因此對于非結(jié)構(gòu)數(shù)據(jù)需要設(shè)置相應(yīng)的挖掘器負責(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)合專用知識庫挖掘有用信息了。

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)源通常包括多個數(shù)據(jù)源，每個數(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、財務(wù)信息和人口統(tǒng)計信息中的一個或多個。醫(yī)療信息可以包括自由文本信息、醫(yī)學(xué)影像信息、檢驗信息、處方藥信息和波形圖像等信息中的一個或多個。用于挖掘病人數(shù)據(jù)源的領(lǐng)域?qū)Ｓ玫闹R可以包括機構(gòu)專用領(lǐng)域知識，例如，特定醫(yī)院可用的數(shù)據(jù)、門診收費管理軟件定義的數(shù)據(jù)存儲結(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還可以包括疾病專用的領(lǐng)域知識庫，例如，疾病專用的領(lǐng)域知識可以包括影響疾病危險的各種因素、疾病的進展情況、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)挖掘主要包括個階段，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個提取部件。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，對于結(jié)構(gòu)化的數(shù)據(jù)我們會使用結(jié)構(gòu)化查詢語言(SQL)從病人相關(guān)的數(shù)據(jù)庫記錄中檢索關(guān)鍵詞，比如從影像科的PACS數(shù)據(jù)庫中檢索病人的影像學(xué)報告中的診斷結(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)格式進行的提取可以南提供給系統(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由于各種原因?qū)е掠行┬畔z漏、錯誤和不一致的數(shù)據(jù)，因此需要在概率斷言時加以考慮。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時問點(或時間段)的病歷信息，即形成一個時間序列，然后通過對各個時間點(或時間段)得到的概率斷言，我們即可得到一個狀態(tài)序列及治療期間在不同時間點(或時間段)的病人狀態(tài)的值。同時在同一個時間點上可能會從相同(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，即組合階段完成的丁作，這些工作通常需要借助相關(guān)的領(lǐng)域?qū)I(yè)知識完成。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)、實驗室化驗、治療協(xié)議等產(chǎn)生病人進展的復(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。對病人狀態(tài)序列進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)，進一步結(jié)合領(lǐng)域?qū)I(yè)知識，可以推斷將來病情發(fā)展的趨勢。3針對科研統(tǒng)計的病人數(shù)據(jù)挖掘對于醫(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，或者一些簡單的數(shù)量統(tǒng)計，而蘊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往往被忽略。究其原因，其一，面對這些海量信息，普通的檢索方式效率低下，甚至經(jīng)常出現(xiàn)檢索超時出錯等；其二，常規(guī)的統(tǒng)計查詢往往得到的是一些簡單的類似于數(shù)量總和的統(tǒng)計結(jié)果，不能很好地反映數(shù)據(jù)分布等特點，因此對于科研統(tǒng)計意義不大。本文將提出一種基于聯(lián)機分析處理(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，我們先舉一個簡單的例子：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)計這些結(jié)果，往往都需要做好幾次查詢統(tǒng)計，而且目前一般的軟件都很難提供這種伸縮性很強的統(tǒng)計查詢工具或人機交互界面。即使是專業(yè)的數(shù)據(jù)庫管理員(DBA)也需要非常復(fù)雜的查詢函數(shù)才能得到這些統(tǒng)計結(jié)果，而且對于海量數(shù)據(jù)信息時，往往這些查詢函數(shù)效率極其低下。使用基于聯(lián)機分析處理(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)計需求。聯(lián)機分析處理(OLAP)能夠使分析人員快速獲取多維度檢索結(jié)果，而且對檢索結(jié)果可以從不同的維度或者不同的維度組合進行觀察和分析，從而獲得對數(shù)據(jù)更深入的了解?；诼?lián)機分析處理(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)的特點及常見的科研統(tǒng)計需求，定義科研統(tǒng)計所需要的維度，將海量的病人數(shù)據(jù)構(gòu)建為病人數(shù)據(jù)挖掘倉庫，從而實現(xiàn)高效的科研統(tǒng)計分析服務(wù)。病人數(shù)據(jù)挖掘倉庫主要包含病人的就診信息表和多個統(tǒng)計量分布表。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表(FactTableo每一個統(tǒng)計量，比如性別、年齡、就診日期等，我們稱之為維度(Dimension)，一個或多個相關(guān)聯(lián)的維度構(gòu)成一個維度表，維度表中定義了所有可能的維度(或多個維度組合)的值，比如，性別維度表中包含了兩個值：男和女。通常，我們需要按照科研統(tǒng)計的需要構(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)計任務(wù)中，我們將需要定義以下維度(表1)：

基于聯(lián)機分析處理(OLAP)技術(shù)的海量病人數(shù)據(jù)挖掘首先根據(jù)事實表和定義的維度表，計算各種維度組合情況下的統(tǒng)計值，我們稱為度量表(Measureo這些度量值是通過對事實表中的記錄做聚集計算(Aggregation)而得來的，一般都是通過做累計記數(shù)(COUNT)，當(dāng)然有時候也會使用求和fSUM)，比如關(guān)于費用、劑量等信息的相關(guān)統(tǒng)計。生成這些度量信息之后，使用聯(lián)機分析處理(OLAP)定義的多維度分析操作方法鉆取(rollup和drilldown)，切片(slice)、切塊(dice)、旋轉(zhuǎn)(pivot)等，完成對數(shù)據(jù)的分析、查詢和報表。常用的多維度分析方法是鉆取(rollup和drilldown)，比如我們知道了某個疾病在各個年齡層中的發(fā)病率，那么通過drilldown操作添加一個性別維度，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計算過程以及我們分析問題的角度。通常需要分析科研統(tǒng)計的需求，定義切合統(tǒng)計需求的維度。目前主流的商業(yè)數(shù)據(jù)庫中已經(jīng)提供了多維度數(shù)據(jù)挖掘的工具，比如SQLServer2005的AnalysisService，即提供了構(gòu)建數(shù)據(jù)倉庫和執(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)合病人信息的特點和科研統(tǒng)計的需求，定義我們需要的維度，從而構(gòu)建合理的病人數(shù)據(jù)挖掘倉庫。4結(jié)束語隨著醫(yī)療改革的穩(wěn)步推進和數(shù)字化醫(yī)療的發(fā)展，醫(yī)院的數(shù)據(jù)量會不斷增加，醫(yī)院的信息化建設(shè)會不斷成熟，更多醫(yī)療信息將會產(chǎn)生，既有來自醫(yī)院內(nèi)部信息，也有更多來自其他醫(yī)療機構(gòu)共享的信息。挖掘這些急劇增長的大量信息，不僅有利于個體病人的臨床診斷，也有利于對大局的把握和認(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)。希望我們在建設(shè)數(shù)字化醫(yī)院的同時，不僅重視收集存儲各類臨床信息，也要重視對已有信息的分析和再認(rèn)識，通過數(shù)據(jù)挖掘發(fā)現(xiàn)其趨勢、規(guī)律和異常，為醫(yī)院建設(shè)及科研服務(wù)。