數據挖掘技術在醫院管理中的應用

陳郁韓

數據挖掘技術在醫院管理中的應用

陳郁韓①

目的：醫療數據挖掘能夠對醫院現有數據庫中數據進行自動分析并提供有價值的醫學知識，為醫院管理中各項決策提供有力的技術支持。方法：介紹數據挖掘的概念，分析數據挖掘的主要任務，闡明醫學數據挖掘的應用現狀。結果：對數據挖掘技術在醫院中醫療質量管理、醫用耗材備貨管理、手術室感染管理以及影像科管理中的具體應用進行了分析研究。結論：提出數據挖掘應用時必須注意的問題，肯定了快速發展的圖像數據挖掘技術所具有的較高學術價值和廣闊的應用前景。

數據挖掘；數據庫；醫院管理

[First-author’s address]Equipment Department, Affiliated Hospital of Nantong University, Nantong 226001, China.

近年來，數據挖掘(data mining，DM)已經成為非常活躍的研究領域，在醫療界得到廣泛應用，并形成了醫療DM這一重要研究分支[1-2]。隨著信息技術的發展，采集、存儲和管理數據的手段日益完善和豐富，各行業積累的數據量快速增長，醫學領域也面臨同樣的情況，僅登錄在美國Gen Bank數據庫中的DNA序列總量在2002年就已超過了280億個堿基對[3]。面對爆炸式的數據增長，若僅采用傳統的數據分析方法，通常只能從中獲取一些表層信息，而無法發現數據的內在聯系和隱藏的內容。DM技術可以應用于任何類型的信息儲存庫以及瞬態數據，能夠提供強大的數據分析功能，用于醫院慢性病數據倉庫的建立與分析、惡性腫瘤的診斷與惡性程度的判斷分析、呼吸道感染患者的病情危重度的分析以及醫院醫療數據的挖掘和疾病專家系統的建立等，為醫院的醫療質量管理、醫用耗材備貨管理、手術室感染管理及影像科管理等提供支持[4]。

1 DM技術概述

1.1 DM技術的內涵

DM又稱為數據庫中的知識發現(knowledge discovery in database，KDD)，是對大量觀察到的數據進行分析，從中發現事先未知的聯系和規律[5]。DM所要處理的問題，就是在龐大的數據庫中尋找出有價值的隱藏事件加以分析，并將有意義的信息歸納成結構模式，提供給有關部門在進行決策時參考。DM技術看重的是數據庫的再分析，包括模式的建構或是資料特征的判定，其主要目的就是要從數據庫中發現之前關心卻未曾獲悉的有價值信息。DM技術是人工智能和數據庫發展相結合的產物。圖1所示為典型的DM系統[6]。

圖1 典型的數據挖掘系統

1.2 DM的任務

(1)數據抽取。其目的是對數據進行濃縮，給出他的緊湊描述。DM技術主要關心從數據泛化的角度來討論數據總結，數據泛化是一種把數據庫中的有關數據從低層次抽象到高層次上的過程。

(2)分類發現。其目的是學會一個分類函數或分類模型，該模型能把數據庫中的數據項映射到給定類別中的某一個。分類可以用于預測，目的是從歷史數據紀錄中自動推導出對給定數據的推廣描述，從而能對未來數據進行預測。

(3)聚類。是把一組個體按照相似性歸成若干類別，即“物以類聚”。目的是使得屬于同一類別的個體之間的距離盡可能的小，而不同類別上的個體間的距離盡可能的大。聚類方法包括統計方法、神經網絡方法和面向數據庫的方法。

(4)關聯規則分析。是描述和分析已有數據中是否存在共生現象，主要反映事物之間的關聯性，即某些事件一起發生的可能性。用于關聯規則發現的主要對象是事務型數據庫，如果對這些數據進行分析，則可對患者的情況提供極有價值的信息[7]。

2 醫學DM的應用現狀

在我國，醫學的數據資源極為豐富，但運用DM技術分析和處理這些數據資源的研究尚處于起步階段。主要原因是：①DM系統采用許多復雜的數學工具，但對于醫學領域的研究者而言，并不需要設計這些數學工具，他們需要的是理性地使用這些現有的工具，許多數據處理軟件包(如Weka、SPSS和SAS等)都包含常用DM方法的功能；②當前醫學教育中的知識結構使大部分醫學研究者對DM系統這類數據分析處理技術不甚了解、也不甚敏感，也就更難以自覺地應用。針對這種情況，有些大學(如第二軍醫大學和哈爾濱醫科大學等)已經面向醫學本科生及研究生開設了相關課程，上海交通大學醫學院也向醫學專業研究生開設了“生物醫學數據挖掘”的課程，旨在使醫學院校學生及醫學科學研究者了解這些知識，能理性地應用這些數學工具，并建立和其他學科領域研究人員合作的基礎[8]。

醫療過程中收集到的數據一般是真實可靠、不受其他因素影響的，而且數據集的穩定性較強，這些對挖掘結果的維護、不斷提高挖掘模式的質量都是非常有利的條件。醫療數據是在對患者的診斷治療中獲得的，包括了與患者的交談記錄，各種醫學儀器拍攝的圖片，醫生的觀察說明等。醫學DM在所有的生物信息DM中是收獲最大但最困難的。

3 DM技術在醫院管理中的應用

目前，很多醫院都已建立了龐大的數據庫，如果沒有相應的技術手段對其進行整理、分析，就不能分析出數據中存在的關系和規則，亦不能根據現有的數據預測未來走勢，從而陷入數據爆炸的困惑中。DM技術的出現改變了這種現狀，并已在醫院管理的各個方面得到廣泛應用并取得巨大收益。從數據倉庫中利用計算機應用軟件提取有用的數據，運用統計學的相關知識對這些數據進行分類匯總，再利用DM軟件對有用的數據進行宏觀分析，來發現數據的各種信息，供醫院決策者更好地制定管理策略[9]。

3.1 醫療質量管理中的DM

(1)工作量指標趨勢分析。反映醫療工作量的指標有很多種，如門急診及出院人次指標反映了醫院每年服務患者門診工作量和住院工作量的增減程度，只有做到門診量、住院量及收入總量的同步持續穩定增長，醫院才能有持續性發展。因此，可以利用DM技術中的環基比和定基比來分析數據的增長速度和發展速度，也可以用曲線擬合來預測未來的發展趨勢。

(2)工作量指標影響因素分析。目的是科學、合理地評價各種影響因素，找出影響關鍵變量發展變化的主要因素，為醫院管理提供決策依據。利用DM技術中的灰色關聯分析方法對醫院收治患者人數的影響因素進行分析發現，從關聯度大小看，病床周轉次數、住院患者手術人次與年收治患者人數關聯程度較高，是影響醫院年收治患者人數的主要因素；其次是平均開放病床數和年平均醫生人數。

(3)疾病診斷分析。在醫療診斷中，可以根據大量確診的病例，以疾病診斷結果作為決策屬性，以各種疾病癥狀數據為條件屬性，建立醫療病例知識庫(或醫療決策表)。通過對醫療決策表進行數據挖掘，可獲得有價值的醫療診斷知識，如醫院疾病的構成種類、醫院各年疾病的變化規律，找出醫院的主要病種。但由于癥狀數據對疾病的影響程度各不相同，對疾病診斷的貢獻也不同，經常存在冗余癥狀。應用基于粗糙集的DM技術對這些醫學決策表進行分析，可以求出與疾病關聯的最重要的癥狀組合[10]。Melgani等[11]以美國麻省理工學院的心律失常數據庫的心電圖為原始數據，采用SVM分類器、KNN分類器和ANN等不同的分類模型，對心電圖的5種異常波形和正常波形進行分類。研究結果表明，SVM分類模型的性能最優。

(4)醫療質量綜合評價。應用DM技術對醫療質量進行綜合評價，將對加強醫療質量管理起著積極的促進作用。可以采用同一評價模式、同一評價指標、同一標化方法、同一權重系數以及同一分類方法對醫療、護理工作檢查資料以及根據醫院業務工作報表指標，對終末質量進行綜合評價比較。

3.2 醫用耗材備貨管理中的DM

醫用耗材的消耗容易受到季節、疾病好發時段及手術擇期規律的影響，用一些固定的方法，如設定低限量自動提示來解決醫用耗材的領用問題缺乏科學性，容易造成醫用耗材的積壓和斷貨現象，而無菌物品及一次性用品在積壓中因為客觀條件的原因易發生滅菌期、有效期的過期和破損、被污染現象。應用DM技術中的時間序列預測方法，對醫院現有的醫用耗材用量信息進行計算模擬，得出醫用耗材消耗模型。根據實際情況自動產生下一時間段的醫用耗材領用量，滿足了醫院感染管理和各種手術的需要，提高了醫用耗材備庫的合理性和科學性。

3.3 手術室感染管理中的DM

由于手術室的房間使用、手術次序、接臺手術間隔的消毒方式及持續時間都對消毒效果和監測結果有明顯的影響，DM技術重點應放在手術室消毒滅菌工作與消毒效果和監測結果產生規律搭配上。DM過程中可采用按模型聚類的方法，對聚類結果采用約簡等處理后可獲得一組有意義的消毒滅菌工作與消毒效果及監測結果之間的規律。DM技術使手術室感染管理的常規工作有據可查。對手術室環境、無菌用品、消毒液的生物監測工作；手術室的無菌操作、消毒隔離技術規范；消毒液的效果與質量、無菌物品及一次性用品的保存；醫院感染的監控和報告；手術室人員進行的消毒滅菌和院內感染崗位培訓直至醫用廢棄物的科學分類和無害化處理等都可以進行一系列的質量跟蹤分析[12]。

3.4 影像科管理中的DM

影像科擁有大量檢查儀器，如MRI、CT、DSA、DR以及彩超等，通過DM技術可以從PACS系統的數據庫中得到這些設備每年、每月甚至每周、每日的實際使用情況，包括開機率、使用時間、檢查數量及保養維修情況等。DM技術通過分類、關聯性分析、序列分析、群集分析、機器自我學習等分析每臺設備的使用頻率、保養和維修費用，找出設備使用量與維修費用間的變化關系，從而得到最佳使用量。通過對影像科數據進行統計學挖掘，科室管理人員可及時通過對總檢查量、單臺設備檢查量、單個工作人員的工作量及工作效率進行觀察和綜合分析，實時監控，以適時做出崗位調整，從而將有限的人力資源使用最大化。通過對工作人員質量檔案數據進行決策樹挖掘，可以提取某個攝片技師各個攝片部位的攝片質量或某個診斷醫師對某病種的診斷符合率，分析其在某方面的特長或欠缺，確立提高目標。培訓時，可以對受訓人員在各個階段的攝片或診斷質量進行分析，找出培養盲區，適時修正培養計劃，提高培養效率，改進質量控制管理。通過對影像科建立的龐大的病例信息、影像和診斷結果資料庫進行關聯挖掘，擺脫了前提假設的束縛和主觀因素的干擾，使結果更真實、客觀，為臨床、教學和科研提供素材和指導依據。

4 應用時必須注意的問題

DM技術作為一門新興學科已應用到諸多領域，但在醫院管理中尚較少使用，必須充分認識到他的重要性才能有效提高醫院管理的能力，為管理決策提供有效依據。DM技術在醫院管理中的應用有其自身的優勢，因為在醫學上收集到的數據是真實可靠的，不受其他因素的影響，而且數據倉庫的穩定性較強，這些對挖掘結果的維護、不斷提高挖掘知識的質量非常有利。DM系統中數據準備的目標數據確立是得出最終結果的前提，也是管理決策的依據，因此如何選擇目標數據對實施DM技術起到主導作用。DM的工作效率如挖掘工具的采集速度是左右得到最終結果時間的決定性因素，速度太慢將使結果無法適時運用到管理流程中，影響管理績效。各種數據分析手段對最終的結果有何影響需要通過實踐來判定，并以此找到真正適合的數據分析工具。用戶界面的友好程度也是不容忽視的，他可以幫助決策者迅速理解分析結果。

5 結語

隨著醫院信息系統的廣泛應用，產生了海量的電子病歷數據和影像資料，“醫療協同”項目的實施更是產生了大量的交換數據。DM技術作為一個在海量數據中獲取知識的有力工具，在為醫院管理中新知識的發現開辟了新的途徑，快速發展的圖像DM技術更是具有較高的學術價值和廣闊的應用前景。但存在的問題是醫院數據庫中存在許多臟數據和已破壞了的數據、數據庫中的臨床信息標準不統一或者不規范使得DM過程中對數據庫的矯正、去除噪聲等顯得相當困難，這些實際應用中的困難有待于進一步的研究并給予解決。

[1]楊志民，齊志泉.模糊支持向量分類機在冠心病診斷中的應用[J].計算機工程與應用，2006，42(9)：172-175.

[2]李運賢，杜瑞卿，王相東.粗糙集理論在酒精性肝病診斷中的應用研究[J].北京生物醫學工程，2006，25(3)：307-311.

[3]徐剛，袁兆康.數據挖掘及其在醫學領域中的應用和展望[J].實用臨床醫學，2006，7(11)：196-198.

[4]Jiawei Han，Micheline Kamber.數據挖掘概念與技術[M].范明，孟小峰譯.北京：機械工業出版社，2008：3-10.

[5]Fayyad U，Piatetsky-Shapiro G，Smyth P.From data mining to knowledge discovery[M]//Advances in data mining and knowledge discovery.Menlo Park：AAAI Press，1996：1-34.

[6]龔著琳，陳瑛，蘇懿.數據挖掘在生物醫學數據分析中的應用[J].上海交通大學學報：醫學版，2010，30(11)：1420-1423.

[7]魏繼勇.數據挖掘技術在用戶流失分析模型中的應用[J].中國醫學裝備，2009，6(3)：17-19.

[8]劉申菊，田丹.淺談數據挖掘的應用[J].價值工程，2010，29(36)：95.

[9]洪弘，李淑娟.醫療數據挖掘的特點、過程及方法[J].價值工程，2011，30(32)：166-167.

[10]葉明全，伍長榮，胡學鋼，等.基于粗糙集的醫療數據挖掘研究與應用[J].計算機工程與應用，2010，46(21)：232-234.

[11]Melgani F，Bazi Y.Classification of electrocardiogram signals with support vector machines and particle swarm optimization[J].IEEE Trans Inf Techno Biomed，2008，12(5)：667-677.

[12]喻曉芬，王崢，過湘釵，等.數據挖掘技術在醫院消毒和醫院感染管理中的應用[J].中國消毒學雜志，2007，24(4)：391-393.

Application research of data mining technology in hospital management

/CHEN Yu-han// China Medical Equipment,2014,11(1):62-65.

Objective:Medical data mining can provide automatic data analysis and generate valuable knowledge from medical database in existence. Besides, it offers strong technical support to various decision-making in the hospital management.Methods:This paper introduces the concept of data mining, states its main tasks and then clarifies its present application status.Results:Moreover, a variety of application examples of data mining technology are elaborated in the management of medical quality, consumable items stocking, operation room infection and radiology.Conclusion:Finally, some issues which need to be paid attention to are advanced in the process of data mining application, and meanwhile it is confirmed that the rapidly developing image data mining technology possesses the high professional value and wide application prospect.

Data mining; Database; Hospital management

1672-8270(2014)01-0062-04

R197.324

A

10.3969/J.ISSN.1672-8270.2014.01.022

2013-05-16

①南通大學附屬醫院設備科 江蘇 南通 226001

陳郁韓,男,(1975- ),碩士，高級工程師。南通大學附屬醫院設備科，研究方向：醫療設備信息化管理。