基于決策樹的數據挖掘技術在醫療設備成本績效分析中的應用研究*

南淑萍，張 博，李 力

（1.阜陽師范學院計算機與信息學院，安徽阜陽 236037；2.亳州職業技術學院信息工程系，安徽亳州 236800；3.阜陽市人民醫院，安徽阜陽 236037）

基于決策樹的數據挖掘技術在醫療設備成本績效分析中的應用研究*

南淑萍1，張 博2，李 力3

（1.阜陽師范學院計算機與信息學院，安徽阜陽 236037；2.亳州職業技術學院信息工程系，安徽亳州 236800；3.阜陽市人民醫院，安徽阜陽 236037）

近年來，醫院信息系統（HIS）在醫院得到廣泛普及和應用，醫療設備的使用率和效益都得到了很大提高.但目前在HIS中病人信息管理模塊和醫療設備管理模塊兩者是相互分離的，不能夠很好的對醫療設備購置前的可行性論證提供決策支持，對設備投入使用后的效益分析也不太精確.探討了如何利用決策樹算法，對醫療設備數據進行數據挖掘，從而實現對醫療設備從購置前的論證到淘汰報廢全過程的決策分析，提高醫療設備的社會效益和經濟效益.

HIS；決策樹；績效；數據挖掘

隨著信息技術的快速發展，醫院信息系統（HIS）得到廣泛應用，醫院的經濟效益和社會效益都得到了很大提高.但目前在HIS中，病人信息管理模塊和醫療設備管理模塊兩者是相互分離的，從而制約了對醫療設備的高效管理.如何通過分析醫療設備的信息，找到其中隱含的有價值規律，為設備的購置和使用提供科學決策，提高整體醫療衛生部門的服務水平，已成為各級衛生部門關注的重點.

數據挖掘技術目前己成為數據庫應用的重要研究方向，受到國內外計算機界的關注，在經濟、工業和消費等多個領域都得到了廣泛的應用.使用數據挖掘技術，對醫療設備的績效應用進行深入研究，對于提高醫療單位的整體水平，具有重要意義.

1 數據挖掘技術

數據挖掘就是從龐大的數據庫中，使用相應的算法，篩選出人們感興趣的知識，這些知識中包含著潛在的有價值的信息，提取的表現形式有概念、規則、規律、模式等［1］.數據挖掘的過程也稱為知識發現（knowledge discovery in database，KDD）過程.

由于信息技術的發展，各類數據庫的容量不斷膨脹.數據量的增大帶來了新的問題，缺乏有效的分析工具，找出數據中潛在的有價值的信息，靠傳統的分析數據的方法已經無法實現.利用數據挖掘工具進行數據分析，可以從大量數據中發現重要的規則，找出潛在有價值的知識，對工業決策、科學研究、教育等領域的研究都具有重要意義.

數據挖掘的分析方法可以分為兩類：直接數據挖掘和間接數據挖掘.直接數據挖掘的目標是采用現有的數據建立一個模型，再用這個模型對其他數據進行描述［2］.間接數據挖掘的目標中沒有選出某一具體的變量，而是在所有的變量中建立起某種關系.

數據挖掘過程共分為8個處理階段，這8個處理階段分別是數據篩選、數據預處理、處理冗余數據、建立模型、實現算法、數據挖掘、結果檢驗和挖掘應用.數據挖掘常用的方法有統計方法、關聯規則、聚類分析、決策樹方法、神經網絡、遺傳算法和粗糙集等.

通過數據挖掘技術，用戶可以從大量數據中獲得有價值的信息，同時將挖掘結果應用于決策、過程控制、信息管理等［3］.因此，數據挖掘技術已經成為數據庫研究的重要方向.

2 國內外研究現狀

在醫院信息系統（HIS）中，如何針對醫療需求優化設備使用率、改進設備引進率、提高設備治療效果等，都需要對醫院現有的設備運作情況進行詳細統計分析［4］.要根據醫療設備的用途和性質，做好使用率、維修率、設備周期等績效數據的統計和分析工作.醫療設備成本的績效分析，是醫院現代化管理水平的重要標志.

經過多年的發展，國內外很多高校和研究所都開展了數據挖掘技術在醫療衛生方面的應用，取得了很好的成果.

（1）由于數據挖掘技術在國外發展比較早，在醫學領域的數據挖掘方面，國外學術界取得了很多成果.

1）美國GTRI研究所基于數據挖掘技術開發的乳腺癌癥研究系統，已經投入到醫療診斷的實際應用中，取得了較好的診療效果.

2）美國芝加哥大學Don R.Swanson教授提出“基于非相關文獻發現”的方法，從醫學數據庫中挖掘出兩類規則：“食用魚油對雷諾病患者有益”和“周期性偏頭痛與鎂缺乏之間存在聯系”.

3）基于粗糙集理論的規則產生模型可以自動發現臨床數據庫中的正例和反例.

4）決策樹在自動診斷心臟SPECT影像的研究和診斷心肌灌注的知識發現系統中也有很好的應用.

5）挪威科技大學、挪威腫瘤醫院和瑞典Linklping大學合作與2001年開發基因文獻網絡系統，從醫學文摘中自動抽取基因之間的關系網絡.

（2）國內在醫學領域的數據挖掘方面也取得了很大的進步.

1）吉林大學計算機系從2006年開始，借助數據挖掘技術，開發計算機智能輔助醫學診斷專家系統，取得了較好的效果.

2）上海交通大學生物醫學工程系運用ID3據測試算法對乳腺疾病的圖像進行數據挖掘，得到了很高的準確率.

3）廣州醫學院第二附屬醫院和中國科技大學計算機科學工程系使用數據挖掘技術對胸片影像進行分析，通過決策樹和神經網絡等挖掘方法，提高了準確率.

4）天津大學和天津總醫院合作對3022例糖尿病病例進行分析，使用決策樹分類方法對醫療數據進行分類，對糖尿病的并發癥取得了較好的預測效果.

利用數據挖掘技術對醫療設備成本績效分析的工作已受到醫療單位的廣泛重視，并且提到議事日程上來，并獲得一些初步的效果.但是目前建立的醫療信息數據庫，只能提供檢索和統計的服務，而沒有對隱含在數據中的大量隱藏信息進行有效的利用［5］.將數據挖掘技術應用在醫療設備的成本績效分析中，為探討如何發揮醫療設備的更大效益，提供了新的思路和方法.

3 決策樹算法在醫療設備成本績效分析中的應用

隨著我國醫療的水平的提高，醫院投入的現代化醫療設備比例不斷提高，從而為提高醫療診斷效果提供了很好的技術保證.如何更合理地安排設備購買計劃，提高設備的利用率，直接關系到醫院的發展水平.成本績效分析中的關鍵問題是“有效化”，要以最小的投入獲取最大產出，降低各方面的消耗來實現更好的效益，從而提高醫院對病人的診治效果和服務水平.建立醫療設備的成本效益觀念，進一步做好相關的數據挖掘工作，對醫療機構提高自身競爭力、改善醫療機構服務社會的水平，都是一個重要的研究課題.

數據挖掘技術是目前數據庫研究領域的重要方向之一，在社會的各個領域都具備較好的應用基礎，并取得了顯著的社會及經濟效益.決策樹算法是數據挖掘中的常用算法.算法的原理是通過構造決策樹來實現數據中隱含的規則，如何構建適度的決策樹是整個算法的關鍵環節.首先第一步由樣本數據生成決策樹，樣本數據的來源是經過數據分析處理后的結果.第二步是決策樹的剪枝，這個工作是對第一步中的決策樹進行校驗和修正的過程，使用決策樹生成過程中的規則，對決策樹中影響整體準確性的分枝進行剔除.決策樹算法具有數據分析精準、模型建立簡便、對冗余數據的處理具有健壯性等優點，是目前應用最為廣泛的歸納算法之一［6］.比較有名的決策樹算法有ID3算法、ID4算法、IDSR算法、C4.5算法.

本文對醫療設備成本績效的數據挖掘模式和算法集成進行深入研究，并將其應用于基于數據挖掘技術的醫療設備成本績效的研究中，探討對醫療設備從購置前的可行性論證到淘汰報廢全過程進行決策分析.

衛生部《醫院管理評價指南（試行）》，要求醫療機構購置大型醫療設備必須經過嚴格的可行性論證，同時加強大中型醫療設備合理應用成本分析，而在醫療設備在購置前，就對其投入購置后的使用效果進行預測.

以往對醫療設備的績效進行預測，憑經驗來估算，誤差相對較大.例如，某醫院在購置一臺磁共振的可行性論證中，預測平均40人次／天，則一年的收益為40人次*400元* 365天＝584萬元；如預測平均30人次／天，則一年的收益為30人次*400元*365＝438萬元，兩者相差146萬元.

使用決策樹算法，是分析醫療設備成本績效中隱含的決策信息的很好研究方法.由于各個醫療機構在醫療設備采購和管理的差異，使得在面臨醫療設備效益、購置風險等相互制約的管理難題時，不能夠針對性地提出適合本單位的決策方案.將決策樹算法用于醫療設備成本績效分析中，對醫療設備在購置前進行績效預測，為實現對其使用效益進行準確評價，需要將研究重點放在以下幾個方面：

（1）對傳統決策樹算法進行改進，提出一種針對醫務信息系統（HIS）中大規模高維度數據的優化決策樹算法.該算法針對醫療信息系統的特點，重點對數據的離散化、降維處理、決策樹屬性選擇三方面進行改進，使用多層解析的策略將決策樹的多分類問題轉化為多個二分類問題，并且在轉換過程中進行離散化，從而避免了多分類問題整體離散化帶來的計算量過大的缺點，很好解決了處理高維度數據庫的效率和精度之間的問題［7］，在降低計算負擔的同時，提高了決策樹的分類精度.

隨著醫療信息系統的快速發展及醫療機構規模的不斷擴大，醫療數據呈現出不斷增長的趨勢，突出表現為對大容量高維度醫療數據的處理問題.大規模數據的離散化需要達到較好的效果：1）避免或減少數據的信息損失；2）離散區間數盡量減少；3）離散化方法簡單有效，易于實現［8］.為達到以上效果，本課題在進行數據離散化處理的時候，提出一種基于邊界點屬性值合并的離散化方法，改變多次遍歷尋求邊界點的過程，大大節省運算過程.

（2）為采購醫療設備的可行性論證提供了一種比較準確的量化指標評價體系，針對醫療機構的經濟因素、政策性因素、管理者水平、行業因素等影響到醫療設備采購和使用的關鍵因素，建立指標評價體系，有效提高醫療設備可行性論證階段的預測效果.

（3）對醫療設備數據挖掘中的數據預處理進行深入探討，設計并構建醫療設備數據倉庫，為開展醫療設備成本與效益的分析奠定了良好的基礎.通過構建數據倉庫，改變目前醫院信息系統（HIS）中各部門之間信息交流不通暢的情況，對醫療設備運行過程中的使用率、維修率、設備周期率等多方面的數據進行深層次加工，達到對醫療設備數據進行預處理的目標.

數據轉換主要是對數據進行規格化操作.在正式對醫療設備信息進行數據轉換之前，尤其是在使用決策樹分類算法和K－最近鄰分類算法等，必須進行數據規格化［9］，也就是將其轉化為可操作信息，并將數據范圍進一步縮小.醫療設備數據本身具有相當豐富的信息，包括醫療設備的功能、適用病癥、診斷率等方面，但醫院信息系統（HIS）中對醫療設備信息的統計比較分散獨立.為了使醫療設備績效分析更為準確，將以上信息轉換為數字化形式.

4 總結

醫療設備成本績效分析與預測是醫院管理工作的重點，是發揮醫療設備效益的關鍵所在，但也是醫院信息系統研究的難點所在，在國內學術界的發展還剛剛開始.在總體研究思路上，將決策樹算法進行改進，同時針對醫療信息系統的特點，結合醫療設備的使用率、、故障率、回收率等多方面因素，對醫療設備的績效數據進行深層次挖掘.應用數據挖掘技術構建醫療設備績效預測模型，在醫療設備購置前，就對其投入使用后的效果進行比較準確地預測，并通過建立醫療設備數據倉庫，為開展醫療設備應用成本分析奠定良好的基礎.

［1］尹軍.對醫院大型醫療設備管理的思考［J］.重慶醫學，2008，（20）：14－16.

［2］戚鳳燕.醫療設備成本核算和成本控制方案的探討［J］.中國醫療設備，2008，（5）：83－85.

［3］于忠江，張穎.大型醫療設備購置的科學決策［J］.醫療衛生裝備，2005，（9）：149.

［4］丘奐陽.醫療設備績效統計分析探討［J］.中國醫學裝備，2006，（11）：51－52.

［5］王勝.基于決策樹ID3算法研究與實現［J］.齊齊哈爾大學學報，2012，（3）：64－68.

［6］楊靜，張楠男.決策樹算法的研究與應用［J］.計算機技術與發展，2010，（2）：114－116.

［7］陳章良.基于數據挖掘的預測決策模型應用與研究［J］.中國管理信息化，2009，（1）：57－59.

［8］陳雪嬌，任燕.基于決策樹與相異度的離群數據挖掘方法［J］.微計算機信息，2009，（21）：131－132.

［9］楊宏偉，趙明華.基于層次分解的決策樹［J］.計算機工程與應用，2003，（23）：108－110.

（責任編校：晴川）

App lied Research on Data－m ining Technology in Performance Analysis of the Cost for M edical Equipment Based on the Decision Tree

NAN Shuping1，ZHANG Bo2，LILi3
（1.College of Computer and Information，Fuyang Teachers College，Fuyang Anhui236037，China；2.Department of Information Engineering，Bozhou Vocational and Technical College，Bozhou Anhui236800，China；3.Fuyang City People’s Hospital，Fuyang Anhui236037，China）

In recent years，hospital information system（HIS）has been widely spread in hospitals，and the utilization and efficiency of medical equipment have been greatly improved.But in HIS，themanagementmodule of patient information and managementmodule of medical equipment are separated from each other，which cannotprovide pre－feasibility decision support for the purchase ofmedical equipment，and the after－benefit analysis of equipment put into use is not very accurate.This article discusses how to use the decision tree algorithm for data－mining with the data ofmedical device，enabling the realization of the decision analysis of the whole process from pre－feasibility study of purchasingmedical equipment to eliminating scrap，and improve social and economic benefits ofmedical equipment.

HIS；decision tree；performance；data－mining

TP315

A

1008－4681（2014）05－0064－03

2014－06－29

2013年安徽省教育廳自然科學研究項目（批準號：KJ2013Z261）.

南淑萍（1978－），女，安徽亳州人，阜陽師范學院計算機與信息學院講師，碩士，研究方向：數據挖掘、軟件中間件.