數據挖掘在病例分析中的應用探討

梁源 顏歡

【摘要】 計算機技術的快速發展促進了醫院信息化系統普及和應用，醫院信息化系統迅速增多，患者從入院、診斷、治療和康復等階段積累了海量的病例信息，從海量病例信息中挖掘有價值的信息，提高患者診斷的準確度、治療的精確度具有重要的作用和意義。論文詳細地分析了數據挖掘技術發展和應用現狀，探討了其在病例分析中的應用，為醫院決策管理提供支持。

【關鍵詞】 數據挖掘 病例分析 專家庫 推薦系統

一、引言

網絡技術、數據庫技術、軟件工程方法等快速發展和改進，醫院已經上線了門診掛號系統、醫學影像管理系統、病歷檔案管理系統、藥房管理系統、病房管理系統等，這些系統保存了海量的病例信息[1]。

目前，醫院在開展診斷、治療過程中，已經開始實施精準化治療模式，因此利用支持向量機、BP神經網絡、遺傳算法、K近鄰算法等數據挖掘技術總結、分析病例中診斷治療成功的信息顯得尤為重要，已經成為醫院信息化發展的趨勢和方向[2]。

二、數據挖掘技術及應用分析

數據挖掘技術經過多年的研究和改進，已經提出了許多先進的算法，伴隨著多媒體、云計算、互聯網等技術的發展，數據挖技術已經在醫療衛生等多個領域取得了顯著的應用，為人們提供了豐富的數據內容和有價值的信息。在醫療診斷、治療過程中，醫院已經在主治醫師自動化推薦、醫學圖像識別分析等領域取得了顯著的成效，開發了智能醫療專家系統、醫院發展智能決策庫系統等，歸納起來，醫院診療過程中常用的數據挖掘算法主要包括支持向量機、K近鄰算法、BP神經網絡，利用這些算法可以從宏觀、微觀等多維度挖掘醫院信息數據中潛在的有價值信息，指導醫院開展診療工作和行政管理，具有重要的作用[3]。

2.1支持向量機

支持向量機是一種基于分類的大數據挖掘技術，該挖掘技術可以針對非線性、高維空間的樣本數據實現挖掘分析，能夠利用核函數等優化數據挖掘過程，從海量的醫院信息數據中挖掘高價值信息，并且能夠為醫療診斷提供病灶定位、圖像識別等決策知識。支撐向量機可以與遺傳算法、模糊數學、粒子群等思想集成在一起，實現算法優化，挖掘更多的信息知識。

2.2 BP神經網絡

BP神經網絡是一種自適應和自組織的大數據挖掘技術，其可以從海量數據中挖掘樣本數據特征，把數據劃分為多個類別，以便能夠獲取有價值的潛在信息。目前，BP神經網絡數據已經具備數據分布式存儲、并行處理和較強的容錯能力等特點，并且具備非常強大的抗干擾能力。神經網絡主要包括輸入層、學習層和輸出層，每一層都可以設置不同的權值，并且這些權值可以自適應調整，提高算法的自適應能力和優化能力。

2.3 K近鄰算法

K近鄰算法采用線性統計分類算法，已經數據挖掘算法中得到了廣泛的普及，是一種非常成熟的算法。K近鄰算法的思路如下：給定一個樣本數據，計算該樣本與K個樣本相似程度，選擇相似程度最大的一個類別，將該樣本劃分為這個類別中[4]。

三、數據挖掘在病例分析中的應用

數據挖掘在病例分析中的應用主要包括以下三個關鍵內容：

3.1基于病例分析結果為患者推薦醫師

患者在就診過程中，為了提高患者參與的積極性、主動性和精確性，利用數據挖掘構建一個模型，該模型可以錄入患者的病歷信息，然后模型自動與數據庫保存的病例進行對比分析，尋找治療措施最優的醫師推薦給患者。

3.2構建智能病例信息專家庫

醫院在開展診斷、治療業務時，難以避免誤診，誤診的原因很多，比如患者自身體質、患者隱瞞病史、醫師判斷不準確等，為了提高醫院診斷、治療的精準化，可以構建智能病例信息專家庫，自動化的分析診斷失敗、治療不成功的原因，從而全面提升醫院救治水平。

3.3構建遠程會診推薦系統

目前，醫院通過互聯網可以與上級醫院、科研結構合作會診，會診過程中，利用數據挖掘技術可以更加清晰地識別核磁共振、CT等醫學圖像中的病灶部位，提高診斷的準確性，便于設計治療方案。

四、結束語

隨著醫院信息化水平的提升，醫院信息化系統運行積累的海量數據資源是一座非常寶貴的財富，與BP神經網絡、遺傳算法等先進的挖掘技術相整合，可以從中發掘潛在的指導救治知識，有利于提高醫院科研、治療水平，更好的救死扶傷，保護人們的生命健康。

參 考 文 獻

[1] 陳曉琛. 醫院病案信息系統的數據挖掘在醫院中的重要意義[J]. 當代醫學， 2014， 31（25）：8-9.

[2] 卞松， 劉宇宏， 高黎，等. 以數據挖掘為核心的醫院數據管理平臺建設初探[J]. 中國病案， 2015， 16（1）：2-3.

[3] 舒衛東， 丁淑萍， 付萍. 基于數據挖掘的醫院服務微信評價平臺統計功能探究[J]. 電子測試， 2014， 19（2）：81-82.

[4] 范芝強. 數據挖掘技術在醫院信息系統中的應用探討[J]. 數字技術與應用， 2015， 35（5）：207-207.