基于數據倉庫的臨床決策支持系統在我院的應用

趙妍，王穎，閆國濤，邵偉

邯鄲市中心醫院 信息科，河北 邯鄲056001

基于數據倉庫的臨床決策支持系統在我院的應用

趙妍，王穎，閆國濤，邵偉

邯鄲市中心醫院 信息科，河北 邯鄲056001

目的建設臨床決策支持系統，輔助醫生從日常大量的臨床數據中迅速挖掘出有價值的信息，為患者快速制定個性化的診療方案、降低醫療風險、提升醫療質量。方法收集國內外相關材料，利用數據倉庫、數據挖掘技術，結合相關醫療保障政策建立一個符合臨床實際操作的臨床決策系統。結果該系統可智能提供安全診療方案、藥物過敏警示、重復檢驗檢查提示等相關功能。結論基于數據倉庫的臨床決策支持系統的應用，減輕了醫生負擔，是基層醫院信息化發展的趨勢。

醫院信息系統；臨床決策支持系統；數據倉庫；數據挖掘

隨著計算機技術的不斷發展，醫學領域對計算機的依賴日益增強，醫院信息系統（HIS）已經成為臨床醫療所依賴的重要工具和手段。經過多年的積累，HIS已經收集到了海量的信息，同時仍在呈幾何級數增長。雖然這些信息成為醫院的寶貴財富，卻無法改變“數據爆炸但知識貧乏”的現象。如何充分利用這些寶貴的醫學信息來為疾病的診斷和治療提供科學的決策，為基層醫護工作人員提供實時、權威、有效的臨床決策支持，將成為未來醫療信息化發展的趨勢。本文將系統地闡述臨床決策支持系統在醫院信息化建設中的建立與應用。

1 決策支持系統的基本概念

決策支持系統以管理學、運籌學、控制論和行為科學為基礎，以計算機技術為手段，綜合利用現有的數據、信息和模型，輔助決策者提高解決半結構化或非結構化決策問題有效性的人機交互系統[1]。臨床決策支持系統顧名思義，也就是決策支持系統在醫院中的應用。它的核心就是通過人工智能技術應用，將醫院信息處理與臨床實踐信息集成，根據醫學專家提供的知識和經驗進行推理和判斷，模擬這些專家的決策過程以解決各類復雜的臨床問題[2]。

2 國內外現狀與存在的問題

決策支持系統的概念于20世紀70年代由美國學者首先提出，80年代開始蓬勃發展。80年代末，美國波士頓馬薩諸塞州綜合醫院首次應用了基于知識庫的臨床診斷，從而開始了決策支持系統應用于臨床醫療的歷史。

我國的醫院信息化經過近30年的發展建設，大部分的大中型醫院已經建設了醫院信息系統（HIS）、實驗室管理系統（LIS）、影像管理系統（PACS）等常用的信息系統。每個系統對醫囑、病歷、檢驗、檢查影像等各有側重，臨床醫生需要綜合各系統的信息進行分析，一旦漏掉重要數據便有可能得出不同的診治方案，造成醫療差錯。因此，國內目前已有不少醫院開始實施臨床決策支持系統，但多處于探索階段，尚沒有形成統一、規范的標準。

目前存在的問題：多數的臨床決策支持系統只是基于知識庫的臨床指南，缺少對臨床診治的輔助決策功能，真正具有基于不同患者的個性化分析及輔助決策功能的臨床決策分析系統還未實現。根據國家版ICD10編碼的疾病就有幾萬種，常見的疾病也有幾千種，因而由此衍生的各種臨床癥狀、檢驗檢查結果等信息更是不可勝數，臨床醫師無法保證每一次都能通過不同的數據信息得出正確的結論。此外，國家醫療保障覆蓋范圍日益擴大，醫保支付種類及支付總額的限制也成為臨床醫生診治的約束條件。

3 系統建設目標

臨床決策支持系統的建設是把零散分布于各個系統的數據進行整合，并按照不同專業關注點進行區分，實現數據的抽取、加工和轉換[3]。我院臨床決策支持系統綜合臨床醫生多年經驗，由具有多年醫技工作經驗的檢驗、檢查技師的鼎力協助，利用數據倉庫技術，通過人工智能技術進行人機交互。系統采集臨床患者既往史、診斷、用藥、生物學資料等數據生成變量，用數據挖掘決策樹算法進行綜合分析，為臨床醫生提供個性化的診治方案。

4 系統實現的關鍵技術

4.1 數據倉庫

4.1.1 概念

數據倉庫（Data Warehouse，DW）是由數據倉庫之父W.H.Inmon定義，是一個面向主題的、集成的、相對穩定的、反映歷史變化的數據集合，用于支持經營管理中的決策制定的過程[4]。

4.1.2 DW的功能

醫院數據倉庫的主要功能應具有多層次、多角度的數據挖掘、分析和輔助決策能力，以提高臨床及科研能力。數據是決策支持系統的基礎，因此DW是支撐決策支持系統最基礎的工具。它可以把醫院各信息系統的數據提取出來，即把分散的、難于訪問的數據，轉化為集中統一、隨時可用的信息。

4.1.3 DW的結構和設計

總體層次由基本功能層、管理層和環境支持層3部分組成[5]。設計過程是一個循環往復的過程，通常涉及數據的選擇、變換、建模、評估、解釋模型、運用和鞏固模型等步驟（圖1）。以住院患者費用為例，設計住院患者費用事實表和相關的維度：事實表收集與患者費用相關的各種信息，包含多個度量值條件，用于求和、百分比、平均值等基本函數；建立的維度分別是患者的基本信息、疾病名稱、收治醫生、入院科室、入/出院時間、費用類別等，這些數據均可從HIS數據庫中抽取。每個維度可設多個級別，每個級別可設多個屬性，如科室維度設有兩個級別，即門診科室和病房科室。每個級別可設多個屬性，如科室級別分別有科室名稱、內外科標志屬性等。

圖1 DW的結構模型

4.1.4 DW的建立

醫院的信息系統和數據源較為豐富，經調研分析可以分為以下幾類：

（1）基礎數據字典。方便數據的統計分析，是數據的規范化說明和數據倉庫的數據源。

（2）診療數據。包含病人基本信息、就診、檢查、檢驗、診斷、病程、醫囑等與醫療行為相關的數據。

（3）物品流向數據。主要包括藥品流向、辦公用品、醫療設備及固定資產等相關數據。

（4）財務數據。指醫院日常運營中的收入與支出數據。

（5）質控與管理數據。主要是由前3類數據產生過程的信息及其行為的評估判斷信息為基礎。

4.2 數據挖掘

4.2.1 概念

數據挖掘（Data Mining，DM）是指從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道、但又是潛在有用的信息和知識的過程[6]。DM起源于20世紀80年代，在決策支持中扮演著重要的角色。DM主要基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，可自動化的分析已有的數據，做出歸納性的推理，從中挖掘出潛在的信息，幫助決策者作出正確決策[7]。

4.2.2 DM常用的算法

DM常用的算法有關聯規則、決策樹、粗糙集、統計分析、神經網絡、支持向量機、模糊聚類、基于范例的推理、貝葉斯預測、可視化技術[8]。用于輔助臨床疾病診斷的數據挖掘算法主要有人工神經網絡和決策樹。本系統使用的方法就是決策樹，該算法能對現有醫學數據庫進行綜合分析，生成個體化臨床醫學診治的參考方案，實現臨床決策支持。

4.2.3 DM的應用

以糖尿病為例建立決策樹，從而判斷出患者所患糖尿病的類型。起點是血糖高，第一個分支判斷條件是否妊娠期，答案“是”，決策樹就直接歸于妊娠期糖尿病；答案為“否”，則屬于其他類型糖尿病，然后再根據年齡、是否有自發性酮癥、病情的起因快慢和輕重等條件判斷該患者是I型糖尿病還是Ⅱ型糖尿病。

4.3 系統結構設計

4.3.1 設計思路

遵循“在正確的時間、對于正確的人、提供正確的信息”的設計理念，利用數據挖掘技術對積累的海量醫療信息進行挖掘和分析，為臨床醫生提供科學智能的診療方案、治療安全警示、藥物過敏警示、重復檢驗檢查提示等一系列人機互動的應用。同時還會參考數據倉庫中的醫療支付保障相關政策信息來調整診治方案，從而使費用結構更加合理，減少醫療浪費。

4.3.2 總體架構

系統總體架構分為3層：支撐層、分析層和應用層（圖2）。

圖2 決策支持系統總體架構示意圖

（1）支撐層。由臨床數據和臨床知識庫構成。其中臨床數據主要包括患者的基本信息、主訴、臨床輔助檢查信息、臨床診斷等；臨床知識庫主要包括臨床治療指南、臨床相關業務術語、相關政策等，為系統提供數據來源和業務規則支撐。

（2）分析層。利用數據挖掘技術，對臨床數據倉庫中的數據進行分析。根據臨床知識庫設定的業務規則，觸發臨床干預，實現臨床決策支持系統的應用。

（3）應用層。可以智能提供診療方案、治療安全警示、藥物過敏警示、重復檢驗檢查提示等一系列的相關應用。

5 系統主要功能

5.1 智能提供診療方案

系統可以根據患者的疾病臨床表現、臨床檢驗檢查結果、生理、心理狀況等特征，同時參考該患者所屬的醫療保障的相關政策，通過數據挖掘技術為其制定個性化診療方案。以高血壓患者為例，系統會在大量的高血壓患者病例治療的臨床資料基礎上，利用數據挖掘技術，將患者根據不同生理、心理等特征劃分為不同的人群，再分析適合不同人群的最佳治療方案，輔助臨床醫生進行治療方案的制定。

5.2 治療安全警示

治療安全的審查信息包括：患者藥物禁忌審查、檢驗檢查相關的禁忌審查、藥物之間配伍禁忌的審查、治療相關的禁忌審查等。

5.3 藥物過敏警示

利用原有的過敏類藥品知識庫體系和患者的現狀（是否存在家族過敏史、是否特殊人群等）提供藥物過敏警示功能。

以心血管疾病為例，常用的藥物包括倍他樂克、利多卡因、硝酸酯類藥物。而他汀類藥物禁用于孕婦、哺乳期婦女；利多卡因禁用于局部麻醉藥物過敏者；硝酸酯類藥物禁用于青光眼患者、有機硝化物過敏等患者。當醫生對該類患者制定醫療方案時，系統將自動對該類藥物進行過敏提示。

5.4 重復檢驗檢查提示

當醫生對患者開出檢驗檢查醫囑時，系統會自動與上一次做該項檢查的時間進行對比，如發現間隔的時間小于系統設定的周期，系統將會予以提示，從而避免進一步損害患者的身體免疫力。

6 結束語

我院臨床決策支持系統采用了目前比較先進的數據倉庫和數據挖掘技術，實踐表明，該系統可以從積累的海量臨床信息中提取出有價值的信息，幫助臨床醫生迅速、準確的為患者做出治療方案，降低醫療風險，減少醫療浪費，充分體現了“以病人為中心，以醫療質量為核心”的理念，從而提高醫院的整體醫學水平和醫院的核心競爭力。

根據臨床使用的實際情況，我們會持續改進和完善臨床決策支持系統的功能，為醫院信息化建設奠定堅實的基礎。

[1] 陳賢博.基于Web挖掘技術的網絡營銷決策支持系統研究[D].合肥:安徽工業大學,2004.

[2] 苗芳芳,劉駿峰.論人工智能的發展及其在醫學領域的應用前景[J].衛生軟件科學,2006,23(2):222-224.

[3] 馬云,夏新,劉博,等.基于臨床決策支持系統與知識庫的臨床數據中心的研究與應用[J].中國醫療設備,2014,29(7):61-63.

[4] Inmon WH. Building the Data Warehouse[M].John Wiley & Sons,Inc,1993.

[5] 陳京民.數據倉庫與數據挖掘技術[M].北京:電子工業出版社,2002:95-96.

[6] 吳文俊,周彬,沈黎,等.醫院信息系統Sybase數據庫的維護管理[J].中國醫療設備,2015,30(8):81-83.

[7] 陳金雄.構建基于數據倉庫的醫院決策支持系統[J].醫療衛生裝備,2012,33(1):77-78,81.

[8] 王祥輝,匡曉寧,劉偉達,等.數據挖掘技術及其在決策支持系統中的應用[J].計算機技術與自動化,2001,23(4):99-102.

Application of Clinical Decision-making Support System Based on Data Warehouse in the Hospital

ZHAO Yan, WANG Ying, YAN Guo-tao, SHAO Wei
Department of Information, Handan Central Hospital, Handan Hebei 056001, China

ObjectiveTo establish a clinical decision-making support system to assist physicians in quickly mining valuable information from a large number of daily clinical data, developing personalized diagnosis and treatment program for patients, and improving medical quality.MethodsThe related domestic and foreign information was collected, on the basis of which the data warehouse and data mining technology were deployed in combination of relevant medical security policies to establish a clinical decision-making system suited for practical clinical operation.ResultsThe system was equipped with versatile features, including smart provision of secure treatment programs, drug allergy alerts and reminders for repeated testing and inspection.ConclusionThe clinical decision-making support system developed based on data warehouse reduced doctors burden and was the future trend for the development of hospital informatization.

hospital information systems; clinical decision-making support systems; data warehouse; data mining

TP311.13

A

10.3969/j.issn.1674-1633.2016.06.029

1674-1633(2016)06-0095-03

2015-12-17

2016-01-09

作者郵箱：646722183@qq.com