探討醫藥專業大學生的“醫學數據挖掘”課程教學

華琳 鄭衛英

摘要：21世紀是生物醫學發展迅猛的時代，當前大數據時代已經到來，全面培養高素質的具有創新精神和科研能力的新型生物醫藥人才是醫科大學的首要任務。因此，開設“醫學數據挖掘”課程對提高當代大學生的大數據分析能力有著十分重要的作用，而如何讓醫藥專業的學生理解大數據時代下的數據挖掘技術并能夠應用數據挖掘軟件解決實際問題是該課程教學的重要任務。本文旨在探討“醫學數據挖掘”課程的教學內容、教學手段和教學過程，以期使學生從該課程中獲益。

關鍵詞：醫學數據挖掘;醫藥專業大學生;案例教學

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2018）07-0082-03

引言

當前，隨著大數據時代的來臨，在臨床醫療工作流程中也產生了大量的結構化和非結構化文本、影像、基因測序、電生理等數據，這些海量數據越來越多地被醫院信息系統收集和存儲。其中不僅包含醫囑、護理記錄、藥物使用等診療數據，還包括所有醫患角色、醫療設備、管理和服務人員在業務系統中產生的數據。在現代醫院信息化管理的電子化、信息化、數據化、智能化要求下，醫療大數據存儲量已可用PB級來計量。由于醫療數據本質上與疾病病理相關，存在極為復雜的相互關聯和相互依存的關系，因此利用大數據分析簡化這種復雜性和建立智能的關聯性識別將會有重大意義。目前，大數據分析挖掘技術所能提供的智能學習算法、支持向量機、神經網絡算法技術等對臨床連續性數據的學習和推理均能達到很好的應用效果。

近年來，隨著大數據的發展，對于不同層面的數據類型，已發展了不少統計機器學習方法和生物信息學方法對各類型醫療大數據進行挖掘。例如，將數據挖掘技術和生物信息學方法融入不同的分子生物學理論，通過海量數據挖掘對疾病相關生物標記進行提取，從而制訂個性化治療方案，實現精準醫學研究。醫藥專業的大學生更應該緊跟時代發展，學習大數據的相關知識。“醫學數據挖掘”課程正是基于這樣的背景開設的，目的是提高醫學生對大數據的認識，使其學會掌握常見的數據挖掘方法，并能夠應用于自己的研究中。由于筆者所在的是醫科院校，學生們未來將要深入臨床和科研一線。而隨著生物科技的迅猛發展及大數據時代的來臨，高通量數據的產生需要學生盡可能多地掌握相應的數據分析和數據挖掘技術。因此，開設本課程，一方面是讓學生了解基本及復雜數據的統計分析方法，掌握必要的統計學和數據挖掘技術，提高學生數據分析處理的能力，另一方面也為學生的臨床實踐和畢業設計提供幫助。

當前，現代化的教學模式已經由傳統的以教為主轉化為以教師為主導、以學生為主體的雙主教學模式。這種新型教學設計模式結合了以教為主和以學為主兩種教學模式的優點，是我國教育技術領域的專家學者在教育實踐研究中已經證明的非常有效的教學系統設計過程模式。[1]而數據挖掘課程更是一門實踐的學科，需要學生除了掌握基本統計知識和數據挖掘理論之外，還要進行數據分析實踐，將此作為學習課程的必要補充。數據分析實踐對醫藥學專業的學生未來從事科研活動有著重要的實際意義。由于高年級學生已經熟悉了大學學習的方式和方法，有了高等數學和線性代數的學習基礎，且具備穩定的內部學習動機和明確的學習目標，因此，他們對教師的教學方法和手段就會有一定的要求，需要教師深入地挖掘授課方式方法和手段。

傳統的教學方法和學習方法會使學生感到無趣，而統計學和數據挖掘理論中繁瑣的計算也會使學生感到厭煩。因此，筆者在本課程中采用了案例教學的模式，該模式充分體現了數據挖掘應用的廣泛性，它不僅涉及面廣，而且還包含了各種計算機軟件[2]，從而達到簡化計算，靈活運用統計和數據挖掘理論的目的，這大大提高了學生對數據挖掘技術的理解，并有效地培養了他們應用計算機解決實際問題的能力。

筆者結合教學過程中的心得體會，圍繞案例教學進行的“醫學數據挖掘”的教學和實踐活動，開展數據挖掘應用分析案例教學實踐，幫助學生樹立面向實際的觀念，提高解決實際問題的能力。[3]

下面，筆者就以“醫學數據挖掘”課程為例探討案例教學在培養21世紀的新型生物醫藥學人才中的重要作用。

教學內容設計

筆者對“醫學數據挖掘”課程的教學內容進行了設計，即先以講座的形式讓學生了解醫學大數據的相關知識。接著，通過講座和學生自學的形式使其學會使用相應的數據挖掘軟件工具（如SPSS軟件、R軟件、plink軟件等）進行數據處理。在數據挖掘技術上重點講述決策樹、隨機森林、貝葉斯網絡、聚類等常見的數據挖掘方法，并要求學生學會用這些方法對數據進行分析。學生可自行設計分析思路，并對數據進行處理，最后將方法和結果及相應的解釋進行總結，撰寫研究報告。通過這樣的課程教學，真正提高學生在數據分析上思考問題和解決問題的能力。該課程的主要內容具體如下：

1.以講座的形式講授醫學大數據的相關知識

①醫學大數據的科研設計;

②醫學大數據的收集及共享數據庫;

③醫學大數據的下載。

2.以講座的形式講授數據挖掘技術

①決策樹和隨機森林分析法;

②貝葉斯網絡分析法;

③關聯規則分析法;

④聚類分析方法。

3.學生實際操作訓練

①提供一套數據;

②學生根據閱讀的相關文獻及自己對數據的理解，設計數據分析思路;

③學習使用統計學及數據挖掘相關的軟件，并選擇適合的統計學方法和數據挖掘方法及應用軟件工具對數據進行分析和處理;

④總結數據分析結果，撰寫研究報告，如果有可能，爭取發表論文。

課程設計的技術路線如下頁圖所示。

教學成效

“醫學數據挖掘”課程在開展兩輪后，取得了一定的教學成效，學生在數據處理分析方面取得了很大的進步。另外，通過學習數據挖掘理論及數據挖掘軟件的使用，初步達到了提高學生綜合素質，增強學生就業競爭力的培訓目的。通過該課程的教學，讓學生們嘗到了學以致用的樂趣，激發了學生的創新意識，培養了他們的創新精神和創新能力，同時也促使有興趣的學生去拓展自己的知識寬度，提高自己的思維能力和解決實際問題的能力。該課程的主要教學成果體現在：學生能夠獨立地設計數據分析思路，并使用統計軟件及數據挖掘軟件處理相應的一些數據，解釋相應的結果，撰寫研究報告。這對學生將來的科研活動很有益處，甚至有的學生還在期刊上發表了論文，在本科階段就初嘗了發表論文的快樂。

筆者通過調查發現，學生在課程結束后對該課程深有體會。例如，有的學生提到：“面對一個課題，如引起糖尿病的因素有哪些，我們會調查出一份數據，包含糖尿病、年齡、糖尿病家族史、高血壓史、吸煙史、飲酒史、身高、體重、腰圍、臀圍、收縮壓、舒張壓等，然后根據這些數據去判斷哪些因素是糖尿病的風險因素。因此，這就需要選擇合適的統計方法和數據挖掘方法（如多因素回歸、關聯規則、貝葉斯網絡等），并選取統計軟件和數據挖掘工具予以實現。此外，流行病學研究中有很多課題，如PM2.5與心血管疾病之間是否有關系？很多隊列參與研究，獲得了大量的數據，但從這些數據中并不能直接看出變量之間是否存在關系，而通過數據挖掘就可以在一定概率下判斷兩者之間的相關性。”還有的學生表示：“通過學習醫學數據挖掘課程，基本掌握了運用常用統計軟件和R軟件進行數據分析。”還有的學生提到：“通過醫學數據挖掘課程的學習，使自己了解和掌握了主要的數據挖掘方法，也使日后的科研工作有了更多的新思路。”學生們在學習該課程后，驚嘆于醫學統計學和醫學數據挖掘的魅力，該課程為學生提供了很好的實踐練習機會，為學生未來的學習和職業生涯提供更廣闊的思路。

結語

對醫藥專業大學生開設“醫學數據挖掘”課程，提高了本科生的科研創新意識，培養了他們的科研素質，為其進一步攻讀研究生和進行科學研究打下基礎。學生們通過該課程了解了醫學大數據的相關知識，通過上機實驗課的實際操作，掌握了大數據處理的統計軟件（特別是R軟件）的使用，能夠設計清晰的分析思路，并能夠應用軟件對數據進行分析，對結果進行合理地闡述及撰寫研究報告。

筆者采用案例教學正是為了發揮學生學習的主觀能動性，提高他們解決實際問題的能力。當然，目前對該課程的研究還處于探索階段，還要不斷加強師資隊伍的建設，教師要積極參與教學改革，整合各種教學手段和信息技術，豐富知識儲備，從而成為學生真正的良師益友。

參考文獻：

[1]吳疆.現代教育技術教程：第三版[D].北京：人民郵電出版社，2009.

[2]華琳，李林.醫學數據挖掘案例與實踐[D].北京：清華大學出版社，2016.

[3]楊華，張振軍，賈學龍.淺談開展數學建模教育的作用[J].中國輕工教育，2006（2）：46-47.

作者簡介：華琳，博士，首都醫科大學副教授，碩士研究生導師，研究方向為生物統計與生物信息學，發表科研論文30余篇，出版教材多部，獲得計算機軟件著作權多項。