數據挖掘在醫療系統中的應用

姚婕 陳榮山 吳昊

摘要：隨著互聯網醫療以及新的醫療保險政策的實施，醫療資源信息呈現“爆炸式”的增長趨勢，而人口老齡化以及人們健康意識的提高，無疑加劇了醫療系統的壓力。目前，人工智能和數據挖掘等新興計算機技術已經成為研究熱點，極大地促進了各行各業的發展。利用新興技術，分析各類醫療資源信息，幫助解決醫療資源分配不均衡問題，優化就診流程、提高患者就診效率，減輕醫護人員勞動強度，已經逐漸成為新時代背景下現代醫療系統中研究的重點和難點。因此，本文針對性地介紹了數據挖掘技術對于醫療系統中的具體應用以及存在的問題，旨在促進該領域的進步。

關鍵詞：數據挖掘;互聯網醫療

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2019）35-0008-02

1 數據挖掘應用于醫療系統的契機

數據挖掘，是指從海量數據中發現規律并幫助決策的一門數據科學。它通過數理統計、運算分析以及構建數學模型，發現大量的現實數據中蘊含的數學規律，得到人們事先不知道的、隱含其中的具有潛在用處的知識與信息的過程[1]。這些知識和信息通常是隱藏卻又極具價值的，加以善用可以創造巨大的商業價值和社會價值。例如，通過數據挖掘技術分析用戶的網上購物記錄，可以發現其中規律，從而促進潛在消費并提高交易量。而這樣的例子，在我們的生產生活中無處不在，儼然已經現代信息化社會的支柱。

在2018年的國務院發展報告中，秉持鼓勵創新、包容審慎的理念，明確了支持“互聯網+醫療健康”發展的政策導向。黨中央、國務院一直以來，也都高度重視基礎醫療服務的建設，致力于提高醫療服務的均衡化、普惠化和便捷化水平?！白尠傩丈倥芡?、數據多跑腿”的思想，不斷促使著服務的升級和進步。這一理念的支持下，醫院信息系統提供電子病歷、網上預約掛號、遠程會診等服務，減少了大量的人力和物力，讓看病變的簡單便捷，醫院的信息化水平也在穩步提升[2]。盡管如此，隨著人口老齡化和人們健康意識的提高，公共醫療服務出現了新的需求形態，如在線問診、健康監測、病患預測等，而資源分配不均衡、外來人員進城尋求更好醫療條件加劇了醫療服務壓力，在巨大的公共衛生需求面前，現有的醫療資源依舊緊張。因此，將數據挖掘技術應用于醫療領域，并且憑借該技術的先進性和技術優勢，提高政府、數據的資源利用率，發揮出社保卡、醫療數據的應用價值，進一步提升醫療領域的技術水平和服務質量，減輕醫護人員的勞動強度，是大勢所趨，也是未來發展的方向。

2 數據挖掘于醫療系統中應用探析

數據挖掘的基礎是數據，涉及數據的領域都可以通過數據挖掘方法進行分析，只是得到的知識和規律的價值可能各不相同。在公共醫療系統中，據挖掘的應用范圍可以涵蓋醫療流程的各個方面，包括醫療就診、醫療診斷、藥物研發、醫療收費和醫療管理等。由于應用范圍廣，在此本文僅介紹具體應用的幾個方面。

2.1醫療就診

在病人就診的過程中，可以通過分析患者的就診記錄和治愈率，以及其癥狀，智能的為其推薦合適的醫生推薦，解決病患由于專業知識的限制找不到合適醫生的問題。通過這樣的分析，可以建立各個醫生個性化的檔案，以及病患的就診資料，幫助患者快速、有效地治愈疾病。另一方面，通過對所有病患的病例分析建模，可以發現某些疾病并發的可能性，推進疾病病理研究的發展，幫助病人避免不必要的風險。構建醫療診斷的數據挖掘系統，對于醫師也具有正向的督促作用。

2.2基于數據驅動的醫療診斷

大數據的出現使得機器分析海量數據，自動判別疾病的種類和預測傳統的遺傳病成為可能。從一定意義上講，只要數據量足夠大，設計合理的算法可以總結出不同于不亞于人類的經驗，并實現自動的醫療診斷。目前，一些研究者在部分疾病的診斷上設計的算法已經超越了人類的表現。例如，IBM的研究人員利用機器學習算法構建了識別大腦與精神分裂癥的數學模型，用于分析功能性磁共振成像，該模型對與精神分裂癥預測的準確率74%的準確率[1]。我國的阿里云醫療大腦，通過分析大量人類甲狀腺病灶區的片源，對大量病灶特征和正常特征的醫療影像進行區分，已經學習到了非常強大的甲狀腺病灶的診斷能力，其對于甲狀腺病灶診斷的準確率達到85%，而人類在這一領域的識別準確率僅為70%[3]。其次，針對家族遺傳病，可以構建知識圖譜，分析家族遺傳病的基因和形成原因，幫助預測并減少遺傳病發生的可能性，這些方法對于某些遺傳病的治愈是舉足輕重的。另外在外科手術中，可根據數據庫中現有的數據，對手術區域進行分析，為醫生提供準確的手術建議。可見，基于數據驅動的精確醫療診斷系統可以幫助診斷疾病，在眾多醫療方向上都可以起到輔佐診斷作用[4]。

2.3基于數據的藥物研發

傳統的藥物研發是在大量化學實驗以及活體生物實驗的基礎上研究而來，具有研發周期長、困難等不足。這樣的研發模式通常是極其耗費時間和金錢的。大量數據挖掘算法的出現，為從理論上研究藥物之間相互的靶向作用提供了新的思路。例如，在腫瘤免疫治療中，通過大數據挖掘可以精準量化免疫細胞浸潤的豐度，從而發現和病人臨床信息的相關性。在藥物研發過程中，通過數據挖掘可以有針對地對過去的科學研究進行規律總結，可以有效地幫助研究者進行藥物的研發工作。

2.4醫?？刭M管理

健全的醫療保險制度是人民健康生活的重要保障之一，傳統的醫保控費制度下，醫保管理者工作繁雜，工作效率低下。數據挖掘技術的出現極大地減輕了醫保管理者的負擔，并且可以加快新型醫療保險有關問題的反饋速度，提高發現問題的時效性，幫助完善管理并改善技術。根據歷史就診數據以及參保人員之間的關系，可以準確地發現患者的身份、年齡、所在科室、主治醫生等，進一步加強對這些信息的歸納和梳理，這樣既可以使患者們滿意，又可以監督醫療保險的相關費用的支出[5]。

3 醫療系統中數據挖掘流程和問題

3.1數據挖掘流程

在數據挖掘過程中，數學模型是其最為核心的內容，而數據則是一切工作的基礎。數據挖掘的基本流程為首先從具體研究問題的數據集出發，收集大量相關問題的數據。然后，設計并部署具體的機器學習核心模型，如心臟病測試評估模型。將收集到的相關特征數據輸入模型中，訓練模型。最后，將新的數據輸入訓練好的評估模型中，經過模型分析運算，得到預測的結果，從而系統自動出具分析報告并得到關鍵的經驗和規律。

3.2醫療數據挖掘存在的問題和解決方法

與其他領域的數據不同，醫療數據本身極為復雜性，包含著大量的用戶隱私信息，這些信息非常敏感。如何在不侵犯用戶隱私的情況下，收集特征明顯的數據集是非常困難的。此外，關于病癥和藥物靶向作用的研究，其數據收集的難度本身比較高，部分病癥發生的概率較少，導致算法模型難達到較好的預測結果。因此，為保障未來在醫療領域的核心競爭力，收集并構建統一完善的數據集尤為重要。在收集醫療數據的過程中，應注重個人隱私的保護，避免捐贈數據的公民合法權益受到侵害。同時應該建立長久的數據管理制度，保障數據的準確性和真實性。

技術安全和法律責任也是醫療數據挖掘無法避免的問題。從一定程度上講，即使機器對于某些疾病的診斷準確率已經超越人類，但機器畢竟是機器，永遠不能替代人類[3]。很有可能由于數據模糊和數據缺失，造成結果的不確定性。特別是在腦部檢查等危險性較高的診斷中，如果出現誤診，則很可能會對患者的生命造成威脅。一旦出現問題，出現法律糾紛則會使技術偏離美好的初衷。因此，應該明確醫療數據挖掘的輔助地位，并建立完善的法律制度，權責分明，發揮機器大量計算的優勢以及人類的智慧和人文精神，同時避免過分依賴機器。

4 結論

數據挖掘技術作為一項綜合性技術，對于提升醫療水平和診斷效率有著非常大的應用。本文對數據挖掘技術在醫療領域中的應用進行了研究，闡述了相關的背景意義，著重介紹了數據挖掘技術在醫療系統中的應用，并對應用中存在的問題進行了分析，給出解決方案。

參考文獻：

[1]張光華，潘婧.人工智能技術在醫療領域中的應用[J].電子技術與軟件工程，2019（19）：239-240.

[2]許幫彥，陸建良，吳明英.數據挖掘技術在放射科醫療管理中的潛在作用[J].中醫藥管理雜志，2019，27（18）：54-55.

[3]仇法新.數據挖掘技術在醫?？刭M管理中的應用[J].中外企業家，2019（19）：76.

[4]肖劍容.數據挖掘技術在醫學影像信息系統中的應用[J].甘肅科技，2019，35（12）：16-17.

[5]王培勛，李沖，劉曉歡.基于醫院信息數據挖掘的信息化臨床路徑在臨床醫療費用監控中的應用[J].中國醫學裝備，2019，16（04）：110-113.

【通聯編輯：聞翔軍】