鄒昊翰

(天津市眼科醫院/天津醫科大學眼科臨床學院 天津300020)

季書帆 朱天晨

(北京航空航天大學計算機科學和工程學院 北京100191)

王 雁

(天津市眼科醫院/天津醫科大學眼科臨床學院 天津300020)

1 引言

近視問題是我國乃至全球公共健康問題[1-2]。角膜屈光手術作為矯正近視的重要方式之一被廣泛接受。據不完全統計，我國每年完成近視角膜屈光手術約100萬例以上，其產生的豐富臨床數據如能有效利用將為該領域人工智能發展提供重要支撐和保證。但臨床數據來源多樣、格式不一，尚未建立統一管理標準，極大限制了應用。規范、高效、安全、合理和有效利用屈光手術數據具有重要意義。為此本文對屈光手術數據平臺構建及數據應用相關問題進行闡述。

2 屈光手術數據平臺構建

2.1 數據庫類型

主要包括關系型數據庫、圖數據庫、鍵值數據庫、分布式數據庫等。關系型數據庫采用關系模型組織數據，用于存儲二維表格數據及其之間的聯系，貼近現實場景，便于理解且易于維護，較適用于臨床病歷、醫學檢查報告等數據；圖數據庫主要用于存儲實體以及實體之間關系，常應用于知識圖譜、檢索等領域，如患者用藥指導等；鍵值數據庫用于存儲Key-Value型數據，其本質是一張哈希表，具有較高檢索和處理性能；分布式數據庫突破單機數據存儲性能瓶頸，實現數據跨空間領域一致性存儲。醫療大數據組織模型大多接近于關系模型，即以二維表模式進行采集和存儲，少量醫療數據依托于實體和關系抽取與呈現，因此本研究首先構建屈光手術關系型數據庫。

2.2 平臺建立過程

2.2.1 數據特性 醫療大數據特點之一是具有較強時序性。屈光手術臨床數據除包括結構化的病人基本信息、屈光度外，還包括非結構化的用藥信息、檢查信息、臨床記錄隨訪信息等，且個人病歷具有時序性，人工或傳統方法難以高效地對其檢索、處理、分析并利用，現代數據庫應用將解決這一難題。

2.2.2 數據庫基本結構 本研究使用MySQL數據庫，搭建包括人眼基本信息、手術信息、術后信息等數據在內的關系型數據庫，見圖1。此外將根據第3范式設計表結構，避免數據冗余、更新異常、插入異常和刪除異常并優化查詢效率；采用用戶分級權限、共享權限、數據加密技術等安全機制，保障數據合法使用權限及安全性，實現對多源人眼視覺特征大數據的存儲與管理，見圖1。

圖1 屈光手術數據平臺結構

2.2.3 分布式數據庫應用 關系型數據庫在數據量大于一定程度情況下單機存儲和檢索性能會急劇下降[3]。當大量眼科數據產生并存于一張表時將可能超過單機數據庫表可承受的數據量閥值。采用分布式數據存儲系統，將不同種屬的分散數據分別儲存，既保證各屬性下參數獨立處理分析，又能滿足不同屬性間數據的交換和集中處理。人眼相關參數包含形態學和生物學等特性，各屬性間既內在聯系又相互影響，如角膜地形圖所獲得的角膜厚度、曲率等數據與角膜硬度、反應速度等力學特性成正相關[4]。以眼睛整體分析和應用角度出發，從基礎參數到各屬參數構成分布式數據庫，保證數據的完整性和一致性，以此提高整個數據庫可用性和工作效率。

2.3 數據標準化

2.3.1 概述 標準化是醫學數據庫高效管理與應用的重要基礎，屈光矯正數據標準化是數據整合與關聯的基礎。構建屈光手術標準體系是推動該學科數據共享發展的保障。通過建立映射關系尋求多元數據間聯系，從而聯結孤立數據形成交互關聯網，有助于進一步挖掘和發現人眼視覺或生物學規律。

2.3.2 數據庫標準 美國《屈光手術雜志》(JournalofRefractiveSurgery,JRS)及《白內障和屈光手術雜志》(JournalofCataractandRefractiveSurgery,JCRS)倡導建立在報道屈光手術結果時的標準，其中包括作者必須在文章中呈現的基本要素等，方便同行評審以及眼科學領域交流[5]。不同手術方式、眾多參數造成讀者在評估和對比不同術式及患者群體時出現困難，標準化數據庫應用為提高數據管理和分析效率，實現屈光手術智能化、個性化發展奠定基礎。屈光數據庫應包括4項標準：(1)基礎標準。主要包括基本概念和術語，例如手術前后的視力不僅包括日常裸眼視力，統一為未矯正視力(Uncorrected Visual Acuity, UCVA)，還應包括最佳矯正視力(Best Corrected Visual Acuity， BCVA)等。(2)數據標準。即數據表述規范、記錄無誤、明確要保留小數位數、完整性等，如明確視力表示方法統一為對數形式還是分數形式。(3)技術標準。對應數據庫建立的軟硬件技術規范，包括軟件版本、數據采集、字段定義、約束定義、數據傳輸、儲存、交換、整合等。(4)管理標準。包括數據隱私、數據加密、數據安全、用戶權限使用等問題。

2.3.3 數據庫設計 (1)邀請碼表。記錄新用戶注冊時必填的邀請碼信息。(2)用戶表。記錄用戶注冊信息及該用戶邀請人信息。(3)授權表。主要存儲用戶間授權信息。(4)基礎信息表。記錄患者基本信息。(5)術前信息表。記錄患者術前檢查的體征參數。(6)手術參數表。主要記錄術中由醫生和手術平臺產生的參數。(7)術后信息表。記錄患者術后各隨訪時間點的眼部檢查指標。(8)其他信息表。記錄病例額外信息，主要存儲該條數據錄入時間等。上述設計可對用戶和數據本身加以限制，為數據標準化提供保障。

3 屈光手術數據平臺應用

3.1 統一概念

在該數據庫建立前期盡可能規范基本概念和專業術語。例如目前屈光手術最新技術為SMILE(Small Incision Lenticule Extraction)，已在我國普遍開展[6]。但早期該手術名稱混亂不清，本研究團隊將其統一命名為“飛秒激光小切口透鏡取出術”并在全國權威學術會議上匯報，后又制定規范和共識[7]；此外還將波前像差等眼科學常用基本概念逐步進行統一。

3.2 信息采集

借助屈光手術標準化數據平臺，根據學科發展特點設計數據庫構架，獲取并不斷更新人口學基本信息內容，如姓名、性別、年齡等；人眼生物學信息，如屈光度、角膜形態等系列相關參數；角膜生物力學信息，如角膜硬度、力反應速度等；光學基本參數，如像差分布；眼球解剖相關參數以及視覺質量評估和視覺矯治參數；佩戴眼鏡種類等結構化或角膜形態圖像、病歷文本等非結構化數據清洗脫敏收錄；根據各種研究及應用需求擴充完善數據總量和類型。具有高穩定性、高擴展性、高兼容性、易維護性等特點。

3.3 臨床應用

為實現臨床高效應用，還需建立有效算法以支撐不同屬性參數間的綜合分析。本研究借助信息增益算法尋找影響手術效果的可能因素并根據權重篩選納入，利用強化決策樹算法和多層感知神經網絡算法構建手術參數預測模型，見圖2。滿足屈光手術臨床病歷數據儲存管理、相似病例查詢、數據分析等基本功能以及手術參數個性化設計、手術結果預測、患者術后管理等高級功能。在術前基于此平臺輸入患者所需信息，可自動設計生成手術參數供醫生參考使用，同時滿足屈光手術領域臨床和科學研究需求。隨著人工智能在醫學領域的應用和普及，電子病歷建立尤為重要，該數據庫平臺將為屈光手術標準化電子病歷構建提供思路和基礎。該思路已嘗試應用于多中心研究和數據庫構建。在屈光手術方案設計方面，經倫理委員會批準，該標準化數據庫形式與內容應用于其他中心，獲得較好效果和收益。

圖2 基于決策樹算法挖掘的影響手術設計參數的部分屬性

4 數據共享與安全

4.1 數據共享

醫學數據只有應用才能產生價值，共享可打破數據孤島、擴大應用范圍。通過標準化數據庫可獲取更多數據，進行集中化分析、個性化應用，以提高屈光手術精準度。如有更多屈光手術相關機構加入，將對全國甚至全球范圍內數據的更大規模分析提供可能性，結果將應用于該領域政策制定和臨床工作指導，進一步推動屈光手術行業高質量發展。

4.2 數據安全

流動性是數據共享的基礎，將帶來安全和倫理問題。醫療數據極具有敏感性，倫理問題是醫學健康發展不可回避的問題，在患者隱私、數據權屬、知情同意、個體公平等方面面臨挑戰。對數據庫所存儲數據應進行嚴格權限設置，用戶申請使用后所上傳數據可自定義不同權限：公開、部分公開、保密，且不同用戶間可相互授權共享數據。同時數據庫使用白名單策略，限定特定用戶訪問服務器。對數據關鍵字段脫敏并加密傳輸，既保護數據信息敏感性又保證其安全。建立防御網絡攻擊系統，尤其針對分布式拒絕服務(Distributed Denial of Service, DDOS)攻擊等。

5 結語

隨著醫療信息化和智能化發展日漸成熟，醫療數據產生和利用較為活躍。歐美等發達國家已建立一批高水平健康醫療科學數據平臺，如基因序列登記數據庫[8]、世界衛生組織(World Health Organization, WHO)死亡數據庫[9]、美國國家癌癥數據庫(The National Cancer Data Base,NCDB)[10]等，但眼科學數據庫建設尚處于起步階段。國內曾報道[11]有關眼健康大數據平臺的構建，主要涉及臨床眼病診療和應用，而視光和屈光方向尚未涵蓋。隨著電子病歷普及與高分辨率影像學檢查結果增多，該領域數據量劇增，有報告顯示預計2020年將達到2 314 EB[12]。我國近視患病人口基數大，總人數超過6億，接受屈光手術患者數量較多，而視覺矯正病癥相對單一、數據相對統一，具備充分條件構建標準的屈光手術臨床數據庫。屈光手術數據庫的構建和應用能夠改變臨床和科研工作耗時費力狀態，已初顯成果和效益。未來該數據庫將不僅局限于視覺矯正，還可拓展到整個眼科學領域乃至大眾視覺健康監護和管理。由于已涵蓋較多眼部基本參數和個體指標，可輔助眼部疾病的診斷、臨床決策和支持，同時滿足科研需求，為解決數據分散、不完整、不標準等問題提供新思路。