醫(yī)院數(shù)據(jù)挖掘管理運(yùn)用

醫(yī)院數(shù)據(jù)挖掘管理運(yùn)用1數(shù)據(jù)挖掘技術(shù)綜述1.1數(shù)據(jù)挖掘的概念數(shù)據(jù)挖掘（DataMining[1]）是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)集中識(shí)別有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘可粗略地理解為三部分:數(shù)據(jù)準(zhǔn)備（DataPreparation）、數(shù)據(jù)挖掘，以及結(jié)果的解釋評(píng)估（InterpretationandEvaluation）。將數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)學(xué)信息數(shù)據(jù)庫(kù)中，可以發(fā)現(xiàn)其中的醫(yī)學(xué)診斷規(guī)則和模式，從而輔助醫(yī)生進(jìn)行疾病診斷，實(shí)現(xiàn)臨床決策支持的效果。1.2數(shù)據(jù)挖掘的功能[2-6]1.2.1關(guān)聯(lián)分析數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類重要的可被發(fā)現(xiàn)的知識(shí)。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。1.2.2分類分類就是找出一組能夠描述數(shù)據(jù)集合典型特征的模型（或函數(shù)），以便能夠分類識(shí)別未知數(shù)據(jù)的歸屬或類別，即將未知事例映射到某種離散類別之一。1.2.3聚類數(shù)據(jù)庫(kù)中的記錄可被化分為一系列有意義的子集，即聚類。1.2.4概念描述對(duì)含有大量數(shù)據(jù)的數(shù)據(jù)集合進(jìn)行概述性的總結(jié)并獲得簡(jiǎn)明、準(zhǔn)確的描述，這種描述就稱為概念描述。1.2.5預(yù)測(cè)數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。1.2.6異常檢測(cè)一個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)一般不可能都符合分類預(yù)測(cè)或聚類分析所獲得的模型，那些不符合大多數(shù)數(shù)據(jù)對(duì)象所構(gòu)成的規(guī)律的數(shù)據(jù)對(duì)象就被稱為異常數(shù)據(jù)。1.3數(shù)據(jù)挖掘的過程數(shù)據(jù)挖掘過程[7-9]是在設(shè)計(jì)者的主動(dòng)參與下進(jìn)行的知識(shí)發(fā)現(xiàn)過程，是在積累了大量的數(shù)據(jù)后，從中識(shí)別出有效的、新穎的、潛在的、最終可以理解并加以有目的運(yùn)用的知識(shí)。一般分為以下步驟：?jiǎn)栴}定義：清晰地定義出業(yè)務(wù)問題，認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步。數(shù)據(jù)準(zhǔn)備：①數(shù)據(jù)理解---將數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型。這個(gè)分析模型是針對(duì)挖掘算法建立的。②數(shù)據(jù)的選擇及簡(jiǎn)化—是根據(jù)用戶的需要從原始數(shù)據(jù)庫(kù)中抽取的一組數(shù)據(jù)。③數(shù)據(jù)的預(yù)處理--研究數(shù)據(jù)的質(zhì)量，為進(jìn)一步的分析做準(zhǔn)備。數(shù)據(jù)挖掘：對(duì)所得到的經(jīng)過轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘。結(jié)果分析：解釋并評(píng)估結(jié)果。知識(shí)的優(yōu)化：將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。2醫(yī)院信息系統(tǒng)中數(shù)據(jù)挖掘的研究2.1醫(yī)療數(shù)據(jù)挖掘主要分類2.1.1從數(shù)據(jù)挖掘的處理過程、功能模型、算法研究，可以將醫(yī)用數(shù)據(jù)挖掘按功能模型和挖掘?qū)ο髢蓚€(gè)方面進(jìn)行如下分類[10-14]。2.1.1.1按照功能模型分類：常用的數(shù)據(jù)挖掘技術(shù)可以分成統(tǒng)計(jì)分析類、知識(shí)發(fā)現(xiàn)類、和其他類型的數(shù)據(jù)挖掘技術(shù)三大類。①統(tǒng)計(jì)分析類：統(tǒng)計(jì)是數(shù)據(jù)搜集和描述數(shù)學(xué)的一個(gè)分支。在醫(yī)療數(shù)據(jù)挖掘中的應(yīng)用如：聚類分析方法可以對(duì)DNA分析、醫(yī)學(xué)影像數(shù)據(jù)自動(dòng)分析、多生理參數(shù)監(jiān)護(hù)數(shù)據(jù)分析、中醫(yī)診斷和方劑的研究、疾病危險(xiǎn)因素分析等。②知識(shí)發(fā)現(xiàn)類：知識(shí)發(fā)現(xiàn)是用一種間接的方式從數(shù)據(jù)中抽取信息的一種技術(shù)，而這些信息是隱含的、未知的，并且具有潛在應(yīng)用價(jià)值。其中可分為：a.關(guān)聯(lián)規(guī)則型知識(shí)挖掘技術(shù)，是醫(yī)用數(shù)據(jù)挖掘的一種主要形式。b.神經(jīng)網(wǎng)絡(luò)型知識(shí)挖掘技術(shù)。c.遺傳算法型知識(shí)挖掘技術(shù)。d.粗糙集型知識(shí)挖掘技術(shù)。如關(guān)聯(lián)分析可以用來分析預(yù)測(cè)手術(shù)術(shù)后和藥物治療的效果，可以對(duì)某種疾病的相關(guān)發(fā)病因素進(jìn)行分析以指導(dǎo)患者如何預(yù)防該疾??；可以對(duì)帶病DNA和健康組織的DNA基因序列進(jìn)行比較，以識(shí)別出兩類基因的差別，從而得出致病因素；可以對(duì)患者的生理參數(shù)進(jìn)行分析，分析各種生理參數(shù)之間的關(guān)系進(jìn)而得出有意義預(yù)防與治療方案等。e.機(jī)器學(xué)習(xí)類，歸納學(xué)習(xí)方法又可分為決策樹、規(guī)則歸納等。如決策樹用于前庭區(qū)與頭暈有關(guān)的疾病診斷規(guī)則的提取。③其他類型：除以上陳述的數(shù)據(jù)挖掘技術(shù)外，近年來，隨著各種數(shù)據(jù)處理工具、先進(jìn)的數(shù)據(jù)庫(kù)技術(shù)與因特網(wǎng)技術(shù)的迅速發(fā)展，還出現(xiàn)了一些其他數(shù)據(jù)挖掘技術(shù)。如文本挖掘技術(shù)、Web挖掘技術(shù)、分類分析技術(shù)、地理信息系統(tǒng)與空間數(shù)據(jù)挖掘技術(shù)以及分布式數(shù)據(jù)挖掘技術(shù)等。2.1.1.2按照挖掘?qū)ο蠓诸悾喊凑詹煌臄?shù)據(jù)類型，數(shù)據(jù)挖掘研究在時(shí)間序列數(shù)據(jù)、空間數(shù)據(jù)、文本數(shù)據(jù)、多媒體數(shù)據(jù)等方面展開。①時(shí)間序列數(shù)據(jù)（TimeSeriesData）是與時(shí)間有關(guān)的一系列數(shù)據(jù)。對(duì)時(shí)間序列數(shù)據(jù)的挖掘主要是發(fā)現(xiàn)序列中事物出現(xiàn)的周期和規(guī)律，以及不同時(shí)間序列間的同步關(guān)系。如應(yīng)用時(shí)間序列預(yù)測(cè)方法可以對(duì)醫(yī)院藥品進(jìn)、銷、存產(chǎn)生的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。②序列（Sequential）模式序列模式與關(guān)聯(lián)模式相仿，其目的也是為了挖掘數(shù)據(jù)之間的聯(lián)系，但是序列模式分析的側(cè)重點(diǎn)在于分析數(shù)據(jù)之間的前因后果。如：對(duì)醫(yī)院門診和住院患者量進(jìn)行預(yù)測(cè)，可以分析某種疾病發(fā)病率的變化趨勢(shì)，病死率預(yù)測(cè)等。③文本數(shù)據(jù)（TextData）就是我們一般的文字，如報(bào)刊雜志、設(shè)備維護(hù)手冊(cè)、故障描述等的內(nèi)容。④多媒體數(shù)據(jù)（MultimediaData）是隨著多媒體技術(shù)而日益涌現(xiàn)的聲音、圖形、圖像、超文本等數(shù)據(jù)。應(yīng)用領(lǐng)域例如針對(duì)大量CT、MR圖像的存儲(chǔ)和查詢問題而興起的基于內(nèi)容的圖像問題。由于與傳統(tǒng)的文本數(shù)據(jù)不同，因此必須采用新的挖掘手段來發(fā)現(xiàn)內(nèi)容和形式間的內(nèi)在聯(lián)系。2.1.2按應(yīng)用層面可醫(yī)院數(shù)據(jù)挖掘可分為診療信息挖掘和管理信息挖掘。診療應(yīng)用如：中山大學(xué)腫瘤防治中心的研究人員通過腫瘤分子信息和數(shù)據(jù)挖掘方法可以預(yù)測(cè)早期非小細(xì)胞肺癌5年內(nèi)是否死亡，這一預(yù)測(cè)的總正確率達(dá)87.2%，該技術(shù)一旦成熟，今后每個(gè)肺癌患者開刀做完手術(shù)后，可借此預(yù)測(cè)其5年存活情況，而且檢測(cè)費(fèi)用遠(yuǎn)比國(guó)外的基因檢測(cè)便宜；上海同濟(jì)大學(xué)附屬醫(yī)院分析糖尿病患者肌肉組織和脂肪含量與骨密度之間的聯(lián)系，得出高肌肉和高脂肪含量可以降低患者髖骨骨折的危險(xiǎn)性；第四軍醫(yī)大利用數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘技術(shù)建立了惡性血液病數(shù)據(jù)庫(kù)分析系統(tǒng)等。管理應(yīng)用如：北京協(xié)和醫(yī)院開展數(shù)據(jù)挖掘在臨床醫(yī)療管理上的研究，為醫(yī)院業(yè)務(wù)管理等提供支撐，并輔助領(lǐng)導(dǎo)決策；廣州南方醫(yī)院采用數(shù)據(jù)挖掘查詢系統(tǒng)查詢醫(yī)生有否開大處方，患者是否花了不該花的醫(yī)藥費(fèi)，且患者有望提前治愈出院。2.2醫(yī)療數(shù)據(jù)挖掘的應(yīng)用研究2.2.1診療信息挖掘診療信息挖掘主要目的是通過患者信息分析，提供有參考作用的醫(yī)療方案。①建立患者隨訪信息庫(kù)。②臨床疾病分析、輔助診斷：如：a.判別分析：用于心臟疾病的分類；用于闌尾炎4種不同類型的判別。b.人工神系統(tǒng)網(wǎng)絡(luò)：用于顱內(nèi)星形膠質(zhì)細(xì)胞瘤良、惡性的影像診斷；用于肺內(nèi)孤立結(jié)節(jié)的影像鑒別診斷。c.決策樹：糖尿病分類規(guī)則建立；前庭區(qū)與頭暈有關(guān)的疾病診斷規(guī)則的提取。2.2.2管理信息挖掘2.2.2.1財(cái)務(wù)管理[15,16]①患者費(fèi)用構(gòu)成分析：患者費(fèi)用由藥品、治療、檢查、手術(shù)、化驗(yàn)等組成。利用數(shù)據(jù)挖掘技術(shù)可以分析醫(yī)院、科室乃至各個(gè)病區(qū)專科內(nèi)的患者費(fèi)用構(gòu)成，從而能有針對(duì)性地控制費(fèi)用比例，探究醫(yī)療費(fèi)用項(xiàng)目結(jié)構(gòu)的合理性，使醫(yī)院管理者有針對(duì)性的控制醫(yī)療費(fèi)用。②同期費(fèi)用對(duì)比分析：利用數(shù)據(jù)挖掘技術(shù)可以按不同的時(shí)間對(duì)各個(gè)科室或各個(gè)病區(qū)同期的各種費(fèi)用進(jìn)行對(duì)比分析，并以各種專業(yè)報(bào)表、視圖的形式反映給醫(yī)院管理者，分析變化趨勢(shì)及可能原因。③成本效益分析：利用數(shù)據(jù)挖掘技術(shù)可以把各個(gè)不同系統(tǒng)如物資設(shè)備系統(tǒng)、財(cái)務(wù)系統(tǒng)等的數(shù)據(jù)匯總到數(shù)據(jù)倉(cāng)庫(kù)，然后對(duì)醫(yī)院的成本效益情況進(jìn)行全面分析，以便能真正把握醫(yī)院的經(jīng)營(yíng)狀況，提高醫(yī)院的經(jīng)濟(jì)效益。例如：對(duì)醫(yī)院資金運(yùn)轉(zhuǎn)情況作財(cái)務(wù)分析，了解醫(yī)院財(cái)務(wù)狀況和資金流向，分析醫(yī)院運(yùn)營(yíng)風(fēng)險(xiǎn)，利用數(shù)據(jù)挖掘中的環(huán)基比和定基比技術(shù)分析醫(yī)院財(cái)務(wù)資金的增長(zhǎng)速度，并用曲線擬合來預(yù)測(cè)未來的資金需求量，為管理者決策和促進(jìn)資源的有效配置提供依據(jù)。④醫(yī)保費(fèi)用構(gòu)成分析：利用醫(yī)院業(yè)務(wù)數(shù)據(jù)結(jié)合醫(yī)保中心返還數(shù)據(jù)對(duì)醫(yī)保分科的定額結(jié)算進(jìn)行分析，指導(dǎo)醫(yī)院各科室合理、高效的利用醫(yī)保資源，在醫(yī)保定額下提供更好的醫(yī)療服務(wù)。2.2.2.2醫(yī)療質(zhì)量管理[17-19]①單病種分析：以ICDlO疾病分類為標(biāo)準(zhǔn)，利用數(shù)據(jù)挖掘技術(shù)對(duì)單病種進(jìn)行分析，包括住院費(fèi)用、住院天數(shù)、轉(zhuǎn)歸、病情、治療方案等方面，為醫(yī)療質(zhì)量管理提供依據(jù)，使醫(yī)生能夠及時(shí)總結(jié)經(jīng)驗(yàn)，找出最佳治療手段，既縮短了患者的就診住院時(shí)間，減輕了患者的負(fù)擔(dān)，同時(shí)提高了醫(yī)療工作效率，增加了醫(yī)院經(jīng)濟(jì)效益。②手術(shù)室感染管理：a.手術(shù)室無菌物品及一次性用品智能備庫(kù)系統(tǒng)；b.總結(jié)消毒滅菌工作與消毒效果的規(guī)律；c.預(yù)測(cè)術(shù)后切口感染合理安排手術(shù)并防止抗生素的濫用；d.利用HIS中知識(shí)解決消毒滅菌難點(diǎn)并杜絕差錯(cuò)；e.對(duì)參觀手術(shù)人員和進(jìn)修生實(shí)習(xí)生的管理；f.對(duì)手術(shù)室消毒滅菌和醫(yī)院感染常規(guī)工作動(dòng)態(tài)監(jiān)測(cè)。③藥學(xué)管理：a.備藥量預(yù)測(cè)：用時(shí)間序列預(yù)測(cè)方法，對(duì)HIS中現(xiàn)有的藥品用量信息進(jìn)行計(jì)算模擬，得出藥品消耗模型。b.制劑最佳批生產(chǎn)量預(yù)測(cè)：在分析醫(yī)院制劑歷年用量及近期消耗趨勢(shì)下，得出該制劑效期內(nèi)用量，并通過計(jì)算得出該制劑的最佳批生產(chǎn)量預(yù)測(cè)模型。c.治療藥物監(jiān)測(cè)：對(duì)藥物監(jiān)測(cè)（TDM）歷史數(shù)據(jù)分析、提取、加工、整合，更深層次挖掘（或發(fā)現(xiàn)）一些新知識(shí)，如開展藥物群體藥動(dòng)學(xué)研究、藥物濃度影響因素相關(guān)度分析等，為臨床提供更多有價(jià)值的資料，實(shí)現(xiàn)給藥個(gè)體化、提高藥物療效、降低藥物毒副反應(yīng)等。d.抗生素合理應(yīng)用自動(dòng)監(jiān)控：對(duì)HIS中相關(guān)信息進(jìn)行提取、分析、挖掘，對(duì)抗生素的用量、耐藥性、聯(lián)合用藥、療程、圍手術(shù)期用藥、預(yù)防用藥、用藥途徑及治療效果等指標(biāo)實(shí)行自動(dòng)監(jiān)控，從而實(shí)時(shí)、有效地監(jiān)測(cè)抗生素使用情況。2.2.2.3醫(yī)院經(jīng)營(yíng)目標(biāo)管理[20]①患者構(gòu)成分析：運(yùn)用數(shù)據(jù)挖掘技術(shù)中的秩和比法對(duì)醫(yī)院門診和住院患者的地區(qū)分布、性別分布、身份分布、職業(yè)分布、年齡分布等方面進(jìn)行分析，從而得到不同類型患者的經(jīng)濟(jì)狀況、需求的主要醫(yī)療服務(wù)類型等信息，了解患者差異對(duì)醫(yī)院收益的影響，從而能夠有針對(duì)性的采取措施來提高服務(wù)質(zhì)量，增加門診量和住院量。②患者流動(dòng)情況分析：該功能可以分析門診患者從掛號(hào)到取藥再到離開醫(yī)院的時(shí)間分布以及住院患者從入院到出院各個(gè)就醫(yī)環(huán)節(jié)的時(shí)間分布。分析出患者的就醫(yī)瓶頸，掌握影響患者診療效率的因素，以便能針對(duì)這些因素采取措施來幫助醫(yī)院管理者進(jìn)行業(yè)務(wù)流程的更新和改進(jìn)，提高患者的就診效率。2.2.2.4經(jīng)營(yíng)決策管理[21]①患者就診時(shí)間分析：由于患者的入院季節(jié)性較強(qiáng)，可以通過分析每月、每季度的門診人次、住院人次、床位周轉(zhuǎn)率，通過時(shí)間維度分析，建立灰色預(yù)測(cè)模型，來預(yù)測(cè)下一時(shí)期的門診和住院人次。根據(jù)預(yù)測(cè)信息，醫(yī)院管理者可以提出有針對(duì)性的措施，確定最優(yōu)的服務(wù)項(xiàng)目時(shí)間表，從而作出終止或開拓某種醫(yī)療服務(wù)項(xiàng)目的決定，實(shí)現(xiàn)對(duì)人力資源、醫(yī)療設(shè)施、醫(yī)療設(shè)備的適當(dāng)配置。②醫(yī)療工作量影響分析：科學(xué)合理地評(píng)價(jià)醫(yī)療工作量，找出影響醫(yī)療工作量變化的主要因素，是進(jìn)行醫(yī)療工作量影響分析的目的。例如：醫(yī)院收治患者數(shù)是醫(yī)院工作量的重要指標(biāo)之一，直接影響醫(yī)院的經(jīng)濟(jì)效益和社會(huì)效益。利用數(shù)據(jù)挖掘技術(shù)中的灰色關(guān)聯(lián)分析方法對(duì)醫(yī)院收治患者數(shù)的影響因素進(jìn)行分析：病床周轉(zhuǎn)次數(shù)、住院患者手術(shù)人次、年收治患者人數(shù)、平均開放病床數(shù)和年平均醫(yī)生人數(shù)與年收治患者數(shù)關(guān)聯(lián)程度等。2.2.2.5醫(yī)院資源管理①科室綜合評(píng)價(jià)分析：利用數(shù)據(jù)挖掘技術(shù)對(duì)醫(yī)院各科室進(jìn)行綜合評(píng)價(jià)分析，選出代表性強(qiáng)、獨(dú)立性好，能反映科室工作效率、治療質(zhì)量、經(jīng)濟(jì)效益、綜合管理等的多項(xiàng)指標(biāo)進(jìn)行綜合評(píng)價(jià)分析，找到科室的薄弱環(huán)節(jié)，并采取相應(yīng)的措施，以提高科室的綜合水平。②醫(yī)療設(shè)備績(jī)效預(yù)測(cè)分析：從HIS中的患者信息中提取病種、數(shù)量、診療類別等信息后與醫(yī)療設(shè)備使用信息相關(guān)聯(lián)，利用數(shù)據(jù)挖掘技術(shù)對(duì)所得到的信息進(jìn)行深層次的數(shù)據(jù)挖掘，構(gòu)建數(shù)據(jù)挖掘模型，利用已建立的數(shù)據(jù)挖掘模型，在醫(yī)療設(shè)備購(gòu)置前對(duì)其績(jī)效進(jìn)行預(yù)測(cè)，使醫(yī)院領(lǐng)導(dǎo)的決策更為準(zhǔn)確、科學(xué)；在醫(yī)療設(shè)備投入使用后，對(duì)其績(jī)效進(jìn)行準(zhǔn)確評(píng)價(jià)，提高醫(yī)療設(shè)備的完好率和使用率。通過進(jìn)一步的數(shù)據(jù)挖掘，實(shí)現(xiàn)對(duì)醫(yī)療設(shè)備從購(gòu)置前的可行性論證到淘汰報(bào)廢的全程決策支持，使醫(yī)療設(shè)備的全壽命期都納入管理者的統(tǒng)籌管理之中，較好地解決醫(yī)療設(shè)備效益、代價(jià)、風(fēng)險(xiǎn)等互相制約的管理難題，充分發(fā)揮醫(yī)療設(shè)備的社會(huì)效益和經(jīng)濟(jì)效益。因此本研究具有明確的推廣應(yīng)用前景及重大應(yīng)用意義。2.3醫(yī)療數(shù)據(jù)挖掘的熱點(diǎn)及前景當(dāng)前，數(shù)據(jù)挖掘的研究方興未艾，其研究與開發(fā)的總體水平相當(dāng)于數(shù)據(jù)庫(kù)技術(shù)在20世紀(jì)70年代所處的地位，迫切需要類似于關(guān)系模式、數(shù)據(jù)挖掘系統(tǒng)和SQL查詢語言等理論和方法的指導(dǎo)，才能使數(shù)據(jù)挖掘的應(yīng)用得以普遍推廣。其研究可能會(huì)集中到幾個(gè)方面，而生物信息或基因的數(shù)據(jù)挖掘則是熱點(diǎn)之一。數(shù)據(jù)挖掘在醫(yī)院管理中的應(yīng)用將會(huì)涉及醫(yī)療及管理的各個(gè)部分及層面，數(shù)據(jù)挖掘?qū)⑿纬上到y(tǒng)，并通過廣泛深入的數(shù)據(jù)挖掘產(chǎn)生醫(yī)療方案數(shù)據(jù)庫(kù)，為合理診斷、完善臨床路徑，提供有效幫助；通過數(shù)據(jù)挖掘分析達(dá)到人力資源合理配置；通過數(shù)據(jù)挖