淺談數(shù)據(jù)挖掘分析對(duì)乳腺癌的初篩與預(yù)防的影響

【摘要】數(shù)據(jù)挖掘是應(yīng)用一系列技術(shù)從大型數(shù)據(jù)庫中提取人們感興趣的信息和知識(shí)。本文詳細(xì)介紹了數(shù)據(jù)挖掘技術(shù)，總結(jié)了近年來數(shù)據(jù)挖掘技術(shù)在乳腺癌醫(yī)療輔助診斷中的應(yīng)用。【關(guān)鍵詞】數(shù)據(jù)挖掘

乳腺癌

初篩與預(yù)防國內(nèi)外大量文獻(xiàn)的報(bào)道中乳腺癌發(fā)病率居女性惡性腫瘤首位。據(jù)世界衛(wèi)生組織（who）統(tǒng)計(jì)，每年有120萬至140萬女性患乳腺癌，約50萬患者死于乳腺癌。近年來，隨著生活水平的提高，我國乳腺癌的增長速度最為明顯。我國是一個(gè)發(fā)展中國家，乳腺癌的發(fā)病率呈線性增長，患乳腺癌的年齡也越來越年輕。其預(yù)后與早期發(fā)現(xiàn)、正確診斷和正確治療密切相關(guān)。早期診斷是改善預(yù)后、降低死亡率的關(guān)鍵。乳腺癌臨床診療及術(shù)后康復(fù)護(hù)理綜合醫(yī)學(xué)模式的研究，為乳腺癌的診治提供了大量的醫(yī)學(xué)數(shù)據(jù)，促進(jìn)了臨床乳腺癌診療技術(shù)的不斷發(fā)展。因此，針對(duì)數(shù)據(jù)挖掘技術(shù)在乳腺癌領(lǐng)域的應(yīng)用現(xiàn)狀進(jìn)行研究，為臨床醫(yī)務(wù)人員和科研人員進(jìn)一步針對(duì)乳腺癌的數(shù)據(jù)挖掘提供借鑒是非常有必要的。一、數(shù)據(jù)挖掘主要關(guān)鍵技術(shù)（一）人工神經(jīng)網(wǎng)絡(luò)它是對(duì)人腦的某種程度上的抽象、簡化和模仿，通過對(duì)大量歷史數(shù)據(jù)庫中的計(jì)算來建立數(shù)據(jù)模型，是一種自適應(yīng)、自學(xué)習(xí)的算法模型在數(shù)據(jù)挖掘中的廣泛應(yīng)用，是集神經(jīng)學(xué)科、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)、計(jì)算機(jī)科學(xué)及工程學(xué)等學(xué)科于一體的技術(shù)。它在乳腺疾病診治中可用于預(yù)測(cè)同側(cè)腋窩淋巴結(jié)轉(zhuǎn)移、活組織檢查結(jié)果，它可以幫助識(shí)別小腫塊的性質(zhì)，評(píng)估乳腺癌的風(fēng)險(xiǎn)和患者對(duì)化療的反應(yīng)，分析生存率，識(shí)別基因轉(zhuǎn)錄標(biāo)記物等。在乳腺癌的輔助診斷中，主要是通過提取一類圖像數(shù)據(jù)（如超聲、鉬靶X線、磁共振、SPECT等）來實(shí)現(xiàn)的。Newell等用人工神經(jīng)網(wǎng)絡(luò)提取乳腺M(fèi)RI的8個(gè)形狀/邊緣參數(shù)和10個(gè)紋理增強(qiáng)作為診斷特征，建立了一個(gè)良惡性辨別診斷模型。Zhong等用誤差反向傳播算法建立一個(gè)混合神經(jīng)網(wǎng)絡(luò)，通過乳腺超聲圖像中復(fù)雜的輪廓特征對(duì)乳腺腫塊進(jìn)行分類，結(jié)果診斷準(zhǔn)確率達(dá)到0.93。目前人工神經(jīng)網(wǎng)絡(luò)用于兩種及兩種以上影像診斷技術(shù)方面的研究尚少，而且部分研究證實(shí)了提取兩種影像資料數(shù)據(jù)庫的特征診斷率高于單一影像資料。Yuan等用貝葉斯人工神經(jīng)網(wǎng)絡(luò)方法分別對(duì)全景數(shù)字乳腺X線攝影（FFDM）圖像、動(dòng)態(tài)增強(qiáng)對(duì)比磁共振（DCE-MRI）圖像、聯(lián)合FFDM與DCE-MRI圖像三個(gè)數(shù)據(jù)庫提取特征指標(biāo)輔助診斷乳腺良惡性病變，并用ROC曲線下面積來評(píng)估其診斷準(zhǔn)確率，結(jié)果顯示FFDM為0.74±0.04，DCE-MRI為0.78±0.04，聯(lián)合FFDM與DCE-MRI為0.87±0.03.證明了聯(lián)合兩種影像資料優(yōu)于單一影像資料。（二）決策樹決策樹是一種用樹枝狀展現(xiàn)數(shù)據(jù)，受各變量情況影響的分析預(yù)測(cè)模型，根據(jù)對(duì)目標(biāo)變量產(chǎn)生效應(yīng)的不同而制定分類規(guī)則。它首先通過一批已知的訓(xùn)練數(shù)據(jù)建立決策樹，然后采用建好的決策樹對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)，其產(chǎn)生的結(jié)果簡潔明了，易于理解，并可從病例中自動(dòng)產(chǎn)生診斷規(guī)則。Lee等提取乳腺熱圖像中的的25個(gè)參數(shù)特征作為因素分析，根據(jù)異常腫塊的特點(diǎn)，利用決策樹自動(dòng)產(chǎn)生診斷規(guī)則來進(jìn)行分類，然后對(duì)71個(gè)乳腺癌患者和131個(gè)正常女性進(jìn)行模型分析，結(jié)果證實(shí)決策樹模型的診斷分類性能較好。此外，決策樹還可判斷各參數(shù)對(duì)乳腺癌診斷貢獻(xiàn)的大小。Dietzel等使用決策樹方法來預(yù)測(cè)乳腺M(fèi)RI中的17個(gè)指標(biāo)與淋巴結(jié)轉(zhuǎn)移的關(guān)系，結(jié)果顯示其中7個(gè)指標(biāo)與淋巴結(jié)轉(zhuǎn)移有密切關(guān)系，而最為顯著的是皮膚增厚和內(nèi)部增強(qiáng)。（三）關(guān)聯(lián)規(guī)則若兩個(gè)或多個(gè)變量之間存在某種規(guī)律性，就稱為關(guān)聯(lián)，數(shù)據(jù)關(guān)聯(lián)是指存在于數(shù)據(jù)庫中有潛在聯(lián)系的知識(shí)。關(guān)聯(lián)規(guī)則挖掘就是通過關(guān)聯(lián)分析找出數(shù)據(jù)庫中隱藏的知識(shí)，利用這些知識(shí)可以根據(jù)已知情況對(duì)未知問題進(jìn)行推測(cè)，旨在挖掘出數(shù)據(jù)庫中有潛在聯(lián)系的關(guān)系網(wǎng)。它在輔助診斷乳腺癌時(shí)主要通過對(duì)乳腺癌患者大量的數(shù)據(jù)庫信息進(jìn)行關(guān)聯(lián)分析，發(fā)現(xiàn)數(shù)據(jù)庫中某些隱藏的與乳腺癌有關(guān)的聯(lián)系。Woods等用邏輯程序設(shè)計(jì)運(yùn)算法則歸納出62219個(gè)異常乳腺鉬靶X線片，在惡性病變中學(xué)習(xí)形成了80個(gè)獨(dú)特的規(guī)則。一個(gè)放射科學(xué)者評(píng)價(jià)了所有的規(guī)則，發(fā)現(xiàn)了潛在的感興趣的聯(lián)系，并證實(shí)了高密度腫塊、形狀不規(guī)則、細(xì)針狀邊緣、年齡可作為惡性病變獨(dú)立的預(yù)測(cè)因素。Hoffman等使用基因關(guān)聯(lián)分析對(duì)15個(gè)miRNA基因進(jìn)行基因篩選，檢測(cè)到miR-196a-2基因上的一個(gè)共同序列變異能顯著降低乳腺癌的風(fēng)險(xiǎn)，并表明在乳腺腫瘤患者中miR-196a-2基因可能具有潛在的致癌作用。彭玉蘭等利用乳腺超聲詞典和詞典關(guān)聯(lián)規(guī)則對(duì)超聲和病理良惡性診斷信息進(jìn)行數(shù)據(jù)挖掘，結(jié)果其關(guān)聯(lián)檢索的質(zhì)量達(dá)99.98%。二、數(shù)據(jù)挖掘在乳腺癌初篩與預(yù)防中的創(chuàng)新性和先進(jìn)性（1）數(shù)據(jù)挖掘技術(shù)是一項(xiàng)跨學(xué)科多領(lǐng)域的新興技術(shù)，合理使用數(shù)據(jù)挖掘技術(shù)可以解決許多問題，如有效提高臨床診斷的準(zhǔn)確性、完善疾病預(yù)警機(jī)制、開展遠(yuǎn)程醫(yī)療、提高醫(yī)療質(zhì)量、減少醫(yī)患矛盾等。（2）數(shù)據(jù)挖掘技術(shù)是對(duì)海量數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行統(tǒng)一分析和處理的技術(shù)，對(duì)醫(yī)學(xué)領(lǐng)域而言，發(fā)現(xiàn)潛藏在醫(yī)療數(shù)據(jù)庫中的有效信息，并將這些潛藏信息應(yīng)用到臨床實(shí)踐的一次有意義的嘗試過程。乳腺癌已被公認(rèn)為嚴(yán)重威脅女性健康的惡性疾病，通過對(duì)乳腺癌疾病的不斷深入研究，存在乳腺癌疾病下的信息被不斷探索，針對(duì)乳腺癌的診治方法，也將得到不斷創(chuàng)新，隨著醫(yī)療數(shù)據(jù)的持續(xù)積累，也許在將來的某一天，乳腺癌會(huì)變成可以被根治的疾病。三、數(shù)據(jù)挖掘在乳腺癌運(yùn)用中的前景乳腺癌的診斷以往大都是建立在病檢并結(jié)合醫(yī)生經(jīng)驗(yàn)的基礎(chǔ)之上，帶有一定的主觀性和偶然性，有時(shí)候可能還會(huì)造成誤診的情況。而基于醫(yī)學(xué)信息數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)挖掘技術(shù)，從循證醫(yī)學(xué)的角度出發(fā)，探索出最科學(xué)合理的方法，提高了乳腺癌診斷的準(zhǔn)確性和客觀性，避免了主觀因素帶來的影響，降低了不必要的活檢率，從而減輕患者的痛苦和經(jīng)濟(jì)負(fù)擔(dān)，減少國家醫(yī)療資源的浪費(fèi)，具有較廣泛的實(shí)用價(jià)值。因此，我們應(yīng)開發(fā)出更先進(jìn)的數(shù)據(jù)挖掘方法，快速有效地提取出信息的客觀特征指標(biāo)，不斷完善數(shù)據(jù)挖掘技術(shù)，開發(fā)