郑州市第四中学 河南郑州 450052
摘要：医院每天都会有大量的临床信息资料，所以医院必须应用科学的信息技术，建立信息资源管理系统，才能实现医院科各种资源的有效管理，使数据信息资源得到有效利用，挖掘出有价值的信息。其中，数据挖掘技术的应用可以进一步提升医院的综合技术水平。基于此，文章主要分析了数据挖掘技术在临床医学中的应用。
关键词：数据挖掘技术；临床医学；应用
引言
如今，随着科学技术的快速发展，医院的信息化管理水平也在不断提升，应用先进的科学信息技术，可以实现医院之间信息的共享，进而为临床疾病的诊断与治疗提供有效的参考信息。医院信息管理系统具有大量的数据信息，相关人员要想从大量的数据信息中快速地找到有效信息，就必须应用数据挖掘技术，该技术能提高数据分析效率，从大量数据中提取出有用的数据，进而提升医疗工作的质量和效率。
1数据挖掘技术概述
数据挖掘技术是通过使用一定的分析工具，对大量的、随机性的、有噪声的以及模糊的数据进行分析，找出与建立模型存在一定关系的、有重要应用价值的数据，而在数据挖掘过程中会采用较多的技术，例如，统计技术、数学技术以及认知技术等。通过数据挖掘技术寻找出的重要数据可为企业服务，例如，风险分析、风险预测等，当然数据挖掘技术在各行各业均有重要的应用价值。图1为数据挖掘技术的操作示意图，从图中可以看出，具体的操作是：定义问题→准备数据→浏览数据→生成模型→验证模型→部署和更新模型，其中浏览数据以及验证模型均需要从定义问题入手进行分析。当然在数据挖掘技术应用过程中，并不一定要严格地根据该流程进行操作，因为整个操作过程具有动态性和交互性的特点。
图1 数据挖掘技术操作示意图
2临床医疗数据的特点以及常用数据挖掘技术
2.1临床医疗数据的特点
临床医疗数据通常包括以下几个特点：第一，数据多样。临床医疗数据成千上万，包括文字、声音、图片、符号、影像、视频等，所以结构类型众多，这是它最显著的特点。第二，数据量巨大。随着人们生活水平的不断提高，越来越多的人把身体健康放在首位，不定期去医院做体验，医院各种医疗设备就会产生成千上万条的医疗数据信息，进而导致医疗数据量急剧增长。第三，数据表征不显著。医疗数据有文字、图形等非数值型数据，使得数据挖掘人员很难找到数据间的对应关系。由于不同医生的医技水平不同，在诊疗过程中诊断病人情况可能存在不确定性，导致诊断结果不完整，也就难以发掘准确信息，最终导致每天都有大量相同或相近的数据产生，造成医疗数据的大量冗余。第四，数据安全的重要性。病人在医院治疗完成后会留下各种医疗数据，这些数据都是病人的隐私，医院在进行数据分析和资源共享时，要确保数据资料的安全性，防止泄露病人的隐私。
2.2常用数据挖掘技术
2.2.1聚类分析
聚类分析是在缺乏先验知识时，对无类别标记数据资料的全面分析，再以“物以类聚”的原则进行分析，而聚类分析认为同类样本存在的距离小，且不同类样本距离大，将其分类之后所呈现的相似性极小，但会增大类内相似性。此种分析方式多用于临床疾病诊疗中，可分析诊疗症状组合规律与用药规律，能够推动医疗事业的进一步发展。可使用关联规则Apriori算法及复杂系统熵聚类计算获得药物频次、药物组合频次等；而临床诊疗中的症状非常复杂，应用该种方法时要依据实际情况确定聚类数量与最优样本距离。
2.2.2决策规则法与决策树
决策规则法与决策树是一种解决实际分类问题的方法，简而言之，分类是使数据反映到一个事先定义好的类别中的函数过程，以一组输入属性值的向量或者相应类，归纳学习算法，然后得出分类。学习的目标就是要构建分类模型，根据属性输入值来预测实体的类。换言之，分类就是将一不连续标识值分到一个未标识的记录过程，由于分类规则较直观，所以容易被人接受。
2.2.3粗糙集理论
粗糙集理论能准确处理分析不准确、有噪声的数据，可用于离散化特征变量数据，这时便可合理推理不完全的知识，从而全面识别数据间存在的关系。该理论可以已知样本信息，类似粗糙地表示不精确的信息，进而获得相应的分类预测效果，此理论并不需要提前验证信息，对临床诊疗有着很大帮助。
3临床医学中数据挖掘技术的应用
3.1在疾病诊断中的应用
疾病诊断的准确性对于病人合理用药指导以及康复指导具有重要意义。在临床医学上，疾病类型多种多样、致病原因错综复杂，应用数据挖掘技术可以更好地进行临床诊断。在疾病诊断方面，模糊逻辑分析法、人工神经网络、粗糙集理论等工具都非常有效。例如，我国学者应用人工神经网络分析法进行类风湿的临床诊断，有效提升了临床诊断的准确性。国外学者也将人工神经网络分析法用于实体性肺结节的临床诊断，准确率可达100％。
3.2分析疾病相关因素
医院信息库中通常包含大量患者的个人资料以及病情信息，例如，患者的性别、年龄、生活情况等多方面资料，通过应用数据挖掘技术对信息进行分析，可以得出有指导性意义的模式以及关系，并且可以分析出疾病的发病原因、相关性危险因素，能有效指导各种临床疾病的预防。例如，国外研究人员应用数据挖掘技术成功分析了导致产科早产的三个危险性因素。
3.3在临床疾病预后中的应用
在患者临床治疗过程中，通常为了确保较好的治疗效果，相关人员需要在正式开展治疗之前，结合患者的实际情况，制定出多种治疗方案，并分析每一种治疗方案的优劣及预后效果，但是对于恶性肿瘤一类的疾病来说，要对其预后情况进行预测，难度是比较大的。应用数据挖掘技术可以降低预测难度，数据挖掘技术在临床疾病预后预测中的应用，主要集中在以下几个方面：对患者的生存概率进行预测、对患者疾病复发率进行预测、对患者的生存率进行预测。例如：有学者将基于微阵列数据与临床数据共同应用于乳腺癌预后的预测当中，应用贝叶斯网络模型自动实施特征选择，在识别出乳腺癌与各个相关因素的相关程度之后，再做出相应的判断。
结束语
总而言之，信息技术的发展极大地促进了医疗信息系统的建设，信息技术的应用不仅能实现各医院之间的信息资源共享，而且还能为临床疾病的诊治提供有效帮助。而数据挖掘技术的应用可以更加方便、快捷、准确地获取重要信息，从而为疾病的诊治提供参考信息，进而提升疾病的治疗效果。
参考文献：
[1]刘波.浅谈数据挖掘技术在临床医学领域中的应用[J].电子世界,2017(12):30.
[2]董亚群.临床医学中数据挖掘技术的运用分析[J].科技视界,2013(30):90.
[3]张堉灵.数据挖掘技术在临床疾病诊疗中的应用探究[J].通讯世界,2016(18):71-72.
论文作者:何广乐
论文发表刊物:《基层建设》2018年第11期
论文发表时间:2018/6/11
标签：数据论文; 数据挖掘论文; 技术论文; 疾病论文; 信息论文; 医疗论文; 医院论文; 《基层建设》2018年第11期论文;