| 标题 | 数据挖掘技术及其在医学信息领域的应用 |
| 范文 | 刘妍 摘 要 本文简单介绍了数据挖掘技术，分析了数据挖掘技在医学信息领域的重要意义，阐明医学数据挖掘的主要应用，并对数据挖掘技术在医疗管理、疾病诊断和医学科研方面的具体应用进行了分析研究，肯定了数据挖掘技术在医学信息领域的价值和广阔的应用前景。 关键词 数据挖掘技术；医学信息；医学应用 中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2016）172-0132-01 数据挖掘技术自20世纪90年代开始兴起，随着信息时代的到来，数据挖掘技术受到越来越多的关注。数据挖掘技术在众多不同领域正发挥着重要作用，和其他领域一样，数据挖掘技术在医学信息领域也具有广泛应用。数据挖掘技术有助于医院管理者做出民智决策、医生做出正确诊断、医学研究者做出有效分析和预测。 1 数据挖掘技术 数据挖掘（Data mining）是指从大型数据中通过算法发现或提取有意义、有潜在价值、新颖的信息与规律等知识。Shapiro在1989年8月举行的第11届国际联合人工智能学术会议上，首次提出数据库中知识发现一词——数据挖掘技术。随后，很快吸引了大量数据库工作者转向数据挖掘的研究。 经历了20余年的发展，数据挖掘的算法日趋成熟，融合了模式识别、数字图像处理、数据库技术、信息检索、数理统计等众多技术。数据挖掘是一个复杂的过程，它是由多个流程组成的，随不同领域的应用这些流程会有所变化，一般的流程为问题定义、数据准备、数据转换、数据挖掘、结果评估、知识的发现和应用。这些流程的顺序并不是线性的，而且为了取得好的数据挖掘结果常常需要反复。数据挖掘的方法主要有概念描述、关联分析、分类、聚类分析、异常检测等。 2 数据挖掘在医学信息领域的重要意义 医学信息的形式多样，包括文字、图像、声音、视频等形式，它涵盖了生物信息学、药物信息学、医学图形信息学等学科，同时，具有隐私性、冗余性、不完整性、模糊性且带有噪声等特点。数据挖掘作为一种数据处理技术，从医学数据信息中寻找潜在的关系或规律，从而获得有效的对病人进行诊断、治疗，增加对疾病的预测准确性，实现疾病的早期发现，提高治愈率，为医学信息领域提供了新的方法[ 1 ]。 1）医学数据挖掘技术有助于提高数据分析效率，增加产生新知识的速度。医学数据库是一个庞大的信息库，有海量的数据，而且数据的形式多样，要在这样的数据信息中找到有价值的信息，采用传统的方法需要花费更多的时间。利用数据挖掘技术，可以分析数据的趋势变化和规律，减少数据冗余和重复性的影响，减少数据量，选择合适的算法制定规则还可以实现自动化分析。如数据挖掘技术分析电子病历中分散、非结构化数据，进行自动化的数据采集[ 2 ]。 2）医学数据挖掘技术可以提供知识的准确性和可靠性，提高疾病的治愈率。日常医疗中通常采用抽样的方法获取样本，结果导致往往只有一部分符合特定要求，存在样本的局部性并影响真实性。数据挖掘技术从数据的整体性出发，通过概率抽样、评估、假设验证等过程提取信息中的共性特征和个性差异，弥补了随机对照实验的不足。理论上还能够根据病人的个体差异，给出个性化治疗方案。如通过整合系统生物学与电子病历数据，医学数据挖掘技术为个性化医疗计划转变为临床实践提供机会。 3）医学数据挖掘技术可以用于预测建模，辅助临床诊断和推荐治疗措施。大量的研究和大数据的到来，使得大部分临床医生的知识转化变得非常困难，难以跟上最新的知识来指导临床诊断。数据挖掘预测建模，根据特定信息对离散数据进行预测。谷歌公司利用人们在网上检索的与流感相关的记录建立了数学模型，成功的预测流感传播和发生的地点。又如癌症早期诊断中，利用数据挖掘技术对癌症患者做出诊断和提出治疗方案。 3 数据挖掘在医学信息领域的应用 医学信息与数据挖掘都是快速发展的前沿研究，复杂多变的需求分析及医学信息数据的特点，使医学信息的数据分析迫切需要数据挖掘技术的支持。医学信息中的很多内容，如在医疗管理、疾病诊断和医学科研方面，都在数据库技术中找到了支持。 1）医疗管理。目前，随着数字化的普及，很多医院都建立了庞大的数据库，目前主要有医院信息系统（hospital information system，HIS），它分为管理信息系统和临床信息系统，管理信息系统主要处理诸如人事、财务和设备管理等医院内部管理方面的信息，临床信息系统主要处理患者相关信息。从数据库中运用数据挖掘技术，来分析和发现数据的各种信息，可以帮助医院决策者更好的制定管理策略[3]。按照数据挖掘的需求，进行关联分析、分类分析、聚类分析等挖掘算法，可进行医院费用分析、医疗质量管理、医用耗材管理、住院患者人群分类等。 2）疾病诊断。面对日益庞大的病案数据，仅依靠临床经验，容易出现诊断错误，针对临床数据库、医学图像等，数据库挖掘技术也发挥着重要的作用。 决策树算法帮助医生从大量数据中寻找规律，提高准确率。应用聚类算法、关联规则等还可以进行疾病诊断因素和疾病关联等方面的分析，如实现癌症的早期诊断和预防等。 医学图像随着医疗设备的发展，种类都越来越多，医学图像中蕴含这丰富的图像特征和规则信息，使用决策树、神经网络和关联规则等数据挖掘算法，可以辅助医生对病变区域进行分析，提高医学诊断的准确性和正确性。 3）医学科研。基因研究：数据挖掘技术与传统的统计分析，在数据分析的效率上有明显的优势。利用关联规则、聚类分析等有助于发现一组序列的差异及相似性，阐明多个序列间的关系，确定基因种类。 蛋白质结构预测：许多国家组建了蛋白质结构和功能数据库，为科研工作这提供丰富信息的同时，由于数据分散、存储媒介多、数据冗余等复杂性，使用数据库技术进行数据清理，追踪蛋白质数据序列，为蛋白质结构预测提供便利。 药物发现及设计：数据挖掘技术有助于增加新药发现和设计中的主动性并避免盲目性。利用数据挖掘技术对从庞大的化合物数据库中发现药物靶分子，对药物进行筛选、药物毒理学、药物副作用分析，从而降低药物开发的时间和成本[4]。 4 结论 医疗信息的数字化发展和医学研究工作者对高校处理和分析大数据的渴望为数据挖掘提供了广阔的研究空间，也显示了数据挖掘在医学信息领域的发展潜力。利用数据挖掘技术，将帮助医疗管理、临床疾病诊断和医学科研等。相信在不久的将来，数据挖掘在医学信息领域将取得突破性进展。 参考文献 [1]石晓敬.数据挖掘及其在医学信息中的应用[J].医学信息学杂志，2013（34）：2-6. [2]秦文哲，陈进，董力.大数据背景下医学数据挖掘的研究进展及应用[J].中国胸心血管外科临床杂志，2016（1）：55-60. [3]陈郁韩.数据挖掘技术在医院管理中的应用.中国医学装备，2014（1）：62-65. [4]杨春华，李春华，王桂枝，等.数据挖掘技术在药物研究与发现中的应用[J].医药导报，2005，24（12）：1143-1145. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。