数据挖掘技术在临床医学领域的应用

数据挖掘技术在临床医学领域的应用

数据挖掘是为了解决“数据丰富、知识不足”的情况而设计的，是一种可靠的技术来获得大量数据知识。已经成为当今临床医学领域处理海量数据,从中获取知识和规律的重要工具之一。随着人们生活水平的提高和很多不健康生活习惯的养成,冠状动脉粥样硬化性心脏病(CoronaryHeartDisease,简称冠心病CHD),已经逐渐成为威胁人类健康重大疾病之一,冠心病的发生发展是一个复杂的病理生理过程,运用数据挖掘技术,系统、客观地总结评价冠心病中医证治规律,可为冠心病中医临床证治提供新的思路。1基于数据挖掘的冠心病把握方法数据挖掘(datamining)是从大量的、不完全的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。随着数据库技术的飞速发展及数据库管理系统的广泛应用,各个领域的数据库或数据仓库里面都收集了海量数据,现在人们已经不再满足于对数据库进行简单的查询,而是希望借助现代信息处理技术,能够得到隐藏在数据中反映事物本质和预测事物发展趋势的有用知识,并以这些知识为基础辅助科学决策。冠心病数据挖掘是应用数据挖掘技术对冠心病医案、文献等资料进行收集整理和分析,从中寻找冠心病证治的相关规律。目前用于冠心病中医研究的数据挖掘方法主要有:关联规则、贝叶斯网络、集对分析、粗糙集理论、聚类分析、人工神经网络、决策树、隐结构等。2中医证候学研究中医药在漫长的发展过程中形成了自己独特的理论和专业术语,应用现代科学技术对中医药理论、实践进行科学阐释和解析,特别是进行信息化、数字化和知识化的研究是促进中医药国际化和现代化进程的重要内容之一。田松利用网络数据库结合统计分析法,检索近10年关于冠心病辨证的现代文献,挖掘冠心病证素证型的关系,通过频数统计方法,统计所收录的文献中冠心病证素、证型、应证组合出现的频数、比例,并分析其特点。仇琪对现有冠心病证候相关理化指标文献进行检索,利用Shannon熵互信息的数据挖掘方法,对冠心病证候与理化指标的复杂相关性进行分析,为中医证候的诊断客观化与生物学基础的进一步研究提供依据。朱咏华等将贝叶斯网络运用于中医辨证系统的研究,建立中医辨证贝叶斯网络结构及概率表,利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候-证素-证名间的关系,其结果与中医专家经验有较高的吻合性。吴荣运用贝叶斯网络等数据挖掘方法,对陈可冀等7名专家治疗冠心病心绞痛的115例医案的中医证候要素及所属症状进行定性和定量研究,并建立冠心病名医诊疗数据库,旨在发掘名老中医冠心病心绞痛辨证规律。王阶等以血瘀证为例,按照循证医学的原则,用隐变量分析方法对多中心、大样本的流行病学调查获得的2004份血瘀证调查表,建立了一个可以用中医理论解释的隐结构模型并进行分析,研究表明,利用隐结构模型可以探讨中医辨证的客观化、定量化,揭示众多症状间以及症状与证候间复杂的相互关系,为中医辨证的科学发展提供依据;同时利用Epidata2.0软件,对中医治疗冠心病心绞痛139篇文献(10646例患者)研究分析,建立冠心病心绞痛中医疗效评价指标文献数据库。吴焕林等利用聚类分析的方法探讨冠心病心绞痛的中医证候特点。王金虹利用粗糙集理论对冠心病病因进行分析研究。时丽莎等将关联规则方法用于冠心病中医临床研究,探讨冠心病证型诊断、诊治规律及用药规律。ShiQi采用复杂网络对冠心病不稳定性心绞痛中医证候进行识别,再并一步采用决策树的数据挖掘方法,探讨冠心病不稳定性心绞痛中医证候识别规律。Chen等以血瘀证为例,比较4种不同类型数据挖掘方法:贝叶斯模型、神经网络、支持向量机、决策树,结果表明神经网络方法最佳,准确率达到了88.6%。大量的中医医案和文献是中医学历史的主要载体之一。随着时间的推移,中医医案的各类文献不断涌现,如何对海量但又缺乏标准化、规范化的医案信息进行整理与分析,是医案研究面临的重要问题。数据挖掘技术为医案和文献研究提供了良好的工具,越来越多的学者尝试将数据挖掘技术应用于医案和文献的整理和挖掘,并且取得了较好的效果。3中医临床研究临床病历是医生诊疗活动和处方用药经验的真实记录,是第一手资料,包含着丰富的中医辨证论治经验和临床方药运用规律,体现了中医理、法、方、药的综合运用。借助现代先进的计算机、数据库、数据挖掘等方法和技术,利用结构化电子病历采集系统、中医临床数据网络分析系统等将临床医生大量的诊疗信息充分采集,可以建立满足中医临床和科研需求的医疗业务平台、数据管理平台与临床研究平台,形成中医临床科研信息一体化的技术体系。倪青应用结构化住院病历临床采集系统收集了7家医院1274例2型糖尿病合并冠心病患者的临床数据,旨在发掘2型糖尿病合并冠心病的常见症状、证候分布特征。张京春利用中医临床数据采集系统,以复杂网络等技术探索陈可冀教授治疗冠心病心绞痛的方法,总结陈可冀教授病证结合诊疗冠心病心绞痛的临床经验,为探索冠心病证候-治法规律以及名老中医相关经验研究提供了思路。孙贵香提出利用人工神经网络技术,建立“冠心病中医证候数据库系统”,并以MATLAB为平台构建冠心病中医证候BP神经网络模型。数据挖掘技术在临床科研中有着重要作用,对中医药信息进行数据挖掘是促进中医药信息结构化的途径之一,利用数据挖掘技术对中医复杂临床数据进行研究,可以客观的对临床相关信息进行评估,有益于进一步的临床研究。4基于立法的关于本研究的内容应注意调查结果,并注意从药中医数据具有非线性、模糊性、复杂性、非定量等特征,不同的挖掘目标或针对具体的医学数据,往往会将几种方法综合起来应用。每一种数据挖掘方法均有自身存在的方法学限制,因此多种方法综合来应用,可以相互弥补,发展各自的技术及整合优势。而目前冠心病中医证治数据挖掘多集中在一种方法上,较少几种方法联用的案例,结果存在一定局限性,且目前选择的数据分析方法较为简单,如神经网络、决策树、多维关联规则等,均可进一步探索。因此在今后的研究中,应当针对具体问题,选择合适的数据挖掘方法,发现隐含于其中的诊疗规律,挖掘出真正有价值的知识,促进中医药现代化向纵深方向发展。大量的中医医案文献是中医学历史的主要载体之一,中医学者的经验精华所在,面对海量但又缺乏标准化、规范化的医案和文献信息,数据挖掘技术为医案和文献研究提供了良好的工具。大规模的临床资料是医生诊疗和处方用药的真实记录,是非常富有价值的知识来源,包含了中医辨证论治经验和临床规律。如何对这些资料进行二次分析,是中医临床科研研究的重大问题之一。实践表明,数据挖掘在中医医案文献的整理中及中医临床信息采集平台在科学研究中,确