您好, 访客   登录/注册

数据挖掘在医疗系统中的应用

来源:用户上传      作者:

  摘要:随着互联网医疗以及新的医疗保险政策的实施,医疗资源信息呈现“爆炸式”的增长趋势,而人口老龄化以及人们健康意识的提高,无疑加剧了医疗系统的压力。目前,人工智能和数据挖掘等新兴计算机技术已经成为研究热点,极大地促进了各行各业的发展。利用新兴技术,分析各类医疗资源信息,帮助解决医疗资源分配不均衡问题,优化就诊流程、提高患者就诊效率,减轻医护人员劳动强度,已经逐渐成为新时代背景下现代医疗系统中研究的重点和难点。因此,本文针对性地介绍了数据挖掘技术对于医疗系统中的具体应用以及存在的问题,旨在促进该领域的进步。
  关键词:数据挖掘;互联网医疗
  中图分类号:TP311 文献标识码:A
  文章编号:1009-3044(2019)35-0008-02
  1 数据挖掘应用于医疗系统的契机
  数据挖掘,是指从海量数据中发现规律并帮助决策的一门数据科学。它通过数理统计、运算分析以及构建数学模型,发现大量的现实数据中蕴含的数学规律,得到人们事先不知道的、隐含其中的具有潜在用处的知识与信息的过程[1]。这些知识和信息通常是隐藏却又极具价值的,加以善用可以创造巨大的商业价值和社会价值。例如,通过数据挖掘技术分析用户的网上购物记录,可以发现其中规律,从而促进潜在消费并提高交易量。而这样的例子,在我们的生产生活中无处不在,俨然已经现代信息化社会的支柱。
  在2018年的国务院发展报告中,秉持鼓励创新、包容审慎的理念,明确了支持“互联网+医疗健康”发展的政策导向。党中央、国务院一直以来,也都高度重视基础医疗服务的建设,致力于提高医疗服务的均衡化、普惠化和便捷化水平。“让百姓少跑腿、数据多跑腿”的思想,不断促使着服务的升级和进步。这一理念的支持下,医院信息系统提供电子病历、网上预约挂号、远程会诊等服务,减少了大量的人力和物力,让看病变的简单便捷,医院的信息化水平也在稳步提升[2]。尽管如此,随着人口老龄化和人们健康意识的提高,公共医疗服务出现了新的需求形态,如在线问诊、健康监测、病患预测等,而资源分配不均衡、外来人员进城寻求更好医疗条件加剧了医疗服务压力,在巨大的公共卫生需求面前,现有的医疗资源依旧紧张。因此,将数据挖掘技术应用于医疗领域,并且凭借该技术的先进性和技术优势,提高政府、数据的资源利用率,发挥出社保卡、医疗数据的应用价值,进一步提升医疗领域的技术水平和服务质量,减轻医护人员的劳动强度,是大势所趋,也是未来发展的方向。
  2 数据挖掘于医疗系统中应用探析
  数据挖掘的基础是数据,涉及数据的领域都可以通过数据挖掘方法进行分析,只是得到的知识和规律的价值可能各不相同。在公共医疗系统中,据挖掘的应用范围可以涵盖医疗流程的各个方面,包括医疗就诊、医疗诊断、药物研发、医疗收费和医疗管理等。由于应用范围广,在此本文仅介绍具体应用的几个方面。
  2.1医疗就诊
  在病人就诊的过程中,可以通过分析患者的就诊记录和治愈率,以及其症状,智能的为其推荐合适的医生推荐,解决病患由于专业知识的限制找不到合适医生的问题。通过这样的分析,可以建立各个医生个性化的档案,以及病患的就诊资料,帮助患者快速、有效地治愈疾病。另一方面,通过对所有病患的病例分析建模,可以发现某些疾病并发的可能性,推进疾病病理研究的发展,帮助病人避免不必要的风险。构建医疗诊断的数据挖掘系统,对于医师也具有正向的督促作用。
  2.2基于数据驱动的医疗诊断
  大数据的出现使得机器分析海量数据,自动判别疾病的种类和预测传统的遗传病成为可能。从一定意义上讲,只要数据量足够大,设计合理的算法可以总结出不同于不亚于人类的经验,并实现自动的医疗诊断。目前,一些研究者在部分疾病的诊断上设计的算法已经超越了人类的表现。例如,IBM的研究人员利用机器学习算法构建了识别大脑与精神分裂症的数学模型,用于分析功能性磁共振成像,该模型对与精神分裂症预测的准确率74%的准确率[1]。我国的阿里云医疗大脑,通过分析大量人类甲状腺病灶区的片源,对大量病灶特征和正常特征的医疗影像进行区分,已经学习到了非常强大的甲状腺病灶的诊断能力,其对于甲状腺病灶诊断的准确率达到85%,而人类在这一领域的识别准确率仅为70%[3]。其次,针对家族遗传病,可以构建知识图谱,分析家族遗传病的基因和形成原因,帮助预测并减少遗传病发生的可能性,这些方法对于某些遗传病的治愈是举足轻重的。另外在外科手术中,可根据数据库中现有的数据,对手术区域进行分析,为医生提供准确的手术建议。可见,基于数据驱动的精确医疗诊断系统可以帮助诊断疾病,在众多医疗方向上都可以起到辅佐诊断作用[4]。
  2.3基于数据的药物研发
  传统的药物研发是在大量化学实验以及活体生物实验的基础上研究而来,具有研发周期长、困难等不足。这样的研发模式通常是极其耗费时间和金钱的。大量数据挖掘算法的出现,为从理论上研究药物之间相互的靶向作用提供了新的思路。例如,在肿瘤免疫治疗中,通过大数据挖掘可以精准量化免疫细胞浸润的丰度,从而发现和病人临床信息的相关性。在药物研发过程中,通过数据挖掘可以有针对地对过去的科学研究进行规律总结,可以有效地帮助研究者进行药物的研发工作。
  2.4医保控费管理
  健全的医疗保险制度是人民健康生活的重要保障之一,传统的医保控费制度下,医保管理者工作繁杂,工作效率低下。数据挖掘技术的出现极大地减轻了医保管理者的负担,并且可以加快新型医疗保险有关问题的反馈速度,提高发现问题的时效性,帮助完善管理并改善技术。根據历史就诊数据以及参保人员之间的关系,可以准确地发现患者的身份、年龄、所在科室、主治医生等,进一步加强对这些信息的归纳和梳理,这样既可以使患者们满意,又可以监督医疗保险的相关费用的支出[5]。
  3 医疗系统中数据挖掘流程和问题   3.1数据挖掘流程
  在数据挖掘过程中,数学模型是其最为核心的内容,而数据则是一切工作的基础。数据挖掘的基本流程为首先从具体研究问题的数据集出发,收集大量相关问题的数据。然后,设计并部署具体的机器学习核心模型,如心脏病测试评估模型。将收集到的相关特征数据输入模型中,训练模型。最后,将新的数据输入训练好的评估模型中,经过模型分析运算,得到预测的结果,从而系统自动出具分析报告并得到关键的经验和规律。
  3.2医疗数据挖掘存在的问题和解决方法
  与其他领域的数据不同,医疗数据本身极为复杂性,包含着大量的用户隐私信息,这些信息非常敏感。如何在不侵犯用户隐私的情况下,收集特征明显的数据集是非常困难的。此外,关于病症和药物靶向作用的研究,其数据收集的难度本身比较高,部分病症发生的概率较少,导致算法模型难达到较好的预测结果。因此,为保障未來在医疗领域的核心竞争力,收集并构建统一完善的数据集尤为重要。在收集医疗数据的过程中,应注重个人隐私的保护,避免捐赠数据的公民合法权益受到侵害。同时应该建立长久的数据管理制度,保障数据的准确性和真实性。
  技术安全和法律责任也是医疗数据挖掘无法避免的问题。从一定程度上讲,即使机器对于某些疾病的诊断准确率已经超越人类,但机器毕竟是机器,永远不能替代人类[3]。很有可能由于数据模糊和数据缺失,造成结果的不确定性。特别是在脑部检查等危险性较高的诊断中,如果出现误诊,则很可能会对患者的生命造成威胁。一旦出现问题,出现法律纠纷则会使技术偏离美好的初衷。因此,应该明确医疗数据挖掘的辅助地位,并建立完善的法律制度,权责分明,发挥机器大量计算的优势以及人类的智慧和人文精神,同时避免过分依赖机器。
  4 结论
  数据挖掘技术作为一项综合性技术,对于提升医疗水平和诊断效率有着非常大的应用。本文对数据挖掘技术在医疗领域中的应用进行了研究,阐述了相关的背景意义,着重介绍了数据挖掘技术在医疗系统中的应用,并对应用中存在的问题进行了分析,给出解决方案。
  参考文献:
  [1]张光华,潘婧.人工智能技术在医疗领域中的应用[J].电子技术与软件工程,2019(19):239-240.
  [2]许帮彦,陆建良,吴明英.数据挖掘技术在放射科医疗管理中的潜在作用[J].中医药管理杂志,2019,27(18):54-55.
  [3]仇法新.数据挖掘技术在医保控费管理中的应用[J].中外企业家,2019(19):76.
  [4]肖剑容.数据挖掘技术在医学影像信息系统中的应用[J].甘肃科技,2019,35(12):16-17.
  [5]王培勋,李冲,刘晓欢.基于医院信息数据挖掘的信息化临床路径在临床医疗费用监控中的应用[J].中国医学装备,2019,16(04):110-113.
  【通联编辑:闻翔军】
转载注明来源:https://www.xzbu.com/8/view-15123554.htm