數據挖掘技術在醫院信息系統中的應用

陳 龍

（宣城市衛生健康信息中心，安徽宣城 242000）

數據挖掘技術應用于醫院信息系統的建構中將提升系統的精準性，減少醫護人員的工作量，并精確給出患者治療意見，追蹤其就醫記錄，保證信息的全面性，提升醫療質量。因此，將數據挖掘技術應用于醫院信息系統中十分重要。

1 數據挖掘技術內涵

數據挖掘是在數據中挖掘出有用的信息，其中數據具備隨機性強、模糊性高、數量龐大的特點，從中所挖掘出的信息是無法通過人工篩選或者難以直接獲取的內容，人們借助這一系列的操作，能夠直接得到可用的有價值的數據信息[1]。此項技術包含前期準備階段和數據計算分析整合階段。前期準備中涵蓋對數據的收集，因所輸入的信息來源于多個系統，所以格式也有所差異，尤其是醫院信息系統中所包含的各類數據，均有自身的特征。例如，圖像格式的ACS 系統，數據格式有別于其他信息，因此在收集數據信息時，要符合所具備碎片化、分布式和異構性的特征。在醫院信息系統中難以避免地會摻雜噪聲數據，這一類數據需用專業的工具將其篩除，并將有利用價值的數據存儲于系統中[2]。

目前，常用的數據挖掘技術囊括了統計技術、決策樹、遺傳算法、關聯規則和神經網絡。

（1）統計技術：此項技術是基礎，其主要功能是組織和描述數據集，根據上一步所獲得的信息導出有關結論。常見的統計分析辦法可分為線性判別分析、對數分析、貝葉斯定理、測評數據集差異等，都能夠在醫院信息系統的構建中發揮出作用。

（2）決策樹：此項技術的特點是直觀易懂，是一種常見的探索式挖掘方法，作用原理是從根節點到葉子結點，具體而言是在根節點處的樣本結合所契合的分類狀態篩選所進入的分支節點，最終停留于葉子結點處。此過程具備循環性的特點，在多次循環后形成分類訓練樣本器。ID3、CHAID、CART 算法均屬于決策樹算法的范疇。

（3）遺傳算法：此種算法的基礎是達爾文進化論，模仿物競天擇、優勝劣汰的機制，呈現出適者生存的效果[3]。其中較為常見的求解技術包括：遺傳規劃、進化規劃、遺傳算法等，具體的技術作用原理是在獲取初始種群信息后進行編碼，評價各種群的適應能力，計算機根據終止指令要求確定是否符合終止條件，如若滿足，則此算法停止作用，反之，則繼續進行選擇交叉的循環操作。

（4）關聯規則：關聯規則實際上也是算法的一種，其包含兩個項集，二者之間具備關聯特征，其中一個項集會在另一個項集出現變化時發生變化，此種變化具備一定的規律性。Prefixspan、FreeSpan、FP-G、Apriori 算法包含在關聯規則算法中。

（5）神經網絡：此種技術是智能化的典型代表，機器在自我學習后具備了人腦的部分思維，因此可結合所獲取的經驗對所學知識予以利用。具體的作用原理是：根據神經網絡的對應關系，輸入的例子可對應輸出相應的內容，在整體學習完畢后，形成獨特的具備人腦思維水平的判斷。應用后可在獲取到測試集的例子時判定其是否與預期相符合，如此構建完整的神經網絡，以此達成判斷事物分類及篩選任務的目標。

2 醫院信息系統簡述

醫院信息系統的構建需借助HIS 技術，形成總體結構和完備的運行環境。由于醫院的信息數量龐大，為達到清晰簡明的要求，采取模塊化設計的方式，系統被拆分成多個模塊，針對每個模塊承載的功能繼續細化，從而降低復雜性。并且通過分模塊的設計，能夠踐行低耦合、高內聚的需要，系統可讀性更高，便于后期使用中及時維護[4]。一般在醫院中可分為多個組成部分：醫技工作站、藥房、住院部、門診部等，每個部分還可分為不同的模塊負責收費、輔助診療、管理等，充分體現出元信息系統的網絡化結構特點。構建醫院系統時除了要運用數據處理技術外，還要在硬件技術、計算機軟件技術和網絡通信技術等多項技術的共同作用下實現，因此研究數據挖掘技術在醫院信息系統中的應用十分必要，其在多個技術中展現著不可替代的價值。

3 數據挖掘技術在醫院信息系統中的應用

現階段，數據挖掘技術已經在各個行業都得到了不同程度的應用，與大數據時代的主流理念相輔相成，不僅能夠貼合用戶的個性化服務需求，還能助推整個行業的創新和發展，因此在醫院信息系統中運用此項技術不可忽視。隨著應用覆蓋面的擴展，醫療數據挖掘也存在著不容小覷的難點，其中在預處理階段由于醫療信息多為殘缺的，并且噪聲信息過多，這就使得過濾冗余信息的處理任務變多，無法保持高效的處理效率。加之信息融合技術和挖掘技術可靠性方面仍舊不成熟，因此結合實際應用探討其中的優化方案是技術升級的要點。因此，從醫院管理、臨床診療和病案數據應用方面進行簡要分析。

3.1 醫院管理方面

每天在醫院中輸入的信息眾多，在如此龐大的數據面前，所產生的微小錯誤都有可能影響到每位病患的就診記錄和用藥信息，因此要運用數據挖掘技術，消除傳統人工處理信息所帶來的任務量大、數據整合效果不理想的弊端，提升數據處理的準確性和精準度。在此項技術的介入下，醫院信息系統在獲取初始信息會進行挖掘，定位與患者相關的診斷與用藥信息，從而便捷疾病研究的整個過程。診斷數據是醫療疾病電子數據庫的關鍵組成部分，數據挖掘技術可準確地將所獲取的數據進行運用，并予以歸類。按照疾病的類型對其中所包含的診療頻率和規律展開分析，不同的疾病類型所對應的發生率和疾病產生原因有所不同，應用此項技術即可直接分析分類，節省了大量的操作時間。除此以外，醫院信息系統的完備性代表了整個醫院管理的水平，數據挖掘技術能夠在收費端發揮作用，選擇和研究收費項目，確定此項收費的來源，并按照醫療服務、設備使用等類別加以區分，直接在系統中存儲代表醫療質量和服務的條目，列出設備日檢、報修和消耗量的具體數字，便于在后續調取信息的過程中定位仍需繼續深化的部分，以此為醫院整體運營水平的提升奠定基礎，給出決策意見。技術的合理應用能夠評估醫院目前的醫療水平和能力，此項分析評估操作具備多層次、全方位的特點，適合作為醫院發展方向確定的基礎材料，有助于領導人員結合結論對現有的弊端予以清除，改善醫院的環境和基礎設備狀態。

醫院管理是在所有工作人員都能正確操作和使用信息系統的前提下實現，因此信息管理系統實際上為辦公系統，數據挖掘信息的引入能夠保證數據查詢、修改和統計任務的精確程度，所獲得的匯總信息利用價值更高。實際應用技術的過程中，能建立數據庫，在庫中輸入醫院的支出類別和收入費用具體信息，在此基礎上使用各類算法進行計算，挖掘出醫療費用中是否存在著不合理的條目，例如：收費和報銷項目是否合理，比例是否與市級比例標準相符合等，在發現問題后，能直接與上級管理部門進行溝通，將收費標準合理化。特別是在單一病種的管理中，數據挖掘十分必要，在對信息數據深度挖掘后，建立多維模型，鍵入住院時間、費用結構和費別，經過旋轉和切片處理后，模型顯示分析結論，便于醫生在眾多治療方案中擇優，指導臨床治療路徑朝著規范的方向發展，縮短病患住院的必要時間，及時調整床位信息，有助于保障醫療質量。

人事管理方面也可應用數據挖掘技術，在將考核標準輸入到管理平臺后，對后續所輸入的人員考核數據進行評估，確定不同部門的人員是否與醫院發展趨勢共同進步，結合考核結果配備相應的人員優化管理辦法，對各個部門的崗位人員布置加以完善。

3.2 臨床診療方面

臨床診療要以檢查結果和患者病癥為前提，醫護人員結合上述診斷得出相應的救助和治療方案。病患信息中較為重要的是所在地區、年齡和既往病史，三者間有一定的聯系，此種聯系在人工處理中難以直接看出，而應用數據信挖掘技術能夠分析出其中的規則，給出的治療意見更具備針對性，從而縮短看診時間。文字和數字信息并非是此項技術應用的小范圍，其還能夠對光盤影像、醫學圖文等展開深入挖掘，進而形成完備的數據模型，醫護人員結合所給結論細化用藥方案，確定病情的嚴重程度，對應給出具體的治療建議。服務型社會的建立是目前我國行業發展的大趨勢，在此背景下，醫院想要有所轉變和升級，也應當時刻以構建服務型醫院為目標，而數據挖掘技術的應用能夠挖掘出HIS 系統所存儲的信息，此類醫療數據代表了個性化服務的內容，有利于基于此為不同的病患設計出對應的醫治策略，緩和醫患關系。由于數據本身具備客觀性的特點，也在一定程度上降低了因醫生主觀判斷而導致決策失敗情況的發生概率，避免醫療器材和設備的浪費。

在臨床診療中應用頻率較高的技術是聚類分析技術，其包含在數據分析技術之中，在運用環節的具體步驟是：在住院部信息模塊中涵蓋患者的各項數據，技術作用于模塊中能整合分類各項信息數據，將處理后的數據傳輸到統一的庫中，形成模型數據庫，醫護人員可在登錄平臺后檢索到住院患者的各項指標。數據庫中的數據并非獨立存在，同類型病人的數據可以比對的形式呈現，醫護人員結合數據內容能夠統計出同質和差異信息，方便在管理住院病人時及時地填好基本信息和病因。在此基礎上，醫護人員可借助數據挖掘技術的實時監測功能，將病人按照年齡等要素標記成不同的組別，并在復查等環節對比病人的康復情況以及病情變化的趨勢，動態掌握每位病人的患病和治療結果。同時，數據挖掘技術還能總結同一組別中病患的特征，顯示出所具備的特點規律，這將在后續治療中更為快速地給出醫治意見，助力診療水平的提高，真正為病患帶來新希望。

3.3 病案數據方面

每位患者在經過治療后都會保留相應的用藥信息、手術情況等，此過程也會產生大量的信息，保存和利用以上信息是對患者個人健康的保障，但通過傳統手段進行存儲需要提供足夠的空間，這無疑是對資源的浪費，因此需要應用數據挖掘技術。實際應用中要在LIS、CIS、HIS 系統的支持下，將數據予以整理，并就其中能夠體現出病因、治療手段、治療結果間邏輯聯系的部分，此種聯系可為某一類病情的研究奠定基礎。醫院科研人員針對某一病因展開細致研究，便可在數據挖掘技術的幫助下使得疾病研究有據可依，而國家其他醫學研究人員同樣能夠在共享數據庫中加入個人研究成果，實時更新公共平臺信息，提升我國整體醫療水平。有些患者反映：醫院收費項目過多，其倍感壓力，出現這一不良現象也與醫院的不合理定價有關，借助數據挖掘技術，能夠就各項費用構成情況、合理性給出明確評判，從業人員根據以上內容可調整費用組成。住院病人手術的時間、所消耗的資源、開具的藥物清單等都要上傳到數據庫，醫院管理人員在確保醫院正常運行的基礎上，合理優化費用組成結構，體現出所具備的社會價值，為患者減輕壓力。

患者在就醫的過程中，其要完成多個步驟，每個步驟都可作為一個時間節點，在若干個諸如就診、取藥等節點案例按流程拼接下，才能實現就醫目標。數據挖掘技術針對每個節點間的長度予以分析，找出患者在就醫過程中耗費時間最長的項目，立足于此，醫院可對此提出合理化建議，適當地簡化就醫程序、增派人力，如此才能保障患者的權益。根據不同時間段和就診類型信息的挖掘結果，分析住院、門診和急診的人數，建立預測時間模型，通過數字曲線發現周期性規律，并運用預測功能，確定下一周期。如此，醫院可對接資源管控和節約的要求，合理調用人財物。

患者在就診后的信息將傳輸到模型倉庫中，數據挖掘技術將挖掘其在就診整個過程中的有效信息，對于有關聯的信息內容要分類聚類，整合成一個組別，使用不同的顏色加以區分，顯示出每個小組的特征。在階段性病患數據分析工作中，調取此類信息，追蹤病情和恢復情況，及時對后續用藥和使用設備進行修改，使得所治療方案更具有個性化服務的特點。

4 結束語

將數據挖掘技術應用于醫院信息系統中是科技進步的體現，能夠解決醫院運營管理中難以跨越的障礙，提升醫院管理、臨床診療和病案數據管理的實效，保護患者利益的前提下，為疾病研究助力。但因技術尚未成熟，仍舊需要精尖人才就數據挖掘技術的應用向更深層次拓展，助推醫療事業的發展。