医院信息化建设中数据挖掘技术现状分析和前景展望.docVIP

医院信息化建设中数据挖掘技术现状分析和前景展望 　　摘要：近些年来，随着医院信息化建设的快速发展，各大医院管理层在主要科室启用了很多大型智能信息管理系统，辅助医疗工作者提高医疗环节的服务质量和工作效率，促进医院提升自我管理水平。数据挖掘技术作为医疗信息化建设的重要组成部分，目前的实际应用仍然处于初步阶段，医疗行业整体的数据利用率依然偏低。本文正是对数据挖掘技术的现状进行初步地分析和展望。 　　关键词：医院信息化；数据挖掘；分析和展望 　　中图分类号：TP311.13 文献标识码：A 文章编号：1007-9416（2018）01-0233-02 　　1 医院信息化建设概述 　　21世纪以来，由于信息时代的高速发展，社会对于信息技术的需求日益增长。国家对未来医院的发展提出了新要求，规定医院合理地使用网络技术，加快医院信息化系统的建设，促进医院管理模式的改革。[1]因此，各大医院顺应信息化时代的要求，不断推进信息化建设。目前，各大医院的信息系统主要包括了医院信息管理系统HIS；临床信息系统CIS；影像归档和通信系统PACS；放射科信息管理系统RIS；检验科实验室信息管理系统LIS；电子病历EMR等大型医疗信息系统。 　　2 数据挖掘技术简述 　　2.1 含义 　　数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。在医疗行业，数据挖掘包括了统计分析，对医院现有资源的配置以及规划情况、医疗质量及经营情况进行了解，为医院的最终决策提供第一手信息和科学性依据。[2] 　　2.2 意义 　　随着医院信息化建设地不断深入，医院数据库中逐步积累了大量的医疗数据，医院管理层和临床工作者如何在大量的数据中发现并挖掘出高价值的信息逐步成为未来医院信息化建设的重点和难点。采用数据挖掘技术可以有效地发现数据中的关联信息并挖掘信息中的深度规律，提高医院管理者的管理水平，满足临床的科研需求。 　　3 数据挖掘技术的现状 　　目前，HIS中可以反映医院门急诊和住院的工作量和基本变化趋势。 CIS中体现门急诊医生的工作量、用药量、处方、检验、检查和门诊人次等相关的统计和变化趋势，以及各个病区住院病人的医疗保险结算类型、疾病诊断和护理状况的统计和占比。EMR中反映医院各病种的主要占比和变化情况。在医院企业资源管理系统HERP中反映医院的各种耗材使用量和占比情况等。 　　4 数据挖掘技术的分析 　　4.1 临床应用 　　目前，临床的数据资源丰富，但是运用数据挖掘技术进行医疗数据分析的研究依然处于初步阶段。由于数据挖掘技术需要采用各种数学模型和工具，要求临床工作者学习数据处理软件的使用和基本的数学模型等知识，阻碍了数据挖掘技术的推广和使用。最近几年，部分高校医学院开设了医院数据挖掘的相关课程，医学研究者开始接受并了解相关数据挖掘知识，推动了数据挖掘技术在实际临床中的应用。[3] 　　4.2 医院管理 　　现阶段，经过多年的运营管理，各大医院已经拥有庞大的数据库，但是缺乏相应的技术手段对数据库中的数据进行整理和分析，很难从大数据中提取高价值深层次的关系和规则，无法预测未来可能的趋势，制定更好的管理策略。 　　5 数据挖掘技术的前景展望 　　在医疗领域，数据挖掘的应用仍然处于初步阶段。因此，数据挖掘技术在医院管理、临床研究和成本效益等领域，有着广阔的发展空间。利用数据挖掘技术，建立数据模型，研究相关的职业病和疾病概率，挖掘更深层的疾病关联。在内部管理方面，用于预测工作量，利用相关模型对未来门诊和住院工作量进行预测。便于医院优化人员配置，合理制定工作计划，提升整体的工作质量。[4] 　　5.1 临床研究 　　（1）疾病分析。对一些常见的重大疾病进行横向和纵向对比，分别进行特征空间的采样，采用与数据挖掘目标相关的若干属性建立数据模型，让医务人员对模型产生的数据结论进行分析，提高病情预测的准确度。对单病种患者的病情、治疗方案、住院天数等因素进行分析，为医疗管理提供依据，协助医生及时总结经验，确定最佳的治疗方案。 　　（2）疾病预防。根据分类算法的特性，建立各病种相关的分类算法模型，特别是针对各种常见慢性疾病的预防，通过算法模型地不断优化，提高疾病预测的准确度。 　　（3）疾病区分。通过医学变量指标和某些疾病之间的相关关系，探究某些变量因子对特定疾病的影响权重，可以区分两种相似度很高的疾病，通过医学指标发现两者的区别。 　　（4）研究并发症。从医院数据库中大量随机的数据中找到强关联的关系，在某种疾病发现的前提下，另一种疾病的发生具有很高的概率，通过聚类算法可以明确两种或者多种疾病之间的因果关系，辅助临