医疗健康数据挖掘与应用手册.docxVIP

医疗健康数据挖掘与应用手册

第1章

1.1医疗健康数据的分类与特征

医疗数据首先被划分为结构化与非结构化两大类：结构化数据如电子病历（EMR）中的主诉、诊断代码和检验数值，采用表格形式存储，便于计算机直接处理；非结构化数据则包含医学影像（CT/MRI图像）、病理切片、语音病历文本及基因序列，以像素、矢量或基因片段形式存在，需借助深度学习算法进行语义理解。在特征维度上，医疗数据呈现“高维度、稀疏性、长尾分布”的特点：高维度源于海量基因与影像特征，稀疏性表现为缺失值（如住院期间未做检查）占比极高，长尾分布则体现在罕见病数据样本极少但价值巨大。

数据特征中的“时效性”是医疗数据的核心属性，要求数据必须在患者确诊后24小时内完成采集，延迟超过72小时将导致诊断依据失效，这是与其他业务数据（如电商数据）最本质的区别。数据特征中的“关联性”体现为多模态互补，例如将影像数据与基因数据关联分析，可发现某类肿瘤患者的影像特征与特定基因突变的高度重合，从而指导精准用药。数据特征中的“动态性”意味着数据随治疗过程实时变化，例如患者服药后血压数据在连续监测中呈现的波动曲线，反映了药物起效或副作用的动态过程。

数据特征中的“可解释性”至关重要，医疗决策必须基于可解释的数据而非黑盒模型，例如通过SHAP值分析模型，医生能清晰看到模型为何推荐某种治疗方案，从而建立医患信任。

1.