数据挖掘技术在医院信息系统中的应用

2022-03-13陈龙

今日自动化 2022年12期

陈龙

（宣城市卫生健康信息中心，安徽宣城 242000）

数据挖掘技术应用于医院信息系统的建构中将提升系统的精准性，减少医护人员的工作量，并精确给出患者治疗意见，追踪其就医记录，保证信息的全面性，提升医疗质量。因此，将数据挖掘技术应用于医院信息系统中十分重要。

1 数据挖掘技术内涵

数据挖掘是在数据中挖掘出有用的信息，其中数据具备随机性强、模糊性高、数量庞大的特点，从中所挖掘出的信息是无法通过人工筛选或者难以直接获取的内容，人们借助这一系列的操作，能够直接得到可用的有价值的数据信息[1]。此项技术包含前期准备阶段和数据计算分析整合阶段。前期准备中涵盖对数据的收集，因所输入的信息来源于多个系统，所以格式也有所差异，尤其是医院信息系统中所包含的各类数据，均有自身的特征。例如，图像格式的ACS 系统，数据格式有别于其他信息，因此在收集数据信息时，要符合所具备碎片化、分布式和异构性的特征。在医院信息系统中难以避免地会掺杂噪声数据，这一类数据需用专业的工具将其筛除，并将有利用价值的数据存储于系统中[2]。

目前，常用的数据挖掘技术囊括了统计技术、决策树、遗传算法、关联规则和神经网络。

（1）统计技术：此项技术是基础，其主要功能是组织和描述数据集，根据上一步所获得的信息导出有关结论。常见的统计分析办法可分为线性判别分析、对数分析、贝叶斯定理、测评数据集差异等，都能够在医院信息系统的构建中发挥出作用。

（2）决策树：此项技术的特点是直观易懂，是一种常见的探索式挖掘方法，作用原理是从根节点到叶子结点，具体而言是在根节点处的样本结合所契合的分类状态筛选所进入的分支节点，最终停留于叶子结点处。此过程具备循环性的特点，在多次循环后形成分类训练样本器。ID3、CHAID、CART 算法均属于决策树算法的范畴。

（3）遗传算法：此种算法的基础是达尔文进化论，模仿物竞天择、优胜劣汰的机制，呈现出适者生存的效果[3]。其中较为常见的求解技术包括：遗传规划、进化规划、遗传算法等，具体的技术作用原理是在获取初始种群信息后进行编码，评价各种群的适应能力，计算机根据终止指令要求确定是否符合终止条件，如若满足，则此算法停止作用，反之，则继续进行选择交叉的循环操作。

（4）关联规则：关联规则实际上也是算法的一种，其包含两个项集，二者之间具备关联特征，其中一个项集会在另一个项集出现变化时发生变化，此种变化具备一定的规律性。Prefixspan、FreeSpan、FP-G、Apriori 算法包含在关联规则算法中。

（5）神经网络：此种技术是智能化的典型代表，机器在自我学习后具备了人脑的部分思维，因此可结合所获取的经验对所学知识予以利用。具体的作用原理是：根据神经网络的对应关系，输入的例子可对应输出相应的内容，在整体学习完毕后，形成独特的具备人脑思维水平的判断。应用后可在获取到测试集的例子时判定其是否与预期相符合，如此构建完整的神经网络，以此达成判断事物分类及筛选任务的目标。

2 医院信息系统简述

医院信息系统的构建需借助HIS 技术，形成总体结构和完备的运行环境。由于医院的信息数量庞大，为达到清晰简明的要求，采取模块化设计的方式，系统被拆分成多个模块，针对每个模块承载的功能继续细化，从而降低复杂性。并且通过分模块的设计，能够践行低耦合、高内聚的需要，系统可读性更高，便于后期使用中及时维护[4]。一般在医院中可分为多个组成部分：医技工作站、药房、住院部、门诊部等，每个部分还可分为不同的模块负责收费、辅助诊疗、管理等，充分体现出元信息系统的网络化结构特点。构建医院系统时除了要运用数据处理技术外，还要在硬件技术、计算机软件技术和网络通信技术等多项技术的共同作用下实现，因此研究数据挖掘技术在医院信息系统中的应用十分必要，其在多个技术中展现着不可替代的价值。

3 数据挖掘技术在医院信息系统中的应用

现阶段，数据挖掘技术已经在各个行业都得到了不同程度的应用，与大数据时代的主流理念相辅相成，不仅能够贴合用户的个性化服务需求，还能助推整个行业的创新和发展，因此在医院信息系统中运用此项技术不可忽视。随着应用覆盖面的扩展，医疗数据挖掘也存在着不容小觑的难点，其中在预处理阶段由于医疗信息多为残缺的，并且噪声信息过多，这就使得过滤冗余信息的处理任务变多，无法保持高效的处理效率。加之信息融合技术和挖掘技术可靠性方面仍旧不成熟，因此结合实际应用探讨其中的优化方案是技术升级的要点。因此，从医院管理、临床诊疗和病案数据应用方面进行简要分析。

3.1 医院管理方面

每天在医院中输入的信息众多，在如此庞大的数据面前，所产生的微小错误都有可能影响到每位病患的就诊记录和用药信息，因此要运用数据挖掘技术，消除传统人工处理信息所带来的任务量大、数据整合效果不理想的弊端，提升数据处理的准确性和精准度。在此项技术的介入下，医院信息系统在获取初始信息会进行挖掘，定位与患者相关的诊断与用药信息，从而便捷疾病研究的整个过程。诊断数据是医疗疾病电子数据库的关键组成部分，数据挖掘技术可准确地将所获取的数据进行运用，并予以归类。按照疾病的类型对其中所包含的诊疗频率和规律展开分析，不同的疾病类型所对应的发生率和疾病产生原因有所不同，应用此项技术即可直接分析分类，节省了大量的操作时间。除此以外，医院信息系统的完备性代表了整个医院管理的水平，数据挖掘技术能够在收费端发挥作用，选择和研究收费项目，确定此项收费的来源，并按照医疗服务、设备使用等类别加以区分，直接在系统中存储代表医疗质量和服务的条目，列出设备日检、报修和消耗量的具体数字，便于在后续调取信息的过程中定位仍需继续深化的部分，以此为医院整体运营水平的提升奠定基础，给出决策意见。技术的合理应用能够评估医院目前的医疗水平和能力，此项分析评估操作具备多层次、全方位的特点，适合作为医院发展方向确定的基础材料，有助于领导人员结合结论对现有的弊端予以清除，改善医院的环境和基础设备状态。

医院管理是在所有工作人员都能正确操作和使用信息系统的前提下实现，因此信息管理系统实际上为办公系统，数据挖掘信息的引入能够保证数据查询、修改和统计任务的精确程度，所获得的汇总信息利用价值更高。实际应用技术的过程中，能建立数据库，在库中输入医院的支出类别和收入费用具体信息，在此基础上使用各类算法进行计算，挖掘出医疗费用中是否存在着不合理的条目，例如：收费和报销项目是否合理，比例是否与市级比例标准相符合等，在发现问题后，能直接与上级管理部门进行沟通，将收费标准合理化。特别是在单一病种的管理中，数据挖掘十分必要，在对信息数据深度挖掘后，建立多维模型，键入住院时间、费用结构和费别，经过旋转和切片处理后，模型显示分析结论，便于医生在众多治疗方案中择优，指导临床治疗路径朝着规范的方向发展，缩短病患住院的必要时间，及时调整床位信息，有助于保障医疗质量。

人事管理方面也可应用数据挖掘技术，在将考核标准输入到管理平台后，对后续所输入的人员考核数据进行评估，确定不同部门的人员是否与医院发展趋势共同进步，结合考核结果配备相应的人员优化管理办法，对各个部门的岗位人员布置加以完善。

3.2 临床诊疗方面

临床诊疗要以检查结果和患者病症为前提，医护人员结合上述诊断得出相应的救助和治疗方案。病患信息中较为重要的是所在地区、年龄和既往病史，三者间有一定的联系，此种联系在人工处理中难以直接看出，而应用数据信挖掘技术能够分析出其中的规则，给出的治疗意见更具备针对性，从而缩短看诊时间。文字和数字信息并非是此项技术应用的小范围，其还能够对光盘影像、医学图文等展开深入挖掘，进而形成完备的数据模型，医护人员结合所给结论细化用药方案，确定病情的严重程度，对应给出具体的治疗建议。服务型社会的建立是目前我国行业发展的大趋势，在此背景下，医院想要有所转变和升级，也应当时刻以构建服务型医院为目标，而数据挖掘技术的应用能够挖掘出HIS 系统所存储的信息，此类医疗数据代表了个性化服务的内容，有利于基于此为不同的病患设计出对应的医治策略，缓和医患关系。由于数据本身具备客观性的特点，也在一定程度上降低了因医生主观判断而导致决策失败情况的发生概率，避免医疗器材和设备的浪费。

在临床诊疗中应用频率较高的技术是聚类分析技术，其包含在数据分析技术之中，在运用环节的具体步骤是：在住院部信息模块中涵盖患者的各项数据，技术作用于模块中能整合分类各项信息数据，将处理后的数据传输到统一的库中，形成模型数据库，医护人员可在登录平台后检索到住院患者的各项指标。数据库中的数据并非独立存在，同类型病人的数据可以比对的形式呈现，医护人员结合数据内容能够统计出同质和差异信息，方便在管理住院病人时及时地填好基本信息和病因。在此基础上，医护人员可借助数据挖掘技术的实时监测功能，将病人按照年龄等要素标记成不同的组别，并在复查等环节对比病人的康复情况以及病情变化的趋势，动态掌握每位病人的患病和治疗结果。同时，数据挖掘技术还能总结同一组别中病患的特征，显示出所具备的特点规律，这将在后续治疗中更为快速地给出医治意见，助力诊疗水平的提高，真正为病患带来新希望。

3.3 病案数据方面

每位患者在经过治疗后都会保留相应的用药信息、手术情况等，此过程也会产生大量的信息，保存和利用以上信息是对患者个人健康的保障，但通过传统手段进行存储需要提供足够的空间，这无疑是对资源的浪费，因此需要应用数据挖掘技术。实际应用中要在LIS、CIS、HIS 系统的支持下，将数据予以整理，并就其中能够体现出病因、治疗手段、治疗结果间逻辑联系的部分，此种联系可为某一类病情的研究奠定基础。医院科研人员针对某一病因展开细致研究，便可在数据挖掘技术的帮助下使得疾病研究有据可依，而国家其他医学研究人员同样能够在共享数据库中加入个人研究成果，实时更新公共平台信息，提升我国整体医疗水平。有些患者反映：医院收费项目过多，其倍感压力，出现这一不良现象也与医院的不合理定价有关，借助数据挖掘技术，能够就各项费用构成情况、合理性给出明确评判，从业人员根据以上内容可调整费用组成。住院病人手术的时间、所消耗的资源、开具的药物清单等都要上传到数据库，医院管理人员在确保医院正常运行的基础上，合理优化费用组成结构，体现出所具备的社会价值，为患者减轻压力。

患者在就医的过程中，其要完成多个步骤，每个步骤都可作为一个时间节点，在若干个诸如就诊、取药等节点案例按流程拼接下，才能实现就医目标。数据挖掘技术针对每个节点间的长度予以分析，找出患者在就医过程中耗费时间最长的项目，立足于此，医院可对此提出合理化建议，适当地简化就医程序、增派人力，如此才能保障患者的权益。根据不同时间段和就诊类型信息的挖掘结果，分析住院、门诊和急诊的人数，建立预测时间模型，通过数字曲线发现周期性规律，并运用预测功能，确定下一周期。如此，医院可对接资源管控和节约的要求，合理调用人财物。

患者在就诊后的信息将传输到模型仓库中，数据挖掘技术将挖掘其在就诊整个过程中的有效信息，对于有关联的信息内容要分类聚类，整合成一个组别，使用不同的颜色加以区分，显示出每个小组的特征。在阶段性病患数据分析工作中，调取此类信息，追踪病情和恢复情况，及时对后续用药和使用设备进行修改，使得所治疗方案更具有个性化服务的特点。