范烁楠

(广东省第二中医院，广东 广州510095)

近年来，针对医疗IT信息化系统产生的海量数据信息无法得到高效利用的问题，为了提高医疗IT系统中对病情数据信息的高效深度控制，国内外学者们做了深入研究与分析，提出一系列医疗数据处理算法，形成一些新型的、高效的医疗数据挖掘结构模型，例如应用于医疗结构诊断分析的C4.5决策控制树算法。然而过于精确地衡量尺码的缺陷阻碍了此算法在医疗IT系统数据挖掘领域的应用与拓展。另一种是在医疗数据挖掘领域研究较深的关联规则算法，此算法的原理是利用不同特征关系的数据信息规则项进行挖掘研究，现已广泛应用于医学临床领域。目前典型的关联规则算法主要有Apriori和FP-growth方法。但在低符合率的条件下，关联规则算法会产生过多无用或冗余规则信息，而且存在可识别程度与效率过低的问题。

目前，基于安全风险参数与比值概率的医疗数据挖掘也已经应用于IT系统模型中。在此前提下，参考文献[1-2]都已设计出基于最优化安全风险结构模型数据挖掘算法，然而其缺陷都是冗余数据信息过多，且数据模型与信息展示过于复杂。

在上述研究成果的基础之上，本文设计出一种基于风险处理机制的医疗数据挖掘算法MRPM（Medical Risk Processing Mechanism），引入病情特征码值，使用权重参数抽取及病情有关的安全风险、预防与诊断因素。该算法在医疗IT系统数据挖掘与分析中数据信息冗余度较低、效率高，并且展现方式更加立体、直观。……