“大數(shù)據(jù)”作為時(shí)下最火的詞匯，隨之而來(lái)的數(shù)據(jù)分析、數(shù)據(jù)挖掘等圍繞大數(shù)據(jù)的技術(shù)逐漸成為研究的焦點(diǎn)。早在2012年3月22日，奧巴馬就宣布美國(guó)政府五大部門(mén)投資2億美元啟動(dòng)“大數(shù)據(jù)研究和發(fā)展計(jì)劃(Big Data Research and Development Initiative)，欲大力推動(dòng)大數(shù)據(jù)相關(guān)的收集、儲(chǔ)存、保留、管理、分析和共享海量數(shù)據(jù)技術(shù)研究，以提高美國(guó)的科研、教育與國(guó)家安全能力。
而大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對(duì)這些含有特定意義的數(shù)據(jù)進(jìn)行專(zhuān)業(yè)化處理。從某種程度上說(shuō)，大數(shù)據(jù)是數(shù)據(jù)分析的前沿技術(shù)，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。大數(shù)據(jù)技術(shù)是從各種各樣類(lèi)型的數(shù)據(jù)中，快速獲得有價(jià)值信息的能力。對(duì)于大數(shù)據(jù)時(shí)代，目前通常認(rèn)為有下述四大基本特征，稱(chēng)為“四V”特征：第一，數(shù)據(jù)規(guī)模大（Volume），可稱(chēng)海量；第二，數(shù)據(jù)類(lèi)型多樣（Variety）；第三，數(shù)據(jù)價(jià)值（Value）高；第四，要求處理速度（Velocity）快。這些特性使得大數(shù)據(jù)區(qū)別于傳統(tǒng)的數(shù)據(jù)概念。大數(shù)據(jù)的概念與“海量數(shù)據(jù)”不同，后者只強(qiáng)調(diào)數(shù)據(jù)的量，而大數(shù)據(jù)不僅用來(lái)描述大量的數(shù)據(jù)，還更進(jìn)一步指出數(shù)據(jù)的復(fù)雜形式、數(shù)據(jù)的快速時(shí)間特性以及對(duì)數(shù)據(jù)的分析、處理等專(zhuān)業(yè)化處理，最終獲得有價(jià)值信息的能力。
一、檢驗(yàn)醫(yī)學(xué)的大數(shù)據(jù)特征
檢驗(yàn)科作為醫(yī)院里最重要的醫(yī)技部門(mén)之一，檢驗(yàn)信息系統(tǒng)（Laboratory Information system, LIS）已經(jīng)成為醫(yī)院管理信息系統(tǒng)中的重要組成部分。LIS中的檢驗(yàn)數(shù)據(jù)主要包括申請(qǐng)信息(病人基本信息,申請(qǐng)項(xiàng)目信息)、報(bào)告信息(結(jié)果信息)、其他信息(質(zhì)控信息等)。LIS的作用是將患者標(biāo)本在實(shí)驗(yàn)儀器檢驗(yàn)后獲得的數(shù)據(jù)進(jìn)行處理，生成一份檢驗(yàn)報(bào)告，再通過(guò)院內(nèi)網(wǎng)絡(luò)存儲(chǔ)在醫(yī)院數(shù)據(jù)庫(kù)中，使醫(yī)生能夠方便、及時(shí)地看到患者的檢驗(yàn)結(jié)果。同時(shí)醫(yī)生要對(duì)檢驗(yàn)結(jié)果進(jìn)行全面的分析，作為下一步診療的依據(jù)。檢驗(yàn)醫(yī)學(xué)數(shù)據(jù)有以下特點(diǎn)。
首先，檢驗(yàn)醫(yī)學(xué)數(shù)據(jù)體量巨大，在病人住院過(guò)程中會(huì)產(chǎn)生大量的檢驗(yàn)信息和其它與病人相關(guān)的數(shù)據(jù)，整個(gè)醫(yī)院的檢驗(yàn)數(shù)據(jù)更是一個(gè)海量概念，一個(gè)擁有2000張病床的醫(yī)院，每年至少產(chǎn)生3000萬(wàn)條檢驗(yàn)項(xiàng)目。
其次，檢驗(yàn)醫(yī)學(xué)數(shù)據(jù)類(lèi)型繁多，由于醫(yī)學(xué)數(shù)據(jù)庫(kù)本身就較為龐大，再加上醫(yī)學(xué)信息的復(fù)雜性與多樣性等因素的影響，與日常數(shù)據(jù)的處理分析相比，醫(yī)學(xué)數(shù)據(jù)分析將會(huì)更為復(fù)雜，其分析難度之大是可想而知的。在檢驗(yàn)醫(yī)學(xué)中，常規(guī)檢驗(yàn)指標(biāo)的數(shù)據(jù)一般為文本，較容易處理。但形態(tài)學(xué)檢驗(yàn)，如微生物形態(tài)及骨髓細(xì)胞學(xué)的圖片數(shù)據(jù)、自身抗體等免疫熒光的圖像數(shù)據(jù)、寄生蟲(chóng)檢驗(yàn)中的視頻數(shù)據(jù)、血糖血脂等指標(biāo)的動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)等，出現(xiàn)越來(lái)越多的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)信息。而流式細(xì)胞儀的數(shù)據(jù)顯示方式甚至包括單參數(shù)直方圖、二維點(diǎn)圖、二維等高圖、假三維圖和列表模式等多種格式的復(fù)合數(shù)據(jù)。
第三，檢驗(yàn)醫(yī)學(xué)數(shù)據(jù)作為臨床醫(yī)生的重要的輔助手段，甚至骨髓細(xì)胞學(xué)、病理學(xué)及微生物學(xué)結(jié)果等具有診斷意義的結(jié)果，其價(jià)值之高不言而喻。
第四，檢驗(yàn)醫(yī)學(xué)數(shù)據(jù)處理速度快，如全自動(dòng)快速微生物質(zhì)譜檢測(cè)系統(tǒng)（MS）等質(zhì)譜技術(shù)，將標(biāo)本板放入MS儀器，幾分鐘內(nèi)即可顯示鑒定結(jié)果。而高分辨率和高靈敏度的質(zhì)譜信號(hào)，又使得質(zhì)譜圖的信息量巨大，數(shù)據(jù)流往往為高速實(shí)時(shí)數(shù)據(jù)流，而且往往需要快速、持續(xù)的實(shí)時(shí)處理。
目前檢驗(yàn)信息系統(tǒng)尚未開(kāi)發(fā)其所在輔助診斷方面所具有的重大作用。檢驗(yàn)信息系統(tǒng)的巨大潛力尚未被開(kāi)發(fā)，被匯總和統(tǒng)計(jì)的數(shù)據(jù)沒(méi)有得到進(jìn)一步的挖掘和利用，隱藏在數(shù)據(jù)里面的有價(jià)值的信息沒(méi)有充分的發(fā)揮其功效，臨床診斷得不到有效信息的支持。尤其針對(duì)上述一些復(fù)雜的醫(yī)療數(shù)據(jù)，特別對(duì)于一些毫無(wú)數(shù)據(jù)特征，無(wú)規(guī)律科學(xué)的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)分析方法已經(jīng)不再適用，而數(shù)據(jù)挖掘技術(shù)是一種有效的分析方法，具有十分重要的作用。現(xiàn)階段，在數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用之后，檢驗(yàn)醫(yī)學(xué)領(lǐng)域的學(xué)者正對(duì)此進(jìn)行深入的研究。
二、數(shù)據(jù)挖掘技術(shù)簡(jiǎn)述
數(shù)據(jù)庫(kù)技術(shù)的發(fā)展解決了海量的醫(yī)學(xué)數(shù)據(jù)的存儲(chǔ)和數(shù)據(jù)檢索的效率問(wèn)題，如何充分利用這些寶貴的醫(yī)學(xué)信息資源來(lái)為疾病的診斷和治療提供科學(xué)的決策，促進(jìn)醫(yī)學(xué)研究，已成為人們關(guān)注的焦點(diǎn)。數(shù)據(jù)挖掘(Data Mining, DM) 是近幾年才發(fā)展起來(lái)的信息處理技術(shù)，它是從大量數(shù)據(jù)中提取出可信的、新穎的、有效的并最終能被人理解的模式的處理過(guò)程，涉及數(shù)據(jù)庫(kù)、人工智能、統(tǒng)計(jì)學(xué)、模式識(shí)別、可視化技術(shù)、并行計(jì)算等眾多領(lǐng)域知識(shí)。將數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)學(xué)信息數(shù)據(jù)庫(kù)中，可以發(fā)現(xiàn)其中的精細(xì)的醫(yī)學(xué)診斷規(guī)則和模式，在對(duì)疾病重新分類(lèi)的基礎(chǔ)上，對(duì)具有相同病因、共同發(fā)病機(jī)制的患者亞群實(shí)現(xiàn)精準(zhǔn)的診斷、評(píng)估、預(yù)測(cè)、治療和預(yù)防，輔助患者恢復(fù)健康，實(shí)現(xiàn)患者的價(jià)值最大化。這是精準(zhǔn)醫(yī)學(xué)的精髓。
1. 數(shù)據(jù)挖掘的分析方法
數(shù)據(jù)挖掘根據(jù)不同的任務(wù)要求具有不同的分析方法，可以實(shí)現(xiàn)不同的功能要求。其中主要可以分為六大不同的分析方法，分別是：分類(lèi)( Classification )、估值(Estimation )、預(yù)言(Prediction )、相關(guān)性分組或關(guān)聯(lián)規(guī)則(Affinity grouping or association rules )、聚集(Clustering )、描述和可視化(Description and Visualization)，包括文本數(shù)據(jù)挖掘。WEB數(shù)據(jù)挖掘、圖形圖像數(shù)據(jù)挖掘、視頻和音頻數(shù)據(jù)挖掘。數(shù)據(jù)挖掘通過(guò)不同的分析方法可以實(shí)現(xiàn)強(qiáng)大的功能。
2. 數(shù)據(jù)挖掘的知識(shí)類(lèi)型
數(shù)據(jù)挖掘是通過(guò)在大型的數(shù)據(jù)庫(kù)中根據(jù)自己的需要篩選有用的信息，其主要的目的就是發(fā)現(xiàn)知識(shí)，這種系統(tǒng)中的表現(xiàn)形式具有多樣化的特點(diǎn)，通過(guò)采用特定的挖掘方法進(jìn)行分析，掌握數(shù)據(jù)挖掘系統(tǒng)的固有特征，明確其所能發(fā)現(xiàn)知識(shí)的種類(lèi)。通過(guò)比較分析，數(shù)據(jù)挖掘系統(tǒng)的知識(shí)類(lèi)型主要可以分為以下幾大類(lèi)：廣義型知識(shí)(Generalization)、分類(lèi)知識(shí)(Classification)、聚類(lèi)知識(shí)(Clustering)、差異型知識(shí)(Discrimination)、關(guān)聯(lián)型知識(shí)(Association)、序貫?zāi)Ｊ?Sequential patterns)、情節(jié)知識(shí)(Episodes)、預(yù)測(cè)型知識(shí)((Prediction)、演化型知識(shí)((Evolution)、偏差知識(shí)(Deviation)。
3. 數(shù)據(jù)挖掘的任務(wù)及方法
根據(jù)挖掘任務(wù)可以分為:分類(lèi)或預(yù)測(cè)模型發(fā)現(xiàn)、數(shù)據(jù)總結(jié)與聚類(lèi)發(fā)現(xiàn)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、相似模式發(fā)現(xiàn)、混沌模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢(shì)發(fā)現(xiàn)等。數(shù)據(jù)挖掘的方法根據(jù)任務(wù)的不同可以選擇合適的方法，目前數(shù)據(jù)挖掘的方法主要可以分為基于統(tǒng)計(jì)學(xué)的挖掘方法、基于神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘方法、數(shù)據(jù)庫(kù)方法等。基于統(tǒng)計(jì)學(xué)的數(shù)據(jù)挖掘方法建立在統(tǒng)計(jì)學(xué)知識(shí)的基礎(chǔ)上，通過(guò)統(tǒng)計(jì)學(xué)的回歸分析和判據(jù)分析等多種專(zhuān)業(yè)知識(shí)完成數(shù)據(jù)挖掘的任務(wù)。基于神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘方法是一種智能化的數(shù)據(jù)分析技術(shù)，通過(guò)自適應(yīng)的數(shù)據(jù)分析技術(shù)，進(jìn)行訓(xùn)練和學(xué)習(xí)滿足多種數(shù)據(jù)挖掘任務(wù)的需要。神經(jīng)網(wǎng)絡(luò)技術(shù)可以細(xì)致的劃分為前神經(jīng)網(wǎng)絡(luò)和自組織神經(jīng)網(wǎng)絡(luò)。
三、數(shù)據(jù)挖掘在檢驗(yàn)醫(yī)學(xué)中的應(yīng)用
隨著醫(yī)療檢驗(yàn)手段的飛速發(fā)展，經(jīng)過(guò)多年的醫(yī)療系統(tǒng)信息化建設(shè)，檢驗(yàn)信息系統(tǒng)已經(jīng)積累和沉淀了海量的病人檢驗(yàn)數(shù)據(jù)，能否從這些海量數(shù)據(jù)中挖掘?qū)︶t(yī)生、病人和檢驗(yàn)技師的有價(jià)值的參考信息，能否利用這些參考信息給未來(lái)病人提供有價(jià)值的參考呢？能否根據(jù)這些歷史數(shù)據(jù)，分析出某些疾病跟某些因素有關(guān)呢？譬如飲食結(jié)構(gòu)、地區(qū)分布、男女特征和年齡段分析。筆者認(rèn)為通過(guò)數(shù)據(jù)挖掘技術(shù)可以實(shí)現(xiàn)以上需求。
(1)疾病診斷：正確的診斷對(duì)于指導(dǎo)病人的用藥及康復(fù)顯然是重要的，在臨床中有些疾病錯(cuò)綜復(fù)雜，數(shù)據(jù)挖掘的有關(guān)分類(lèi)分析可以應(yīng)用于疾病的診斷。粗糙集理論、人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯分析在疾病診斷方面是有效的。現(xiàn)階段，在數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用之后，已有學(xué)者探索將LIS的數(shù)據(jù)應(yīng)用于輔助診斷。耿中澤利用決策樹(shù)和模糊聚類(lèi)分析兩種數(shù)據(jù)挖掘技術(shù)，嘗試實(shí)現(xiàn)檢驗(yàn)醫(yī)學(xué)計(jì)算機(jī)輔助診斷,并由此得出應(yīng)用的一般模式。
(2)疾病相關(guān)因素分析：在LIS數(shù)據(jù)庫(kù)中有大量的關(guān)于病人的檢驗(yàn)結(jié)果和病人的個(gè)人信息，包括年齡、性別、診斷、職業(yè)、類(lèi)別等，對(duì)數(shù)據(jù)庫(kù)中的信息進(jìn)行關(guān)聯(lián)規(guī)則分析可以發(fā)現(xiàn)有意義的關(guān)系及模式，某種疾病的相關(guān)發(fā)病危險(xiǎn)因素分析可以指導(dǎo)患者如何預(yù)防該疾病。王專(zhuān)等對(duì)心腦血管疾病生化檢驗(yàn)進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)了有意義的關(guān)系及模式。鄭旅芳利用人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)對(duì)胃腸腫瘤標(biāo)志物進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)對(duì)多項(xiàng)檢驗(yàn)項(xiàng)目分析具有更高的診斷效率，可以對(duì)診斷大腸癌進(jìn)行指導(dǎo)。Ramezankhani.A等采用關(guān)聯(lián)規(guī)則挖掘技術(shù)確定2型糖尿病的發(fā)病率模式。
(3)在檢驗(yàn)醫(yī)學(xué)圖像中的應(yīng)用：檢驗(yàn)醫(yī)學(xué)領(lǐng)域中越來(lái)越多的形態(tài)學(xué)檢驗(yàn)，應(yīng)用圖像作為疾病診斷的工具，如骨髓細(xì)胞學(xué)及微生物涂片的圖片數(shù)據(jù)、自身抗體等免疫熒光的圖像數(shù)據(jù)等，數(shù)據(jù)挖掘可以應(yīng)用于圖像的分析。但目前未見(jiàn)在檢驗(yàn)醫(yī)學(xué)中形態(tài)學(xué)檢驗(yàn)上的應(yīng)用報(bào)道。
(4)在DNA相關(guān)檢驗(yàn)項(xiàng)目中的應(yīng)用：如DNA序列分析可用非線性相關(guān)統(tǒng)計(jì)法—AMI(average mutual information)。另外對(duì)DNA序列間相似搜索與比較（對(duì)分別來(lái)自帶病和健康組織的基因序列，進(jìn)行比較以識(shí)別兩類(lèi)基因間的差異），可以認(rèn)為是導(dǎo)至疾病的基因因素檢驗(yàn)。王洪波等提出了基于流形學(xué)習(xí)的DNA序列數(shù)據(jù)挖掘方法,不但平均識(shí)別率高,而且計(jì)算時(shí)間相對(duì)較少。
(5)在醫(yī)學(xué)其他方面的應(yīng)用：數(shù)據(jù)挖掘還可應(yīng)用于寄生蟲(chóng)檢驗(yàn)中的視頻數(shù)據(jù)、血糖血脂等指標(biāo)的動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)等半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)信息分析。流式細(xì)胞儀的數(shù)據(jù)的單參數(shù)直方圖、二維點(diǎn)圖、二維等高圖、假三維圖和列表模式等數(shù)據(jù)也可用數(shù)據(jù)挖掘來(lái)分析。還有在醫(yī)學(xué)其他方面的應(yīng)用：Shah.BR等認(rèn)為數(shù)據(jù)挖掘已被應(yīng)用于糖尿病臨床研究的許多方面，包括經(jīng)典的流行病學(xué)、效能研究、人口健康與衛(wèi)生服務(wù)研究等。Sung SF等等利用數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)了一個(gè)腦卒中管理軟件，用于分析卒中預(yù)后的嚴(yán)重程度。
四、小結(jié)
盡管檢驗(yàn)醫(yī)學(xué)的數(shù)據(jù)極為豐富，但運(yùn)用數(shù)據(jù)挖掘技術(shù)分析和處理這些數(shù)據(jù)資源的研究，在我國(guó)尚處于起步階段。目前檢驗(yàn)醫(yī)師工作難于開(kāi)展的關(guān)鍵問(wèn)題，是沒(méi)有對(duì)大量的檢驗(yàn)數(shù)據(jù)進(jìn)行規(guī)范化和系統(tǒng)化的挖掘與總結(jié)。人體成分錯(cuò)綜復(fù)雜且瞬時(shí)變化，加上檢測(cè)誤差等等因素使得檢驗(yàn)結(jié)果呈現(xiàn)出統(tǒng)計(jì)分布特點(diǎn)，因此檢驗(yàn)結(jié)果對(duì)于疾病或健康狀態(tài)的表征不如影像檢查那樣直觀，如果不能正確分析則得不到病人或臨床滿意的認(rèn)同。數(shù)據(jù)挖掘可以根據(jù)檢驗(yàn)結(jié)果給醫(yī)生、病人、檢驗(yàn)技師提供可疑病情診斷參考,也可以給醫(yī)療雜志、國(guó)民健康提供經(jīng)過(guò)挖掘分析的生活指標(biāo)指導(dǎo)。在互聯(lián)網(wǎng)、HIS和LIS基本普及的信息時(shí)代，將臨床信息、檢驗(yàn)信息和患者信息聯(lián)系起來(lái)，對(duì)本身具有統(tǒng)計(jì)分布屬性的檢驗(yàn)結(jié)果進(jìn)行數(shù)據(jù)挖掘，提煉成為有臨床價(jià)值的重要信息,是檢驗(yàn)醫(yī)學(xué)未來(lái)臨床應(yīng)用的關(guān)鍵技術(shù)。