数据挖掘与决策支持系统

数据挖掘或称知识发现是从大量的数据中筛选出隐含的、可信的、新颖的、有效的信息的处理过程。在医院日常工作中，主要用于临床医学研究和经营管理分析这2个方面。例如在医学上，可应用于慢性病分析，遗传性疾病自动检测，医学影像数据库的挖掘，门诊、住院疾病谱变化分析等。在经营管理中，可用于单病种分析，医保费用构成解析，医院经济收入比较，医院医疗成本分析等。对大量数据进行建模、预测、联机分析等处理，从中开发、利用或发现某些新信息、新知识，为医院领导、临床医师及医院药学工作提供有用的信息及决策依据。

数字化医院每天产生海量的数据，并且通过临床数据仓库进行一元化数据管理，为数据挖掘和再利用提供了最佳的实施平台——具有包含所有医疗行为信息的丰富数据资源和逻辑上一体化管理的完整数据仓库，能够支持对数据库的嵌入式实时数据挖掘。在这样的技术背景下，数据挖掘和再利用的可靠性和便利性将大大增加。在数字化医院平台上，实时准确的数据挖掘将为医院管理者、医生、护士的日常工作提供更完善的信息支持和决策辅助。

随着人工智能和各种新技术的发展，未来医疗决策支持系统的发展趋势如下。

（一）医疗决策支持系统与神经网络、遗传算法等推理新方法新技术相结合

人工神经网络（artificial neural network，ANN）具有自组织、自学习和自适应性等特点，同时还具有并行处理、分布式存储与容错性。用人工神经网络技术构建医疗决策支持系统，不仅可以较好地解决系统的学习和知识更新问题，在知识推理和知识解释上也占有明显优势。遗传算法（genetic algorithm，GA）是模拟生物进化和遗传建立起来的搜索技术，具有较强的全局搜索能力和知识表达能力。医疗决策支持系统与遗传算法相结合，在诊断规则挖掘和诊断变量提取方面显示出了广阔前景。

（二）医疗决策支持系统与数据库相结合

人工智能与数据库技术是计算机科学的两大重要领域，越来越多的研究成果表明，这2项技术的相互渗透将会给计算机应用带来更广阔的前景。医疗决策支持系统可借鉴数据库关于信息存储、共享、并发控制和故障恢复技术，对决策支持系统中的知识库管理、设计以及对大型知识库、共享知识库和分布式知识库提供帮助，改善决策支持系统的特性，使其规模提高到实用水平。如数据库的基本范例（输入、检索、更新等）可作为新的知识库范例，数据库的基本目标（共享性、独立性、分布性等）可作为新的知识库基本目标，数据库的三级表示与设计方法可用作新的知识库设计方法。

（三）与多媒体相结合

多媒体技术是一种把文字、图形、图像、声音、动画、视频图像等信息集成在一起，并通过计算机进行综合处理的综合技术。将多媒体技术应用在医疗决策支持系统中，一是能够充分发挥其高速处理综合问题的特点，提高识别速度，有效地模拟医生在临床诊断中用的直觉和模拟诊断功能；二是可集多种知识表达为一体（知识媒体包括文字、图形、图像、影像及声音）；三是具有友好的用户界面，系统将以类似临床医生的方式来传播和提供信息；四是知识获取方便，过去知识获取一直是最困难的，因为知识必须事先整理，才能存入计算机内使用，而利用多媒体决策支持系统的知识获取模块，采用图像扫描器，可直接将医学图像及精确的解剖位置转化为系统内部知识表示，也可由医师用话筒直接向系统传授知识。

（四）与网络技术相结合

网络技术使得决策支持系统在应用中可采用分布式知识库结构，将知识按其专业和特点分为若干个相关的知识库，提高了数据的安全性和用户访问数据的能力。同时，还可采用分布式推理机制，改善应用环境的系统运行能力，从而可提高医疗决策支持系统推理的速度和灵活性。采用分布式结构，不同的医疗决策支持系统还可以在一个网络运行，对同一个疑难杂症可以由不同的专家进行诊断。同时，远程医疗的蓬勃发展、“网上医疗站”的出现，为医学医疗决策支持系统的应用提供了一个广阔的场所，为医疗决策支持系统更好地服务于人类、应用于社会提供了更优越的条件。