腫瘤臨床護理實踐中的數據挖掘技術應用
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了腫瘤臨床護理實踐中的數據挖掘技術應用范文，希望能給你帶來靈感和參考，敬請閱讀。
在腫瘤臨床護理實踐中，患者及醫護人員在疾病不同階段常面臨抉擇［1］。近年來，醫院信息系統（hospitalinformationsystem，HIS）、移動護理系統等產生海量的醫學數據，發現潛藏在數據庫中的有效信息，并將其應用到臨床實踐，有助于為抉擇提供證據支持，同時又能兼顧患者偏好，進而提供個性化的診療護理服務。這種由數據驅動、個性化的臨床護理實踐，可最大限度地提高臨床療效，并可及早發現、有的放矢地干預治療不良反應或并發癥，或改善腫瘤患者生命末期的生活質量。數據挖掘（datamin－ing，DM）也稱為數據庫中的知識發現，能夠從大量的、不完全的、有噪聲的、模糊的、隨機的數據集中識別有效的、新穎的、潛在有用的以及最終可理解的知識［2］，為腫瘤臨床護理實踐提供了新的思路。挖掘出醫學數據庫中潛在的數據價值是其得以有效應用的前提條件。本文針對數據挖掘技術在腫瘤臨床護理實踐中的應用做一綜述，以期為科研人員及臨床工作者更好地對腫瘤臨床護理數據進行挖掘提供參考。
1數據挖掘技術概述
1．1數據挖掘技術的特征
數據挖掘是一門涉及面很廣的交叉學科，技術來源包括機器學習、數理統計、數據庫、模式識別學等，其特點是處理大量數據時可兼容多種類型的原始數據（如時間序列的、空間的、文本的、多媒體的），將大量原始數據轉換成為更有價值且易于理解的知識，用于描述過去或預測未來的趨勢和規律，并做出快速響應，以指導臨床實踐和研究［3］。挖掘出的知識可以用規律、模式、規則等形式展現，數據挖掘通常按模式的作用，分為描述性與預測性模式。描述性模式是對數據集中已經存在的規則、規律、知識特征進行描述，而不進行任何預測（回顧性）［4］；預測性模式是從已知的數據集中挖掘出某些特征信息，進而對未知的數據集進行預測（前瞻性）。數據挖掘本質上也是一種高級、深層次的數據分析手段，成熟的相關技術加上高效的數據庫搜索引擎，利用數據挖掘技術可發現以往數據集的規則，進而利用這些規則預測未知數據集，達到科學預測的目的［5］。數據挖掘技術的流程主要包括數據的采集（根據研究主題從數據庫或醫院信息系統中選出需要分析的相關臨床數據，構建數據集）、處理（缺失值、標準化術語、特征選取等）、分析（根據研究目的和數據特征選擇合適的算法并建立模型）和解釋（對所得模型性能進行評價）。有學者［6］認為，使用特定算法對臨床實踐數據（如當變量之間的關系復雜、多維和非線性時）進行挖掘，能夠提供一組有用的規則，區分一系列假定風險，在預測臨床結果方面比傳統統計技術更為精準［7］。
1．2數據挖掘技術常用算法
數據挖掘中用于分類的常用算法有［5，8］：人工神經網絡（artificialneuralnetwork，ANN）、支持向量機（supportvectorma－chine，SVM）、貝葉斯法（Bayes）、決策樹（decisiontree，DT）等。根據數據的特點選用合適的算法，能夠提取更為有效的內容特征，挖掘出更有價值的信息，這在腫瘤臨床護理實踐中提高分類準確率方面具有十分重要的意義。ANN是一種非參數機器學習方法，模擬生物神經系統，由大量的節點（或稱神經元）相互聯接構成。其通常有三層，即輸入層、中間層（隱藏層，可以有多個）和輸出層，所有的輸入層信息都以分層的方式傳遞到輸出層。輸入層既可以是第一層的原始數據，也可以是另一層的輸出（輸出形式可以是數值數據、文字、圖像等）。SVM是一種按監督學習對數據進行二分類的廣義線性分類器，其可以很好地應用于高維、高通量數據，如用于癌癥基因組分類或子分類，尤其在識別復雜數據集中的細微模式方面功能非常強大。Bayes是檢驗多元關系的一種強有力的方法，通過直觀的圖形來可視化變量之間的相互關系，被廣泛地應用于基因組學和醫學領域，此外，可指導干預研究的設計。DT因其決策分支圖形和樹的枝干相似而得名。它采用樹枝狀解釋對象屬性與對象值之間的關系，樹中每個節點表示某個對象，而每個分叉路徑則代表某個可能的屬性值，具有根據數據的不同屬性歸為不同類別的特性。DT算法的優點是不易受到噪聲、變量冗余屬性的影響。基于此，筆者認為，根據不同的數據特點和研究目的，靈活選擇合適的分類算法，才能使數據挖掘技術在腫瘤臨床護理實踐中真正發揮作用。
2數據挖掘技術在腫瘤臨床護理實踐中的應用
2．1輔助最佳診療、護理方案的選擇
腫瘤患者的決策過程非常復雜，需要一個共同的決策過程，隨著醫療信息化不斷推進，數據正以多形式、前所未有的速度增長，借助數據挖掘技術從龐大的數據中去偽存真，提取有用的信息，在選擇診療、護理方案方面發揮著舉足輕重的作用。Wong等［9］在最新研究中，指導新診斷為前列腺癌的患者在密歇根泌尿外科改進合作組織（theMichiganUrologicalSurgeryImprovementCollaborative，MUSIC）開發的網絡系統－－askMUSIC上完成自我評估（https：／／ask．musicurology．com／），隨后嵌套在系統里的算法為患者提供答案：“類似于我這種情況的患者選擇了什么治療和護理？”。askMUSIC讓患者感覺自己在控制、管理自己的疾病、治療和生活，有了客觀信息的證據支持，可以促進患者參與決策過程，改善體驗，提高護理滿意度。再如一些研究［10－11］利用影像學特征的ANN實現腫瘤反應的客觀和自動化評估，并發現高通量的成像生物標志物，建立了比傳統成像指標具有更高預測價值的模型，進而幫助實現更為精準的治療方案調整。Mantravadi［12］使用決策樹建模比較了基于《床頭抬高和誤吸風險指南》最佳實踐和常規（標準）護理干預老年癌癥幸存者吸入性風險的成本效益，證實了居住在專業護理機構的老年癌癥幸存者接受最佳護理實踐后吸入性風險有所降低，同時護理機構成本也有所減少。這些結果的提出，有助于患者與醫護人員共同選擇和調整最佳方案，既能使患者真正獲益，又能充分利用有限的醫療資源。
2．2早期識別并治療不良反應，預測并發癥
在腫瘤臨床護理實踐中，對于不良反應、疾病或治療相關并發癥的早期識別，進而采取防范措施，將有利于提高醫治效果，改善患者生活質量。利用數據挖掘技術可從大量數據中發現各種癥狀、檢查結果與不良反應或并發癥之間的相關性，及早提醒醫護人員可能出現的情況，從而實施早期干預。Carmona等［13］利用決策樹模型對癌癥合并肺栓塞患者的嚴重并發癥（包括死亡、急性呼吸衰竭、心力衰竭、腎功能衰竭和大出血等）進行預測，進而將患者分為低、中、高并發癥風險組，模型結果顯示進展期腫瘤或因無法評估反應而有進展風險的患者發生嚴重并發癥的風險更高，這提示醫護人員需要對這部分患者進行持續監測，及時處理。腫瘤患者在接受治療后，需重點觀察治療效果及不良反應，護士的職業特性決定了護士處在觀察并及時發現不良反應的最佳位置。如淋巴水腫是乳腺癌治療最痛苦的不良反應之一，對患者生活造成嚴重的負面影響，其發生的時間點（可在術后、術后幾個月或幾年等）具有極大個體差異，早期發現可以幫助患者得到及時的干預，從而有效地管理淋巴水腫，然而在繁忙的臨床實踐中，護士分身乏術，難以同時對大量患者尤其是出院患者進行實時監測，數據挖掘技術則有望突破這一瓶頸。Fu等［14］評估了基于癥狀實時報告的多種技術（ANN、SVM和DT等）檢測淋巴水腫狀態的準確性、敏感性和特異性，結果顯示，ANN取得較好的實時精確預測，準確率為93．75％，靈敏度為95．65％，特異性為91．03％，可作為目前除常用的生物阻抗分析等評估方法外的有效補充，這可以降低淋巴水腫進展為慢性或嚴重階段的風險。此外，也有研究者發現，數據挖掘技術在預測腫瘤患者焦慮抑郁狀態、認知功能受損風險，從而指導個性化干預等方面也有較大優勢［15］。運用數據挖掘技術分析臨床實踐的相關數據，可以發現影響不良反應、并發癥發生的因素，識別出高危人群，有助于前瞻性地制訂相應的干預措施減少不良反應、并發癥的發生［16］。
2．3輔助終末期照護品質的提升
在疾病晚期，某些腫瘤患者即使接受了最佳治療，其預期壽命也相對較短，及時、準確的臨終期判斷有助于患者和醫護人員在姑息治療和其他治療之間做出選擇，從而制定個性化的診療、咨詢服務、隨訪計劃或臨床護理，最大程度改善終末期患者的生活質量［17］。有研究［18］表明，對于臨終期癌癥患者，早期接受臨終關懷和姑息治療可以顯著減輕疼痛，減少心理痛苦，改善生命末期的生活質量。一項針對胰腺癌患者的研究［19］顯示，通過ANN能準確預測胰腺癌患者7個月的生存期，其敏感性為91％，這一結果的提出，可使醫護人員根據特定于個體患者的信息為患者提供轉診建議或強化的隨訪。Chan等［20］在不增加晚期癌癥患者評估負擔的基礎上，利用電子數據挖掘晚期癌癥患者在接受姑息治療時所處的不同狀態，以便更好地提供臨終護理（如軀體癥狀管理、心理護理、情緒咨詢、體育鍛煉、精神支持、志愿者探訪和娛樂活動等），使患者在住院期間體驗有意義的生活質量，并最終體驗“善終”。Almasalha等［21］發現，使用關聯挖掘、聚類和分類技術識別隱藏信息，可為改善腫瘤患者臨終護理的質量和效率提供強有力的技術支持。如當系統通過分類和訓練發現與數據庫中歷史數據相匹配的癥狀時，發出警報，并適時提出最佳護理實踐建議。當前，加速采用電子病歷的激勵政策將會導致臨床數據的數量和可用性不斷增加，電子病歷有望成為知識發現的潛在金礦。然而，目前姑息治療機構能夠充分代表住院患者標準化語言護理的電子病歷較為缺乏，導致其數據的可用性成為數據挖掘技術實施推廣的瓶頸，今后有待完善標準化的電子數據錄入，以利于利用數據挖掘技術最大限度地挖掘對臨終期癌癥患者護理最為有意義的信息。
3展望
數據挖掘技術（如ANN、SVM、DT等）給腫瘤臨床護理實踐帶來了極大的發展動力，在輔助最佳診療、護理方案選擇、早期識別不良反應、預測并發癥、提升臨終期照護品質等方面取得了較大的成果。相信在大數據的時代背景下，信息化的不斷發展，腫瘤領域與信息化的不斷深入結合，會給涵蓋腫瘤患者健康生命全周期的護理實踐帶來新的發展契機，同時為護理科研工作的開展提供更為有力的技術支持。目前，盡管我國護士工作站相關系統已廣泛普及應用，但是較之國際上現有標準化護理術語集，國內很多護理記錄術語仍不夠標準，導致數據需要經過大量的預處理后方能成為數據挖掘的原始數據。因此，如果想要充分挖掘腫瘤臨床護理實踐中產生的數據，形成新的護理知識，并有效指導臨床實踐，那么發展標準化護理術語集，實現護理記錄的標準化則是關鍵的前提基礎。基于此，今后的研究及實踐重點應包括：首先，將數據挖掘技術植入統一標準化的醫療信息平臺，整合各個醫療信息系統，創建統一的數據庫，降低數據融合難度；其次，探索多學科協作模式（醫療、護理、計算機、數據分析師等），開展大樣本、多中心的前瞻性研究，進一步提高、驗證數據挖掘技術在腫瘤臨床護理實踐中的前瞻性、精準性和高效性，實現數據利用率的最大化；最后，由于腫瘤患者大多具有較長的居家康復期，需自主、持續進行疾病和癥狀的自我管理，隨著電子化醫療和護理系統的普遍覆蓋，對腫瘤患者院內、外聯動數據的正確存儲、挖掘及利用具有很大空間和潛力，可進一步開展數據挖掘技術在分析腫瘤患者疾病特征、癥狀及癥狀群與生活質量之間復雜關系的研究，并證實、細化最佳的數據挖掘算法，進而推動前瞻性、個體化、全程性的癥狀管理，改善患者體驗，從而優化腫瘤臨床護理實踐。
作者：覃盛媚 周潔 耿朝輝 單位：上海中醫藥大學
