醫(yī)院數(shù)據(jù)倉庫系統(tǒng)是數(shù)據(jù)倉庫技術(shù)在醫(yī)學(xué)領(lǐng)域的具體實(shí)現(xiàn)，其用戶主要是醫(yī)院的醫(yī)生、護(hù)士和管理人員，是對(duì)臨床數(shù)據(jù)的開發(fā)與利用。醫(yī)院數(shù)據(jù)倉庫系統(tǒng)的建立對(duì)于醫(yī)院管理、臨床治療和醫(yī)學(xué)研究等相關(guān)領(lǐng)域都有著巨大的推動(dòng)力。
在線聯(lián)機(jī)分析（OLAP）應(yīng)用是在數(shù)據(jù)倉庫技術(shù)的基礎(chǔ)之上利用數(shù)據(jù)分析技術(shù)對(duì)數(shù)據(jù)進(jìn)行不同維度的切片處理分析，可得到醫(yī)院經(jīng)營(yíng)情況、收益、投資和匯報(bào)等醫(yī)院績(jī)效評(píng)估依據(jù)。利用業(yè)界標(biāo)準(zhǔn)的具有商業(yè)應(yīng)用價(jià)值的統(tǒng)計(jì)算法對(duì)跨越整個(gè)醫(yī)院的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，形成對(duì)醫(yī)院現(xiàn)狀的統(tǒng)計(jì)特征，從而使高層管理者能夠從更宏觀的角度把握醫(yī)院的經(jīng)營(yíng)狀況。如現(xiàn)有資源使用情況統(tǒng)計(jì)分析、現(xiàn)有服務(wù)情況統(tǒng)計(jì)分析、供應(yīng)商/合作伙伴給醫(yī)院帶來的利潤(rùn)統(tǒng)計(jì)分析以及醫(yī)護(hù)人員的作業(yè)情況比較等。從功能上講，經(jīng)營(yíng)分析應(yīng)用涵蓋病人賬戶情況分析、業(yè)務(wù)發(fā)展分析、收益情況分析、市場(chǎng)競(jìng)爭(zhēng)分析、服務(wù)質(zhì)量分析、營(yíng)銷管理分析、大客戶分析、新業(yè)務(wù)與現(xiàn)有業(yè)務(wù)分析、合作服務(wù)方分析等方面的主題。OALP應(yīng)用的主要效益體現(xiàn)在：①通過匯集醫(yī)院內(nèi)外的數(shù)據(jù)，以及合理運(yùn)用智能分析工具，使醫(yī)院決策層、管理層能更方便、更及時(shí)地獲取關(guān)鍵的管理和業(yè)務(wù)信息；②利用信息挖掘商業(yè)價(jià)值，輔助決策層對(duì)企業(yè)的全面監(jiān)控；③通過對(duì)內(nèi)外部數(shù)據(jù)的分析和利用，為戰(zhàn)略制訂、業(yè)務(wù)拓展、自主定價(jià)和運(yùn)營(yíng)體系的改善提供決策支持。目前數(shù)據(jù)倉庫在醫(yī)學(xué)領(lǐng)域的應(yīng)用主要集中在以下幾個(gè)方面：1. 疾病輔助診斷 采用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)對(duì)病人資料數(shù)據(jù)庫中大量歷史數(shù)據(jù)進(jìn)行處理，挖掘出有價(jià)值的診斷關(guān)聯(lián)規(guī)則，這樣根據(jù)病人的年齡、性別、輔助檢查結(jié)果和生理生化指標(biāo)等就可以作出診斷結(jié)論，從而排除了人為因素的干擾，具有較強(qiáng)的客觀性。2. 疾病輔助治療 建立醫(yī)學(xué)專病的臨床治療方案數(shù)據(jù)倉庫，將各種治療方案所有病例的檢查指標(biāo)、診斷和治療過程以及療效進(jìn)行存儲(chǔ)與分析，在積累到一定病例后，就有可能對(duì)治療方案的各種影響因素進(jìn)行評(píng)估，有利于改進(jìn)治療方案。3. 藥品管理 將各種藥品的數(shù)據(jù)進(jìn)行整理，對(duì)其成分、用法、主治和副作用等信息進(jìn)行處理，建立統(tǒng)一的藥品管理數(shù)據(jù)倉庫，對(duì)于各種藥物的利用和研究都有很大的意義。4. 藥品開發(fā) 在新藥的研究開發(fā)中，采用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)，在關(guān)鍵環(huán)節(jié)先導(dǎo)化合物的發(fā)掘方面尋找同藥效學(xué)相關(guān)的有效化學(xué)物質(zhì)基礎(chǔ)，確定藥效基團(tuán)，指導(dǎo)新藥的研究與開發(fā)，從而縮短新藥的研究開發(fā)周期。降低研發(fā)費(fèi)用。數(shù)據(jù)挖掘與數(shù)據(jù)分析
隨著信息技術(shù)的高速發(fā)展，各個(gè)領(lǐng)域所積累的數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，數(shù)據(jù)的豐富帶來了對(duì)強(qiáng)有力的數(shù)據(jù)分析工具的需求。如何從信息的汪洋大海中自動(dòng)并高效地提取所需的有用知識(shí)，提高信息利用率，成為迫切需要解決的問題。如何將底層的數(shù)據(jù)轉(zhuǎn)變成一種知識(shí)就需新的方法來處理這些海量的數(shù)據(jù)。于是人們結(jié)合統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫和機(jī)器學(xué)習(xí)等技術(shù)，提出數(shù)據(jù)挖掘技術(shù)來解決這一難題。數(shù)據(jù)倉庫和數(shù)據(jù)挖掘都是決策支持技術(shù)，但兩者的輔助決策方式不同。數(shù)據(jù)倉庫是在數(shù)據(jù)庫的基礎(chǔ)上發(fā)展起來的，它將傳統(tǒng)數(shù)據(jù)庫中大量的、詳細(xì)的和不同格式的數(shù)據(jù)按照決策需求進(jìn)行集成和重新組織，從而可以為不同需求的用戶提供統(tǒng)一的數(shù)據(jù)源。數(shù)據(jù)挖掘是通過知識(shí)的關(guān)聯(lián)，挖掘現(xiàn)有數(shù)據(jù)中隱含的信息，給用戶提供更為深入和豐富的信息，可以讓用戶在決策分析中使用。數(shù)據(jù)挖掘于1989年第11屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上首次提出，其又稱知識(shí)抽?。╥nformation extraction）、信息發(fā)現(xiàn)（information discovery）、知識(shí)發(fā)現(xiàn)（knowledge discovery）、智能數(shù)據(jù)分析（intelli-gent data analysis）、信息收獲（information harvesting）等。在人工智能領(lǐng)域習(xí)慣稱之為知識(shí)發(fā)現(xiàn)（knowledge discovery in database，KDD）。1. 數(shù)據(jù)挖掘的定義 數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的和隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的并且最終可理解的信息和知識(shí)的過程。這個(gè)定義包括幾層含義：①數(shù)據(jù)源必須是真實(shí)的、大量的和含噪聲的；②發(fā)現(xiàn)的是用戶感興趣的知識(shí)；③發(fā)現(xiàn)的知識(shí)要可接受、可理解和可運(yùn)用；④發(fā)現(xiàn)的知識(shí)支持特定的被發(fā)現(xiàn)的問題。它涉及多學(xué)科的集成，包括數(shù)據(jù)庫技術(shù)、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、高性能算法和模式識(shí)別等諸多內(nèi)容。2. 數(shù)據(jù)挖掘的功能 數(shù)據(jù)挖掘的功能主要由兩部分組成：描述型（descriptive）和預(yù)測(cè)型（predic-tive）。描述型的任務(wù)是指描述數(shù)據(jù)庫中數(shù)據(jù)的某些特性。預(yù)測(cè)型的任務(wù)是指從現(xiàn)有數(shù)據(jù)中進(jìn)行總結(jié)并且推斷后續(xù)數(shù)據(jù)的變化狀況。主要有以下功能：（1）分類（classification）：就是通過分析樣本客戶數(shù)據(jù)庫中的數(shù)據(jù)，為每個(gè)類別作出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個(gè)分類規(guī)則對(duì)其他客戶的記錄進(jìn)行分類。在使用上，既可以用此模型分析已有的數(shù)據(jù)，也可以用它來預(yù)測(cè)未來的數(shù)據(jù)。（2）預(yù)測(cè)（prediction）：利用歷史數(shù)據(jù)建立模型，再運(yùn)用最新的數(shù)據(jù)作為輸入值，獲得未來變化的趨勢(shì)或評(píng)價(jià)給定樣本可能具有的屬性值或值的范圍。如根據(jù)已有的蛋白質(zhì)結(jié)構(gòu)知識(shí)對(duì)新發(fā)現(xiàn)或合成的蛋白質(zhì)預(yù)測(cè)其規(guī)律等。（3）聚類（clustering）：即“物以類聚”。它是分類的逆向方法。聚類把沒有分類的記錄在不知道應(yīng)分成幾類的情況下，按照數(shù)據(jù)內(nèi)在的差異性大小合理地劃分成幾類，并確定每個(gè)記錄所屬類別。（4）關(guān)聯(lián)（association）：是從大量的數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間的有趣的聯(lián)系、相關(guān)關(guān)系或因果結(jié)構(gòu)，以及項(xiàng)集的頻繁模式。（5）時(shí)間序列（sequential）：又稱趨勢(shì)分析，它是從相當(dāng)長(zhǎng)時(shí)間的發(fā)展中發(fā)現(xiàn)規(guī)律和趨勢(shì)。和關(guān)聯(lián)分析相似，但側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后因果關(guān)系。（6）偏差分析（deviation）：又稱比較分析，它是對(duì)偏差和極端特例的描述，由于揭示事物偏離常規(guī)的異?，F(xiàn)象，如標(biāo)準(zhǔn)類外的特例，數(shù)據(jù)聚類外的離群值等。數(shù)據(jù)分析常用技術(shù)可分為統(tǒng)計(jì)分析、決策分析和數(shù)據(jù)挖掘三大類，在數(shù)據(jù)挖掘技術(shù)日益發(fā)展的同時(shí)，許多數(shù)據(jù)挖掘的軟件工具也逐漸問世，主要分為通用的和針對(duì)特定領(lǐng)域的數(shù)據(jù)挖掘工具兩大類。（1）通用數(shù)據(jù)挖掘工具：不區(qū)分具體數(shù)據(jù)的含義，處理常見的數(shù)據(jù)類型。如SPSS公司的Clemen-tine、SAS軟件包，IBM公司Almaden研究中心開發(fā)的QUEST系統(tǒng)、SCI公司的MineSet系統(tǒng)、加拿大SimonFraser大學(xué)開發(fā)的DBMiner系統(tǒng)、開源的WEKA（Waikato Environment for Knowledge Analysis），以及Google新近發(fā)布的Google Correlate 等。（2）針對(duì)特定領(lǐng)域的數(shù)據(jù)挖掘工具：在設(shè)計(jì)算法時(shí)充分考慮到數(shù)據(jù)和需求的特殊性。如澳大利亞的Track公司開發(fā)的醫(yī)院管理信息挖掘工具SpeedMiner，通過對(duì)醫(yī)院特定的數(shù)據(jù)進(jìn)行匯總和分析，給醫(yī)院管理層提供決策幫助。3. 醫(yī)院數(shù)據(jù)分析 考慮到臨床數(shù)據(jù)挖掘應(yīng)用對(duì)建立歷史性主題數(shù)據(jù)倉庫的要求，目前各醫(yī)院的智慧醫(yī)療大多還停留在數(shù)據(jù)分析層面。結(jié)合醫(yī)院目前的HIS、PACS和LIS等業(yè)務(wù)系統(tǒng)，以這些業(yè)務(wù)系統(tǒng)的數(shù)據(jù)庫為數(shù)據(jù)源，建立面向全院數(shù)據(jù)中心的數(shù)據(jù)倉庫，實(shí)現(xiàn)醫(yī)院一體化以及醫(yī)療信息的集成和共享交換。在數(shù)據(jù)倉庫的基礎(chǔ)上利用數(shù)據(jù)分析技術(shù)，建立一個(gè)面向全院的智能管理平臺(tái)，為醫(yī)院的科學(xué)管理和科學(xué)決策提供了有價(jià)值的信息資源，真正實(shí)現(xiàn)醫(yī)院全方位智能化管理。建立基于全院數(shù)據(jù)中心的數(shù)據(jù)倉庫并進(jìn)行數(shù)據(jù)分析，從基礎(chǔ)業(yè)務(wù)數(shù)據(jù)中通過預(yù)定的和切合院方實(shí)際需要的主題進(jìn)行數(shù)據(jù)抽取、數(shù)據(jù)清洗和數(shù)據(jù)整合等處理，立足于綜合性醫(yī)院的需求，針對(duì)HIS系統(tǒng)中醫(yī)院內(nèi)部各個(gè)科室等職能部門所產(chǎn)生的龐大數(shù)據(jù)，通過BI所提供的各種強(qiáng)大的分析功能進(jìn)行多角度、多層次的分析，為醫(yī)院的科學(xué)管理和科學(xué)決策提供有價(jià)值的信息資源，以便作出正確的決策。同時(shí)利用BI所提供的圖形化界面實(shí)現(xiàn)對(duì)醫(yī)院實(shí)時(shí)數(shù)據(jù)的監(jiān)控。目前多數(shù)醫(yī)院實(shí)現(xiàn)的數(shù)據(jù)分析功能有：（1）數(shù)據(jù)監(jiān)控功能：包括門診人次的實(shí)時(shí)監(jiān)控、手術(shù)室使用情況實(shí)時(shí)監(jiān)控、病床實(shí)時(shí)使用情況監(jiān)控、住院病人數(shù)量實(shí)時(shí)監(jiān)控、出入院人數(shù)實(shí)時(shí)監(jiān)控、科室護(hù)患比實(shí)時(shí)監(jiān)控、醫(yī)保定額監(jiān)控等。（2）醫(yī)院管理儀表盤顯示：主要針對(duì)病案首頁主要指標(biāo)，在一個(gè)界面上直觀地看到整個(gè)醫(yī)院住院的基本情況。如采用列表顯示全院、各科室年、月門診量、日均門診量以及同比增長(zhǎng)率；采用餅圖顯示全院門診量分布；采用曲線圖顯示全院、各科室年月門診量走勢(shì)。還要進(jìn)行單病種相關(guān)性分析、病人醫(yī)療費(fèi)用分析和臨床與科室業(yè)務(wù)收入分析；列表顯示出出入院病人疾病分類及療效、療程、費(fèi)用報(bào)表、醫(yī)院部分病種住院醫(yī)療費(fèi)用分析、不同病人來源平均住院日分析表、醫(yī)保數(shù)據(jù)分析和院感查詢等。4. 數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)中的應(yīng)用 在二十余年的發(fā)展時(shí)間里，數(shù)據(jù)挖掘技術(shù)在商業(yè)、金融業(yè)、工業(yè)和醫(yī)學(xué)中都有成功的應(yīng)用例子。目前，醫(yī)學(xué)的發(fā)展已經(jīng)由經(jīng)驗(yàn)醫(yī)學(xué)、實(shí)驗(yàn)醫(yī)學(xué)轉(zhuǎn)向目前以證據(jù)為基礎(chǔ)的循證醫(yī)學(xué)，醫(yī)學(xué)數(shù)據(jù)產(chǎn)生量大，具在客觀性和實(shí)驗(yàn)性等特點(diǎn)，數(shù)據(jù)挖掘技術(shù)在此醫(yī)學(xué)領(lǐng)域中的應(yīng)用更具有重要的實(shí)用價(jià)值和經(jīng)濟(jì)價(jià)值。目前數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)中的應(yīng)用主要在以下幾方面：（1）疾病的輔助診斷：疾病診斷通常與分類相關(guān)，而分類是數(shù)據(jù)挖掘的重要功能之一， 因此疾病輔助診斷一直是數(shù)據(jù)挖掘的重要應(yīng)用領(lǐng)域。數(shù)據(jù)挖掘技術(shù)利用積累起來的大量歷史數(shù)據(jù)，根據(jù)病人的年齡、性別、檢查結(jié)果、生理生化和影像等指標(biāo)作出診斷結(jié)論，挖掘出有價(jià)值和有普遍性的診斷規(guī)則，從而排除了人為因素的干擾，有的幾乎接近專家的預(yù)測(cè)精度。（2）疾病預(yù)警、預(yù)測(cè)和預(yù)后分析:對(duì)疾病及早采取防范或治療措施，將有利于提高醫(yī)治效果，利用數(shù)據(jù)挖掘技術(shù)可從大量數(shù)據(jù)中發(fā)現(xiàn)各種檢查結(jié)果與病情、醫(yī)療結(jié)果之間的相關(guān)性，及早提醒醫(yī)務(wù)人員可能出現(xiàn)的情況，從而作出相應(yīng)的治療調(diào)整。（3）疾病治療方案的選擇：對(duì)于某些疾病，治療方案的優(yōu)選問題的復(fù)雜性已遠(yuǎn)非醫(yī)生的經(jīng)驗(yàn)或直覺所能解決的，所以數(shù)據(jù)挖掘技術(shù)正在逐步被應(yīng)用于治療方案優(yōu)選領(lǐng)域。（4）藥物開發(fā)中的應(yīng)用：采用數(shù)據(jù)挖掘技術(shù)建立的藥物開發(fā)系統(tǒng)可以用來尋找同藥效學(xué)相關(guān)的有效化學(xué)物質(zhì)基礎(chǔ)，指導(dǎo)新藥的研究與開發(fā)，從而縮短研制周期和降低研發(fā)費(fèi)用。（5）生物信息學(xué)中的應(yīng)用：目前DNA分析的研究成果已經(jīng)導(dǎo)致了對(duì)許多疾病和殘疾的基因成因的發(fā)現(xiàn)，以及對(duì)疾病的診斷、預(yù)防和治療的新藥物、新方法的發(fā)現(xiàn)。然而，人類的基因約有10萬個(gè)，一個(gè)基因通常又由成百個(gè)核苷按一定的次序組織而成，核苷又按不同的次序各序列可以形成不同的基因，其組合不計(jì)其數(shù)，對(duì)海量的DNA數(shù)據(jù)數(shù)據(jù)挖掘技術(shù)成為其分析的強(qiáng)有力工具。（6）醫(yī)院信息系統(tǒng)中的應(yīng)用：數(shù)據(jù)挖掘技術(shù)結(jié)合HIS可以對(duì)醫(yī)院的業(yè)務(wù)收入預(yù)測(cè)，為醫(yī)院的發(fā)展提供輔助決策；對(duì)醫(yī)生開的處方分析，可以發(fā)現(xiàn)不同種類藥品的使用規(guī)律；對(duì)門診電子病例分析，可以挖掘出各種疾病在不同時(shí)期的發(fā)病率的高低等有價(jià)值的信息等。5. 知識(shí)庫和模型庫 知識(shí)是人類對(duì)客觀世界的認(rèn)識(shí)，知識(shí)是先由底層數(shù)據(jù)經(jīng)過分類、歸納、綜合等綜合處理而得到的上層信息。知識(shí)庫，又稱智能數(shù)據(jù)庫或人工智能數(shù)據(jù)庫，是用于知識(shí)管理的一種特殊的數(shù)據(jù)庫。知識(shí)庫中的知識(shí)源于領(lǐng)域?qū)＜遥乔蠼鈫栴}所需領(lǐng)域知識(shí)的集合，包括理論知識(shí)、事實(shí)數(shù)據(jù)，由專家經(jīng)驗(yàn)得到的啟發(fā)式知識(shí)，如某領(lǐng)域內(nèi)有關(guān)的定義、定理和運(yùn)算法則以及常識(shí)性知識(shí)等。建立知識(shí)庫，必定要對(duì)原有的信息和知識(shí)做一次大規(guī)模的收集和整理，按照一定的方法進(jìn)行分類保存，并提供相應(yīng)的檢索手段。這樣，信息和知識(shí)便從原來的混亂狀態(tài)變得有序化，有利于信息和知識(shí)的檢索。模型（model）是以某種形式對(duì)一個(gè)系統(tǒng)本質(zhì)屬性的描述，以刻畫系統(tǒng)的功能、行為及規(guī)律。模型庫是在計(jì)算機(jī)中按一定組織結(jié)構(gòu)形式存貯和表示的多個(gè)模型的集合，用于存貯決策模型，其功能是使決策者能構(gòu)造、修改和應(yīng)用庫內(nèi)各種模型以支持決策。模型庫將眾多模型按一定結(jié)構(gòu)形式組織起來，通過模型庫管理系統(tǒng)對(duì)各個(gè)模型進(jìn)行管理和使用。它具有共享性和動(dòng)態(tài)性。共享性是指它具有一些可支持不同層次決策活動(dòng)的基本模型，可被不同的決策活動(dòng)共享。動(dòng)態(tài)性是指它所具有的基本單元可在不同的決策活動(dòng)中，用不同的方式組合成不同的模型。模型庫是決策支持系統(tǒng)的核心部分，是決策支持系統(tǒng)區(qū)別于一般管理信息系統(tǒng)的最重要的標(biāo)志。它之所以能夠?qū)Q策的制訂提供有效的支持，主要原因是在于決策支持系統(tǒng)具有能為決策者提供推理、分析和比較選擇問題的模型庫。因此，模型庫及其管理系統(tǒng)在決策支持系統(tǒng)中占有十分重要的地位。模型是通過模型庫管理系統(tǒng)對(duì)其進(jìn)行維護(hù)和管理。模型庫管理系統(tǒng)為生成和管理模型提供一個(gè)用戶界面友好的軟件環(huán)境，主要功能是對(duì)模型的建立、維護(hù)、調(diào)用、查詢運(yùn)行、檢驗(yàn)和評(píng)價(jià)進(jìn)行集中的控制。其模型有兩類：①標(biāo)準(zhǔn)模型：按照某些常用的程序設(shè)計(jì)語言編程，并存在庫中；②用戶應(yīng)用建模語言和模型庫管理系統(tǒng)的建模功能而建立的模型：模型庫管理系統(tǒng)一般由模型庫、數(shù)據(jù)庫（模型數(shù)據(jù)表、模型字典庫）和系統(tǒng)管理3部分組成。醫(yī)護(hù)人員在醫(yī)療活動(dòng)中的差錯(cuò)已經(jīng)成為了國(guó)內(nèi)外社會(huì)普遍關(guān)注的問題。1999年美國(guó)國(guó)立醫(yī)學(xué)研究院（instiute of medicine，IOM）發(fā)表名為“To err is Human”（人是會(huì)犯錯(cuò)誤的）的報(bào)告，報(bào)告表明：第一，醫(yī)療錯(cuò)誤的數(shù)量驚人，醫(yī)療差錯(cuò)致死已經(jīng)處于十大死因的第五位；第二，大部分的醫(yī)療錯(cuò)誤是可以通過計(jì)算機(jī)系統(tǒng)避免的。因此，通過建立決策支持系統(tǒng)的手段來控制醫(yī)療差錯(cuò)及提高醫(yī)療質(zhì)量也是更加迫切的任務(wù)。
