数据挖掘在中医领域的应用探析

金涛伟++隋永博++曹旭

【摘 要】随着医疗信息化进程水平的不断提高，通过各类医疗管理系统、数据采集平台逐渐形成了医疗信息的“大数据”，合理利用将这些看似无关联的数据资源转化成具有信息成果，以实现数据的深层次价值。目前而言，简单的对数据的查询已经逐渐无法满足管理者的需求，如何从大量的医疗数据中提取有助服务临床和领导管理决策的数据显得越来越重要，医疗数据挖掘由此应运而生。

【关键词】数据挖掘中医领域 医疗信息化

数据挖掘和数据分析根本区别在于数据挖掘在处理信息前没有明确可能得到的目标信息。因此经过数据挖掘而获得的信息包括信息不确定、具有深层次价值和实现度高三个特征。信息不确定指在海量数据信息中挖掘的规律具有不确定性。深层次价值主要体现在挖掘出的信息看似与数据或信息本身无关联，但实际却在某些方面具有相同的共性。往往经过挖掘出的数据或信息都能反应出一定的规律及关联性，以及从深层次方面能够提供相当程度的决策支持，因此更容易被预测或实现。

1 数据挖掘概述

数据挖掘（Data mining）又称为知识发现（Knowledge-Discovery in Databases，简称：KDD），数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐藏的、未知的、潜在规律的有价值信息和知识的过程，所以数据挖掘更准确的理解应是“从数据中挖掘知识”[1]。目前进行数据挖掘研究范围的数据多指存在数据库系统中存放海量数据的数据仓库。数據挖掘不能简单的理解为面向特定数据库的查询，更不是简单的数据检索[2]。它从诞生开始就是面对过程的，从看似不关联的海量数据进行系统的分析和推理，从深层次发现看似没有联系的事件过程中出现的潜在关系关联，利用挖掘到的隐含信息指导处理实际问题，将从中发现的关联规律对事件走向进行模拟及判断。知识发现的过程是从这些海量数据中提取有价值的信息或规律，而在这些海量数据中不仅有直观可以看到的符合逻辑的信息，同时数据之间由于逻辑关系的不同还存着许多未被发现的信息或规律，这些潜在的信息或规律正是我们进行数据挖掘所需要的深层次目标，尤其在中医药领域，发现未知的具有价值的信息对于中医药医学研究的传承和发展更具有其深远的意义。

2 数据挖掘特点

（1）数据规模应足够庞大，以确保反应的数据具有广泛性。（2）用户可以通过数据挖掘技术来发现海量数据或信息中探寻隐藏的关联关系[3]。（3）数据挖掘对数据极为敏感，能够对海量数据做出及时反馈，为提供决策提供必要的数据支持。（4）数据挖掘能够发现关联规律，同时，还要能够及时调整规则，以便随着探索的不断深入具有持续性。（5）数据挖掘中关联规律的发现源于统计概率，并不适用于所有的数据，关系规律达到某一阀值时，便认为有此规则[4]。

3 数据挖掘的主要功能

（1）概念描述功能。概念描述是对信息进行提炼，做出综合描述。概念描述可实现对目标信息的总体特征的汇总，如计算出数据库中各个数据项的总和、方差、均值等都属于该范畴。（2）分类预测功能。分类是数据挖掘中的一个重要的体现，其目的是产生一个分类模型，利用该模型能把目标信息汇总的数据项映射到既定类别中[5]。（3）聚类分析功能。聚类是指将目标数据对象集合分组成为相对同源的或类似的簇的过程，达到不同簇之间的相似性最小、同簇数据对象的相似性最大的目标。（4）关联分析功能。关联分析是指发现事物之间有意义的联系和规则。

4 数据挖掘技术在中医行业领域中的作用

中医药数据挖掘是数据挖掘在众多领域的应用之一，在中医领域，有大量的古代中医医学信息和数据可以利用现代化信息技术去开发和利用，数据挖掘大有用武之地中医药数据分析的需求有深刻含义和深层次的哲学原理，中医药数据挖掘有在以下方面的具有突出贡献：

（1）帮助中医专家分析数据，因为从事中医行业的医生大多不具备专业的信息化技术水平，通过数据挖掘技术能够将中医理论更好的传承下去，并且领用现代化信息技术去创新并完善相关的理论研究。（2）在信息化角度继承和推进了中医药领域的现代化进程，在中医药行业领域实现创新。（3）利用数据挖掘技术，分析和预测中医行业领域的相关数据，为中医行业发展提供了强有力的数据支持。

5 结语

事实证明利用数据挖掘技术在处理不规则、繁杂的中医行业数据时较传统统计方式优势明显。只有充分掌握中医独特的理论背景与实际客观规律的情况下，充分利用现代化数据挖掘技术，才能在合理、正确的研究思路的引领下，将中医现代化信息水平提升至一个新的高度。

参考文献：

[1]方新丽.浅议数据挖掘技术及其应用[J].电脑知识与技术，2010（29）：162-163.

[2]张新，陈宜金，赵红蕊.面向主题的矿业信息数据仓库建设研究[J].河北建筑科技学院学报，2000（3）：56-59.

[3]韩治.数据挖掘技术及其应用研究[J].信息通信，2013（6）：114-115.

[4]黄红艳，才秀凤，李霞.数据挖掘理论与技术研究[J].科技信息（学术版），2007（24）：162-163.

[5]王瑾.“层次分析法构建挖掘模型”的基本内涵及应用效能研究[J].陕西教育（高教），2014（3）：70.