以醫(yī)院電子病歷為核心的臨床數(shù)據(jù)記錄了病人的疾病、診斷和治療信息。挖掘此類(lèi)數(shù)據(jù)，可以輔助醫(yī)生了解人口學(xué)信息、臨床癥狀、治療方法和療效之間的量化關(guān)系，幫助病人選擇更好的治療方案，進(jìn)而提升醫(yī)療服務(wù)質(zhì)量，降低醫(yī)療成本。

然而，在臨床中，大量的醫(yī)療文書(shū)是以文本形式存在。同時(shí)，醫(yī)生錄入缺乏語(yǔ)義規(guī)范，同一診斷與治療方案，不同醫(yī)生的錄入結(jié)果會(huì)不同。因此，在挖掘之前，需要對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化與規(guī)范化。

在這個(gè)過(guò)程中，醫(yī)療健康知識(shí)圖譜是不可或缺的一部分。另外，病歷數(shù)據(jù)處理和使用過(guò)程中，通過(guò)病歷數(shù)據(jù)與健康圖譜的關(guān)聯(lián)挖掘，可以獲得更為隱含的、深刻的信息。為處理方便，整體用知識(shí)圖譜表示與關(guān)聯(lián)，會(huì)更為方便有效。

一、知識(shí)圖譜用于醫(yī)療文本的結(jié)構(gòu)化與規(guī)范化

在臨床中，大量的醫(yī)療文書(shū)是以文本形式存在。電子病歷的文本包含了病人病史、家族史、癥狀，以及醫(yī)生根據(jù)癥狀、理化指標(biāo)等基礎(chǔ)數(shù)據(jù)做出的診斷等描述。更重要的，臨床文本中記錄了醫(yī)生的判斷依據(jù)，以及對(duì)各種診療行為的效果跟蹤。如果說(shuō)各種明細(xì)記錄是結(jié)果跟蹤，那么文本數(shù)據(jù)就是過(guò)程跟蹤的基礎(chǔ)。而這些重要的信息保存在非結(jié)構(gòu)化信息中，不能被計(jì)算機(jī)所理解和處理。

為使得文本更好的結(jié)構(gòu)化，需要用到實(shí)體識(shí)別、關(guān)系抽取技術(shù)，根據(jù)技術(shù)的不同，也會(huì)用到一些基礎(chǔ)的文本分詞或是詞法分析等技術(shù)，在這個(gè)過(guò)程中，可以手工標(biāo)注語(yǔ)料，用各種監(jiān)督學(xué)習(xí)方法，傳統(tǒng)的有 CRF，新的方法可以基于 RNN 網(wǎng)絡(luò)；也可以基于字典方法，利用癥狀、檢查、藥品與疾病名稱(chēng)的知識(shí)庫(kù)。為了免除語(yǔ)料標(biāo)注的麻煩，筆者基于癥狀知識(shí)庫(kù)以及癥狀語(yǔ)法結(jié)構(gòu)做了遠(yuǎn)程標(biāo)注，再進(jìn)行 CRF 建模，取得了比較好的效果。

然而，僅僅是結(jié)構(gòu)化也是不夠的，因?yàn)獒t(yī)療術(shù)語(yǔ)存在大量的同義詞或上下位詞，比如說(shuō)，同一癥狀具有多種多樣的文本表達(dá)形式，如“期前收縮”、“過(guò)早搏動(dòng)”與“早搏”是同義詞。再比如說(shuō)，一個(gè)癥狀常常被不同的詞語(yǔ)修飾以表達(dá)略有不同的語(yǔ)義含義，如“急性背痛”，“慢性背痛”都可以是“背痛”的下位詞。

再以疾病為例，目前醫(yī)學(xué)診斷大量采用了 ICD 編碼，但 ICD 編碼結(jié)構(gòu)并不包含完整的上下位關(guān)系。以中文 ICD 編碼[1] 中的“特指急性風(fēng)濕性心臟病”為例，它的上位詞有“特指風(fēng)濕性心臟病”和“急性風(fēng)濕性心臟病”，這兩種疾病擁有共同的上位詞“風(fēng)濕性心臟病”，“風(fēng)濕性心臟病”又有上位詞“心臟病”。而這幾種疾病之間的關(guān)系和層次結(jié)構(gòu)并沒(méi)有在 ICD 10 中通過(guò)編碼結(jié)構(gòu)表示出來(lái)，只是通過(guò)編碼的首字母“I”將它們劃分到了循環(huán)系統(tǒng)類(lèi)疾病中。如過(guò)我們需要希望找到某一類(lèi)患者，無(wú)法通過(guò)一個(gè)ICD編碼獲得，而是需要人工的選擇多個(gè) ICD 編碼。從另一個(gè)角度而言，對(duì)于同一個(gè)疾病，醫(yī)生在編寫(xiě) ICD 編碼時(shí)，可粗可細(xì)，也會(huì)給病歷的自動(dòng)處理帶來(lái)困難。

為解決上述問(wèn)題，首先需要現(xiàn)有的編碼系統(tǒng)有對(duì)應(yīng)的圖譜方式描述，至少具有上下位和同義詞關(guān)系，進(jìn)一步的，也可以通過(guò)電子病歷中的文本診斷，利用圖譜，對(duì)電子病歷數(shù)據(jù)進(jìn)行自動(dòng)編碼。

二、圖譜表示用于關(guān)聯(lián)知識(shí)與數(shù)據(jù)

電子病歷中存儲(chǔ)著大量的數(shù)據(jù)，但僅在病歷數(shù)據(jù)內(nèi)部做挖掘及分析是有局限性的，難以發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)含的深層次的價(jià)值。將病歷數(shù)據(jù)以 RDF 格式發(fā)布，形成病歷圖譜，并與開(kāi)放知識(shí)庫(kù)（如中文癥狀知識(shí)庫(kù)）相關(guān)聯(lián)，將對(duì)疾病預(yù)測(cè)、用藥推薦和相似病人發(fā)現(xiàn)等打下良好的基礎(chǔ)。

比如說(shuō)，在電子病歷用藥時(shí)，寫(xiě)的會(huì)是藥品名稱(chēng)，但是，在分析的時(shí)候，通常醫(yī)生會(huì)用大類(lèi)名稱(chēng)，如 ACEI 類(lèi)藥物，或是 ARB 類(lèi)藥物等等。這時(shí)候，病歷圖譜需要和藥品圖譜關(guān)聯(lián)，就可以更為方便地做各種臨床分析，再比如說(shuō)，Topfed 項(xiàng)目將 TCGA 項(xiàng)目中發(fā)布的癌癥病人的基因數(shù)據(jù)進(jìn)行 RDF 化，并與其它開(kāi)放數(shù)據(jù)集關(guān)聯(lián)，進(jìn)而做了一些有趣的分析，獲得了 ISWC2013 的 Semantic Web Challenge 大獎(jiǎng)。例如輸入一個(gè)病人的特征，找到庫(kù)中與他類(lèi)似的病人群，根據(jù)相似性找到相應(yīng)的藥物方案，如果病人對(duì)此藥物有抗藥性，可以尋找藥品庫(kù)的同類(lèi)藥物。

三、總結(jié)

雖然英文已經(jīng)有了很多開(kāi)放鏈接生物醫(yī)藥數(shù)據(jù)集合，但中文比較缺乏，而中文的電子病歷處理又需要中文知識(shí)圖譜。針對(duì)上述問(wèn)題，OMAHA聯(lián)合中文開(kāi)放知識(shí)圖譜（Open KG），系統(tǒng)性的梳理和匯集知識(shí)圖譜相關(guān)的技術(shù)和工具，并向整個(gè)社區(qū)開(kāi)放相關(guān)的技術(shù)資源，一起促進(jìn)醫(yī)學(xué)知識(shí)圖譜數(shù)據(jù)的開(kāi)放與互聯(lián)。

更多資料歡迎大家移步OMAHA聯(lián)盟官網(wǎng)知識(shí)服務(wù)平臺(tái)查看。

如果你也對(duì)促進(jìn)醫(yī)療數(shù)據(jù)開(kāi)放、醫(yī)學(xué)信息標(biāo)準(zhǔn)化、行業(yè)研究和生態(tài)建立感興趣，歡迎進(jìn)入OMAHA基金會(huì)官網(wǎng)了解更多。

OMAHA聯(lián)盟官網(wǎng)鏈接：http://www.omaha.org.cn/portal.php

OMAHA基金會(huì)官網(wǎng)鏈接：http://foundation.omaha.org.cn

參考資料：

[1]疾病和有關(guān)健康問(wèn)題的國(guó)際統(tǒng)計(jì)分類(lèi)第十次修訂本（ICD-10）[M].人民衛(wèi)生出版社.1996.

[2]Saleem M, Padmanabhuni S S, Ngomo AC N, et al. TopFed: TCGA tailored federated query processing and linking toLOD[J]. Journal of Biom edical Semantics, 2014, 5(1):47

原標(biāo)題：中文醫(yī)療健康知識(shí)圖譜在臨床電子病歷挖掘中的應(yīng)用探討