點擊上方藍字關注我們

智慧醫院建設背景下的電子病歷分析利用框架

徐良辰,?郭崇慧

大連理工大學系統工程研究所，遼寧 大連 116024

?摘要：作為核心的醫療大數據，電子病歷成為智慧醫院建設的基礎，對電子病歷的分析利用進行研究對于智慧醫院建設具有重要意義。提出了電子病歷的生成、分析及利用一體化研究框架，闡述了電子病歷的內涵，分析了電子病歷系統與其他醫療信息系統的關系，梳理了電子病歷的分析挖掘流程，并從計算機輔助診斷、治療推薦以及管理支持3個角度總結了電子病歷分析的應用；討論了電子病歷分析對智慧醫院相關分級的影響，指出電子病歷分析挖掘是智慧醫院較高等級的要求，將助力高等級智慧醫院建設；最后，從數據層面、模型層面以及應用層面對當前電子病歷分析利用存在的問題進行分析，并給出相應意見和建議，為電子病歷分析利用以及智慧醫院的建設提供參考。

關鍵詞：?電子病歷?;?數據挖掘?;?智慧醫院?;?互聯網+醫療健康

論文引用格式：

徐良辰, 郭崇慧. 智慧醫院建設背景下的電子病歷分析利用框架[J]. 大數據, 2021, 7(4): 141-156.

XU L C, GUO C H. Analysis and utilization framework of electronic medical records under the background of smart hospital construction[J]. Big Data Research, 2021, 7(4): 141-156.

1 引言

在經濟和社會發展的現實需求拉動以及政策和技術因素的驅動下，人們對醫院信息化水平的要求越來越高，這促使“互聯網+醫療健康”不斷深入發展。傳統醫院信息系統難以滿足當今人們對醫療服務水平的要求，國家政策、經濟、社會和技術等多重因素推動著醫院向智慧化方向轉變。以智慧服務、智慧診療、智慧管理為核心的智慧醫院進入快速建設時期，其建設基本框架如圖1所示。

醫療健康大數據泛指所有與醫療和生命健康相關的信息，其貫穿個人生命的全周期。國家已對醫療健康大數據管理進行了統籌設計，2014年國家衛生和計劃生育委員會發布了“46312”工程，其中“3”是指三大數據庫，分別為電子健康檔案數據庫、電子病歷（electronic medical record，EMR）數據庫和全員人口個案數據庫。醫療健康大數據治理也受到學者的廣泛關注。電子病歷數據庫以患者為中心，將患者醫療信息及其相關處理過程綜合集成，促進了工作流程的優化、醫療質量的提高以及服務水平的提升。電子病歷數據成為核心的醫療大數據，也是智慧醫院建設的核心基礎。發達國家對電子病歷有較深入的研究和應用，并成立了相關機構來組織醫療單位實施和普及電子病歷。2010年衛生部印發《電子病歷基本規范（試行）》，規范了醫療機構電子病歷的管理及應用；2018年，國家衛生健康委員會制定了《電子病歷系統功能應用水平分級評價方法及標準》，為電子病歷系統的功能應用水平分級提供了具體評價指標和方法，這標志著我國電子病歷建設邁入了一個新的階段。電子病歷的建設、分析及利用對于智慧醫院的建設和發展具有基礎支持作用。

圖1???智慧醫院建設基本框架

2 電子病歷的內涵及生成

電子病歷是病歷的一種信息化記錄形式，在當前醫療信息系統建設中得到迅速發展。電子病歷的定義可分為狹義和廣義兩種：狹義的電子病歷是指紙質病歷的電子化；廣義的電子病歷是指醫務人員在醫療活動過程中形成的文字、符號、圖表、影像、切片等資料的總和，包括門（急）診病歷和住院病歷。電子病歷不僅包括靜態病歷信息，還包括醫院提供的相關服務，涉及病人信息的采集、存儲、傳輸、處理和利用等多個過程。美國醫學研究所對電子病歷做了如下定義：以電子化方式管理的有關個人終生健康狀態和醫療保健的信息，可在醫療中作為主要的信息源取代紙張病歷，滿足所有的診療、法律和管理需求。綜合來看，電子病歷以患者數據為中心，是患者綜合、完整、詳盡的診斷治療全過程的原始記錄，并具有完整性、標準化、規范化、易檢索等特點。

作為醫院信息系統的一個子系統，電子病歷系統以患者為中心，綜合集成相關醫療信息系統數據及其相關處理過程，更強調患者信息的原始性和完整性，在醫院信息管理系統中占有重要地位。電子病歷系統與其他醫院信息系統的關系如圖2所示。

圖2???電子病歷系統與其他醫院信息系統的關系

由圖2可知，電子病歷數據是以患者為中心的其他醫療信息系統數據的綜合集成，且表示形式多樣化。電子病歷數據既包含患者情況的文本描述等非結構化數據，也包含檢查、檢驗報告等結構化數據。針對具體的患者，電子病歷主要包括入院記錄、病程記錄（包括首次病程記錄和其他病程記錄等）、檢查報告、檢驗報告、治療記錄（如手術記錄等）以及出院小結等。電子病歷記錄了患者的重要診療信息，具有為臨床決策、臨床科研以及運用管理提供巨大支持的潛力，因此有必要對電子病歷數據進行分析挖掘，并賦能實踐。

3 電子病歷分析及利用

隨著新一代信息技術的發展，醫療數據的采集、抽取、存儲以及處理能力增長迅速。面對海量醫療信息，數據挖掘等理論方法將助力電子病歷的分析及利用，更好地為相關決策提供支持。基于數據挖掘的電子病歷分析及利用框架如圖3所示。

圖3???基于數據挖掘的電子病歷分析及利用框架

3.1 電子病歷分析挖掘

在當前的臨床實踐中，許多治療手段缺乏有效的證據支持。盡管臨床醫生利用參考指南來輔助決策，但參考指南通常建立在隨機對照試驗（randomized controlled trial，RCT）的基礎上，而RCT的患者隊列有限、標準嚴格，且經過了精心設計，普適性較低。傳統RCT研究面臨很多局限，如對于罕見病癥的研究，臨床上病例較少，而且可能包含其他難以控制的因素。此外，受到倫理道德的限制，一些干預手段難以實施。由于限制繁多，RCT只支持部分臨床決策，大多數臨床決策無據可循。

電子病歷數據蘊含大量的信息和知識。相比于RCT以及前瞻性隊列研究，充分利用電子病歷可以極大地降低研究成本和研究難度，為循證醫學的發展提供新的思路。合理分析和挖掘電子病歷可以極大地促進醫護人員對臨床實踐的認知、優化診療業務流程，幫助醫護人員制定符合患者特點的個性化臨床決策，進而提高醫療服務質量和水平，為精準醫療的發展奠定基礎。

海量的醫療大數據意味著機遇與挑戰并存。電子病歷集成了多部門、多類型、多項目的數據，具有多種數據特征。電子病歷數據具有多樣性，其包含多種數據類型，如結構化數據（如體溫、血壓、脈搏、檢驗結果等數據）、半結構化數據（如病史信息、病程記錄、出院小結等）以及非結構化數據（如心電圖、CT報告單等），而且數據量較大。隨著醫療信息化平臺的建設和深入應用，越來越多的醫療流程依托于醫院信息系統，這促進了醫療平臺整合及醫療設備互聯，以便為患者提供便捷的醫療服務。與此同時，患者的預約、診斷、治療等活動產生的海量數據都會被記錄，形成信息豐富的電子病歷數據。電子病歷數據是對患者診療過程和病情進展的記錄，具有動態性；電子病歷數據記錄過程可能因為醫療人員的理解不同而存在誤差或者缺失，產生很多異常值和缺失值，具有不完整性和不規范性；電子病歷數據包括大量患者隱私信息，具有高隱私性。電子病歷數據的特性為電子病歷數據挖掘帶來了困難和挑戰。基于已有研究，本節梳理了基于數據挖掘的電子病歷分析流程，并針對分析挖掘結果闡述了基于知識圖譜的多維度醫療知識管理。

（1）基于數據挖掘的電子病歷分析挖掘流程

基于數據挖掘的電子病歷分析挖掘指通過數據挖掘的理論方法對電子病歷進行處理，將其中蘊含的知識進行挖掘和呈現。電子病歷分析挖掘離不開實踐需求，因此解決實踐問題成為電子病歷分析挖掘的重要目標。基于醫療實踐活動中存在的相關問題進行分析提煉，形成科學研究問題，依據關注的科學問題設計實驗。首先基于對研究問題的理解，選擇合適的研究隊列，隨后對定義好的研究隊列的數據進行抽取，通過數據預處理來清洗完善數據，并通過探索性分析對數據有一個大致的了解。基于研究問題以及數據特點選擇合適的模型方法進行實驗，并進行評估和改進。達到預期后，可在大規模真實數據集上進行驗證，最終發現知識，為醫療實踐提供支持。基于數據挖掘的電子病歷分析挖掘流程如圖4所示。

圖4???基于數據挖掘的電子病歷分析挖掘流程

（2）基于知識圖譜的多維度醫療知識管理

2012年Google公司提出的知識圖譜改變了傳統的搜索引擎模式，知識圖譜可以智能化地理解用戶的輸入，并返回最相關的知識。因此，可采用知識圖譜的形式組織醫療知識，構建多維度醫療知識庫管理系統，實現多維度的醫療知識管理。基于知識圖譜的多維度醫療知識管理主要包括醫療知識圖譜構建、知識庫管理系統設計和實現以及知識應用。

在醫療知識圖譜的構建中，實體識別和實體關系抽取是基本任務，也是關鍵問題。實體識別的主要任務是從電子病歷中找出相關實體（已存在的概念詞語），包括疾病、癥狀、藥物、檢測以及治療等；關系抽取的主要任務是識別抽取出的實體之間的關系，包括同質實體之間的關系（如藥物與藥物之間的關系）和異質實體之間的關系（如疾病與癥狀之間的關系）。在醫療知識圖譜中，以實體為節點、實體之間的關系為邊，從而對醫療知識進行表示。基于自然語言處理的電子病歷的實體識別和知識圖譜構建方法成為較流行的知識圖譜構建方式。阮彤等人利用互聯網數據與百科數據構造了醫療知識圖譜，為中文醫療知識圖譜的構建提供了思路。

3.2 電子病歷分析的應用

3.2.1 基于數據挖掘的電子病歷分析促進電子病歷的智能化生成

當前電子病歷很大程度上靠醫生輸入計算機，這占用了醫生日常工作的大量時間。據統計，在工作日醫生要花費6~11個小時在電子病歷的輸入上，這縮短了醫生為患者服務的有效時間，降低了醫療人員的服務能力。隨著信息技術的不斷發展，電子病歷的智能化生成將為降低醫生的電子病歷輸入壓力提供思路。電子病歷的智能化生成將提高電子病歷的生成效率，減少醫生的電子病歷輸入任務，有助于提高醫療人員的服務能力和水平。基于數據挖掘的電子病歷智能化生成包括電子病歷醫患共創、個性化電子病歷模板推薦以及結構化數據推理生成等重要部分。電子病歷的智能化生成框架如圖5所示。

圖5???電子病歷智能化生成框架

電子病歷的智能化生成可依托互聯網交互的特性，引導患者參與自身電子病歷的生成，將一些信息收集階段移至患者端，實現醫患共創，降低醫療人員的電子病歷輸入壓力。作為電子病歷的重要信息標準，電子病歷模板確定了電子病歷的風格和基本結構，可提高醫療數據記錄的規范性和完整性。不同病種對電子病歷模板有不同的要求，基于數據挖掘與分析，依據病人、病種、病情等實際需求，自動推薦契合的個性化電子病歷模板將進一步提高電子病歷的生成效率。電子病歷中除了結構化數據，還包括醫生的診斷與總結等非結構化數據，非結構化數據的推理生成也是電子病歷智能化生成的重要方式，已有相關研究對中文出院小結自動生成的方法進行了探討。基于醫生的思維邏輯，依據可參考的數據信息推理生成診斷、摘要等非結構化數據，醫生可進一步對生成內容進行完善，人機結合，進一步提高電子病歷的生成效率和質量。

3.2.2 基于多維度醫療知識體系的決策支持

當前的醫療知識主要來源于專家知識（包括顯性專家知識、隱性專家知識等）。隨著醫療健康數據的積累以及數據挖掘技術的發展，基于數據挖掘的模式發現正逐漸成為醫療知識的重要來源之一，與專家知識一起構成多維度的醫療知識體系，進而為醫療決策提供支持。本文基于“互聯網+醫療健康”的特點，結合數據挖掘、循證醫學、醫患共同決策、知識管理以及決策科學等理論方法，構建了基于多維度醫療知識體系的決策框架，如圖6所示。

圖6???基于多維度醫療知識體系的決策框架

基于多維度醫療知識體系的支持，借助醫生經驗和患者知識，醫患共同決策，采取契合患者的臨床診療模式、護理模式以及康復模式等，利用積累的診療數據對已有數據進行補充和更新，以進一步完善醫療知識體系，形成治療管理循環。

（1）基于多維度醫療知識的輔助診斷

在臨床實踐中，疾病診斷很大程度上依賴于醫生的專業能力和經驗知識，這可能導致醫患矛盾加劇等問題。基于機器學習的電子病歷分析可以基于歷史數據挖掘醫療知識，模擬醫生診斷推理，得出較為可靠的診斷預測。

電子病歷的分析挖掘可賦能疾病預測與病情評估。基于患者的人口統計學信息、癥狀、檢查結果等相關數據，對患者可能患有的疾病進行預測，對患者病情輕重緩急進行評估，可以為醫務人員的相關診斷提供支持和參考，對于后續的治療措施也有重要意義，如基于人工智能對肺結節病理類型的良惡性進行預測、基于電子病歷數據挖掘對疾病危重度進行動態預測、基于混合模型對ICU病人死亡風險進行預測。

電子病歷醫學影像數據挖掘通過實現醫學影像自動分析來輔助診斷。電子病歷數據中包含大量的影像數據，這些數據是疾病診療決策的重要依據。醫學影像數據量占醫院數據存儲總量的90%以上，積累量巨大。醫學影像數據的分析將花費醫生大量的精力，且對專業知識要求比較高。基于數據挖掘的影像數據分析有助于提高診斷效率和水平，如基于裂隙燈影像對小兒白內障進行自動診斷和預測。

（2）基于多維度醫療知識的治療指導

從電子病歷數據庫中挖掘潛在的醫療知識，識別大多數患者在治療過程中的最佳實踐，可為臨床治療決策提供參考，主要包括臨床用藥指導和臨床路徑管理。

臨床用藥一方面需要考慮藥品的成分和藥效，另一方面要考慮藥品的毒副作用和配伍問題。基于電子病歷中的用藥等數據，采用數據挖掘方法對用藥效益和藥物治療方案進行分析，可為臨床用藥決策提供參考，如基于數據挖掘的糖尿病腎病證候及用藥規律研究、基于電子病歷挖掘對中藥方劑配伍規律進行研究。

在典型的治療模式挖掘中，臨床路徑挖掘是一個重要的方向。作為臨床重要決策問題，臨床路徑管理體現了循證醫學、質量管理以及流程管理等現代管理思想，對于保障醫療質量、優化服務流程以及控制醫療成本具有重要作用。傳統臨床路徑主要依靠專家知識針對特定疾病構建的標準流程，耗時長、效率低，且需要很長時間進行完善，通用性不強，臨床變異較大。基于醫療大數據特別是電子病歷，采用數據挖掘技術對臨床路徑模式進行發現，形成臨床路徑知識體系，為患者的臨床路徑的納入、時序化管理以及變異管理等提供支持，將突破傳統臨床路徑的制約瓶頸，促進臨床路徑的應用和推廣。基于多維度醫療知識的臨床路徑管理框架如圖7所示。

圖7???基于多維度醫療知識的臨床路徑管理框架

（3）基于電子病歷數據的運營管理

在醫療系統運作中，將運營管理與信息技術結合可有效地實現成本控制和精細化管理。

電子病歷分析挖掘可為疾病費用管理提供支持。運用數據挖掘技術，對疾病診療過程中的藥品、衛生材料使用等不同的診療行為規律進行分析識別，探索不同診療行為規律下影響患者費用的主要因素，基于患者信息對疾病費用進行預測，為疾病費用管理和控制提供了新的思路，如基于數據挖掘技術的冠心病費用管理、基于數據挖掘算法的慢性病住院費用預測、基于K-means聚類與支持向量機的大病患者住院費用影響因素與控制策略分析。

疾病診斷相關分組（diagnosis related group，DRG）是醫療成本控制和精細化管理的重要舉措，DRG將傳統的實報實銷的后付制轉變為預付制，在控制不合理費用增長和過度醫療需求方面發揮了積極作用。在我國，對DRG的研究還處于探索階段，DRG的應用程度還不夠，分組的合理性對DRG的應用有重要影響。電子病歷數據蘊含患者診療及費用等詳細信息，數據挖掘在屬性篩選、樣本分類等方面具有突出優勢，因此電子病歷挖掘將為DRG的研究和應用提供思路，對于費用控制具有重要意義。

4 電子病歷分析對智慧醫院相關分級的影響

隨著以電子病歷為核心的醫院信息化建設的不斷推進，智慧醫院創新發展，特別是在新型冠狀病毒肺炎疫情期間，智慧醫院改善了醫療服務成果，在應對疫情、滿足人民群眾就醫需求等方面發揮了積極作用。為了進一步加強智慧醫院建設，國家衛生健康委員會發布加強智慧醫院建設的工作通知，創新建設完善醫療、服務、管理“三位一體”的智慧醫院系統，提升醫護人員工作效率，提高醫院管理水平，為患者提供高質量、高效率的個性化醫療服務。

相關部門已針對服務和醫療分別制定《醫院智慧服務分級評估標準體系（試行）》和《電子病歷系統功能應用水平分級評價方法及標準（試行）》，二者對決策支持有一定的要求。電子病歷是智慧醫院建設的基礎，對智慧醫院的智慧服務以及電子病歷系統功能應用水平分級有重要的影響。

（1）電子病歷分析對醫院智慧服務分級的影響

智慧服務指應用信息技術改善患者的就醫體驗，提升醫療服務水平，是智慧醫院建設的重要內容。電子病歷分析有助于個性化醫療服務的展開。表1是《醫院智慧服務分級評估標準體系（試行）》中對智慧服務的分級劃分總體要求。

將醫院智慧服務分級評估6個級別的描述文本進行聚合。為了展示每個級別的特點，采用TF-IDF（term frequency-inverse document frequency）方法進行特征詞權重的計算，并將6個級別的關鍵詞以詞云圖形式進行展示，如圖8所示。

圖8???醫院智慧服務分級評估具體要求詞云圖

電子病歷分析將賦能實踐，助力醫院智慧服務的提升。本文參照《醫院智慧服務分級評估標準體系（試行）》中的醫院智慧服務分級評估具體要求，分析、歸納電子病歷分析可能影響的醫院智慧服務及相關任務方法，見表2。從表2可以看出，電子病歷分析有助于更高級別的醫院智慧服務建設，依托分類、推薦、關聯規則、文本挖掘以及自然語言處理等數據挖掘方法，可進一步提升醫院的智慧服務水平。

（2）電子病歷分析對醫院電子病歷系統功能應用水平分級的影響

《電子病歷系統功能應用水平分級評價方法及標準（試行）》將電子病歷系統功能應用水平劃分為0~8共9個等級，見表3。除了信息檢索等基本功能，對數據的分析挖掘和臨床決策支持也提出了較高的要求。作為支持臨床決策的一種重要方法，基于數據挖掘的電子病歷分析對醫院電子病歷系統功能應用水平分級有重要影響。

對電子病歷系統功能應用水平分級評價整體和局部要求的9個級別的描述文本進行抽取。為了展示每個級別的特點，本文同樣采用TF-IDF方法進行特征詞權重的計算，并將9個級別的關鍵詞以詞云圖的形式進行展示，如圖9所示。

由圖9可以大致看出，0~3級主要是基礎信息化建設，出現“計算機系統”“數據交換”“信息系統”等特征詞；4級以上出現“審核”“集成”“知識庫”等特征詞，8級強調“區域”“質量”“整合”等特征詞。

圖9???電子病歷系統功能應用水平級別具體要求詞云圖

仔細分析表3中的電子病歷系統功能應用水平劃分以及圖9可知，3級及以下級別主要強調基礎信息化的建設，強調信息系統的建設和基礎的數據交換，傳統信息管理系統可以滿足3級及以下級別的基本需求。4級及以上級別強調數據共享和醫療決策支持，超出了傳統信息管理系統信息存儲與信息檢索的功能范圍。基于數據挖掘的電子病歷分析可以為4級及以上級別的電子病歷系統的建設提供理論以及技術方法支持。表4分析了電子病歷評級主要決策支持要求及數據挖掘相關任務方法。

《電子病歷系統功能應用水平分級評價方法及標準（試行）》中多次強調知識庫的應用，特別是知識庫為4級及以上級別電子病歷應用提供的支撐。以知識圖譜為代表的知識庫的構建將助力全院級多維度醫療知識庫體系建設。關聯規則、自然語言處理、流程挖掘等數據挖掘理論和方法將助力電子病歷系統功能應用水平的提升。

5 電子病歷建設存在的挑戰及相關建議

5.1 電子病歷建設存在的挑戰

電子病歷的使用和開發利用將成為一種趨勢。但當前電子病歷還處于建設階段，電子病歷的應用水平比較低。據中國醫院協會信息專業委員會（CHIMA）發布的《2017—2018年度中國醫院信息化狀況調查》，目前三級醫院的功能應用普遍集中在3級、4級，三級以下醫院主要在2級、3級。電子病歷建設過程中仍然面臨較多問題，具體如下。

（1）電子病歷建設標準不統一

電子病歷是對患者診療過程的詳細記錄，電子病歷數據的共享可以更好地發揮其價值。電子病歷系統是逐漸發展起來的，各部門、科室、醫院以及醫療服務機構的電子病歷建設標準不盡相同，缺乏頂層設計和統籌推進，出現“數字孤島”等現象，嚴重阻礙了電子病歷數據跨部門、跨機構的數據共享，限制了電子病歷系統的互聯互通。

（2）數據共享與隱私保護

電子病歷開放和共享過程中的數據共享和隱私保護是不可回避的問題，數據如何共享、數據開放到什么級別以及如何保護患者隱私需要重點研究。我國在電子病歷開放和共享方面處于初級階段，很多情況下電子病歷數據僅供內部或者科研使用，甚至很多數據靜置于數據庫中，無法發揮其巨大價值。因此，如何在保護好患者隱私的基礎上開放和共享電子病歷以發揮其價值是需要探討的問題。

（3）挖掘結果的可解釋性

近年來，數據挖掘理論和方法發展迅速，尤其是深度學習算法的提出和發展，使得數據挖掘方法在多領域廣泛應用，模型的表示學習能力大幅度提高。但隨著模型復雜度的增加，算法可解釋性越來越差。盡管關于數據挖掘的研究已經很多，但挖掘結果的可解釋性仍是一個難題，并且已經嚴重影響其在特定領域的應用，尤其是醫療領域。如果一個決策是可以解釋的，那么決策者可以更好地評估其優缺點。因此，結果的可解釋性是需要關注和解決的重要問題。

（4）挖掘結果應用責任主體及關系

基于挖掘結果的臨床決策支持的輔助診斷在醫療責任認定方面存在巨大挑戰，明確責任主體及其關系能更好地促進數據挖掘結果的應用。當前法律標準還未涉及此問題，因此需要進一步完善和健全法律法規體系，以保障電子病歷的分析應用。

5.2 相關建議

基于當前電子病歷分析、應用存在的問題，本文給出以下建議。

（1）加強頂層設計和統籌推進

電子病歷建設融合臨床、信息工程、管理等多領域，涉及管理、技術以及方法等多方面，是較復雜的問題。可以借助元決策以及系統工程理論方法，加強頂層設計，強調整體性和系統性，統籌推進電子病歷建設，實現提升醫療服務效率和水平的目標。

（2）診療服務環節全覆蓋

梳理優化業務流程，實現醫囑、用藥等環節的閉環管理，并基于物聯網、互聯網等技術實現數據感知和存儲，實現數字追蹤及可追溯，積累的數據也可為業務控制與優化提供支持。

（3）探索隱私保護與數據共享的機制與方法

首先要建立健全隱私保護機制和風險審查機制，建立相關機構對隱私保護進行監察和審查。其次要在保護隱私的前提下促進數據的共享，使其產生更大的價值。一方面可以從機制上完善數據共享流程，另一方面也可從模型算法層面探索如何在保障數據隱私的前提下訓練和共享模型。

（4）綜合算法性能和可解釋性

隨著機器學習理論算法以及計算機硬件的不斷發展，算法性能得到很大提升。特別是基于深度學習的廣泛應用，模型擬合能力更強。但是復雜模型的可解釋性大大降低，這限制了其在特殊領域的應用，特別是醫療領域。需要綜合算法性能和可解釋性來提高算法的綜合效用。建模前主要對數據進行預處理，可以通過數據探索性分析以及可視化等方法對問題有更深的認識。建立解釋性程度比較高的模型（如決策樹、邏輯回歸等）可以使得到的結果更具有解釋性。針對一些“黑箱”算法，可以在建模后采用隱層分析、敏感度分析以及知識蒸餾等方法來提高可解釋性。

（5）發揮臨床診療決策支持的功能

面對臨床醫護人員相對不足以及人們對醫療水平的要求不斷提高等現實問題，基于電子病歷數據挖掘的決策支持將在輔助臨床診療決策方面發揮巨大價值，已有電子病歷數據脫敏、集成及二次利用等平臺在醫院醫療能力、質量、效率的分析中被采用。隨著電子病歷應用的不斷加深，各地醫院嘗試應用臨床決策支持系統，但是由于信息系統性能、責任主體以及觀念等原因，實際應用不足。臨床決策支持系統有助于減少醫療差錯和醫療糾紛情況的發生，通過綜合分析多模態信息（如人口統計學信息、臨床表現、檢查結果以及既往史等），進一步保障了診療過程（問、檢、診、療等）的全面性、科學性以及規范性，提升了臨床決策和醫療服務的質量。因此，需要克服當前臨床決策支持系統的應用阻礙，發揮其在臨床決策中的重要作用。

6 結束語

在政府大力推進智慧醫院建設的背景下，本文對電子病歷的分析利用框架進行探討。本文首先介紹了電子病歷的內涵及其生成，之后對其分析利用框架進行梳理，對其分析流程進行總結，從診斷、治療以及管理3個角度對其應用進行闡述。然后，本文分析了電子病歷分析對智慧醫院相關評級的影響，通過對評級整體和具體要求的分析，指出電子病歷分析挖掘是智慧醫院較高等級的要求，將助力高等級智慧醫院建設。最后，本文從數據、模型以及應用層面探討當前電子病歷分析利用中存在的問題，并據此給出相關建議。在未來的電子病歷分析利用建設中，可參考智慧醫院相關分析的具體要求，重點關注電子病歷建設的頂層設計、電子病歷數據共享機制、電子病歷數據挖掘模型算法和解釋性以及電子病歷分析挖掘結果的臨床應用等方面的問題。

作者簡介

徐良辰（1992-），男，大連理工大學系統工程研究所博士生，主要研究方向為數據挖掘與知識發現。

郭崇慧（1973-），男，博士，大連理工大學系統工程研究所教授、博士生導師，主要研究方向為大數據分析與挖掘、健康醫療大數據、商務智能與商務分析。

聯系我們:

Tel:010-81055448

? ? ? ?010-81055490

? ? ? ?010-81055534

E-mail:bdr@bjxintong.com.cn?

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

轉載、合作：010-81055537

大數據期刊

《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的期刊，已成功入選中國科技核心期刊、中國計算機學會會刊、中國計算機學會推薦中文科技期刊，并被評為2018年、2019年國家哲學社會科學文獻中心學術期刊數據庫“綜合性人文社會科學”學科最受歡迎期刊。

關注《大數據》期刊微信公眾號，獲取更多內容

總結

以上是生活随笔為你收集整理的智慧医院建设背景下的电子病历分析利用框架的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。