醫(yī)療世界的“黑科技”：基于電子病歷大數(shù)據(jù)的可視化病癥分析

醫(yī)療黑科技電子病歷大數(shù)據(jù) 可視化分析

楊旭趙韡 | 2016-08-24 10:57

【數(shù)據(jù)猿導讀】電子病歷大數(shù)據(jù)分析技術幫助醫(yī)生迅速了解隱藏在病歷數(shù)據(jù)中的病情信息和治療方案，通過有效的大數(shù)據(jù)可視化技術將病歷數(shù)據(jù)與病癥關系以圖形圖像形式清晰展示給醫(yī)生，方便醫(yī)生探索其中的醫(yī)學診斷規(guī)則和模式，從而輔助其進行疾病診斷,對現(xiàn)有的HIS進行改進和完善

醫(yī)療世界的“黑科技”：基于電子病歷大數(shù)據(jù)的可視化病癥分析

1、電子病歷大數(shù)據(jù)可視化分析概述

傳統(tǒng)紙本病歷數(shù)據(jù)缺乏有系統(tǒng)的整理，更無法和其他病歷數(shù)據(jù)產生連動性，缺乏查詢的便利性。電子病歷則是利用電子設備保存、管理、傳輸和重現(xiàn)的數(shù)字化病人醫(yī)療記錄。如果將數(shù)十萬甚至數(shù)百萬的電子病歷數(shù)據(jù)匯集在一起，再運用大數(shù)據(jù)分析技術加以分析，將具有難以估計的價值。

電子病歷大數(shù)據(jù)分析技術幫助醫(yī)生迅速了解隱藏在病歷數(shù)據(jù)中的病情信息和治療方案，通過有效的大數(shù)據(jù)可視化技術將病歷數(shù)據(jù)與病癥關系以圖形圖像形式清晰展示給醫(yī)生，方便醫(yī)生探索其中的醫(yī)學診斷規(guī)則和模式，從而輔助其進行疾病診斷,對現(xiàn)有的HIS進行改進和完善。電子病歷大數(shù)據(jù)可視化分析對經驗較為欠缺的醫(yī)生格外重要，即使病患的病情超出醫(yī)生經驗范圍，仍可透過電子病歷的大數(shù)據(jù)分析結果，更有針對性地看診，和病患的溝通也更加方便快捷，大大節(jié)省醫(yī)生詢問時間。同時，通過電子病歷大數(shù)據(jù)可視化分析，不僅病患所有健康情況一目了然，醫(yī)院的咨詢服務工作也會更加輕松，尤其慢性病患者的用藥及照護，更需要透過大數(shù)據(jù)分析建立完整的關聯(lián)性，避免提供錯誤資訊或錯過需要注意的現(xiàn)象。

2、構建“疾病網絡圖”的電子病歷大數(shù)據(jù)結構化處理方法

在可視化分析之前，需要將龐大的電子病歷數(shù)據(jù)資源處理成結構化的可用數(shù)據(jù)。首先，將電子病歷中涉及到的主要病情分成16大類，分別為：血液病、循環(huán)系統(tǒng)疾病、消化系統(tǒng)疾病、泌尿生殖系統(tǒng)疾病、免疫系統(tǒng)疾病、感染性疾病、受傷或中毒類疾病、心理疾病、骨骼肌肉類疾病、神經系統(tǒng)疾病、孕期疾病、呼吸系統(tǒng)疾病、感覺器官類疾病、皮膚病、腫瘤以及其他未分類疾病。其次，在病歷中針對各大類疾病中的主要關鍵詞，分成各副類別的疾病。例如，在血液病中，抽取兩個關鍵詞缺鐵和貧血作為副類別疾病。再次，將電子病歷中涉及到的各種癥狀或詞匯提取出來，例如：頭暈、疲倦、胃灼熱、腸絞痛等。最后，利用這些提取出來的數(shù)據(jù)，構成一個M*M矩陣的數(shù)組結構，方便后續(xù)進行的可視化分析。表1展示了提取的矩陣結構，所有疾病大類、副類、癥狀及詞匯都作為此方形矩陣的節(jié)點，存儲在數(shù)組nodes中。每個節(jié)點中包含兩個元素：節(jié)點名稱name和節(jié)點半徑R（根據(jù)病歷中的出現(xiàn)頻次確定）。節(jié)點與節(jié)點間的關系存儲在edges數(shù)組中，wij用來表示節(jié)點間的關聯(lián)程度。

表1 M*M矩陣結構

3、構建“疾病網絡圖”

用節(jié)點表示對象，用線（或邊）表示關系的節(jié)點-鏈接布局是最自然的可視化布局表達。它容易被用戶接受，幫助其快速建立事物間的聯(lián)系，顯示表達事物間的關系。節(jié)點-鏈接布局主要包括力引導布局和基于距離的多維尺度分析布局兩種。

本研究選擇力導向圖與D3.js技術結合，D3.js技術來自開源js框架，可以不連接互聯(lián)網使用，保證數(shù)據(jù)及信息安全。力導向圖是在二維或三維空間里配置節(jié)點，節(jié)點間用線連接，稱為連線。各連線的長度相近且盡可能不相交。節(jié)點和連線都被施加力的作用，以此為據(jù)來計算節(jié)點和連線間的運動軌跡。力引導布局易于理解、容易實現(xiàn)，可用大多數(shù)網絡數(shù)據(jù)集，且實現(xiàn)的效果具有較好的對稱性和局部聚合性，因此比較美觀、交互性好，整個布局結果更容易被接受。

3.1 力導向圖布局 力導向圖的布局是將初始化的數(shù)據(jù)轉換成畫圖可用的標準化數(shù)據(jù)。電子病歷的數(shù)據(jù)被整理成格式化數(shù)據(jù)：數(shù)組nodes和edges，這兩個數(shù)組構成初始數(shù)據(jù)。在利用D3.js作圖前，需要將其轉化成可用的標準化力導向圖布局數(shù)據(jù)。

3.2 力導向圖繪制 在完成力導向圖布局后，利用D3.js提供的標準接口，完成“疾病網絡圖”的繪制。

3.2.1 繪制節(jié)點 在繪制節(jié)點時，預先綁定nodes數(shù)組。繪圖時根據(jù)nodes數(shù)組中的節(jié)點個數(shù)，動態(tài)添加力導向圖的節(jié)點數(shù)目。在繪制過程中，使用統(tǒng)一的CSS3樣式，賦予相同大類的節(jié)點同類別的顏色。圖上的每個節(jié)點半徑R，為nodes數(shù)組中的R元素對應的值。

3.2.2 繪制連線 在繪制連線時，同樣需要預先綁定布局后的數(shù)組edges。根據(jù)edges數(shù)組中的連線條數(shù)，動態(tài)添加力導向圖的連線數(shù)目。利用統(tǒng)一的CSS3樣式，控制連線的展示效果。連線上的權重形成節(jié)點之間力的大小。

3.2.3 可交互設計 基于D3.js進行數(shù)據(jù)可視化分析優(yōu)勢在于能夠實現(xiàn)圖形的可交互式操作。為清晰展示“疾病網絡圖”中節(jié)點之間的關系，當鼠標點擊某個節(jié)點時，只顯示與當前節(jié)點相關的其他節(jié)點，以及連線上的權重關系。

4、討論

在“疾病網絡圖”分析前，醫(yī)學領域已開始對疾病之間存在關聯(lián)關系達成共識。但具體哪幾種疾病之間存在關聯(lián)，關聯(lián)程度的強弱程度是多少，疾病之間是否存在隱性聯(lián)系等問題仍然沒有形成清晰的認識。“疾病網絡圖”通過對MIT環(huán)境學院收集的匿名電子病歷數(shù)據(jù)進行大數(shù)據(jù)結構化處理，構建了疾病間的力導向關系圖，對疾病間的關聯(lián)關系給出詳細的分析結果，為醫(yī)生了解疾病間的關聯(lián)關系提供新的方法。

圖1 疾病網絡圖全局

圖1展示了基于百萬份電子病歷的“疾病網絡圖”全局圖，在這幅全局圖中，16種不同顏色代表了16大類疾病。副類疾病和疾病關鍵詞分別用圖中的節(jié)點來表示，節(jié)點的半徑大小顯示了關鍵詞在電子病歷中出現(xiàn)的次數(shù)。全局圖中，節(jié)點間的連線是透明顯示的，允許交叉。

圖2 胃灼熱與相關癥狀關聯(lián)圖

在圖2中展示了胃灼熱與相關癥狀關聯(lián)圖。在此關聯(lián)圖中，與胃灼熱看似關系不大的膝關節(jié)疼，卻成為與其相關度最近的關鍵詞。這種分析結果超出了醫(yī)生的常識性認知，為全面了解疾病之間的關聯(lián)性提供了更加科學的理性判斷方法。

5、結語

通過構建“疾病網絡圖”分析了百萬份電子醫(yī)療大數(shù)據(jù)內各種病癥與關鍵詞出現(xiàn)頻次以及疾病之間隱藏的關聯(lián)關系，以力導向圖的方式呈現(xiàn)分析結果。這種大數(shù)據(jù)可視化技術分析電子病歷的方法幫助醫(yī)生分析和獲取隱藏在電子病歷中大數(shù)據(jù)的信息和規(guī)律，幫助醫(yī)生綜合分析和利用這些病歷數(shù)據(jù)，為病患進行有效的診斷和治療，充分利用電子病歷大數(shù)據(jù)的巨大價值。

來源：中國數(shù)字醫(yī)學

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關內容都會注明來源與作者；轉載我們原創(chuàng)內容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。