[发明专利]一种用于治未病的医疗数据挖掘方法

说明书

技术领域

本发明涉及一种用于治未病的医疗数据挖掘方法。

背景技术

医疗大数据对海量的历史病例和健康人群的体征数据进行长期跟踪、分 析和处理，可以对体征数据的变化趋势进行学习，发现具有较高患病风险的 人群。对这些人群进行针对性的预防和早期检查措施，可以有效降低发病率 或者使发现时间提早。借用中医中治未病的概念，本发明专利提出一种用于 治未病的医疗数据挖掘方法。

目前普遍使用传统统计方法对于疾病进行检测，例如统计指标A对疾病g 的灵敏度和特异性。其中:

灵敏度＝真阳性人数/(真阳性人数+假阴性人数)*100％

特异度＝真阴性人数/(真阴性人数+假阳性人数)*100％

使用同样的方法也可以得到一些疾病的前驱症状，从而对疾病进行提前 发现，使病人可以尽早获得诊断和治疗。

现在一些互联网企业开始使用网络数据对流行性疾病进行预测，例如百 度和谷歌根据不同区域人群的搜索词频来判断流感的扩散趋势：一个区域的 人群如果在某一时间对感冒、发烧、板蓝根等词汇的搜索频率提升时，通常 会认为感冒的发病率提高，如果临近区域对同一类词汇的搜索频率相继提升 时，会认为可能出现流感。

但是在症状或者检验指标呈阳性时，往往疾病已经发生，互联网手段也 只能对群体性的疾病传播进行预测和控制，而对个体的疾病预测并无帮助。

当前，随着便携式电子设备的迅猛发展和常规体检的普及，如何对体征 和检验大数据进行分析和挖掘，根据个体的体征及变化趋势，在疾病发生之 前进行预测，使得针对性的预防成为可能，极大的提高人民的生活质量，并 有效节省医疗资源。

发明内容

本发明的核心思想，是对每种疾病患者的历史体征数据进行分析，获得 患者从健康状态到患病之前的体征变化趋势模型，然后使用该趋势模型对健 康人群的体征数据进行跟踪，一旦发现符合趋势模型的个体，就可以对他(她) 进行预警。实现该趋势模型的几个关键点在于：

1.历史体征数据的时间并不均匀一致。不同的人检查某一体征指标的时 间不固定，频率也不同。为了挖掘相关性需要对历史体征数据进行处理；

2.考虑每个个体不同的基础体征。不同的个体，其基础体征有一定的差 异，用整个人群的平均体征数据去衡量个体体征会有较大的误差。

3.具有噪音过滤的模型。个体体征数据具有周期性和随机性特征，在模 型中既要发现变化趋势，又要过滤掉这些噪音。

疾病g对应的体征指标A(具有较高灵敏度和特异性)的原始数据如表1：

表1:原始数据表orig

其中id字段为被跟踪人员的编号，发病时间为该人员在发现患病后估算得 到的初始发病时间，length字段表示该人员总共测量体征指标A的次数。每 个record[]字段都记录一次测量体征指标A的结果，每个record有测量时间 time和测量得到的值value两个域。其中time表示从格林威治时间1970年 01月01日00时00分00秒起至测量采样时为止的总秒数。

对原始数据的挖掘过程依次执行以下步骤：

参数变量定义：

orig：原始数据表；c_orig：时间序列体征数据表；

I：人员编号；Inter：时间间隔常数；

or＝orig[i]：第i号人员的原始数据；cr＝c_orig[i]：第i号人员的时间序列 体征数据；

or_p：当前人员在原始数据表中的第几次体检数据；

cr_p：当前人员在时间序列体征数据表中的第几个体征数据；

c_time：当前人员在时间序列体征数据表中的第cr_p个体征数据对应的 时间；

or.record[or_p].value：当前人员在原始数据表中的第or_p次体检数据；

cr.value[cr_p]：当前人员在时间序列体征数据表中的第cr_p个体征数据；

or.record[or_p].time：当前人员在原始数据表中的第or_p次的体检时间；

next_ov、base：临时变量；p、q：常量，其中p为长期均线周期数，q 为短期均线周期数，且p>q；

cr.length：当前人员在时间序列体征数据表中的体征数据个数；

or.length：当前人员在原始数据表中的体检个数；

or.ill_time：当前人员在原始数据表中的发病时间；