26、数据挖掘在医疗领域的应用与发展

数据挖掘在医疗领域的应用与发展

医疗用药错误规则挖掘与改进

在医疗场景中，用药错误是一个不容忽视的问题。通过规则归纳，得出了以下两条高概率规则：
- 若干扰患者数量超过一人，用药错误发生的概率为 90%（18/20）。
- 若护士工作被打断，用药错误发生的概率为 80%（4/5）。

护士们针对这些规则对用药核对系统进行了讨论。在急诊室，负责班次的护士要准备药品（包括药品识别、数量等）。当班次交接会议举行时，班次开始前的准备时间偶尔会少于 30 分钟。在这种情况下，药品无法提前分类，只能在班次中进行。若此时护士的注意力被不安分的患者干扰，就无法对药品准备进行双重核对，从而导致用药错误。

基于此，决定让两名已完成班次的护士为下一班次准备药品，一名负责用药的护士单独核对药品剂量和识别信息，实现总共三名护士的三重核对。通过对比 2002 年 4 - 10 月引入三重核对系统前后的数据，用药错误总数从约 200 例减少到不到 10 例，说明该系统有效提升了护士的用药工作质量。这也引出了“风险挖掘过程”的概念。

主动挖掘与轨迹挖掘

主动挖掘过程

1999 年引入日本发现挑战后，众多数据挖掘者加入相关研讨会，并在 2001 - 2004 年启动了“主动挖掘”国家项目。如今，我们收集数据的能力飞速增长，出现了“信息洪流”现象，但分析和理解海量数据的能力却远远滞后。数据的价值不再取决于数量，而是在于能否快速有效地对其进行缩减、探索、操作和管理。为应对这一问题，知识发现与数据挖掘（KDD）技术应运而生，它能从数据中提取隐含、未知且潜在有用的信息或模式。

要克服信息洪流，主动挖掘需要满足以下三个