胃腸腫瘤標(biāo)志物診斷大腸癌之檢驗(yàn)醫(yī)學(xué)實(shí)踐.pdf

1、數(shù)據(jù)挖掘(Data Mining),就是從大量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過(guò)程。數(shù)據(jù)挖掘的廣義觀點(diǎn):數(shù)據(jù)挖掘就是從存放在數(shù)據(jù)庫(kù),數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量的數(shù)據(jù)中“挖掘”有趣知識(shí)的過(guò)程。數(shù)據(jù)挖掘,又稱(chēng)為數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)(KnowledgeDiscovery in Database,KDD),也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)過(guò)程的一個(gè)基本步驟。知識(shí)發(fā)現(xiàn)過(guò)程以下步驟組成:(1)數(shù)據(jù)清理,(2)數(shù)據(jù)集成

2、,(3)數(shù)據(jù)選擇,(4)數(shù)據(jù)變換,(5)數(shù)據(jù)挖掘,(6)模式評(píng)估,(7)知識(shí)表示。數(shù)據(jù)挖掘可以與用戶(hù)或知識(shí)庫(kù)交互。
　　 數(shù)據(jù)挖掘利用了來(lái)自如下一些領(lǐng)域的思想:(1)來(lái)自統(tǒng)計(jì)學(xué)的抽樣、估計(jì)和假設(shè)檢驗(yàn),(2)人工智能、模式識(shí)別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論。數(shù)據(jù)挖掘也迅速地接納了來(lái)自其他領(lǐng)域的思想,這些領(lǐng)域包括最優(yōu)化、進(jìn)化計(jì)算、信息論、信號(hào)處理、可視化和信息檢索。一些其他領(lǐng)域也起到重要的支撐作用。特別地,需要數(shù)據(jù)庫(kù)系統(tǒng)提

3、供有效的存儲(chǔ)、索引和查詢(xún)處理支持。源于高性能(并行)計(jì)算的技術(shù)在處理海量數(shù)據(jù)集方面常常是重要的。分布式技術(shù)也能幫助處理海量數(shù)據(jù),并且當(dāng)數(shù)據(jù)不能集中到一起處理時(shí)更是至關(guān)重要。
　　 信息技術(shù)和生命科學(xué)被認(rèn)為是21世紀(jì)的標(biāo)志性學(xué)科。本世紀(jì)的人類(lèi)社會(huì)被譽(yù)為“信息社會(huì)”,信息化,網(wǎng)絡(luò)化,高科技化已成為社會(huì)發(fā)展的基本特征。特別是20世紀(jì)90年代Internet等現(xiàn)代信息技術(shù)的飛速發(fā)展和人類(lèi)基因組計(jì)劃的完成,使人們面臨的不僅僅是一個(gè)龐大的信

4、息數(shù)據(jù)庫(kù),而是浩瀚的信息海洋。正是生物技術(shù)和信息技術(shù)的有機(jī)結(jié)合,催化一個(gè)新的學(xué)科-檢驗(yàn)醫(yī)學(xué)信息學(xué)的誕生。
　　 醫(yī)學(xué)是一門(mén)與試驗(yàn)和信息結(jié)合非常緊密的科學(xué),檢驗(yàn)醫(yī)學(xué)更不例外。完成一個(gè)診斷或治療的過(guò)程,也就是信息的獲取,處理和利用的過(guò)程?？梢哉f(shuō),更廣泛地獲取信息,更科學(xué)地分析信息,更合理地利用信息決定了醫(yī)療質(zhì)量和醫(yī)療水平,而計(jì)算機(jī)技術(shù)在其中起到非常重要的作用。也正是由于計(jì)算機(jī)技術(shù)使醫(yī)學(xué)檢驗(yàn)發(fā)生革命性變化,改變了醫(yī)學(xué)檢驗(yàn)的學(xué)習(xí)理念和工

5、作方式。隨著信息技術(shù)的發(fā)展,主要是基因信息庫(kù)和蛋白質(zhì)信息的利用,高度集成的試驗(yàn)室信息系統(tǒng)(Laboratory Information System,LIS)和醫(yī)院信息系統(tǒng)(Hospital Information System,HIS)的建立,臨床醫(yī)學(xué)信息學(xué)和疾病信息學(xué)的高速發(fā)展,醫(yī)學(xué)檢驗(yàn)教育的方向適應(yīng)新的形式,在全體檢驗(yàn)同仁的共同努力,醫(yī)學(xué)檢驗(yàn)也就很快發(fā)展成為不僅僅為臨床提供實(shí)驗(yàn)數(shù)據(jù),而且為臨床診療決策提供重要信息的檢驗(yàn)醫(yī)學(xué)。

6、>　　 研究目的:將有限的檢驗(yàn)信息提煉為高效的診治信息,從技術(shù)層面探索檢驗(yàn)醫(yī)學(xué)的臨床實(shí)踐新途徑。
　　 研究方法:以CA72-4,CA199和CEA三項(xiàng)血清標(biāo)志物檢驗(yàn)診斷大腸癌為例,依托實(shí)驗(yàn)信息系統(tǒng)(LIS)與醫(yī)院信息系統(tǒng)(HIS)的數(shù)據(jù)信息平臺(tái),利用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)為數(shù)據(jù)挖掘工具和SPSS統(tǒng)計(jì)軟件構(gòu)建受試者工作特征曲線(xiàn)(Receiver Operating Chara

7、cteristic,ROC)數(shù)據(jù)集,以驗(yàn)后概率解釋每一份胃腸腫瘤標(biāo)志物檢驗(yàn)報(bào)告。
　　 研究結(jié)果:納入研究的1206份胃腸道腫瘤標(biāo)志物檢驗(yàn)標(biāo)本中大腸癌占11.5％；構(gòu)建了 CA1991[17],CA72-4,和 CEA檢驗(yàn)篩查和診斷大腸癌的ROC數(shù)據(jù)集；大腸癌組三項(xiàng)血清標(biāo)志物濃度均顯著高于健康對(duì)照組和其他疾病組(<0.01)；CA199,CA72-4,CEA和人工神經(jīng)網(wǎng)絡(luò)診斷模型預(yù)測(cè)值篩查大腸癌的ROC曲線(xiàn)下面積分別是0.624