临床药事大数据分析

临床用药记录等大数据分析可以提供诸如患者人群特征、疾病流行特征、处方医生特征、区域用药特征、疾病流行特征等信息。

另外，比较相同疾病或者病症不同药物治疗方案下患者的治疗结果，可以发现某个治疗措施最优或者具有最佳成本效益；通过比较发病因素、症状、疗程等数据，可以建立反映治疗有效性的分析方法。沿着这个思路，美国联合医疗保健集团（United Health Care）分析了机构内的医疗数据，开发了临床应用系统，该系统可给出医生实践行为模式，并与其他医生及常规进行比较挖掘最优治疗措施。绿十字保险公司（Blue Cross）利用挖掘技术成果，分析了急诊和住院申请数据、用药记录、医生诊察记录发现隐性哮喘，适时提醒医生采取适当干预措施，改善疾病管理，提高效益、降低支出。

1999年，佛罗里达医院（Florida Hospital）启动了临床最佳实践活动，发起了在所有住院、门诊机构中建立临床诊疗标准路径活动，在日常医疗活动中应用数据挖掘技术提高临床实践效果。(https://www.daowen.com)

台湾云林科技大学的工作者通过分析用药记录、生化检验数据并挖掘病案记录中潜在信息，发现病情变化迹象，及时提醒医生。该团队以就诊某医院长期接受药物治疗的慢性心血管疾病患者为研究对象，从临床客观数据描述病情趋势以及治疗有效性评估。该研究以自组织映射神经网络（self－organizing map，SOM，或称无监督式神经网络）和粗集理论（rough set theory，Rsr，或称约略集合理论）的联合应用为基础建立模型，如对某教学医院医学数据库中病例的检验结果、治疗药物和给药频率数据进行挖掘。数据集包含患者生日、性别、生化检验值（高、低密度脂蛋白，三酰甘油，血糖，糖化血红蛋白）、药物以及给药频率，有效地检测出研究期间病情发生变化的患者，及时提醒医生重新评估患者健康状况，制订治疗方案。在交叉对比试验中，系统自动提醒的准确率约98%。