數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用

數(shù)據(jù)挖掘，又稱知識發(fā)現(xiàn)（KDD），是從大量的數(shù)據(jù)中抽取潛在的、有價值的知識的過程。數(shù)據(jù)挖掘所探尋的模式是一種客觀存在的、但隱藏在數(shù)據(jù)中未被發(fā)現(xiàn)的知識。例如，數(shù)據(jù)挖掘可直接挖掘疾病高發(fā)人群，發(fā)現(xiàn)疾病及癥狀間的未知聯(lián)系，探索化驗指標(biāo)間的影響關(guān)系及化驗指標(biāo)與疾病間的潛在影響，對未知的實驗室指標(biāo)值進(jìn)行預(yù)測，可以探索合并癥之間的關(guān)系，還可以自動發(fā)現(xiàn)一組高維實驗室指標(biāo)變量的異常等等。再如，在科研設(shè)計中利用聚類分析，我們可以對數(shù)據(jù)進(jìn)行科學(xué)分組，通過考察多因素的不同影響權(quán)重，可以幫助確定析因分析或嵌套分析等不同的科研設(shè)計等等。數(shù)據(jù)挖掘在醫(yī)學(xué)中應(yīng)用非常廣泛，它必然為醫(yī)學(xué)臨床和科學(xué)研究提供傳統(tǒng)方法不能企及的又一種前沿技術(shù)手段。

國外數(shù)據(jù)挖掘在醫(yī)學(xué)應(yīng)用上的案例

數(shù)據(jù)挖掘在國外各行各業(yè)得到廣泛的應(yīng)用，醫(yī)學(xué)領(lǐng)域也不例外，很多數(shù)據(jù)挖掘技術(shù)被成功應(yīng)用到醫(yī)學(xué)臨床和科研方面，下面就列舉幾個簡單的案例。

1. 聚類分析在醫(yī)學(xué)上的應(yīng)用

糖尿病是世界上一種常見的疾病，超過18萬美國人患有糖尿病，另有16萬人糖尿病處于糖尿病前期。糖尿病的臨床診斷往往是從身體癥狀和化驗值異常著手的。有些異常指標(biāo)包括身體質(zhì)量指數(shù)（ BMI ），血壓（ BP ）指數(shù)等。利用聚類分析工具可以分析患者的疾病診斷數(shù)據(jù)，以進(jìn)行探索性的數(shù)據(jù)分析，并考察產(chǎn)生的聚類結(jié)果的意義。至于糖尿病患者的數(shù)據(jù)，聚類分析工具試圖按照年齡、種族、性別、體重指數(shù)和BP指數(shù)等產(chǎn)生聚類模式，并將數(shù)據(jù)劃分到相應(yīng)的自然組群中。

使用聚類分析工具探索性地分析糖尿病患者的基本指標(biāo)數(shù)據(jù)，通過良好的劃分類均值來產(chǎn)生聚類。本案例中，對于已有的3個不同的數(shù)據(jù)集進(jìn)行聚類分析，產(chǎn)生的聚類數(shù)在5到8之間，每個聚類中的病人數(shù)量有多有少，運算聚類所消耗的時間大約在5秒鐘到4分鐘之間。

通過聚類分析，專家們在所有3個數(shù)據(jù)集中共得到4種類型的患者：

·患者為肥胖（體重指數(shù)> 56 ），但血壓正常；
·患者基本指標(biāo)（BMI，BP）是正常的 ；
·患者血壓在正常范圍內(nèi)，但體重指標(biāo)異常 ；
·患者基本指數(shù)（BMI，BP）異常 ；

以上4種糖尿病的聚類結(jié)果揭示了糖尿病患者典型的四個分型，在臨床上具有重要意義。

2. 關(guān)聯(lián)規(guī)則分析在醫(yī)學(xué)上的應(yīng)用

關(guān)聯(lián)規(guī)則是一個發(fā)現(xiàn)醫(yī)療數(shù)據(jù)中隱藏關(guān)聯(lián)模型的有前途的技術(shù)。通常，關(guān)聯(lián)規(guī)則在醫(yī)療數(shù)據(jù)中挖掘出大量的規(guī)則，規(guī)則數(shù)量不僅相當(dāng)大，而且其中大部分規(guī)則在醫(yī)學(xué)上是無關(guān)緊要的。對于有用的一些規(guī)則，醫(yī)學(xué)專家尋找的速度很慢，而且發(fā)現(xiàn)了規(guī)則以后解釋起來也很困難。在這項工作中，我們引入搜索約束，以只發(fā)現(xiàn)在醫(yī)學(xué)上有意義的關(guān)聯(lián)規(guī)則，并使規(guī)則搜索更有效。

例如，應(yīng)用關(guān)聯(lián)規(guī)則分析發(fā)現(xiàn)心臟灌注測量和病人危險因素與四個特殊的動脈狹窄程度緊密相關(guān)。我們通常用關(guān)聯(lián)規(guī)則的支持度、置信度、以及LIFT指標(biāo)來評價其在醫(yī)學(xué)上的意義，如圖一所示。

3. 預(yù)測分析在醫(yī)學(xué)上的應(yīng)用

前列腺癌檢查可早期發(fā)現(xiàn)癌癥，但不是所有的病人都能受益于后繼的治療。因此，辨別出哪些病人最有可能患有侵入性癌癥，將大大減少前列腺活檢試驗。我們收集了1,563例接受了前列腺活檢的病人數(shù)據(jù)，采集10微克/毫升或更少的血清PSA數(shù)據(jù)，用預(yù)測模型對侵入性前列腺癌進(jìn)行分析。用隨機選取的70％的數(shù)據(jù)對預(yù)測模型進(jìn)行訓(xùn)練，其余30％的數(shù)據(jù)用于對預(yù)測模型進(jìn)行測試。在1,563例病例中，有406人患有癌癥(26.1%)，其中130人患有侵入性前列腺癌(8.3%)。預(yù)測模型創(chuàng)建了如下侵入性前列腺癌風(fēng)險組規(guī)則：

1. PSAD大于0.165ng/ml/cc。

2. PSAD大于0.058 ng/ml/cc且小于0.165 ng/ml/cc ， 年齡大于 57.5 歲且前列腺量大于22.7 cc。

預(yù)測模型經(jīng)測試數(shù)據(jù)驗證，模型對侵入性前列腺癌的敏感度為91.5% ，特異性為33.5%。在測試數(shù)據(jù)中，當(dāng)PSAD 是0.058 ng/ml/cc 或更少時，侵入性前列腺癌的發(fā)病率是1.1%。因此，預(yù)測模型可以有效地識別侵入性前列腺癌風(fēng)險組。當(dāng)單一的高度前列腺癌診斷將導(dǎo)致后繼的治療時，預(yù)測模型可以減少33.5%的不必要的活檢試驗。

國外數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用

數(shù)據(jù)挖掘的很多理論和技術(shù)源自歐美國家，這些國家開展數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用比較早，因此也有長年的數(shù)據(jù)挖掘的技術(shù)積累和經(jīng)驗積累。歐美國家對數(shù)據(jù)挖掘技術(shù)研發(fā)的投入比較大，不僅投入大量的資金，而且還配備了陣容強大的研發(fā)團(tuán)隊。這些國家對數(shù)據(jù)挖掘技術(shù)的應(yīng)用意識比較高，因此他們對數(shù)據(jù)挖掘技術(shù)的研究熱情較高，將最新技術(shù)應(yīng)用于科學(xué)和商業(yè)的需求比較迫切，因此有大量的成熟的、應(yīng)用穩(wěn)定可靠的數(shù)據(jù)挖掘實際應(yīng)用案例。由于他們比較早地應(yīng)用前沿智能信息技術(shù)開展健康與醫(yī)學(xué)方面的研究，現(xiàn)在無論從數(shù)據(jù)挖掘研究和應(yīng)用的深度和廣度上都走在了世界前列，并且很多科研成果已經(jīng)轉(zhuǎn)化為有形的技術(shù)與產(chǎn)品，直接得到了廣泛的應(yīng)用，并產(chǎn)生了顯著的社會效益與經(jīng)濟(jì)效益。例如，數(shù)據(jù)挖掘在在醫(yī)學(xué)應(yīng)用于如下幾個方面。

1、疾病和疾病風(fēng)險的預(yù)測

通過對醫(yī)學(xué)大數(shù)據(jù)的挖掘、分析，并應(yīng)用智能決策技術(shù)，對常見疾病如心絞痛、心肌梗死、腦血管疾病、糖尿病、高血壓病、腫瘤、哮喘病、結(jié)締組織病等疾病發(fā)生幾率的預(yù)測和疾病風(fēng)險的預(yù)測，預(yù)測遺傳性疾病和多發(fā)性多因素疾病，有重大的臨床意義和廣泛的社會效益。如圖二所示，應(yīng)用數(shù)據(jù)挖掘技術(shù)對不穩(wěn)定心絞痛病人進(jìn)行探索性分析。
2、人群健康、生命質(zhì)量的預(yù)測

現(xiàn)代人要應(yīng)付快節(jié)奏的學(xué)習(xí)、工作和生活，而且要處理好各種錯綜復(fù)雜的社會人際關(guān)系。面對競爭和挑戰(zhàn)，人們的生理和心理都不斷在衰弱、老化和病變。最新流行疾病調(diào)查顯示，某些城市人口甚至有70％的人群處于亞健康狀態(tài)，而且亞健康人群、疾病人群還在增加。通過對大量醫(yī)學(xué)數(shù)據(jù)的挖掘分析和應(yīng)用智能決策技術(shù)，不僅可以發(fā)現(xiàn)各種健康的危險因素和相關(guān)性，并可進(jìn)行個體化預(yù)測，而且基于相關(guān)的挖掘成果可建立的一套完善、周密和個性化的健康管理系統(tǒng)，幫助健康人群及亞健康人群建立有序、健康的生活方式，降低風(fēng)險狀態(tài)，遠(yuǎn)離疾??；并可幫助對亞健康人群對疾病早發(fā)現(xiàn)、早預(yù)防、早診斷、早治療、早手術(shù)，提高生存率、降低致殘率和病死率、提高生命的質(zhì)量。如圖三所示，應(yīng)用數(shù)據(jù)挖掘的預(yù)測模型對“體重超重且血脂并不異常”的體檢人群進(jìn)行血紅蛋白指標(biāo)的預(yù)測分析。

3、醫(yī)療上各種缺陷發(fā)生幾率的預(yù)測

通過對大量醫(yī)學(xué)數(shù)據(jù)的挖掘分析，以及應(yīng)用智能決策技術(shù)，可以揭示發(fā)生醫(yī)療缺陷的原因、趨向、相關(guān)因素，以便制定科學(xué)的管理，減少、甚至杜絕醫(yī)療缺陷和糾紛。例如，加拿大安大略省癌癥防治中心通過研發(fā)、實施安大略省預(yù)防醫(yī)學(xué)與癌癥防治體系，對全省的腫瘤大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，開展病人安全與事故的預(yù)防，即利用數(shù)據(jù)挖掘方法揭示臨床事故的趨勢，研究和辨別引起各種事故的關(guān)鍵因素，指導(dǎo)預(yù)防措施。

4、降低醫(yī)療費用，優(yōu)化醫(yī)療資源

通過對醫(yī)學(xué)大數(shù)據(jù)的挖掘，并應(yīng)用智能決策技術(shù)還能夠大幅度地降低醫(yī)療費用?；诖罅酷t(yī)學(xué)數(shù)據(jù)分析的基礎(chǔ)上進(jìn)行科學(xué)的健康管理，可使醫(yī)療費用大幅下降，醫(yī)療費用可降少到原來的10%。正如美國密執(zhí)安大學(xué)健康管理研究中心主任Dee.W.Edington博士提出的90%和10%的論斷，即健康管理對于任何企業(yè)及個人都有這樣一個秘密，即90%和10%。具體地說，就是90%的個人和企業(yè)通過健康管理后，醫(yī)療費用降到原來的10%；10%的個人和企業(yè)未做健康管理，醫(yī)療費用比原來上升90%。因此，數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用具有顯著的經(jīng)濟(jì)效益。通過對醫(yī)學(xué)大數(shù)據(jù)的挖掘與應(yīng)用，可清楚了解疾病發(fā)生的幾率和臨床上預(yù)防和治療的重點，可以優(yōu)化現(xiàn)有的設(shè)備和人才，明確引進(jìn)人才和新技術(shù)的方向，促進(jìn)醫(yī)療的更新和建設(shè)，調(diào)整醫(yī)療布局，優(yōu)化醫(yī)療資源，正確進(jìn)行醫(yī)療決策。

國內(nèi)數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用

數(shù)據(jù)挖掘的應(yīng)用在中國得到了越來越多的重視與越來越廣泛的認(rèn)可，我們可以預(yù)言，數(shù)據(jù)挖掘的應(yīng)用必將在各行各業(yè)上得到普及！

總的來說，在中國，數(shù)據(jù)挖掘在醫(yī)學(xué)上得到了很多的嘗試，人們在不斷地探索和進(jìn)步。我們在應(yīng)用數(shù)據(jù)挖掘技術(shù)研究健康與疾病的領(lǐng)域中尚屬摸索階段，與業(yè)界領(lǐng)先的一些國家存在著一定的差距，主要體現(xiàn)在以下幾個方面：

1、從數(shù)據(jù)挖掘的理論和技術(shù)上看，我們的很多認(rèn)識和意識還是比較傳統(tǒng)和陳舊的。很多人對數(shù)據(jù)挖掘的理論和技術(shù)的認(rèn)識，還只是停留在幾個常用的技術(shù)和算法上面，把數(shù)據(jù)挖掘認(rèn)識得比較狹隘。實際上，數(shù)據(jù)挖掘發(fā)展到今天，雖然還只是初級階段，但數(shù)據(jù)挖掘的內(nèi)涵和外延已經(jīng)較以前有了相當(dāng)?shù)耐卣梗?a href='/map/shujuwajue/' style='color:#000;font-size:inherit;'>數(shù)據(jù)挖掘不再是大家認(rèn)識的常用的幾個技術(shù)和算法，而是一切可以應(yīng)用的用于發(fā)現(xiàn)大數(shù)據(jù)中隱藏規(guī)律的技術(shù)和手段。既然認(rèn)識不足、意識不到，那必將影響到數(shù)據(jù)挖掘的研究與應(yīng)用的效果，這是我們首要需要改進(jìn)的。

2、從數(shù)據(jù)挖掘的研發(fā)與應(yīng)用的人員結(jié)構(gòu)上看，我們的很多數(shù)數(shù)據(jù)挖掘的從業(yè)人員大多是來自大專院校的老師、或醫(yī)療研究機構(gòu)的技術(shù)人員、或其他IT技術(shù)人員，大多數(shù)人不是系統(tǒng)地從事醫(yī)學(xué)數(shù)據(jù)挖掘的專業(yè)研究與應(yīng)用，很難了解世界上先進(jìn)的數(shù)據(jù)挖掘的完整體系和系統(tǒng)應(yīng)用方法，甚至很多人還限于對某些傳統(tǒng)算法的摸索，導(dǎo)致數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用的起點不高。尤其在數(shù)據(jù)挖掘的應(yīng)用層面，數(shù)據(jù)挖掘是個大知識的匯集區(qū)與融通體，它不僅需要對數(shù)據(jù)挖掘算法有深入掌握，還需要對大數(shù)據(jù)技術(shù)有深刻了解，包括數(shù)據(jù)庫技術(shù)、數(shù)據(jù)建模技術(shù)、數(shù)據(jù)整合技術(shù)、超大規(guī)模數(shù)據(jù)優(yōu)化技術(shù)等等，當(dāng)然還需要對醫(yī)學(xué)專業(yè)知識的深入了解。因此，做好數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用，應(yīng)該需要復(fù)合型的人才，他們應(yīng)是數(shù)學(xué)專家、信息專家和醫(yī)學(xué)專家三位一體的人員或三位一體高度集成的團(tuán)隊。

3、從數(shù)據(jù)挖掘的應(yīng)用經(jīng)驗上看，國內(nèi)的很多從業(yè)人員沒有長年的技術(shù)積累，更沒有成熟的科研應(yīng)用和醫(yī)學(xué)應(yīng)用經(jīng)驗，所以數(shù)據(jù)挖掘的應(yīng)用大多僅限于某一局部的探討性應(yīng)用，鮮有成熟穩(wěn)定的實際應(yīng)用案例。

但是，我們堅信，只要我們知己知彼，博采眾長，勇于探索、持之以恒，我們必將能夠在數(shù)據(jù)挖掘應(yīng)用與醫(yī)學(xué)的事業(yè)上取得長足進(jìn)步！

數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用需求

醫(yī)學(xué)是一門知識體系龐大、復(fù)雜的學(xué)科，有太多的新知識、新規(guī)律有待人們?nèi)ネ诰颉?a href='/map/shujuwajue/' style='color:#000;font-size:inherit;'>數(shù)據(jù)挖掘作為一種主動式發(fā)現(xiàn)工具，在醫(yī)學(xué)臨床和科研中具有廣泛用途。例如，

1、對體檢人的醫(yī)學(xué)數(shù)據(jù)和病人的醫(yī)學(xué)數(shù)據(jù)，應(yīng)用數(shù)據(jù)挖掘技術(shù)探索醫(yī)學(xué)的潛在規(guī)律，研究各種人體指標(biāo)在健康中的權(quán)重，以及在不同人群中的分布。

2、應(yīng)用數(shù)據(jù)挖掘技術(shù)研究人體生理指標(biāo)之間的關(guān)聯(lián)，更深入的了解人體生理各個指標(biāo)的綜合意義，探索多個人體生理數(shù)據(jù)的內(nèi)在關(guān)系以及這種關(guān)系健康的關(guān)系，可發(fā)現(xiàn)綜合因素對健康的影響，從而探究出健康的原因。

3、通過健康體檢數(shù)據(jù)和病人數(shù)據(jù)的挖掘分析，發(fā)現(xiàn)如何綜合判別健康狀態(tài)，分析導(dǎo)致疾病的影響因素，建立評估模型來預(yù)測危險度，并進(jìn)一步建立疾病的預(yù)測模型等。

尤其是在醫(yī)學(xué)科研方面，數(shù)據(jù)挖掘大有用武之地。我們在大量的醫(yī)學(xué)科研支持與服務(wù)項目中，深刻體會了科研者面臨的困境、以及他們的需求與尋求的幫助。例如，許多醫(yī)學(xué)科研工作者時常感到科研思路枯竭，并為缺乏一個新穎的科研命題而苦惱。因為，科研的關(guān)鍵點和難點正是科研創(chuàng)新。有的醫(yī)學(xué)家在使用精當(dāng)、嚴(yán)謹(jǐn)?shù)慕y(tǒng)計學(xué)進(jìn)行科研分析方面感覺力不從心，統(tǒng)計學(xué)的應(yīng)用成為科研工作的一個瓶頸。還有的學(xué)者感覺在學(xué)術(shù)上很難有所突破，他們希望提升科研成果的水平和檔次。以上這些，都可以應(yīng)用數(shù)據(jù)挖掘的技術(shù)和方法在科研中幫助他們的工作。

另一方面，醫(yī)學(xué)工作的領(lǐng)導(dǎo)們也希望本單位的科研工作能蒸蒸日上。但事實上，領(lǐng)導(dǎo)們時常為本單位低落的科研熱情和淡漠的學(xué)術(shù)氛圍而感到無可奈何，為改變上述狀況缺乏有效的方法和手段，總感到力不從心，為每年科研工作進(jìn)展不利而心急如焚，為本單位科研成果在質(zhì)和量上的落后局面而感到如若針氈。而要改變這種狀況，一方面需要在科研人才上狠下功夫，另一方面需要在科研的技術(shù)和手段方面大力改進(jìn)?？蒲腥瞬诺母倪M(jìn)是在現(xiàn)有的人力、物力的條件下很難在短時間有顯著成效的，科研技術(shù)和方法的提升相對來說稍好一些，而數(shù)據(jù)挖掘技術(shù)的應(yīng)用正是改進(jìn)科研技術(shù)的一種方法。

以數(shù)據(jù)挖掘為核心的智能醫(yī)學(xué)科研工具

為了提升醫(yī)學(xué)科研方法，提高醫(yī)學(xué)科研的數(shù)量和質(zhì)量，我們借鑒了國外的相關(guān)技術(shù)和經(jīng)驗，提出并研發(fā)了以數(shù)據(jù)挖掘為核心的智能醫(yī)學(xué)科研系統(tǒng)。我們?yōu)獒t(yī)學(xué)科研提供了一整套方案，搭建了一個完整的智能化科研平臺，從日積月累的大量臨床數(shù)據(jù)中精心提煉所需的科研資料，全方位地提供智能化的科研工具，多、快、好、省地全面提升科研工作。

具體來講，在我們的智能醫(yī)學(xué)科研系統(tǒng)中，將最新應(yīng)用數(shù)學(xué)、計算科學(xué)和智能計算等多種學(xué)科應(yīng)用于醫(yī)學(xué)科研，借鑒了國外的智能醫(yī)學(xué)科研技術(shù)和經(jīng)驗，將我們在北美多年的成功經(jīng)驗和業(yè)界領(lǐng)先的技術(shù)相結(jié)合，并融合了中國醫(yī)學(xué)專家的智慧，為中國醫(yī)學(xué)用戶量身打造的高端智能科研平臺。智能醫(yī)學(xué)科研系統(tǒng)是應(yīng)用醫(yī)院現(xiàn)有的電子化醫(yī)學(xué)數(shù)據(jù)（HIS/LIS/PACS/電子病例/體檢系統(tǒng)等）以及建設(shè)各醫(yī)學(xué)?？茢?shù)據(jù)庫，開展局網(wǎng)在線共享式的多課題醫(yī)學(xué)科研，提供智能化的工具使醫(yī)學(xué)科研工作新穎、科學(xué)、嚴(yán)謹(jǐn)、高效、低成本，可望全面提升大型醫(yī)院和科研單位的整體科研水平。如圖四，智能醫(yī)學(xué)科研系統(tǒng)的智能統(tǒng)計分析界面。

智能醫(yī)學(xué)科研系統(tǒng)具有如下特點：

·　以數(shù)據(jù)挖掘技術(shù)為核心的智能分析系統(tǒng)可以直接挖掘醫(yī)學(xué)新知識，幫助科研者加速取得科研成果，甚至重大科研發(fā)現(xiàn)。

·　運用多種數(shù)據(jù)挖掘技術(shù)探索數(shù)據(jù)規(guī)律，為科研設(shè)計提供科學(xué)依據(jù)，為科研命題指明方向，保證了科研的成功率。

·　直接多課題交叉重復(fù)利用積累的現(xiàn)有醫(yī)學(xué)數(shù)據(jù)，使科研成本大大降低，使利用節(jié)省下的科研經(jīng)費再爭取更多科研成果。

·　強大易用的樣本篩選系統(tǒng)，使科研數(shù)據(jù)的收集高效準(zhǔn)確，能滿足科研數(shù)據(jù)的嚴(yán)格要求。全在線科研平臺提供科研全過程的一攬子工具，省去了繁瑣復(fù)雜的人工數(shù)據(jù)處理。

·　基于經(jīng)典科研設(shè)計的智能式科研統(tǒng)計流程，使科研者不必因設(shè)計失誤或誤用統(tǒng)計方法而使科研功虧一簣。系統(tǒng)內(nèi)嵌的統(tǒng)計算法自動運算結(jié)果，使科研者擺脫復(fù)雜的專用統(tǒng)計軟件煩惱。

實踐證明，醫(yī)院應(yīng)用智能醫(yī)學(xué)科研系統(tǒng)，可獲得顯著的工作效益，使得醫(yī)院的科研和臨床工作得到良性發(fā)展。例如，醫(yī)院的整體科研能力加強了，科研水平得到了提高，科研成果和論文數(shù)量和質(zhì)量提高了，發(fā)表在國家級、國際級的論文和成果增加了，科研的影響指數(shù)也相應(yīng)提升了，同時，獲取更多的、更重大的國家級、省市級的課題的機會也更多了?？傊w科研的提升使醫(yī)院的學(xué)術(shù)共識性得到了提高，具有更廣泛的社會的影響度，醫(yī)院的軟實力得到增強，同類醫(yī)療市場的競爭力加強了，相應(yīng)地也提高了醫(yī)院的經(jīng)濟(jì)效益。

當(dāng)然，大力提升科研技術(shù)和方法是提高科研工作效果的一個必然手段，但更重要的還是在于發(fā)揮科研人員的主觀能動性，以數(shù)據(jù)挖掘為核心的智能醫(yī)學(xué)科研工具僅僅是一個好的工具而已。如果科研人員對于科研創(chuàng)新沒有動力、缺乏積極性、或者急功急利、或者搞偽科研，甚至由于單位內(nèi)部人事的復(fù)雜而爭斗，即使建設(shè)了再好的、再先進(jìn)的科研工具，也沒人能利用它，科研工作的真正提高也只能是無稽之談！