基于ICD-10诊断编码的慢性病并发症聚类算法

王晓霞，蒋伏松，王宇，熊贇

1. 复旦大学计算机科学技术学院，上海 201203；

2. 上海市数据科学重点实验室，上海 201203；

3. 西北师范大学计算机科学与工程学院，甘肃 兰州 730070；

4. 上海市第六人民医院，上海 200233；

5. 上海市普陀区疾病预防控制中心，上海 200333

1 引言

在长时间的发展过程中，很多慢性病都会引发并发症，比如慢性阻塞性肺病、抑郁症等，这些并发症是导致慢性病患者残疾、死亡的重要原因之一。了解慢性病与其并发症的关系以及研究相关并发症的发展，无论是对控制和预防慢性病并发症的发生、提高患者的自我监管能力，还是对慢性病的临床防治以及药物研发都有重要意义。

在医疗大数据环境下，对电子病历（electronic medical record）中的海量数据进行利用与分析能够促进医疗服务水平的提高以及对疾病的理解[1]。在电子病历中，对患者的诊断结果一般使用国际疾病分类（international classification of diseases，ICD）编码进行分类标注，近年来使用的是全世界通用的第10次修订本《疾病和有关健康问题的国际统计分类》，即ICD-10诊断编码。例如，对于糖尿病及其并发症[2]，虽然在ICD-10诊断编码中根据疾病已知的病因、病理、临床表现和解剖位置等特性进行了一些详细的分类编码，但对于一些有可能由糖尿病引发的并发症并没有加以体现（比如抑郁症）。为了更好地利用电子病历中的数据分析各种目标疾病及其并发症的关系，将大量疾病诊断合理归类到若干种并发症类型是一项重要的任务。由于数据量巨大，对这些诊断结果按照研究目标的逻辑进行分类的工作，很难全部由具有医学知识的医生们来完成。……