醫學數據庫

眾所周知, 由於網絡帶寬的限制, 國內的醫學網站大多以文字信息為主, 而這種現狀已經無法滿足21 世紀醫學界在教學科研、資源共享、遠程交流等方面的需要。近年來, 互聯網的普及與發展, 極大的推動了全球信息化和網絡化的進程, 互聯網上豐富的醫學信息資源正慢慢成為醫學信息的巨大寶庫。在這兩種需求下, 而醫學數據庫也就應運而生了。 ^[1] 

在計算機中, 數據庫是依照某種數據模型組織起來並存放二級存儲器中的數據集合。這種數據集合具有如下特點:儘可能的不重複, 以最優方式為某個特定組織的多種應用服務, 其數據結構獨立於使用它的應用程序, 對數據的增、刪、改和檢索由統一軟件進行管理和控制。從發展的歷史看, 數據庫是數據管理的高級階段, 它是由文件管理系統發展起來的。

醫學數據庫技術的引入, 能夠極大程度的節省醫學數據存儲的空間、更好的保護患者的隱私、進一步實現的各不同單位間的資源共享、更細緻的整合互聯網的各種醫學資料以及更加快捷的檢索各種信息, 從而給醫學工作者帶來極大的便利。 ^[1] 

當數據庫運用到醫院系統中時, 既能夠改變傳統醫學文檔存儲方式的冗餘和不易查找的問題, 又能夠維護醫學文檔的統一性和權威性。正是由於這種醫學數據庫的這些優點, 使得醫院的各個國家的醫院之間,醫院的各科室之間, 各科室的醫生之間的資源得以共享, 從而極大的減少了主觀因素對於診斷的影響, 也進一步的確保了每一個個體都擁有統一的, 正確的, 權威的資料來源。另一方面, 統一的數據庫管理也大大的節省了資料的存儲空間, 方便了個體之間的合作和管理。

雖然我國出現了一批已投入使用的醫學數據庫, 諸如:萬方數據庫、中國醫學生物信息數據庫、中藥信息數據庫, 但受我國由於經濟承受能力、計算機普及率和醫療保障體制等因素的影響, 廣泛推行醫學數據庫還比較困難。畢竟, 隨着醫學文獻的不斷增加, 對於各單位的硬件設施也會有一定的要求。同時, 網絡上大量出現的黑客, 木馬, 病毒和流氓軟件也會對完全數字化的醫學文獻構成威脅, 如何做好備份工作和防範工作都將是未來所要解決的問題。

Medline 數據庫是美國國立醫學圖書館MEDLARS 系統30 多個數據庫中最大的一個, 是世界上最著名的生物醫學數據庫之一, 也是用户最多, 使用頻率最高的醫學數據庫。該數據庫收錄了1966 年以來的70 多個國家4300 多種期刊的題錄和文摘共1100 萬條記錄, 年遞增30 萬條以上。其中80%-85% 以上附有英文摘要， 80% 以上為英文文獻， 剩下的為其它42 種文字。 ^[1] 

即National CancerInstitute-癌症數據庫(文獻型), 有140 萬條記錄。來源於雜誌、書、報告、研究進展、醫務工作人員論文等4000 種不同信息源。

即DDJB該數據庫於1986 年在日本教育部的支持下成立, 其是按照一個國際DNA數據庫的標準成立的, 其成員還包括歐洲的EBI 和美國的NCBI 。

2004 年11 月，GE 公司與中華醫學會合作, 完成中國大陸骨密度正常值數據庫項目, 開創了中國骨密度發展的新時代, 是中國醫學界將臨牀問題數字化的一項巨大突破。該項目的完成, 徹底結束了用其他人種的標準診斷中國人骨密度狀況的混亂局面, 樹立了醫生和患者對骨密度測量和骨質疏鬆定量診斷的信任。 ^[1] 

該數據庫收錄了1000 餘所大學的文、理、工、農、醫等領域的150 萬篇博士、碩士論文。

即中國生物醫學文獻數據庫，該數據庫注重數據的規範化處理和知識管理, 並且其檢索系統(BMWEB)具有檢索入口多, 檢索式靈活, 可獲得良好的查全率和差準率, 該數據庫收錄了1978 年以來1600 餘種中國生物醫學期刊, 以及彙編、會議論文的文獻題錄, 年增長量約40 餘萬篇, 數據庫總量已達350 餘萬篇 。 ^[1] 

中文生物醫學引文數據庫(CMCI):該數據庫全面再現了我國生物醫學期刊的引文全貌, 在揭示醫學科學研究現狀及相互關係, 協助醫療研究人員瞭解相關領域的科研狀態, 客觀反映論文影響力和客觀評價科技期刊影響力等方面發揮了積極作用。該數據庫收錄了1995 年至今1500 餘種中國生物醫學來源期刊,含300 餘萬條來源期刊和330 餘萬條中文期刊引文數據。 ^[1] 

網絡世界是一個信息的海洋， Internet 上的信息是以多種方式存在的， 其中最紅火的當數WWW(Word Wide Web)， 信息是以多媒體形式存在的。WWW 上的資源豐富多彩， PubMed 數據庫是其中之一， 它是一個免費數據庫， 又稱freeMedline 數據庫。PubMed 數據庫是美國國立醫學圖書館(National libraryof Medicine， NLM) 的國家生物技術信息中心(National Center for Biotechnology Information， NCBI)研製開發的， 設在國家健康研究院。PubMed 數據庫收錄MEDLINE， PRE-MEDLINE， 還有其它如《Science》， 《Nature》 等電子期刊構成的數據庫。 自1996 年至今， 該數據庫收錄約1 000 萬篇生物醫學文獻。 可供檢索的專業為， 分子生物學及NCBI 部分的數據庫題錄。 它收錄了美國和另外70 個國家出版的生物醫學期刊約3900 種。PubMed 網上更新速度是每週1 次。Medline 收錄的大多數論文原始語種是英語， 或有英文摘要。 ^[2] 

循證醫學(Evidence—based Medicine，EBM)即遵循證據的醫學，它是在現代臨牀醫學基礎上伴隨着信息網絡時代的到來而建立和發展起來的，是近年來醫學領域倍受關注的研究熱點。它的出現對醫學界臨牀實踐產生了劃時代的影響，被認為是臨牀醫學發展史上一個重要的里程碑。該名詞是1996年由國際著名內科學家David L．Saekett提出來的，核心意思是臨牀醫師應認真、慎重地將在臨牀研究中得到的最新、最好的證據，用於指導解決臨牀問題。循證醫學在國際醫學領域已經得到迅速發展和廣泛應用，我國循證醫學研究起步比較晚，

1997年7月衞生部批准在華西醫科大學成立了中國Cochrane中心，1999年3月被國際Cochrane協作網批准正式註冊成為國際上第15個Cochrane中心。

循證醫學數據庫也是本着資源共建共享原則，通過互聯網廣大醫師可以方便快捷地查詢到自己所需的資料。國際上最著名的循證醫學數據庫是由國際Cochrane協作網建立的Cochrane Library數據庫。Cochrane協作網是以已故的英國著名流行病學家和內科醫生Arehie Cochrane的姓氏命名的一個非贏利性國際學術團體。Cochrane協作網的宗旨是製作、保存和傳播有關衞生保健措施的系統評價。

Cochrane Library是獲取循證醫學資源的重要數據庫，其高質量的系統綜述被譽為提供臨牀科學證據的最佳來源，該系統由系統評價資料庫、療效評價文摘庫、臨牀對照試驗註冊資料庫、方法學數據庫、其它信息源5部分組成。中國循證醫學Cochrane中心也正在建設我國的循證醫學數據庫，主要收集整理以中文發表的臨牀干預性隨機對照試驗和診斷試驗數據，已收錄試驗數據2萬餘條。 ^[3] 

跨庫檢索又稱聯邦檢索、多數據庫檢索、集成檢索、一站式檢索、分佈式檢索等。跨庫統一檢索平台指的是通過相關技術將不同數據庫、不同數據源有機地整合在一個統一檢索界面下的檢索系統。

各類數據庫大量出現，給用户檢索獲取各種信息帶來極大便利。但由於某主題的信息往往分佈在不同的數據庫中，用户要先實現較高的查全率，一般需要檢索多個相關數據庫。一方面，用户需要不斷地選擇進入多個數據庫，重複進行各個檢索步驟，檢索結果又需要去重篩選；另一方面，不同開發商建立的數據庫檢索規則和檢索方法也不相同，這就浪費用户大量的時間和精力，給數據庫的有效利用造成瓶頸。跨庫統一檢索平台避免了用户在各類檢索工具之間進行切換，用户不必關心各種檢索工具所用的不同檢索語言，檢索途徑等，可一次性實現信息的高效快速檢索。

近年來醫學領域跨庫檢索系統建設發展也很快，陸續出現一批高水平的跨庫統一檢索平台。如國內清華同方的中國醫院知識倉庫總庫CHKD和萬方數據醫藥信息系統，都實現多數據庫的統一集成檢索。國外的著名醫學跨庫檢索平台有美國國立生物技術信息中心(NCBI)的Entrez檢索系統，可實現多個數據庫的同時檢索，並通過鄰接(Neighbors)功能和鏈接(Links)功能可實現相同或相似記錄的跨庫連接。OVID公司將該公司所提供的100多種數據庫整合在一起，通過OVID網絡檢索平台實現對多個數據庫的同時檢索，它可以對來源不同數據庫檢索的結果進行剔重、整合等處理，從而大大提高用户的檢索效率和質量。MD Consult是世界衞生保健領域的主要出版商Elsevier的分支之一，MD Consult把當今世界上領先的醫學信息資源整合到一個網上服務系統之中，可以幫助醫生更好地解決臨牀醫學工作中遇到的各種問題並協助他們做出更好的治療方案。其它還有由美國德克薩斯州衞生科學中心建立及維護的SumSearch、生物信息學集成檢索平台DBGETSearch等數據庫系統都具有跨庫檢索功能。 ^[4] 

當今醫學界一個比較熱門的話題便是建立醫學影像數據庫, 是一種面向醫學圖像特定領域的數據庫技術。醫學圖像數據庫是建立在圖像數據庫、圖像處理、計算機網絡技術及醫學領域知識基礎上, 支持醫學圖像數據有效存儲、傳輸、檢索和管理的數據庫技術。

使用的醫學圖像數據庫大多建立在現有的成熟的關係數據庫或擴展關係數據庫基礎之上來管理醫學圖像數據, 沒有形成完善的適合醫學圖像特點的存儲理論模型;在檢索上, 一般都是基於患者信息和圖像基本信息的基於文本的查詢, 這已不能滿足臨牀醫學及醫學研究的需要, 在海量圖像數據庫中研究高效的基於醫學圖像內容的查詢, 包括特徵的提取、相似性度量及高維索引結構(特徵的組織)等具有一定的學術價值和廣泛的應用前景。而數據的這種特點正好適用於海量的圖像文件的存儲, 研究和探索適合於醫學圖像特點的醫學圖像數據庫技術具有重要而現實的意義。 ^[1]