運(yùn)用數(shù)據(jù)挖掘技術(shù)研究方劑配伍規(guī)律應(yīng)注意的幾個問題

1、運(yùn)用數(shù)據(jù)挖掘技術(shù)研究方劑配伍規(guī)律應(yīng)注意的幾個問題                        作者：陳云慧，王燕，張昱，譚圣琰 宋姚屏，蔣永光【摘要】  近年來，數(shù)據(jù)挖掘技術(shù)正逐漸被廣泛運(yùn)用到方劑配伍的研究中，在運(yùn)用該技術(shù)進(jìn)行知識發(fā)現(xiàn)的過程中，由于中醫(yī)藥數(shù)據(jù)所具有的特殊性，會產(chǎn)生一系列具有中醫(yī)特色的問題，文章從數(shù)據(jù)的規(guī)范、數(shù)據(jù)挖掘方法的選擇和挖掘結(jié)果的評判

2、等3方面進(jìn)行了討論。 【關(guān)鍵詞】  數(shù)據(jù)挖掘技術(shù) 方劑配伍規(guī)律 問題中醫(yī)講求辨證論治，多病因分析、多藥物組方、多靶點論治是其基本特點。多維度的思維是其精髓。中藥方劑最典型的體現(xiàn)了這一思維特征。方劑配伍具體表現(xiàn)為方-方、方-藥、藥-藥、藥-劑量，以及方藥、方證、藥癥（證）與證-癥的多維關(guān)聯(lián)，其本質(zhì)就是一種數(shù)據(jù)關(guān)系，具有復(fù)雜性和非線性動態(tài)變化的特性，符合數(shù)據(jù)處理的要求和特征。而數(shù)據(jù)挖掘涵蓋了數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)縮減、知識發(fā)現(xiàn)的目標(biāo)確定、挖掘算法確定、數(shù)據(jù)挖掘、模式解釋及知識評價等9個處理階段，其任務(wù)是根據(jù)待分析數(shù)據(jù)的特征，選擇有效的數(shù)據(jù)挖掘算法，通過引入人工神經(jīng)、關(guān)聯(lián)規(guī)則

3、、聚類分析、頻繁集、空間矢量分析、決策樹等多種數(shù)據(jù)處理方法進(jìn)行試驗和改造，使之適應(yīng)方劑配伍研究的特點和目標(biāo)。    目前，數(shù)據(jù)挖掘這一技術(shù)正逐漸被廣泛運(yùn)用到方劑配伍特點的研究中，在運(yùn)用這一個方法進(jìn)行知識發(fā)現(xiàn)的同時，會出現(xiàn)一系列具有中醫(yī)特色的問題，需要引起我們的注意。1  數(shù)據(jù)的規(guī)范    在進(jìn)行數(shù)據(jù)挖掘的前期，務(wù)必進(jìn)行數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)縮減等相關(guān)工作。而對于方劑配伍規(guī)律的分析，需要注意的問題主要涉及到各項數(shù)據(jù)的規(guī)范問題，包括藥物名稱、度量衡單位、癥狀描述、證候名稱等。由于中醫(yī)方劑數(shù)量多達(dá)數(shù)十萬首，來源跨度數(shù)

4、千年，以及古代語言文化的多樣性及豐富性，導(dǎo)致了數(shù)據(jù)描述的不一致性。這些由于命名規(guī)則、術(shù)語表達(dá)或數(shù)據(jù)代碼的不同而產(chǎn)生的噪聲數(shù)據(jù)，如果不處理好，將直接影響后期數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確度和可信度，故需要對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，去除噪聲數(shù)據(jù)，以使其成為更清晰和更具意義的數(shù)據(jù)。在開展規(guī)范工作前，應(yīng)就所實施的規(guī)范原則達(dá)成一致，并對相關(guān)課題人員進(jìn)行培訓(xùn)。對于癥狀數(shù)據(jù)的規(guī)范，參照中醫(yī)癥狀鑒別診斷學(xué)1以及七版中醫(yī)高校教材中醫(yī)診斷學(xué)2建立規(guī)范癥狀表，并將癥狀性質(zhì)、癥狀程度、癥狀部位有機(jī)結(jié)合，實行癥狀規(guī)范名和癥狀異名并重的原則；對于證候名稱的規(guī)范則參照中華人民共和國國家標(biāo)準(zhǔn)中醫(yī)臨床診療術(shù)語證候部分3，主要分一詞多義、多詞

5、一義、詞義模糊、詞義交叉或涵蓋和刪除數(shù)據(jù)不完整的記錄等5種情況來處理；對于藥物名稱則參照中華本草4進(jìn)行規(guī)范。2  數(shù)據(jù)挖掘方法的選擇    前期數(shù)據(jù)準(zhǔn)備完成之后，進(jìn)入了數(shù)據(jù)挖掘階段，可具體分為確定知識發(fā)現(xiàn)目標(biāo)、確定挖掘算法和進(jìn)行數(shù)據(jù)挖掘。對于方劑配伍規(guī)律的分析，知識發(fā)現(xiàn)的目標(biāo)主要包括類方方藥、方證、藥癥、藥證以及主方結(jié)構(gòu)變化規(guī)律等等。而在確定知識發(fā)現(xiàn)目標(biāo)即分析對象之后，需要注意的問題主要是如何有針對性地選擇有效的數(shù)據(jù)挖掘算法?？傮w來講，根據(jù)所發(fā)現(xiàn)模式的類型，可以分為兩種：描述性數(shù)據(jù)挖掘和預(yù)測性數(shù)據(jù)挖掘。描述性數(shù)據(jù)挖掘意在刻畫數(shù)據(jù)的特性和特征，預(yù)測性數(shù)據(jù)挖

6、掘旨在當(dāng)前數(shù)據(jù)的基礎(chǔ)上進(jìn)行推斷，并預(yù)測。具體來講，數(shù)據(jù)挖掘功能在方劑配伍規(guī)律研究中的運(yùn)用大略可以歸納如下：2.1  概念描述描述數(shù)據(jù)的分布是很有意義的?？筛鶕?jù)對于數(shù)據(jù)的描述，根據(jù)其特征進(jìn)行區(qū)分；若又沿著指定維添加新維，則有利于發(fā)現(xiàn)各類之間的更多區(qū)分特性。比如，對藥物的性味、歸經(jīng)、功效情況的刻畫可以用來尋找解表藥、清熱藥、補(bǔ)益藥等幾個類型的特征，并對所分析對象所涉及的藥物進(jìn)行分類，若指定清熱藥為一維，那么沿著這一指定維進(jìn)行區(qū)分，又可以尋找到清熱瀉火藥、清熱燥濕藥、清熱解毒藥等幾個特征性亞類。2.2  關(guān)聯(lián)分析數(shù)據(jù)庫中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說，兩個或多個變量的取值之

7、間存在某種規(guī)律性，分為簡單關(guān)聯(lián)和時序關(guān)聯(lián)兩種。簡單關(guān)聯(lián)，例如：含柴胡的方劑中有60%的方同時含有黃芩；時序關(guān)聯(lián)則是在簡單關(guān)聯(lián)中增加了時間屬性。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)，描述一組數(shù)據(jù)項目的密切度或關(guān)系。有時并不知道數(shù)據(jù)庫中數(shù)據(jù)的關(guān)聯(lián)是否存在精確的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有置信度，置信度級別度量了關(guān)聯(lián)規(guī)則的強(qiáng)度。在對于方劑配伍規(guī)律的研究中，可以運(yùn)用關(guān)聯(lián)規(guī)則對藥癥、方證、藥藥、藥證等相關(guān)關(guān)系進(jìn)行研究。2.3  分類和預(yù)測分類是通過訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集試圖發(fā)現(xiàn)精度達(dá)到一定程度的分類模型的過程。分類模型可預(yù)測類標(biāo)號未知對象的類，有多種形式，如分

8、類規(guī)則、判定樹、數(shù)學(xué)公式或神經(jīng)網(wǎng)絡(luò)等。比如可運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法來判定方劑功效。分類用于預(yù)測數(shù)據(jù)對象的類標(biāo)號，如果在某些應(yīng)用中，希望能預(yù)測某些遺漏或空缺值，而非類標(biāo)號，稱為預(yù)測。為使分類和預(yù)測高效地進(jìn)行，就要求進(jìn)行屬性相關(guān)分析。相關(guān)分析是通過信息增益，試圖發(fā)現(xiàn)與分類和預(yù)測屬性有關(guān)和有較強(qiáng)相關(guān)性的屬性集合，排除不相關(guān)或弱相關(guān)的屬性集合。1         2.4  聚類分析聚類不同于分類，事先不知道有幾個類，聚類分析資料點之間的相似程度，根據(jù)類內(nèi)盡可能相似和類間盡可能不同的聚類原則對數(shù)據(jù)對象進(jìn)行分組并生成新的

9、類標(biāo)號。聚類分析廣泛應(yīng)用于模式識別、數(shù)據(jù)預(yù)處理等領(lǐng)域。2.5  演變和偏差分析演變分析描述事物隨時間變化的性或趨勢，包括時間相關(guān)數(shù)據(jù)的特征、區(qū)分、關(guān)聯(lián)、分類或聚類，這類分析的不同特點包括時間序列分析、序列或周期模式匹配和類似性數(shù)據(jù)分析。    需要指出的是，在確定使用某種數(shù)據(jù)挖掘方法對大批量的數(shù)據(jù)進(jìn)行處理前，可以先進(jìn)行小額數(shù)據(jù)的多種方法的預(yù)試驗，進(jìn)行比較分析，找到最適合分析對象數(shù)據(jù)特點的數(shù)據(jù)挖掘方法。3  挖掘結(jié)果的評判    對于數(shù)據(jù)挖掘結(jié)果的評判，通常采用與目前較為公認(rèn)的認(rèn)識相比較，出準(zhǔn)確率的方法。對于不滿足評

10、判標(biāo)準(zhǔn)或與傳統(tǒng)中醫(yī)認(rèn)識有所出入的分析結(jié)果，我們稱之為不確，即其中有一部分是錯誤的結(jié)果，而另一部分則可能蘊(yùn)含著新知。這就需要咨詢有關(guān)的專家教授，再做評價。如本課題組研究人員在藥對-癥狀的關(guān)聯(lián)分析中發(fā)現(xiàn)陳皮、炙甘草與乏力、泄瀉存在較高的關(guān)聯(lián)度，此藥對已知用于胃虛痰滯之胸中痞滿，惡心食少，或用于濕痰咳嗽等癥，但對于乏力、泄瀉并無相關(guān)論述。但有關(guān)專家指出這是有意義的，因為陳皮味辛苦而性溫，入脾經(jīng)，辛行苦降，能調(diào)理脾胃氣機(jī)，功善燥濕化痰，理氣和中；炙甘草味甘，擅入中焦，具有補(bǔ)益脾氣之力，此藥對大量存在于四君子湯類方中。而這類方劑主治證侯群集中在氣虛類，且以脾胃氣虛為主。脾胃虛弱，運(yùn)化無權(quán)，濕邪內(nèi)蘊(yùn)，可致升降傳導(dǎo)失司，清濁交混致泄瀉。炙甘草補(bǔ)益脾氣，陳皮行氣燥濕，氣行則水濕自行，二藥合用脾健濕除，則乏力、泄瀉癥狀得解。    綜上所述，中醫(yī)方劑配伍的數(shù)據(jù)挖掘研究是在中醫(yī)理論的指導(dǎo)下對證候判斷、中醫(yī)方劑組方理論和配伍規(guī)律等進(jìn)行多方位、多學(xué)科、多系統(tǒng)的化研究，是一個多方面協(xié)作、高維復(fù)雜的系統(tǒng)工程。同其他領(lǐng)域相比，中醫(yī)藥數(shù)據(jù)多帶有模糊性的特點，因此必須在數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、數(shù)據(jù)縮減、知識發(fā)現(xiàn)的目標(biāo)確定、挖掘算法確定、數(shù)據(jù)挖掘、模式解釋及知識評價等9個處理環(huán)節(jié)中，必須要在中醫(yī)理論和/或中醫(yī)專家的參與和指導(dǎo)下方能完成由數(shù)據(jù)庫數(shù)據(jù)到可利