談兩種關(guān)聯(lián)規(guī)則算法在中醫(yī)藥治療方面的應(yīng)用及比較

1、Word 談兩種關(guān)聯(lián)規(guī)則算法在中醫(yī)藥治療方面的應(yīng)用及比較 關(guān)聯(lián)規(guī)章反映一個(gè)事物與其他事物之間的相互依存性和關(guān)聯(lián)性。而關(guān)聯(lián)規(guī)章挖掘則是數(shù)據(jù)挖掘中最活躍的討論方法之一，其本質(zhì)是要找出隱蔽在數(shù)據(jù)間的相互關(guān)系。關(guān)聯(lián)規(guī)章數(shù)據(jù)挖掘的步驟主要有兩步: 找出全部支持度大于或等于規(guī)定最小支持度的頻繁項(xiàng)集，再由頻繁項(xiàng)集產(chǎn)生所期望的關(guān)聯(lián)規(guī)章。其關(guān)聯(lián)規(guī)章的產(chǎn)生由支持度和置信度打算。在中醫(yī)藥領(lǐng)域，數(shù)據(jù)挖掘技術(shù)可用于證候診斷、方劑配伍、文獻(xiàn)討論、臨床病歷等方面，以幫助傳承中醫(yī)文化，指導(dǎo)現(xiàn)代中醫(yī)的進(jìn)展。在目前針對(duì)中醫(yī)藥領(lǐng)域的數(shù)據(jù)挖掘中，關(guān)聯(lián)規(guī)章Apriori 算法和FP-growth 算法倍受討論人員的青睞。 1 概念 A

2、priori 算法為布爾關(guān)聯(lián)規(guī)章挖掘頻繁項(xiàng)集的原創(chuàng)性算法。該算法屬于寬度優(yōu)先算法，使用逐層搜尋的迭代方法，其中k 項(xiàng)集用于探究( k + 1) 項(xiàng)集。首先，掃描整個(gè)數(shù)據(jù)庫，累計(jì)每個(gè)項(xiàng)的計(jì)數(shù)，找出滿意最小支持度的項(xiàng)，得到頻繁1 項(xiàng)集的集合L1。接下來循環(huán)進(jìn)行以下兩步: 連接步，產(chǎn)生候選項(xiàng)集Ck; 剪枝步，依據(jù)先驗(yàn)性質(zhì)頻繁項(xiàng)集的全部非空子集也肯定是頻繁的，剪除( k - 1) 項(xiàng)子集不在Lk - 1中的候選k 項(xiàng)集，當(dāng)Lk為空時(shí)終止循環(huán)。 FP-growth 算法則是一種不產(chǎn)生候選項(xiàng)目集而采納模式增長的方式挖掘頻繁模式的算法。通過兩個(gè)步驟來完成: 構(gòu)造頻繁模式樹FP-tree 和調(diào)用FPgrowt

3、h算法進(jìn)行頻繁項(xiàng)集挖掘。其原理是通過把每個(gè)事物映射到FP 樹中的一條路徑將數(shù)據(jù)庫壓縮到一顆頻繁模式樹，但仍保留項(xiàng)目集關(guān)聯(lián)信息，然后將這種壓縮后的數(shù)據(jù)庫分成一組條件數(shù)據(jù)庫，每個(gè)關(guān)聯(lián)一個(gè)頻繁項(xiàng)，并分別挖掘每個(gè)數(shù)據(jù)庫。對(duì)于每個(gè)模式片段，只需要考察與它相關(guān)聯(lián)數(shù)據(jù)集。因此，隨著被考察的模式的增長，這種方法可以顯著壓縮被搜尋的數(shù)據(jù)集的大小。 2 在中醫(yī)藥領(lǐng)域的應(yīng)用 2. 1 方劑配 伍規(guī)律的討論方劑配伍規(guī)律能闡明方劑與病證之間治法的關(guān)系，揭示構(gòu)成方劑的諸要素與功效之間的關(guān)系。關(guān)聯(lián)規(guī)章數(shù)據(jù)挖掘可以幫助熟悉方劑的效用和方內(nèi)各藥物之間的配伍關(guān)系，揭示方劑效用的物質(zhì)基礎(chǔ)和作用機(jī)制，進(jìn)而發(fā)覺方劑的潛在功效和新用途，

4、以便改進(jìn)傳統(tǒng)劑型，研發(fā)復(fù)方新藥。采納Apriori 算法對(duì)中醫(yī)方劑大辭典中治療不同疾病的方劑進(jìn)行挖掘分析，得到針對(duì)不同疾病的相應(yīng)組方規(guī)律、核心藥物、高頻藥對(duì)及藥物功效配伍規(guī)律等。例如對(duì)其中587 首腫瘤方進(jìn)行挖掘。結(jié)果表明，腫瘤方中理氣和活血藥物使用頻率最高，支持度高的藥對(duì)多為活血藥與行氣藥配伍，支持度前20 的藥組都含有活血化瘀藥，且大多為活血化瘀藥與理氣藥配伍應(yīng)用。最終發(fā)覺中醫(yī)方劑大詞典所收錄的腫瘤方常選用的藥物多具有行氣止痛、活血化瘀、補(bǔ)氣健脾的功效。對(duì)治療肺痿疾病的方劑進(jìn)行組方規(guī)律分析，揭示了肺痿組方中藥物關(guān)聯(lián)規(guī)章，并依據(jù)關(guān)聯(lián)結(jié)果進(jìn)行新方分析，得到9 個(gè)核心組合和9 個(gè)候選新方，為臨床

5、治療肺痿供應(yīng)了核心組合及候選方劑。應(yīng)用單味藥藥對(duì)藥組的數(shù)據(jù)挖掘思路，從簡潔到簡單，對(duì)四物湯中4 味藥物的配伍關(guān)系進(jìn)行挖掘，發(fā)覺四物湯中當(dāng)歸是聯(lián)系其他藥物的中心環(huán)節(jié)，而當(dāng)歸地黃為方中的核心藥對(duì)，同時(shí)為方劑配伍規(guī)律的討論供應(yīng)了新的思路和方法。對(duì)治療痛經(jīng)的217 首方劑進(jìn)行藥對(duì)應(yīng)用規(guī)律挖掘，得到當(dāng)歸川芎等高頻藥對(duì)，而它們也是治療針對(duì)寒凝血瘀和氣滯血瘀型痛經(jīng)的少腹逐瘀湯、溫經(jīng)湯兩方的主要組成藥物，從而發(fā)覺臨床上痛經(jīng)發(fā)病多為這兩種辨證分型，為臨床痛經(jīng)的辨證施藥供應(yīng)參考。在Apriori算法支持度、置信度的基礎(chǔ)上再引入愛好度概念，用以修剪無趣的規(guī)章，挖掘出更有意義的關(guān)聯(lián)規(guī)章，并以脾胃類方劑庫中的1 060

6、 首方劑為例使用Apriori算法進(jìn)行試驗(yàn)，通過設(shè)置愛好度值排解無意義的藥對(duì)人參甘草，得到固定藥對(duì)白術(shù)茯苓和尚未作為藥對(duì)使用但具有客觀關(guān)聯(lián)性的茯苓木香藥物組合，提出如何利用這些相互關(guān)聯(lián)的藥物，是數(shù)據(jù)挖掘重點(diǎn)探討的對(duì)象。 采納FP-growth 算法對(duì)方劑教材中的方劑進(jìn)行挖掘來探討中藥復(fù)方配伍的規(guī)章。以治風(fēng)劑中的疏散外風(fēng)劑為例得到方劑的配方規(guī)章，得到防風(fēng)細(xì)辛、甘草細(xì)辛、川芎細(xì)辛等藥物組合，為疏散外風(fēng)劑組方供應(yīng)了參考。以解表劑為例得到關(guān)系親密的中藥組合，麻黃甘草、甘草芍藥、桂枝芍藥等，為解表藥組方供應(yīng)了參考。采納該算法的改進(jìn)算法FP-growth* 算法，在存在共享前綴的條件下，遍歷結(jié)點(diǎn)的第一個(gè)子

7、女結(jié)點(diǎn)就發(fā)覺共享前綴，削減搜尋共享前綴的時(shí)間，從而削減生成FP-Tree 的時(shí)間，以提高挖掘效率。并對(duì)取自華佗中醫(yī)院的臨床方劑和上海市中醫(yī)中藥數(shù)據(jù)中心中醫(yī)方劑數(shù)據(jù)庫的脾胃方劑進(jìn)行挖掘，得到脾胃方劑的主藥甘草、陳皮、白術(shù)、人參等，補(bǔ)氣健脾方劑是最基本的用方，顯示出脾胃方劑遣方組藥的一些規(guī)律。 2. 2 中藥藥性 藥效的討論中藥藥性理論是中藥基本理論的重要組成部分，也是指導(dǎo)臨床使用中藥和闡釋中藥作用機(jī)制的重要依據(jù)。關(guān)聯(lián)規(guī)章數(shù)據(jù)挖掘可以探討中藥藥性四氣五味與詳細(xì)功效之間的關(guān)聯(lián)關(guān)系，揭示四氣五味的藥性規(guī)律，為開發(fā)中藥新資源及指導(dǎo)臨床用藥供應(yīng)理論線索。采納Apriori 算法對(duì)選自中華本草中8 980

8、味中藥的四氣數(shù)據(jù)及關(guān)聯(lián)的藥物功能進(jìn)行關(guān)聯(lián)規(guī)章挖掘，得到涉及溫、平、寒三性的分類關(guān)聯(lián)規(guī)章11 條，揭示了中藥溫平寒藥性規(guī)律。挖掘選取神農(nóng)本草經(jīng)中的365 味中藥，在建立氣味效三維立方體的基礎(chǔ)上，查找氣味效之間的關(guān)聯(lián)規(guī)章并進(jìn)行初步分析，得到四氣、五味及四氣合五味與功效的關(guān)聯(lián)規(guī)章，為中藥藥性四氣五味理論討論供應(yīng)新思路和新方法。采納改進(jìn)的Apriori 算法，對(duì)取自中國藥典中藥學(xué)教材等書籍的中藥藥性及其他屬性的相關(guān)數(shù)據(jù)進(jìn)行挖掘，將數(shù)據(jù)庫劃分成n 部分，針對(duì)每個(gè)部分單獨(dú)產(chǎn)生一組頻繁項(xiàng)集，然后將這些項(xiàng)集并為一個(gè)總體的候選頻繁項(xiàng)目集，再對(duì)其執(zhí)行連接及剪枝等循環(huán)處理，直至產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)章。挖掘結(jié)果顯示，藥性與藥

9、味、歸經(jīng)、化學(xué)成分、功能、藥理作用關(guān)系最親密的依次為溫辛、平肝、溫?fù)]發(fā)油、寒清熱、溫抗炎。通過中藥藥性與其他屬性間的關(guān)聯(lián)進(jìn)行初步探究，所得結(jié)果與中藥藥性傳統(tǒng)熟悉相符，對(duì)中藥的藥性分析具有指導(dǎo)意義。采納FP-growth 算法對(duì)含有596 味藥、177 個(gè)不同功效的數(shù)據(jù)進(jìn)行效效關(guān)系挖掘。得到的結(jié)果表明，F(xiàn)P-growth 算法挖掘中藥效效關(guān)系正確率較高，60. 30% 基本符合中醫(yī)學(xué)問和中醫(yī)專家的閱歷; 發(fā)覺感冒藥材間關(guān)聯(lián)規(guī)章學(xué)問，得到3 味藥材組合的配伍規(guī)律，體現(xiàn)了感冒藥材之間存在客觀的藥性相互作用，并據(jù)此編排設(shè)計(jì)了新的中藥斗譜，供應(yīng)了探究中藥斗譜內(nèi)外布局編排設(shè)計(jì)的新思路。 2. 3 中醫(yī)治

10、法用藥規(guī)律中醫(yī)強(qiáng)調(diào)辨證論治，即依據(jù)證的不同實(shí)行不同的治法及方藥，并通過古代及當(dāng)代名醫(yī)的積累總結(jié)產(chǎn)生了很多針對(duì)特定病證或證候的治法。關(guān)聯(lián)規(guī)章數(shù)據(jù)挖掘可以探究某一特定中醫(yī)治法潛在的用藥規(guī)律，通過其內(nèi)在的藥物聯(lián)系更深化地剖析中醫(yī)治法的根本，為中醫(yī)治法在臨床應(yīng)用和改進(jìn)上供應(yīng)有力的理論依據(jù)。 采納Apriori 算法，對(duì)檢索醫(yī)學(xué)數(shù)據(jù)庫中以滋陰補(bǔ)腎法治療腦卒中恢復(fù)期的臨床討論報(bào)道得到的16首方劑，分析方劑中藥對(duì)的應(yīng)用規(guī)律，得到使用頻率較高的藥對(duì)牛膝桑寄生，牛膝地龍等，與中醫(yī)經(jīng)典記載及臨床應(yīng)用相吻合。對(duì)檢索中國知網(wǎng)、中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫中有關(guān)運(yùn)用清熱、活血方為主的熏洗法治療痔病術(shù)后恢復(fù)期的臨床討論報(bào)道得到

11、的87 首方劑，得到應(yīng)用頻率較高的藥對(duì)苦參黃柏，苦參當(dāng)歸等，并發(fā)覺清熱藥和活血化瘀藥物的使用頻次、藥對(duì)配伍最多，對(duì)痔病術(shù)后預(yù)防和緩解并發(fā)癥療效準(zhǔn)確，治愈率高，可以有效指導(dǎo)臨床實(shí)踐。對(duì)檢索醫(yī)學(xué)數(shù)據(jù)庫中以補(bǔ)腎益氣活血化瘀法治療腦卒中恢復(fù)期的臨床討論報(bào)道得到的18 首方劑，得到支持度較高的藥對(duì)黃芪川芎，黃芪水蛭等，發(fā)覺補(bǔ)腎益氣活血化瘀法治療腦卒中恢復(fù)期的用藥規(guī)律，為臨床供應(yīng)有效的理論指導(dǎo)。 2. 4 名老中醫(yī) 醫(yī)案挖掘名老中醫(yī)醫(yī)案是將中醫(yī)理論與臨床實(shí)踐相結(jié)合并不斷創(chuàng)新的結(jié)果，包含了中醫(yī)的基本原則和名老中醫(yī)的獨(dú)特見解，為中醫(yī)的傳承供應(yīng)了珍貴資源。關(guān)聯(lián)規(guī)章數(shù)據(jù)挖掘可以分析記錄這些名老中醫(yī)臨床診療閱歷的醫(yī)

12、案，發(fā)覺他們?cè)\療方式及辨證用藥的獨(dú)特性，為更好地指導(dǎo)臨床工作奠定了理論基礎(chǔ)。 采納Apriori 算法對(duì)收集自中醫(yī)腎病專家聶莉芳治療CRF( 慢性腎功能衰竭) 患者的門診及病房病案，對(duì)癥狀、中藥、方劑及其相互關(guān)聯(lián)進(jìn)行分析挖掘。結(jié)果說明，慢性腎衰病機(jī)氣陰兩虛證最為多見，并得到治療CRF 常用中藥、常用藥對(duì)藥組和常用方劑等，體現(xiàn)了抓主癥選方、隨癥加減的用藥規(guī)律，為CRF 在中醫(yī)臨床的診療供應(yīng)了牢靠的依據(jù)。以顏正華教授治療胃脘痛的臨床處方為討論數(shù)據(jù)，采納Apriori算法提取關(guān)聯(lián)規(guī)章，得到藥物的核心組合和新處方，為傳承和深化挖掘名老中醫(yī)的治療方法供應(yīng)了參考。以中醫(yī)院中名老中醫(yī)關(guān)于典型的型糖尿病醫(yī)案為

13、討論對(duì)象，構(gòu)建了基于Apriori 算法的數(shù)據(jù)挖掘平臺(tái)，挖掘名老中醫(yī)關(guān)于型糖尿病的醫(yī)案中藥物之間的相互關(guān)聯(lián)，得出治療型糖尿病最常用的中藥和藥對(duì)，為型糖尿病在中醫(yī)臨床診療供應(yīng)了珍貴閱歷。 3 結(jié)語 在現(xiàn)有中醫(yī)藥領(lǐng)域的關(guān)聯(lián)規(guī)章數(shù)據(jù)挖掘中，就算法本身來說，有試驗(yàn)證明在支持度較小的狀況下，F(xiàn)Pgrowth算法較Apriori 算法有著明顯的優(yōu)勢。Apriori 算法易于實(shí)現(xiàn)，但在實(shí)際應(yīng)用中存在一些難以克服的缺陷，頻繁掃描數(shù)據(jù)庫、產(chǎn)生大量候選項(xiàng)集等; FP-Growth 算法可以實(shí)現(xiàn)對(duì)無向項(xiàng)集圖的實(shí)時(shí)構(gòu)造，無需頻繁掃描數(shù)據(jù)庫，算法性能顯著提高。就算法應(yīng)用來說，Apriori 算法多于FP-growth 算法。作為原始經(jīng)典算法之一的Apriori 算法已廣泛應(yīng)用于中醫(yī)藥方劑配伍、藥性藥效、中醫(yī)治法、中醫(yī)醫(yī)案等多方_面的挖掘當(dāng)中，挖掘結(jié)果也基本與中醫(yī)經(jīng)典記載和臨床閱歷相吻合; 而FP-growth 算法明顯在應(yīng)用上不及Aprior