中醫(yī)方劑知識(shí)挖掘研究

中醫(yī)方劑知識(shí)挖掘研究

0問(wèn)題的提出和數(shù)學(xué)模型的構(gòu)建中醫(yī)信息的研究可以追溯到20世紀(jì)70年代。在方法論層面,中醫(yī)學(xué)系統(tǒng)、整體、多維的特點(diǎn)使之與信息學(xué)有著比任何其他科學(xué)更強(qiáng)的親和力。在思維模式方面,中醫(yī)學(xué)具有控制論特征,表現(xiàn)為其身心統(tǒng)一的觀念和與客觀性、簡(jiǎn)化論的現(xiàn)代醫(yī)學(xué)完全不同,主張并強(qiáng)調(diào)人是一個(gè)生物心理信息系統(tǒng),疾病不能被解釋為單層次的、各部分割裂的現(xiàn)象,與被稱作醫(yī)學(xué)領(lǐng)域第二次革命的“信息醫(yī)學(xué)”(Infomedicine)的概念有相同的內(nèi)涵?！爸嗅t(yī)方劑”(下簡(jiǎn)稱“方劑”)是中醫(yī)運(yùn)用“中藥”防治疾病的主要形式。一個(gè)成功的方劑,是中醫(yī)醫(yī)生高層次思維方式(原則、取向、形式)的成果,而“思維方式作為文化基因的主要部分,是有巨大生命力的”。在中國(guó)近2000多年的文明史中,中醫(yī)藥維系著中國(guó)人的健康、繁衍、生息的史實(shí)也證明了這一點(diǎn)。為了探究中醫(yī)診治的思維特點(diǎn)和規(guī)律,本研究把對(duì)方劑知識(shí)的挖掘作為解讀中醫(yī)診治思維這一黑箱理論的切入點(diǎn),建立相關(guān)的數(shù)學(xué)模型將其形式化,并對(duì)其結(jié)果進(jìn)行量化表達(dá),以此來(lái)探索把中醫(yī)的“經(jīng)驗(yàn)”轉(zhuǎn)化為“知識(shí)”的有效途徑,為中醫(yī)學(xué)的傳承和發(fā)揚(yáng)提供技術(shù)的支持。經(jīng)過(guò)多年的科研實(shí)踐,本課題組構(gòu)建了一個(gè)用計(jì)算技術(shù)對(duì)方劑知識(shí)進(jìn)行挖掘的平臺(tái),嘗試著用綜合的技術(shù)方案來(lái)探求對(duì)中醫(yī)方劑知識(shí)挖掘的理想效果。內(nèi)容包括:首先采用數(shù)據(jù)庫(kù)挖掘技術(shù),對(duì)近10萬(wàn)方劑數(shù)據(jù)進(jìn)行相關(guān)性的挖掘,以發(fā)現(xiàn)其中的規(guī)律;繼而采用不確定性推理的人工智能技術(shù),對(duì)方劑的相關(guān)因子進(jìn)行挖掘,實(shí)現(xiàn)了包括“方劑功效”在內(nèi)的方劑主要特征的形式化和量化計(jì)算;在此基礎(chǔ)上,采用機(jī)器學(xué)習(xí)技術(shù),對(duì)方劑分類進(jìn)行了模式識(shí)別的實(shí)驗(yàn)。1cpdbs系統(tǒng)文獻(xiàn)中的“中醫(yī)方劑數(shù)據(jù)庫(kù)系統(tǒng)”(CTMPrescriptionsDatabaseSystem,CPDBS)是一個(gè)基于大型關(guān)系型數(shù)據(jù)庫(kù)技術(shù)的方案,以解決方劑關(guān)聯(lián)數(shù)據(jù)的挖掘問(wèn)題。該系統(tǒng)建立在OracleforUNIX平臺(tái)上,用OAS的PL/SQL軟插件模式實(shí)現(xiàn),在技術(shù)上滿足了遠(yuǎn)程訪問(wèn)的需求。中醫(yī)專業(yè)人員對(duì)方劑數(shù)據(jù)進(jìn)行采集和數(shù)據(jù)預(yù)處理,建立了“中醫(yī)方劑數(shù)據(jù)庫(kù)”。目前的數(shù)據(jù)庫(kù)中儲(chǔ)存有近10萬(wàn)個(gè)方劑數(shù)據(jù),100萬(wàn)余個(gè)數(shù)據(jù)記錄,這些數(shù)據(jù)的時(shí)間跨度在2000年以上,覆蓋了中醫(yī)各個(gè)歷史時(shí)期的主要方劑文獻(xiàn),以保證數(shù)據(jù)的代表性和系統(tǒng)性,為中醫(yī)方劑知識(shí)挖掘研究?jī)?chǔ)備了豐富的數(shù)據(jù)資源,并提供挖掘分析的程序?qū)崿F(xiàn)。為保證歷史文獻(xiàn)信息得到充分釋放,制定了“全文解析”(解析到最小信息單位)、“主題標(biāo)引”(使用“中醫(yī)藥主題詞”對(duì)解析的字段進(jìn)行標(biāo)引)的技術(shù)方案,用來(lái)采集和處理數(shù)據(jù)。其原則是:在保持文獻(xiàn)原貌、原義的前提下,實(shí)現(xiàn)數(shù)據(jù)的高度一致化和結(jié)構(gòu)化存儲(chǔ)。依據(jù)這一原則,用Access研制了“方劑數(shù)據(jù)采集系統(tǒng)”。這個(gè)系統(tǒng)的任務(wù)有兩個(gè):(1)完成文本數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換;(2)為數(shù)據(jù)的預(yù)處理提供軟件環(huán)境。這一方案的意義在于使方劑數(shù)據(jù)在具備一致化語(yǔ)法結(jié)構(gòu)的基礎(chǔ)上,盡可能地實(shí)現(xiàn)數(shù)據(jù)在語(yǔ)義上的一致,為基于數(shù)據(jù)庫(kù)技術(shù)的挖掘創(chuàng)造必備的條件。從數(shù)據(jù)挖掘的結(jié)果來(lái)看,CPDBS系統(tǒng)使歷史方劑文獻(xiàn)的信息得到較大程度的釋放,實(shí)現(xiàn)了病、證、方、藥等全方位的交叉查詢和統(tǒng)計(jì)分析,具有序列統(tǒng)計(jì)、關(guān)系發(fā)現(xiàn)、主題集合等挖掘功能。從圖1可以了解到該系統(tǒng)挖掘功能的大致情況。CPDBS系統(tǒng)的查詢?nèi)肟趪@“方劑”設(shè)有36個(gè)選項(xiàng),又設(shè)有10個(gè)條件組合框,這些條件可以用“并且”、“或者”、“并且不包括”、“或者不包括”等查詢語(yǔ)句完成檢索邏輯的表達(dá),同時(shí)還設(shè)有單括號(hào)“()”和雙括號(hào)“(())”限定優(yōu)先查詢條件。完備的查詢?cè)O(shè)計(jì)目的是為了最大限度地滿足用戶查詢的需求。CPDBS系統(tǒng)的挖掘功能如圖1所示,該系統(tǒng)可以完成各種數(shù)據(jù)關(guān)系的統(tǒng)計(jì)分析。例如以“消渴”為查詢條件,查詢到數(shù)據(jù)庫(kù)中相關(guān)的記錄679條,分析其證候的分型情況,共涉及“下焦虛熱證”等70種證型。這些證型系統(tǒng)依據(jù)“中醫(yī)學(xué)主題詞表”結(jié)構(gòu)可以聚成“臟腑辨證”、“氣血津液辨證”、“病因辨證”、“八綱辨證”4類,對(duì)每類主要用藥特點(diǎn)進(jìn)行分析,其結(jié)果如表1所示。由表1可知,(1)在治療消渴病方劑的歷史記錄中,對(duì)“證候”的記錄是不完整的,有“證候”記錄的占29%;(2)歷史方劑治療消渴病辨證方法涉及4類(略);(3)辨證方法不同方劑用藥的側(cè)重有不同的趨向(略);(4)“甘草”為所有證型共用,其次是“黃連”和麥門冬。以上僅僅是舉例而言,按照不同思路從不同角度去分析,圍繞一個(gè)查詢目標(biāo)可以挖掘出的數(shù)據(jù)文件可達(dá)數(shù)十至上千個(gè)不等。但CPDBS系統(tǒng)也暴露出兩點(diǎn)不足:(1)基于數(shù)據(jù)庫(kù)技術(shù)的挖掘計(jì)算是基于“頻次”的,因此在“量化”表達(dá)中醫(yī)方劑知識(shí)方面有局限性;(2)在數(shù)據(jù)庫(kù)建立的過(guò)程中(解析和標(biāo)引),融入了人的主觀判斷,而人的主觀認(rèn)識(shí)不僅難以保證百分之百的準(zhǔn)確和一致,并且也不易評(píng)價(jià)。為此,課題組采用人工智能技術(shù)對(duì)方劑知識(shí)的量化表達(dá)進(jìn)行了深入的研究。2cdis系統(tǒng)的知識(shí)計(jì)算模型“中醫(yī)方劑智能分析系統(tǒng)”(CTMIntelligentAnalysisSystem,CPIAS)是一個(gè)基于近似推理方法的技術(shù)方案,解決的是方劑知識(shí)要點(diǎn)的量化計(jì)算和表達(dá)問(wèn)題。該系統(tǒng)實(shí)現(xiàn)了對(duì)方劑所含因子的量化計(jì)算和表達(dá),對(duì)方劑知識(shí)挖掘的過(guò)程可以借助概念關(guān)系網(wǎng)(ConceptualRelationalNetworks,CRN)表達(dá),如圖2所示。CRN是由12個(gè)節(jié)點(diǎn)(圓圈部分)與23個(gè)關(guān)系有向弧構(gòu)成的極少輸入(Yi,Zi)、較多輸出(Yo,G1o,G2o,Qo,Wo,Jo,Fo,M1o,M2o,Zo)的系統(tǒng)(“i”表示輸入,“o”表示輸出),符合智能系統(tǒng)的基本特征。圖中的“實(shí)線”是已實(shí)現(xiàn)的關(guān)系計(jì)算,“虛線”是待實(shí)現(xiàn)的關(guān)系計(jì)算。其中,輸入Yi為處方(藥物和劑量),Zi為癥狀體征(臨床表現(xiàn));輸出Yo為中藥對(duì)方劑的貢獻(xiàn)度序列,G1o為方劑功效序列,G2o為基于臨床表現(xiàn)的方劑功效篩選序列,Qo為方劑藥氣序列,Wo為方劑藥味序列,Jo為方劑歸經(jīng)序列,M1o為方劑針對(duì)的證素序列,M2o為方劑適應(yīng)的證候序列,Fo為方劑治法相關(guān)信息,Zo為方劑對(duì)癥狀體征的關(guān)注度分析。圖中SVM表示上述計(jì)算結(jié)果通過(guò)接口程序輸入到用支持向量機(jī)(SupportVectorMachine,SVM)技術(shù)開(kāi)發(fā)的模式識(shí)別系統(tǒng)。由此看出,CPIAS系統(tǒng)是個(gè)多節(jié)點(diǎn)、多關(guān)系的復(fù)雜知識(shí)系統(tǒng),其具有兩個(gè)特點(diǎn):(1)提出了“藥量強(qiáng)度”的概念和計(jì)算模型,這在知識(shí)的挖掘和量化計(jì)算中是關(guān)鍵性的;(2)系統(tǒng)的量化計(jì)算得到上萬(wàn)條中醫(yī)學(xué)基礎(chǔ)知識(shí)的支持,使“定性”與“定量”的計(jì)算得到有機(jī)的結(jié)合。當(dāng)然這個(gè)推理的模式也不是最終的,它將隨著研究的深入而不斷優(yōu)化。所謂“藥量強(qiáng)度”,就是方劑中各味中藥對(duì)方劑功效的貢獻(xiàn)度。在方劑中,各單味中藥所發(fā)揮的作用力度,不僅受到“藥量”的影響,還受到“藥性”的影響,因此不能以單味藥用量的大小來(lái)直接判斷其作用力度。為此提出“藥量強(qiáng)度”的概念,依據(jù)此概念的原理,提出了“藥量分類強(qiáng)度計(jì)算模型”。該模型的建立,顧及了各中藥不同常用計(jì)量范圍的特征(這一特征間接地反映了各中藥的特性),并據(jù)此進(jìn)行了分類計(jì)算。模型通過(guò)方劑給出的中藥劑量,計(jì)算出各中藥在方劑中所發(fā)揮的作用強(qiáng)度,即中藥對(duì)方劑功效的貢獻(xiàn)度。模型計(jì)算公式如下:式中,X為任意藥物;q為藥物用量,qX表示藥物X的用量;MX表示藥物X用量的上限;mX表示藥物X用量的下限。這個(gè)計(jì)算模型在CPIAS系統(tǒng)中又被稱作“基礎(chǔ)量化計(jì)算模型”,方劑所有相關(guān)因子的量化計(jì)算都是在這個(gè)基礎(chǔ)上實(shí)現(xiàn)的,隨著研究的進(jìn)展,這個(gè)模型得到不斷地維護(hù)。具體內(nèi)容包括:方劑綜合藥性強(qiáng)度計(jì)算(氣、味、歸經(jīng))、方劑功效計(jì)算、方劑涉及的證素計(jì)算、方劑適應(yīng)證候預(yù)測(cè)、方劑對(duì)癥狀體征關(guān)注度的評(píng)估等。在系統(tǒng)進(jìn)行上述各種計(jì)算時(shí),相關(guān)的中醫(yī)學(xué)基礎(chǔ)知識(shí)參與其中,這些“知識(shí)”在系統(tǒng)中被處理成各種“關(guān)系表”,采用矩陣或條件規(guī)則等方法進(jìn)行表達(dá),具體包括“藥效關(guān)系表”(各種藥效之間發(fā)生的聯(lián)系)、“效候關(guān)系表”(方劑功效與癥狀體征間可能發(fā)生的聯(lián)系)、“效素關(guān)系表”(方劑功效與證候要素間可能發(fā)生的聯(lián)系)、“素證關(guān)系表”(證候要素與證候的關(guān)系)等。這些“關(guān)系表”構(gòu)建出系統(tǒng)的“知識(shí)庫(kù)”,知識(shí)庫(kù)中每一條記錄的建立均要求有文獻(xiàn)依據(jù),并符合中醫(yī)學(xué)的普遍認(rèn)識(shí)。知識(shí)庫(kù)在系統(tǒng)中發(fā)揮了“大腦”的作用,幫助系統(tǒng)成功完成了對(duì)方劑知識(shí)的挖掘。各關(guān)系表的表達(dá)形式示例如下。表2用矩陣形式就“藥效”間相互作用的關(guān)系進(jìn)行表達(dá),每一行為一條記錄。該表目前有1821條記錄。表3用矩陣形式就“藥效”與“癥狀體征”(候)之間的對(duì)應(yīng)關(guān)系進(jìn)行表達(dá),表中第2列是藥效,第4列是癥狀體征,最后一列是“關(guān)系”建立的依據(jù),每行一個(gè)記錄。該表目前有6483條記錄。表4用矩陣形式就“藥效”與“證素”(構(gòu)成中醫(yī)“證候”的要素)之間的對(duì)應(yīng)關(guān)系進(jìn)行表達(dá),每行一個(gè)記錄。該表目前有167條記錄。表5用條件規(guī)則形式就“證素”和“證候”的因果關(guān)系進(jìn)行表達(dá),表中第1列是“證候”名稱(果),第2列是由“證素”按照一定邏輯關(guān)系構(gòu)成的條件(因),第3列是用以加權(quán)的“證素”(因)。每行一個(gè)記錄,該表目前有259條記錄。在對(duì)“知識(shí)庫(kù)”的研究中,知識(shí)的表達(dá)方法是非常關(guān)鍵的,有時(shí)候改變一個(gè)表達(dá)方式,可以收到事半功倍的效果。如當(dāng)把“效證關(guān)系”(方劑“功效”和“證候”的對(duì)應(yīng)關(guān)系)表(現(xiàn)已不用)化解成“效素關(guān)系”和“素證關(guān)系”兩張表時(shí),知識(shí)規(guī)則從原有的8000余條減少到426條,不僅大大降低了知識(shí)庫(kù)維護(hù)的難度,而且提升了計(jì)算的穩(wěn)健性。CPIAS系統(tǒng)雖然在方劑知識(shí)的量化計(jì)算和表達(dá)方面取得突破性進(jìn)展,但只適應(yīng)于方劑個(gè)案分析的局限,尚不能滿足對(duì)大樣本方劑批量學(xué)習(xí)的需求。因此又開(kāi)展了基于學(xué)習(xí)技術(shù)的方劑模式分類的研究。3臨床應(yīng)用結(jié)果任何“規(guī)律”的發(fā)現(xiàn)都是以“分類”研究為前提的,中醫(yī)學(xué)史上采用“分類”的研究方法是相當(dāng)普遍的,“中醫(yī)方劑分類模式識(shí)別系統(tǒng)”(CTMClassificationModelRecognitionSystemwithSupportVectorMachine,CPSVM)就是采用SVM方法與近似推理方法相結(jié)合的技術(shù)方案,實(shí)現(xiàn)機(jī)器學(xué)習(xí)技術(shù)對(duì)方劑模式的分類識(shí)別,解決方劑群案分類的模式識(shí)別問(wèn)題。CPSVM是一個(gè)集訓(xùn)練學(xué)習(xí)、參數(shù)優(yōu)化、預(yù)測(cè)和結(jié)果分析等功能于一體的全中文學(xué)習(xí)系統(tǒng),可用于分類預(yù)測(cè)和回歸分析。CPSVM最明顯的優(yōu)勢(shì)有兩點(diǎn):(1)量化數(shù)據(jù)由CPIAS系統(tǒng)提供,接口程序?qū)⒁呀?jīng)量化的數(shù)據(jù)直接轉(zhuǎn)化成國(guó)際通用的數(shù)據(jù)文件格式,成功地實(shí)現(xiàn)了支持向量機(jī)方法(完全基于數(shù)據(jù))與近似推理方法(充分體現(xiàn)先驗(yàn)知識(shí))的對(duì)接和優(yōu)勢(shì)互補(bǔ);(2)彌補(bǔ)了SVM方法中核函數(shù)的參數(shù)難以確定的不足,給出了實(shí)用有效的參數(shù)尋優(yōu)方法和程序?qū)崿F(xiàn),有效提高了所建模型的穩(wěn)健性。雖然SVM方法與基于概率測(cè)度和大多數(shù)定律的傳統(tǒng)統(tǒng)計(jì)方法風(fēng)格迥異,但它與通常的統(tǒng)計(jì)分析預(yù)測(cè)方法有天然的聯(lián)系(有大致相同的問(wèn)題表述和數(shù)據(jù)預(yù)處理),預(yù)測(cè)模型仍然是建立在大量樣本資料的基礎(chǔ)之上,建模步驟與常規(guī)方法基本相同。方劑分類模式識(shí)別大致流程包括:采集樣本資料—構(gòu)造預(yù)測(cè)因子—因子歸一化處理—確定建模要使用的核函數(shù)—?jiǎng)?chuàng)建訓(xùn)練集—?jiǎng)?chuàng)建實(shí)驗(yàn)集—?jiǎng)?chuàng)建檢驗(yàn)集—確定最終用于預(yù)測(cè)的推理模型。CPDBS選擇10000余個(gè)方劑數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象,對(duì)這些方劑的分類可以是多角度的,如按“治法”、“病種”、“證候”、“證素”、“癥狀”、“醫(yī)家”分類等。分類的目標(biāo)不同,其意義也各異。然后以方劑“治法”為試算目標(biāo),具體內(nèi)容包括“汗法”、“補(bǔ)法”、“溫法”、“清法”、“下法”等臨床上最常用的治法,這是在較高層面上的一種分類,其意義是有助于對(duì)同類方劑的構(gòu)成和臨床運(yùn)用規(guī)律進(jìn)行挖掘。實(shí)驗(yàn)結(jié)果見(jiàn)表6。該實(shí)驗(yàn)以《方劑學(xué)》(高等中醫(yī)院校教材)、《傷寒論》(高等中醫(yī)院校教材)以及中醫(yī)方劑數(shù)據(jù)庫(kù)中的歷史方劑為樣本,以汗法、補(bǔ)法、溫法、清法、下法的方劑模式學(xué)習(xí)為目標(biāo),分別建立了學(xué)習(xí)樣本、測(cè)試樣本、檢驗(yàn)樣本,經(jīng)過(guò)反復(fù)試算,建立了上述治法方劑的數(shù)學(xué)模型。應(yīng)用上述模型進(jìn)行了更多、更大范圍的實(shí)驗(yàn),如應(yīng)用所建立的方劑治法模型,對(duì)某些名醫(yī)的經(jīng)驗(yàn)處方進(jìn)行“治法”模式的識(shí)別,識(shí)別率均可達(dá)到上述實(shí)驗(yàn)的平均水平。初步實(shí)驗(yàn)證明,CPSVM適合解決中醫(yī)方劑的分類問(wèn)題。當(dāng)然,這種用黑箱方法解決黑箱問(wèn)題的做法雖然有效,但系統(tǒng)的“解釋”功能還需強(qiáng)化(或曰理想化),在這方面還有一段艱苦的路要走。總之,對(duì)方劑進(jìn)行模式識(shí)別的研究還是初步的,要建立經(jīng)得住推敲、泛化能力強(qiáng)、計(jì)算穩(wěn)健的中醫(yī)方劑的分類模型,還需要進(jìn)行大量的實(shí)驗(yàn),其中最關(guān)鍵的是樣本的組織。4數(shù)學(xué)方法對(duì)中醫(yī)學(xué)術(shù)和臨床的意義具有科學(xué)運(yùn)用數(shù)學(xué)方法挖掘和表達(dá)中醫(yī)方劑的知識(shí)內(nèi)涵,在其科學(xué)性得到闡釋的同時(shí)(數(shù)學(xué)化),也為解讀其思維特點(diǎn)尋找到一種方法和手段,以促進(jìn)“經(jīng)驗(yàn)”向“知識(shí)”的轉(zhuǎn)化。使用數(shù)據(jù)庫(kù)技術(shù)、人工智能近似推理技術(shù)和基于支持向量機(jī)方法的模式識(shí)別技術(shù),分別研發(fā)出3款享有知識(shí)產(chǎn)權(quán)的軟件系統(tǒng),由此搭建起一個(gè)適合中醫(yī)方劑信息挖掘的平臺(tái),從數(shù)據(jù)關(guān)聯(lián)分析、知識(shí)解讀和量化表達(dá)、模式分類等不同的側(cè)面對(duì)中醫(yī)方劑進(jìn)行研究,均達(dá)到了預(yù)期的目標(biāo)。其意義有兩點(diǎn):(1)數(shù)學(xué)對(duì)中醫(yī)方劑的研究,有望在規(guī)范、嚴(yán)謹(jǐn)、合理、有效等諸方面探索中醫(yī)學(xué)現(xiàn)代化的方法,對(duì)揭示中醫(yī)辨證論治的規(guī)律具有科學(xué)意義;(2)文獻(xiàn)和臨床方劑分析技術(shù)的成功研發(fā),可廣泛地應(yīng)用于中醫(yī)學(xué)的科研、教學(xué)和臨床,具有推廣應(yīng)用的前景。該數(shù)據(jù)挖掘方案也存在不少問(wèn)題,如在中醫(yī)學(xué)的知識(shí)體系中,尚有不少領(lǐng)域規(guī)范化程度較低,許多標(biāo)準(zhǔn)尚待制定;用信息技術(shù)來(lái)解讀人的經(jīng)驗(yàn)雖然可行,但必須有行業(yè)知識(shí)的介入,而行業(yè)知識(shí)工程的研究在中醫(yī)學(xué)領(lǐng)域中幾乎還是空白。通過(guò)以上研究也可清楚地看到各系統(tǒng)的適應(yīng)性和局限性同在。今后的研究在于把“