基于數(shù)據(jù)挖掘的中醫(yī)證候信息研究

基于數(shù)據(jù)挖掘的中醫(yī)證候信息研究

隨著時(shí)間的推移，不同學(xué)科的可持續(xù)發(fā)展和水平的不斷提高，所有學(xué)科都形成了自己的基準(zhǔn)、不同系統(tǒng)的理論、對(duì)學(xué)科的標(biāo)準(zhǔn)化和可持續(xù)發(fā)展起到了積極作用。同時(shí)也促進(jìn)了學(xué)術(shù)間的交流。在這樣的形勢(shì)下,中醫(yī)學(xué)也面臨著同樣的問(wèn)題,比如在診斷治療過(guò)程中的用詞不規(guī)范,診斷標(biāo)準(zhǔn)不規(guī)范,醫(yī)療信息采集不規(guī)范,這些都大大限制了中醫(yī)藥的進(jìn)一步發(fā)展,給中醫(yī)藥在世界范圍內(nèi)的交流帶來(lái)了困難,對(duì)于其療效及可靠性的評(píng)價(jià)也帶來(lái)了麻煩。1中醫(yī)證候規(guī)范中醫(yī)望、聞、問(wèn)、切四診的過(guò)程,是對(duì)病人癥狀、體征進(jìn)行測(cè)量的過(guò)程,影響每個(gè)測(cè)量指標(biāo)的隨機(jī)因素很多,每個(gè)因素都可能對(duì)測(cè)量指標(biāo)產(chǎn)生影響。中醫(yī)病、證的判定,主要取決于臨床癥狀及其變化情況的全面考察。通常將其主、次癥狀的若干項(xiàng)作為判斷該病、證的必備條件。這種方法簡(jiǎn)便易行,由于忽略不計(jì)癥狀表現(xiàn)程度上的差別,故而不能對(duì)病、證的整體狀況做出比較客觀的度量。證候是中醫(yī)學(xué)的特定概念,是中醫(yī)對(duì)疾病反應(yīng)狀態(tài)認(rèn)識(shí)的概括和臨床處方治療的依據(jù),準(zhǔn)確把握和辨識(shí)證候是正確診斷、合理治療疾病的關(guān)鍵。臨床信息是患者病理狀況的外在反應(yīng),如何準(zhǔn)確全面地收集臨床信息是正確辨證的關(guān)鍵環(huán)節(jié)之一。這些都是進(jìn)行證候規(guī)范化研究的原因所在。癥狀的量化與癥狀術(shù)語(yǔ)的規(guī)范問(wèn)題由于中國(guó)文字蘊(yùn)意的豐富性和一詞多義、一義多詞現(xiàn)象,使得中醫(yī)癥狀在用文字表述時(shí),存在有一種癥狀用多種詞匯表達(dá)及某些術(shù)語(yǔ)內(nèi)涵外延模糊的現(xiàn)象。這種表述上的混亂造成了學(xué)習(xí)者把握上的困難,也給中醫(yī)藥的研究及對(duì)外交流帶來(lái)了障礙。筆者從信息文獻(xiàn)學(xué)的角度對(duì)證候規(guī)范方面的工作做一點(diǎn)嘗試。希望對(duì)證候規(guī)范化方法學(xué)研究起到借鑒作用。2目的和意義2.1研究目在文獻(xiàn)中進(jìn)行中醫(yī)證候分析,利用數(shù)據(jù)挖掘技術(shù)對(duì)文獻(xiàn)中證候信息進(jìn)行提取、整理、分析,探索出一套從文獻(xiàn)的角度進(jìn)行證候規(guī)范化研究的方法。2.2從文獻(xiàn)的角度進(jìn)行研究利用文獻(xiàn)進(jìn)行證候規(guī)范化方法的研究,可以探索出一個(gè)從文獻(xiàn)的角度進(jìn)行證候規(guī)范化研究的方法。證候規(guī)范化對(duì)中醫(yī)發(fā)展能夠起到積極作用,為中醫(yī)學(xué)的傳承和發(fā)展打下堅(jiān)實(shí)基礎(chǔ)。3研究流程本課題的研究過(guò)程主要包括確定研究目標(biāo)、數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)處理、結(jié)果分析等5部分。(見(jiàn)圖1)4簡(jiǎn)化證候范圍文獻(xiàn)收集的時(shí)間范圍為1983-2008年10月。限于時(shí)間等因素,本文選取幾個(gè)病種作為研究對(duì)象,分別從“證候-疾病(證-病)”,“疾病-證候(病-證)”的角度進(jìn)行研究。本文以血瘀證作為基本證型,在人民衛(wèi)生出版社出版的《內(nèi)科學(xué)》、《婦產(chǎn)科學(xué)》中,選取4個(gè)病種,分別為糖尿病(diabetesmellitus)、胃炎(gastritis)、痛經(jīng)(dysmenorrhea)和肺癌(lungcancer)。另外選取糖尿病作為基本疾病,基于糖尿病進(jìn)行各種證候的研究。在中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)中進(jìn)行搜索,檢索模式為“缺省”,即題目、主題詞、關(guān)鍵詞、文摘、刊名內(nèi)容的組合檢索。具體的檢索式為,證候-疾病:血瘀+糖尿病、血瘀+胃炎、血瘀+痛經(jīng)、血瘀+肺癌;疾病-證候:糖尿病+證候、糖尿病+證型。5處理數(shù)據(jù)5.1中醫(yī)證候信息提取和規(guī)范化處理對(duì)在中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)檢索到的文章題錄進(jìn)行初步加工、去重。然后下載文章(在中國(guó)知網(wǎng)CNKI數(shù)據(jù)庫(kù)和萬(wàn)方WANFANGDA-TA數(shù)據(jù)庫(kù)下載,兩個(gè)數(shù)據(jù)庫(kù)中找不到的進(jìn)行過(guò)刊查詢(xún)),之后進(jìn)行篩選,其中包含證候分型,癥狀信息的文章收錄,不符合要求的,即無(wú)證候信息的文章剔除。對(duì)文獻(xiàn)進(jìn)行數(shù)據(jù)提取,將證候信息提取出來(lái),然后對(duì)搜集到的文獻(xiàn)中數(shù)據(jù)信息進(jìn)行整理,建立數(shù)據(jù)庫(kù)。之后對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行清洗、拆分,保留最小信息單元(能表達(dá)中醫(yī)信息的最小單元),整合近義詞,對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行規(guī)范化。其中肺癌并血瘀的文章下載62篇,入選文章24篇,整理證候信息96條;糖尿病和血瘀的文章下載635篇,入選文章144篇,整理證候信息818條;痛經(jīng)和血瘀的文章246篇,入選文章116篇,整理證候信息1363條;胃炎和血瘀的文章下載204篇,入選文章64篇,整理證候信息165條;糖尿病和證候文章下載452篇,入選127篇,整理證候信息888條。5.2數(shù)據(jù)處理方法將得到的數(shù)據(jù)導(dǎo)入計(jì)算機(jī)軟件,進(jìn)行統(tǒng)計(jì)分析,用判別分析和聚類(lèi)分析方法找到關(guān)聯(lián)性強(qiáng)的癥狀群,得出證候分型。本課題在進(jìn)行數(shù)據(jù)處理時(shí)主要使用了txt、word和excel進(jìn)行各種數(shù)據(jù)轉(zhuǎn)換和統(tǒng)計(jì),將各種數(shù)據(jù)按照需求進(jìn)行去重、拆分和匹配。并使用了數(shù)據(jù)挖掘軟件WEKA和統(tǒng)計(jì)分析軟件SPSS。5.2.1軟件介紹5.2.1.中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)應(yīng)用廣安門(mén)醫(yī)院課題組開(kāi)發(fā)的“個(gè)體診療臨床科研信息一體化平臺(tái)”對(duì)數(shù)據(jù)進(jìn)行處理,該平臺(tái)是面向中醫(yī)臨床診療實(shí)踐的臨床科研信息一體化平臺(tái),該平臺(tái)在臨床術(shù)語(yǔ)規(guī)范研究的基礎(chǔ)上,實(shí)現(xiàn)對(duì)中醫(yī)臨床病歷數(shù)據(jù)的結(jié)構(gòu)化采集,并通過(guò)臨床數(shù)據(jù)的集成管理,實(shí)現(xiàn)囊括海量臨床數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)抽取-轉(zhuǎn)換-裝載、數(shù)據(jù)整理、多維分析和數(shù)據(jù)挖掘等功能的中醫(yī)臨床數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)。將全部數(shù)據(jù)導(dǎo)入,進(jìn)行單一癥狀、證候名稱(chēng)、疾病名稱(chēng)頻次排序,對(duì)數(shù)據(jù)進(jìn)一步整理,規(guī)范,包括同義詞等。然后給規(guī)范后的癥狀信息賦予變量名稱(chēng),使其成為計(jì)算機(jī)可以識(shí)別計(jì)算的數(shù)據(jù)。5.2.1.關(guān)聯(lián)分析法的定義WEKA是基于新西蘭維克多大學(xué)研發(fā)的智能平臺(tái),WEKA里有非常全面的機(jī)器學(xué)習(xí)算法,包括數(shù)據(jù)預(yù)處理、分類(lèi)、回歸、聚類(lèi)、關(guān)聯(lián)規(guī)則等。關(guān)聯(lián)分析是數(shù)據(jù)挖掘中的一種方法,是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)的一類(lèi)重要方法,若兩個(gè)或多個(gè)數(shù)據(jù)項(xiàng)的取值同時(shí)出現(xiàn)且概率很高時(shí),它就存在某種關(guān)聯(lián),可以建立起這些數(shù)據(jù)項(xiàng)的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)分析的目的是尋找給定數(shù)據(jù)記錄集中數(shù)據(jù)項(xiàng)之間隱藏的關(guān)聯(lián)關(guān)系,描述數(shù)據(jù)之間的密切度。該應(yīng)用軟件的功能原理是在樣本中提取出一部分?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練,隨機(jī)反復(fù)提取部分?jǐn)?shù)據(jù)訓(xùn)練,然用這個(gè)模型對(duì)其余的數(shù)據(jù)進(jìn)行測(cè)試,得出結(jié)果。5.2.2數(shù)據(jù)聚類(lèi)分析計(jì)算過(guò)程包括WEKA程序的數(shù)據(jù)挖掘、判別分析。以及應(yīng)用SPSS進(jìn)行數(shù)據(jù)的聚類(lèi)分析。應(yīng)用臨床科研信息一體化平臺(tái)將WEKA分析后的數(shù)據(jù)進(jìn)行變量轉(zhuǎn)換,使結(jié)果中變量轉(zhuǎn)換回人可以閱讀的中文變量。6臨床診斷指導(dǎo)思想本結(jié)論是從文獻(xiàn)中總結(jié)歸納出來(lái)的,不能保證作為臨床診斷指導(dǎo),但是通過(guò)文獻(xiàn)可以反映出目前臨床或研究人員對(duì)證候的理解,得出大多數(shù)人相對(duì)認(rèn)可的觀點(diǎn)。6.1證型與鑒定方法用WEKA分別對(duì)4個(gè)疾病,即糖尿病、胃炎、肺癌、痛經(jīng)根據(jù)證型進(jìn)行判別分析。將疾病、證型、癥狀進(jìn)行關(guān)聯(lián)分析,找出它們之間關(guān)系密切的組合進(jìn)行分類(lèi)。6.1.1中醫(yī)證證的標(biāo)準(zhǔn)血瘀證判別分析結(jié)果得到的證型有21種,分別是血瘀證寒凝血瘀、血瘀證氣虛血瘀、血瘀證氣滯血瘀、血瘀證腎虛血瘀、血瘀證陰虛血瘀、單純血瘀證、肺癌氣虛血瘀證、肺癌氣滯血瘀證、肺癌血瘀水停證、糖尿病氣虛血瘀證、糖尿病氣滯血瘀證、糖尿病腎虛血瘀證、糖尿病血瘀水停證、糖尿病陰虛血瘀證、痛經(jīng)寒凝血瘀證、痛經(jīng)氣虛血瘀證、痛經(jīng)氣滯血瘀證、胃炎氣虛血瘀證、胃炎氣滯血瘀證、胃炎肝火犯胃血瘀證、胃炎陰虛血瘀證。6.1.2糖尿病證的證糖尿病“疾病-證候”判別分析后得到12個(gè)證型,分別是糖尿病氣陰兩虛、糖尿病氣虛血瘀、糖尿病氣虛證、糖尿病氣滯血瘀、糖尿病濕熱證、糖尿病陽(yáng)虛證、糖尿病陰虛熱盛證、糖尿病陰虛血瘀、糖尿病陰虛燥熱、糖尿病陰陽(yáng)兩虛、糖尿病陰虛證、糖尿病血瘀證。6.2meas聚類(lèi)方法分別對(duì)糖尿病、胃炎、痛經(jīng)、肺癌四種病的血瘀證進(jìn)行聚類(lèi)分析。聚類(lèi)分析應(yīng)用的方法是K-means聚類(lèi)方法。K-means算法接受輸入量k;然后將n個(gè)數(shù)據(jù)對(duì)象劃分為k個(gè)聚類(lèi)以便使得所獲得的聚類(lèi)滿(mǎn)足:同一聚類(lèi)中的對(duì)象相似度較高;而不同聚類(lèi)中的對(duì)象相似度較小。聚類(lèi)相似度是利用各聚類(lèi)中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”(引力中心)來(lái)進(jìn)行計(jì)算的。6.2.1確定類(lèi)別內(nèi)的結(jié)果血瘀證癥狀群里有4個(gè)病種,所以按四類(lèi)進(jìn)行聚類(lèi)分析。每個(gè)類(lèi)別里的結(jié)果按照變量的出現(xiàn)頻次排序。最后得到血瘀證及其伴隨證聚類(lèi)結(jié)果分為4類(lèi),分別是血瘀水停證(肺癌,糖尿病共同擁有)、痛經(jīng)的氣滯血瘀證、糖尿病的血瘀證、痛經(jīng)的寒凝血瘀證。6.2.2糖尿病證的分類(lèi)糖尿病癥狀證候信息聚類(lèi)得到結(jié)果分為9類(lèi),分別是糖尿病的痰濕熱結(jié)證、痰濕證、血瘀證、氣虛(陽(yáng)虛)證、陰陽(yáng)兩虛證、陰虛證、氣陰兩虛證、血瘀氣滯證。7結(jié)果的影響和作用從以上結(jié)果可以看出,各類(lèi)證型的分析結(jié)果最后都或多或少地回歸到權(quán)威部門(mén)所編寫(xiě)的證候規(guī)范和標(biāo)準(zhǔn)上,說(shuō)明文獻(xiàn)作者對(duì)現(xiàn)有標(biāo)準(zhǔn)規(guī)范的認(rèn)可程度。同時(shí)因?yàn)榘l(fā)表文章、開(kāi)發(fā)新藥等原因,導(dǎo)致作者向現(xiàn)有標(biāo)準(zhǔn)、規(guī)范靠攏,這對(duì)文獻(xiàn)的影響是深遠(yuǎn)的,所以對(duì)試驗(yàn)結(jié)果造成了一定的影響。在血瘀證候研究中,可以看出每種疾病的血瘀證中包含疾病的信息,可以反映某個(gè)病的特有癥狀,這說(shuō)明不是所有的證候都是一成不變的,不同的病相同證候有相似之處,同時(shí)也有某種疾病本身的特點(diǎn)。另外,結(jié)果中出現(xiàn)一些與我們目前所公認(rèn)的理論相悖的信息,這樣的結(jié)果考慮可能是因?yàn)橛行┙Y(jié)論是現(xiàn)在文獻(xiàn)作者認(rèn)同的,相關(guān)教科書(shū)、標(biāo)準(zhǔn)沒(méi)有錄入的知識(shí)。這些信息還有可能是我們目前中醫(yī)理論無(wú)法解釋,但在臨床上有它的實(shí)際意義,是客觀存在的。這樣的結(jié)果有可能對(duì)中醫(yī)理論的發(fā)展造成一定的影響。7.1試驗(yàn)問(wèn)題試驗(yàn)過(guò)程中存在一些值得注意的問(wèn)題,其中有人工操作的局限性,也有源數(shù)據(jù)、數(shù)據(jù)處理上的問(wèn)題。7.1.1癥狀修飾詞匯的修飾同義詞、近義詞的規(guī)范還存在一定問(wèn)題;考慮到數(shù)據(jù)的復(fù)雜性,數(shù)據(jù)量比較大,人工拆分有一定難度,因此未進(jìn)行癥狀修飾詞匯的規(guī)范,這是本文的一個(gè)不足之處。7.1.2坡位所占比重某種疾病或者某種證候在結(jié)果中出現(xiàn)的頻率比較大,可能有以下幾方面的原因:(1)某種疾病、證候在原始數(shù)據(jù)中所占比重越大,結(jié)果將偏向某個(gè)疾病、證候,如痛經(jīng)及寒凝血瘀證;(2)某個(gè)證候出現(xiàn)的頻次較高,可能與臨床上這個(gè)證型出現(xiàn)較多有關(guān),如血瘀證中的氣滯血瘀證;(3)文獻(xiàn)中出現(xiàn)頻次較高的證型,一般是現(xiàn)有的標(biāo)準(zhǔn)規(guī)范,或是目前討論較多的證型。7.1.3文獻(xiàn)資料的標(biāo)準(zhǔn)化本文中,文獻(xiàn)選取時(shí)間范圍是跨越標(biāo)準(zhǔn)制定時(shí)間的,其中包括標(biāo)準(zhǔn)前不規(guī)范的,也包括參考了標(biāo)準(zhǔn)的文獻(xiàn)資料,這樣導(dǎo)致結(jié)果向某個(gè)標(biāo)準(zhǔn)回歸的傾向。如果文獻(xiàn)選取分成兩部分,一部分是不涵蓋標(biāo)準(zhǔn)的內(nèi)容的,一部分是制定標(biāo)準(zhǔn)后的,這樣得出的結(jié)論可能與本文得出的結(jié)論有所不同。7.2中醫(yī)證候組合證候是疾病發(fā)生和演化過(guò)程中某階段本質(zhì)的反映,它以一組相關(guān)的癥狀不同程度地揭示病因、病位、病性、病勢(shì)等,為論治提供依據(jù)。證候是客觀存在的,有一定規(guī)律可循,但至今仍不能進(jìn)行系統(tǒng)的規(guī)范化、標(biāo)準(zhǔn)化,其原因主要是因?yàn)楝F(xiàn)有證候規(guī)范不能很全面的表達(dá)疾病的證候特征,不能完全覆蓋一個(gè)證候的所有癥狀,這使得證候規(guī)范、標(biāo)準(zhǔn)的制定非常困難。如果將證候的概念分解為證素(證素要求是由最常見(jiàn)的癥狀組合,由不可再分的元素組成),制定一定的規(guī)則進(jìn)行證候組合,可能對(duì)簡(jiǎn)化規(guī)范證候的復(fù)雜性具有一定的作用?！白C素”,即辨證的基本要素,證素是通過(guò)對(duì)證候(癥狀、體征等病理信息)的辨識(shí),而確定的病位和病性,是構(gòu)成“證名”的基本要素。一般還不等于完整的證名診斷,臨床上常見(jiàn)而規(guī)范的“證名”都是由病位證素與病性證素相互組合而構(gòu)成的,一個(gè)完整規(guī)范的證名,一般應(yīng)當(dāng)有病位證素、病性證素,辨證所確定的證素相同者,其證名應(yīng)該相同。證素要求是由最常見(jiàn)的癥狀組合,不可再分的元素組成。類(lèi)比說(shuō)明一下,這跟英文的道理比較相似,每個(gè)字母不表示具體含義,就好像單個(gè)中文字,并不帶有中醫(yī)的癥狀證候信息;將字母組合起來(lái)就成為英文單詞,表達(dá)一定的含義,同樣,將中文單個(gè)字組合起來(lái)可以表達(dá)一定的含義,也就是可以在中文詞里體現(xiàn)出中醫(yī)的信息;英文單詞再聯(lián)合起來(lái),可以表達(dá)更復(fù)雜,具體的含義,將帶有中醫(yī)信息的中文詞組合起來(lái),即可以表達(dá)復(fù)雜的中醫(yī)內(nèi)容,即證候、疾病等。英文單詞是固有的、已經(jīng)固定的信息單元,表達(dá)中醫(yī)的中文詞同樣也可以視為固定的中醫(yī)信息單元;英文單詞按照一定的規(guī)則(這里的規(guī)則即為語(yǔ)法)組合成詞組、句子,構(gòu)成單詞不能表達(dá)的復(fù)雜信息,帶有中醫(yī)信息的中文詞也按照規(guī)定的規(guī)則進(jìn)行組合,來(lái)表達(dá)復(fù)雜信息。這里中醫(yī)的規(guī)則指的是中醫(yī)證候、癥狀里的主謂關(guān)系,修飾關(guān)系等。在癥狀中往往帶有時(shí)間、程度等副詞,將這些語(yǔ)法上的東西在中醫(yī)特定環(huán)境下進(jìn)行規(guī)范,使其符合中醫(yī)特點(diǎn),來(lái)形成中醫(yī)的語(yǔ)法規(guī)則。8結(jié)論8.1證候規(guī)范與標(biāo)準(zhǔn)、規(guī)范的區(qū)別數(shù)據(jù)挖掘方法在證候規(guī)范化研究中應(yīng)用是可行的。從以上結(jié)果中可以看出,用這種基于文獻(xiàn)的證候規(guī)范方法得出的結(jié)論是與權(quán)威部門(mén)相關(guān)標(biāo)準(zhǔn)、相關(guān)規(guī)范大體上一致的,不同之處是些細(xì)微差別,于中醫(yī)理論不相矛盾,而且文獻(xiàn)中反映的內(nèi)容是標(biāo)準(zhǔn)、規(guī)范所不能涵蓋的。所以這可以作為證候規(guī)范化研究的一個(gè)方法。8.2結(jié)論:中醫(yī)證候,中醫(yī)信息,一個(gè)是一個(gè)共識(shí)的單在中醫(yī)證候規(guī)范過(guò)程中運(yùn)用統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析所得結(jié)果具有一定的參考價(jià)值,但是需要有一個(gè)前提,即文獻(xiàn)中證候信息不能是來(lái)源于某個(gè)規(guī)范、某個(gè)標(biāo)準(zhǔn)的,只能是醫(yī)生自己獨(dú)創(chuàng)的證候組合信息。這樣,得出的結(jié)論才不會(huì)僅僅是某個(gè)規(guī)范、標(biāo)準(zhǔn)的回歸,而是一些新的內(nèi)容。8.3方法總結(jié)本文研究后的結(jié)果可以看出,總結(jié)出一套基于文獻(xiàn)的證候規(guī)范方法,即在文獻(xiàn)中提取證候癥狀信息,提取的證候癥狀信息要求不是來(lái)自于某個(gè)標(biāo)準(zhǔn)某個(gè)規(guī)范的,然后對(duì)數(shù)據(jù)進(jìn)行拆分、清洗,將其中的信息拆分成中醫(yī)最小信息單元,將拆分得到的數(shù)據(jù)導(dǎo)入計(jì)算機(jī),進(jìn)行統(tǒng)計(jì)