數(shù)據(jù)挖掘及其在中醫(yī)領(lǐng)域的應(yīng)用研究

數(shù)據(jù)挖掘及其在中醫(yī)領(lǐng)域的應(yīng)用研究【摘要】介紹了數(shù)據(jù)挖掘的意義和任務(wù)，綜述了近幾年來數(shù)據(jù)挖掘在中醫(yī)各領(lǐng)域中的應(yīng)用，分析了目前存在的問題，并探討了今后的發(fā)展趨勢?！娟P(guān)鍵詞】數(shù)據(jù)挖掘中醫(yī)隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，在中醫(yī)藥的現(xiàn)代化過程中建立了很多的數(shù)據(jù)庫。堆積在數(shù)據(jù)庫中的信息呈超指數(shù)爆炸式增長。例如中醫(yī)藥科技信息數(shù)據(jù)庫就有50個(gè)子數(shù)據(jù)庫、110個(gè)表單及數(shù)百個(gè)自動(dòng)生成的中間表、800余個(gè)著錄項(xiàng)目，涵蓋所有中醫(yī)藥有關(guān)醫(yī)、藥及學(xué)術(shù)的內(nèi)容。而數(shù)據(jù)挖掘技術(shù)的發(fā)展使我們有可能從這些海量數(shù)據(jù)中發(fā)現(xiàn)新的知識，發(fā)現(xiàn)數(shù)據(jù)背后隱藏的關(guān)系和規(guī)則，還可以對未知的情況進(jìn)行預(yù)測。多學(xué)科交叉目前正成為增強(qiáng)科技創(chuàng)新的重要途徑，數(shù)據(jù)挖掘正是從統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫、機(jī)器學(xué)習(xí)等多門學(xué)科中發(fā)展起來的。1數(shù)據(jù)挖掘介紹1.1數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘(datamining)也稱為數(shù)據(jù)庫知識發(fā)現(xiàn)，為解決上述矛盾提供了強(qiáng)有力的工具［1］。數(shù)據(jù)挖掘這一術(shù)語出現(xiàn)于1989年，其定義幾經(jīng)變動(dòng)，本研究中引用FrayyadUM等提出的對數(shù)據(jù)挖掘的定義［2］。

數(shù)據(jù)挖掘是從數(shù)據(jù)庫中識別出有效的、新穎的、潛在有用的并且最終可理解的模式的非平凡過程。其中：①有效性要求挖掘前要對被挖掘的數(shù)據(jù)進(jìn)行仔細(xì)檢查，具備該特性，才能保證挖掘出來信息的可靠性。②新穎性要求發(fā)現(xiàn)的模式應(yīng)該是從前未知的，甚至是違背直覺的信息或知識，挖掘出的信息越是出乎意料，就可能越有價(jià)值。③潛在有用性是指發(fā)現(xiàn)的知識將來有實(shí)際效用，即這些信息或知識對于所討論的業(yè)務(wù)或研究領(lǐng)域是有效的、是有實(shí)用價(jià)值和可實(shí)現(xiàn)的，常識性的結(jié)論或已被人們掌握的事實(shí)或無法實(shí)現(xiàn)的推測都是沒有意義的。④最終可理解性要求發(fā)現(xiàn)的模式能被用戶理解，目前它主要是體現(xiàn)在簡潔性上。發(fā)現(xiàn)的知識要可接受、可理解、可運(yùn)用，最好能用自然語言表達(dá)所發(fā)現(xiàn)的結(jié)果。實(shí)際上，所有發(fā)現(xiàn)的知識都是相對的，是有特定前提和約束條件，面向特定領(lǐng)域的。⑤非平凡是一個(gè)數(shù)學(xué)概念，即數(shù)據(jù)挖掘既不是把數(shù)據(jù)全部抽取，也不是一點(diǎn)兒也不抽取，而是抽取出隱含的、未知的、可能的有用的信息。要有一定程度的智能性、自動(dòng)性(僅僅給出所有數(shù)據(jù)的總和不能算作是一個(gè)發(fā)現(xiàn)過程)。數(shù)據(jù)挖掘的結(jié)果通常表示為概念(concepts)、規(guī)則(rules)、規(guī)律(regularities)、模式(pattern)、約束(constraint)、可視化(visualization)等形式。這些知識可以直接提供給決策者，用于輔助決策過程；或者提供給領(lǐng)域?qū)＜遥拚龑＜业囊延械闹R體系；也可以作為新的知識轉(zhuǎn)存到應(yīng)用系統(tǒng)中，作為實(shí)際事務(wù)處理中決策的依據(jù)［3］。2數(shù)據(jù)挖掘的任務(wù)數(shù)據(jù)挖掘的任務(wù)主要是預(yù)測和描述。預(yù)測是指用一些變量或數(shù)據(jù)庫的若干已知字段預(yù)測其他感興趣的變量或字段的未知的或未來的值。描述是指找到描述數(shù)據(jù)的可理解模式。預(yù)測方法有統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則和決策樹預(yù)測、回歸樹預(yù)測等。其中關(guān)聯(lián)規(guī)則反映了一個(gè)事務(wù)與其他事務(wù)之間存在關(guān)聯(lián)，那么就能根據(jù)其他已知事務(wù)預(yù)測到另一個(gè)事務(wù)。描述性方法主要有數(shù)據(jù)分類、回歸分析、聚類、變化和偏差分析、模式發(fā)現(xiàn)等。3數(shù)據(jù)挖掘在中醫(yī)藥中的應(yīng)用中醫(yī)藥的發(fā)展也需要多門學(xué)科的交叉應(yīng)用。數(shù)據(jù)挖掘最初在生物醫(yī)學(xué)中的應(yīng)用是在對基因組測序數(shù)據(jù)的分析，因?yàn)槿祟惢蚪M計(jì)劃研究中產(chǎn)生了數(shù)十億的核苷酸和上百萬的氨基酸，傳統(tǒng)的統(tǒng)計(jì)方法無能為力。中醫(yī)學(xué)具有系統(tǒng)性、整體性、復(fù)雜性、不確定性等特點(diǎn)，不適宜運(yùn)用傳統(tǒng)的還原論的方法研究，而適宜與數(shù)據(jù)挖掘類似的從整體觀上入手的研究方法。數(shù)據(jù)挖掘可以從海量數(shù)據(jù)中挖掘出潛在的規(guī)律，數(shù)據(jù)挖掘的結(jié)果一部分可能與傳統(tǒng)的診療規(guī)律相符，不符合的部分可能是潛在的新知，也可能是沒有意義的，這都需要在相應(yīng)目標(biāo)領(lǐng)域?qū)＜业闹笇?dǎo)下進(jìn)行解釋和評價(jià)。將數(shù)據(jù)挖掘(DM)和知識發(fā)現(xiàn)(DMKD)應(yīng)用于中醫(yī)藥領(lǐng)域的研究，是中醫(yī)藥現(xiàn)代化研究的重要組成部分［1］，必將促進(jìn)中醫(yī)藥的發(fā)展。而數(shù)據(jù)挖掘在中藥藥譜研究和新藥開發(fā)中取得了一定進(jìn)展，本研究主要對其在中醫(yī)以下領(lǐng)域的研究作一介紹。3.1證實(shí)質(zhì)的研究中醫(yī)的“證”又稱“證候”，是疾病在某一階段病變的本質(zhì)反映，是由一組能反映疾病本質(zhì)的癥狀組成的，能揭示病因、病位、病性、病勢，為論治提供依據(jù)。證候是中醫(yī)診斷的核心概念和理論精髓，具有整體性、抽象性、時(shí)間性和相對穩(wěn)定性的特點(diǎn)?，F(xiàn)在對證實(shí)質(zhì)的研究多從西醫(yī)的生理理化指標(biāo)來揭示證的實(shí)質(zhì)，但實(shí)踐中卻發(fā)現(xiàn)缺少證的特異性指標(biāo)。如果從分子生物學(xué)的角度，利用數(shù)據(jù)挖掘技術(shù)對中醫(yī)證與相關(guān)基因的對應(yīng)關(guān)系，可能取得更好的結(jié)果。通過研究“證”和基因多態(tài)性之間的內(nèi)在聯(lián)系，從基因多態(tài)性所帶來的該基因功能上的變化，由此探尋“證”的相關(guān)基因表達(dá)譜。3.2中醫(yī)診斷中醫(yī)診斷過程主要是對證的判定。而現(xiàn)在證的標(biāo)準(zhǔn)不太規(guī)范，缺乏定量的標(biāo)準(zhǔn)，而且其分類與描述也存在不同的觀點(diǎn)。數(shù)據(jù)挖掘則可能完成證的規(guī)范化研究，也可輔助臨床醫(yī)生對病人進(jìn)行證的判定。陳明等［5］嘗試運(yùn)用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)診斷模式，他把《傷寒論》中的病名、癥狀、舌脈分別作為數(shù)據(jù)表建立數(shù)據(jù)庫，挖掘得出規(guī)則：發(fā)熱、惡寒、脈浮?萏?陽病(支持度65%，置信度5%），可以認(rèn)為發(fā)熱，惡寒的確是太陽病的診斷依據(jù)。秦中廣等［6］運(yùn)用粗糙集進(jìn)行中醫(yī)類風(fēng)濕證候的診斷，共收集了224個(gè)病例，每個(gè)病例有81個(gè)屬性，并從這224個(gè)病例中隨機(jī)抽取學(xué)習(xí)樣本180例，進(jìn)行預(yù)測診斷44例。他們利用屬性約簡得到寒濕阻絡(luò)、濕熱阻絡(luò)、痰閼阻絡(luò)、氣陰兩虛、寒熱錯(cuò)雜5種證的必定規(guī)則和可能規(guī)則。在44例預(yù)測診斷中診斷正確率達(dá)到90%以上，高于傳統(tǒng)的模糊數(shù)學(xué)方法，并認(rèn)為粗糙集有可能是中醫(yī)診斷研究的動(dòng)態(tài)理想工具。劉晉平［7］運(yùn)用數(shù)據(jù)挖掘的手段對中醫(yī)脈象進(jìn)行研究，并開發(fā)出初步的軟件。以明清、近現(xiàn)代3000余例病案為研究分析對象，將病案分為病名、證型、脈象、舌象及癥狀幾項(xiàng)，然后進(jìn)行統(tǒng)一化及規(guī)范化處理，得出醫(yī)案中細(xì)脈出現(xiàn)頻率最高，占34.39%。其脈象軟件可以進(jìn)行脈象與病名，脈象與證型之間的相互關(guān)聯(lián)分析，發(fā)現(xiàn)其內(nèi)在的規(guī)律。4方劑配伍規(guī)律的研究方劑配伍理論是中藥方劑理論的核心，也是研究方劑的關(guān)鍵問題。采用數(shù)據(jù)挖掘技術(shù)進(jìn)行基于中醫(yī)藥理論的方劑配伍規(guī)律研究，既能為中醫(yī)新藥的臨床和實(shí)驗(yàn)研究提供目標(biāo)和思路，減少盲目性，縮短研究周期；同時(shí)又為大量古今驗(yàn)方研究探索出一條有價(jià)值的研究途徑和方法［8］。何前鋒等［9］運(yùn)用高頻集挖掘的方法，對中國方劑數(shù)據(jù)庫、中藥新藥品種數(shù)據(jù)庫、中藥成方制劑標(biāo)準(zhǔn)數(shù)據(jù)庫中各方劑藥物組成數(shù)據(jù)進(jìn)行了分析，分別得到3個(gè)庫的前20味高頻藥，可以看出古今用藥頻率的變化。并把高頻用藥組合與經(jīng)驗(yàn)藥對進(jìn)行比較分析，提示可能成為新藥對的組合。姚美村等［10］應(yīng)用關(guān)聯(lián)規(guī)則分析技術(shù)，以文獻(xiàn)中收錄的106個(gè)治療消渴病的中藥復(fù)方為對象，經(jīng)解析后建立復(fù)方特征數(shù)據(jù)庫，以數(shù)據(jù)挖掘系統(tǒng)EnterpriseMiner為平臺，關(guān)聯(lián)規(guī)則分析為工具，在單味藥層次上進(jìn)行消渴病復(fù)方組成藥味之間的關(guān)聯(lián)模式研究。得到了藥物與上中下三消的關(guān)聯(lián)以及藥物之間的關(guān)聯(lián)，與中醫(yī)專家對于消渴病的治療在主要藥物的配伍方面基本一致，這在一定程度上反映出歷代中醫(yī)在消渴病治療方面認(rèn)識和治療的整體規(guī)律性。陳波等［11］應(yīng)用關(guān)聯(lián)規(guī)則對李東垣的脾胃方從藥物間關(guān)聯(lián)、癥狀間關(guān)聯(lián)、處方結(jié)構(gòu)與癥狀關(guān)聯(lián)進(jìn)行分析，得出當(dāng)出現(xiàn)當(dāng)歸、黃芪、升麻時(shí)，同時(shí)出現(xiàn)柴胡的次數(shù)為60次，支持度為10.91%，可信度為84.51%；當(dāng)出現(xiàn)當(dāng)歸、黃芪、柴胡時(shí)，同時(shí)出現(xiàn)升麻的次數(shù)為60次，支持度為10.91%，可信度為84.51%。兩者的支持度和可信度都較高，提示他們常共同使用。此反映出李東垣補(bǔ)氣與升陽同用的學(xué)術(shù)思想，此藥組也是補(bǔ)中益氣湯的基本組成部分。現(xiàn)在的研究中存在著方法比較簡單，頻繁模式、關(guān)聯(lián)規(guī)則為其主要方法。方劑配伍不僅是各藥味之間的組合，還包含著各藥劑量比例的搭配，這也是臨床組方的關(guān)鍵，但現(xiàn)在對其進(jìn)行數(shù)據(jù)挖掘的研究還很少。

數(shù)據(jù)挖掘的方法不僅可以運(yùn)用于中醫(yī)基礎(chǔ)理論中的傷寒、溫病等研究，也可用于臨床各科的研究。但高質(zhì)量的數(shù)據(jù)挖掘不僅需要有被處理數(shù)據(jù)的質(zhì)量，更要在中醫(yī)藥專業(yè)背景知識引導(dǎo)下，針對具體問題，選擇合適的數(shù)據(jù)挖掘方法，利用各種工具的效能和應(yīng)用的可能性，取長補(bǔ)短。對中醫(yī)藥知識進(jìn)行規(guī)范化、數(shù)字化、信息化是促進(jìn)中醫(yī)藥國際化和現(xiàn)代化進(jìn)程的重要內(nèi)容［12］。通過數(shù)據(jù)挖掘，就可以對中醫(yī)藥發(fā)展過程中某些缺失的信息進(jìn)行預(yù)測完善并可以避免主觀性的干擾。數(shù)據(jù)挖掘還可以發(fā)現(xiàn)一些新的模式和規(guī)則，為中醫(yī)藥知識的創(chuàng)新和發(fā)展提供一條新途徑。參考文獻(xiàn)

1喬延江.中藥(復(fù)方)KDD研究開發(fā)的意義.北京中醫(yī)藥大學(xué)學(xué)報(bào)，1998，21(3)：15～17.

2FrayyadUM，Piatetsky??ShapiroG，SmythP，etal.KnowledgeDiscoveryandDatamining:TowardsaUnifyingFrameworkProcKDD96，Menlopark，CA:AAAIPress，1996，82～88.

3胡文豐，張正國.生物醫(yī)學(xué)數(shù)據(jù)挖掘.國外醫(yī)學(xué)生物醫(yī)學(xué)工程分冊，2003，26(1)：11～15.

4周雪忠，吳朝暉，劉保延.生物醫(yī)學(xué)文獻(xiàn)知識發(fā)現(xiàn)研究探討及展望.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2004，1(3)：45～55.

5陳明，張書河.關(guān)聯(lián)規(guī)則在中醫(yī)疾病證候診斷中的應(yīng)用.中華醫(yī)學(xué)叢刊，2004，4(5)：14～16.

6秦中廣，毛宗源，鄧兆智.粗糙集在中醫(yī)類風(fēng)濕證候診斷中的應(yīng)用.中國生物醫(yī)學(xué)工程學(xué)報(bào)，2001，20(4)：354～363.

7劉晉平.數(shù)據(jù)挖掘在中醫(yī)脈診研究中的應(yīng)用.天津中醫(yī)藥大學(xué)碩士論文，2002.

8蔣永光，胡波，劉娟，等.方劑配伍的數(shù)據(jù)挖掘可行性探索.四川中醫(yī)，2004，22(8)：25～28.

9何前鋒，崔蒙，吳朝暉，等.方劑中配伍知識的發(fā)現(xiàn).中國中醫(yī)藥信息