中醫(yī)婦科常見病醫(yī)案數(shù)據(jù)挖掘方法研究.pdf

1、1研究背景：目前，已經(jīng)有許多研究人員應(yīng)用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析技術(shù)對(duì)中醫(yī)藥數(shù)據(jù)進(jìn)行處理。如成都中醫(yī)藥大學(xué)與四川大學(xué)合作對(duì)脾胃病方的數(shù)據(jù)挖掘，中國中醫(yī)研究院中醫(yī)藥信息所與浙江大學(xué)合作對(duì)中國方劑數(shù)據(jù)庫、中醫(yī)藥臨床文獻(xiàn)題錄庫和現(xiàn)代生物醫(yī)學(xué)文獻(xiàn)庫的數(shù)據(jù)挖掘以及西南交通大學(xué)對(duì)乙肝醫(yī)案的數(shù)據(jù)挖掘，加上一些小型的零散研究，研究數(shù)目共計(jì)十一項(xiàng)，涉及研究單位十二家。 但中醫(yī)藥領(lǐng)域的數(shù)據(jù)挖掘研究是近四、五年來才逐步開展起來，應(yīng)用尚屬初級(jí)階段，其局限性

2、不可避免，概括如下：首先原始資料基本局限于醫(yī)案或方劑，內(nèi)容大多是藥對(duì)的提取，導(dǎo)致挖掘結(jié)果只限于方劑的配伍方面；其次無論是利用已有數(shù)據(jù)庫還是自行建立的數(shù)據(jù)庫，都缺乏對(duì)數(shù)據(jù)規(guī)范深入系統(tǒng)的研究，從而影響了數(shù)據(jù)挖掘效果；最后關(guān)于結(jié)果的分析，以往研究大都停留在驗(yàn)證已有理論，而對(duì)于傳統(tǒng)知識(shí)中未包含的新鮮知識(shí)，未能進(jìn)一步分析，使得數(shù)據(jù)挖掘結(jié)果的含義很難解讀，直接影響挖掘結(jié)果的利用。 2研究內(nèi)容：本課題以四種婦科常見疾病為例，利用數(shù)據(jù)挖掘技術(shù)對(duì)

3、醫(yī)案數(shù)據(jù)進(jìn)行處理分析。本課題的研究過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)果分析五部分。 2.1確定研究目標(biāo)采用關(guān)聯(lián)分析技術(shù)對(duì)婦科四種常見病醫(yī)案從中藥、證型、癥狀三個(gè)方面進(jìn)行數(shù)據(jù)挖掘。 2.2數(shù)據(jù)采集為了獲得可靠的結(jié)果，對(duì)所收錄醫(yī)案的病種、數(shù)量、醫(yī)家、時(shí)間、內(nèi)容等進(jìn)行了嚴(yán)格控制。 2.2.1病種通過檢索中醫(yī)藥期刊文獻(xiàn)數(shù)據(jù)庫(中醫(yī)藥信息研究所研制)，調(diào)查了1984年以來十四種婦科常見疾病相關(guān)論文

4、發(fā)表情況，本課題選擇了文獻(xiàn)量最多的四種疾病——崩漏、閉經(jīng)、不孕、痛經(jīng)進(jìn)行研究。 2.2.2醫(yī)家為了保證數(shù)據(jù)質(zhì)量，醫(yī)案全部選自經(jīng)驗(yàn)豐富的中醫(yī)專家醫(yī)案，醫(yī)家的出生年代限制在二十世紀(jì)二、三十年代。為了避免醫(yī)家醫(yī)案數(shù)量選擇的不均衡導(dǎo)致挖掘結(jié)果的偏差，數(shù)據(jù)庫中單個(gè)醫(yī)家的醫(yī)案控制在一百例以內(nèi)，絕大部分醫(yī)家為10例以內(nèi)。 2.2.3時(shí)間全部為現(xiàn)代醫(yī)案，鑒于此階段醫(yī)案記錄時(shí)間跨度較小，用詞較接近，統(tǒng)一規(guī)范相對(duì)容易，適合本課題研究進(jìn)度要求

5、。所選醫(yī)案均采集自公開發(fā)表的期刊和專著，發(fā)表時(shí)間為1972-2005年，所記錄患者就診時(shí)間為1951-2003年。 2.2.4內(nèi)容由于本課題旨在對(duì)醫(yī)案中的中藥、證型、癥狀三部分做數(shù)據(jù)挖掘，收集的醫(yī)案必須包括中醫(yī)診斷、中藥處方、證型、癥狀這四項(xiàng)內(nèi)容。 2.2.4.1中醫(yī)診斷參考了國家中醫(yī)藥管理局1994年頒布的《中華人民共和國中醫(yī)藥行業(yè)標(biāo)準(zhǔn)－中醫(yī)病證診斷療效標(biāo)準(zhǔn)》(南京大學(xué)出版社出版)。 2.2.4.2中藥處方所選

6、醫(yī)案全部是單純中草藥內(nèi)服治療。凡單純或輔助使用中成藥、針灸、外治、西藥以及手術(shù)治療的醫(yī)案不予收錄。 2.2.4.3證型必須含有病性和病位兩部分，如果只含有病位(如“肝脾為病”)，或只含有病性(如“虛”或“實(shí)”)則不予收錄。 2.2.4.4癥狀除主癥之外，必須有兩個(gè)以上的次要癥狀。例如某閉經(jīng)醫(yī)案，如果只包括閉經(jīng)這一個(gè)主癥，而未記載其他癥狀，則不予收錄。 經(jīng)過篩選，本課題所采集醫(yī)案總數(shù)為2138例，其中崩漏664例、

7、閉經(jīng)408例、不孕631例、痛經(jīng)435例。從文獻(xiàn)來源統(tǒng)計(jì)，848例來自期刊、1290例來自專著，共涉及醫(yī)家476位。 2.3數(shù)據(jù)預(yù)處理按照醫(yī)案中不同屬性信息的不同特點(diǎn)，進(jìn)行有針對(duì)性的數(shù)據(jù)預(yù)處理。 2.3.1中藥預(yù)處理中藥名稱不統(tǒng)一的主要原因是別名、錯(cuò)別字、省略語，本課題從這三個(gè)角度對(duì)中藥名稱進(jìn)行規(guī)范。規(guī)范后的中藥名稱主要參考權(quán)威性強(qiáng)的中藥專著，如《中華人民共和國藥典2005版》、《中藥大辭典》、《中華本草》等。

8、中藥炮制方法主要分為凈制、切制、炮炙，由于凈制、切制對(duì)于藥物的性味、歸經(jīng)影響較小，故凡藥名中含有“片”、“末”、“粉”、“嫩”、“凈”等凈制或切制的標(biāo)志用語，均予以去除；炮炙法對(duì)中藥的性味、歸經(jīng)等有較大影響，在規(guī)范后的中藥名稱后面特別標(biāo)明。 2.3.2證型預(yù)處理首先從結(jié)構(gòu)上進(jìn)行規(guī)范，把證型名稱規(guī)范為主謂詞組，主語部分是病位，謂語部分是病性。如規(guī)范后證型血瘀，其中血是主語—病位，瘀是謂語—病性。 其次遇到復(fù)合證型，涉及兩個(gè)

9、臟器的，盡量予以拆分；幾乎所有的婦科醫(yī)案證型都涉及沖任失調(diào)，進(jìn)行數(shù)據(jù)挖掘則會(huì)成為一個(gè)強(qiáng)干擾項(xiàng)，故將醫(yī)案中沖任失調(diào)用語予以剔除；另外，界于證型和癥狀之間的描述性用語亦予去除，如迫血妄行、血不循經(jīng)等。 規(guī)范后的證型選詞，一方面參考了《中國中醫(yī)藥主題詞表》、《中醫(yī)診斷學(xué)》、《中華人民共和國中醫(yī)藥行業(yè)標(biāo)準(zhǔn)－中醫(yī)病證診斷療效標(biāo)準(zhǔn)》等書籍；另一方面對(duì)醫(yī)案中使用的證型同義詞進(jìn)行歸類后作頻數(shù)統(tǒng)計(jì)，選用使用頻次最高的詞作為規(guī)范證型。例如：“血瘀”

10、，在醫(yī)案辨證中有多種表述方法：血瘀、瘀血、血滯等等，其中血瘀的使用頻次最高，則選血瘀為規(guī)范后證型。 2.3.3癥狀預(yù)處理在本課題的癥狀規(guī)范中，首先同證型一樣，將癥狀規(guī)范為主謂詞組，主語部分是病位，謂語部分是病狀，如規(guī)范后的癥狀腹痛，腹(主語－病位)，痛(謂語－病狀)。 其次把一些復(fù)雜癥狀拆分為多個(gè)簡單癥狀，并去除主觀性強(qiáng)的程度副詞，如微、稍等。 規(guī)范后的癥狀選詞，一方面參考了《中國中醫(yī)藥主題詞表》、《中醫(yī)診斷學(xué)》

11、、《簡明中醫(yī)辭典》等書籍；另一方面對(duì)醫(yī)案中使用的癥狀同義詞進(jìn)行歸類后做頻數(shù)統(tǒng)計(jì)，選用使用頻次最高的詞作為規(guī)范癥狀。 規(guī)范后數(shù)據(jù)庫概況所建數(shù)據(jù)庫共收集婦科醫(yī)案2138例，每個(gè)醫(yī)案均包含四個(gè)字段：癥狀、證型、中藥組成(處方)、中醫(yī)診斷，其中：癥狀共涉及605個(gè)，證型63個(gè)，中藥(含炮制)754個(gè)。 2.4數(shù)據(jù)挖掘本課題選用了中國中醫(yī)研究院周雪忠等人開發(fā)的WEKA軟件。該軟件基于新西蘭維克多大學(xué)研發(fā)的智能平臺(tái)WEKA，使用了A

12、priori算法(即Agrawal研究提出的算法)，進(jìn)行藥物、癥狀、藥癥和藥證等關(guān)聯(lián)規(guī)則的知識(shí)發(fā)現(xiàn)。 與以往課題不同的是，不僅對(duì)中藥、癥狀、證型分別進(jìn)行數(shù)據(jù)挖掘處理，而且將這三部分合并起來處理。數(shù)據(jù)挖掘結(jié)果不僅僅包含按以往方法處理得出的“藥物+藥物”、“癥狀+癥狀”、“證型+證型”三種高頻集，而且包括了“藥物+癥狀”、“藥物+證型”、“癥狀+證型”的高頻集。此種模式進(jìn)行數(shù)據(jù)挖掘，不僅在癥狀、中藥、證型內(nèi)找到高頻集，而且在三者之間

13、找到高頻集，從而獲得更多的關(guān)聯(lián)關(guān)系結(jié)果。 2.5數(shù)據(jù)挖掘結(jié)果分析經(jīng)過數(shù)據(jù)處理后，共得到15張結(jié)果表，包括高頻中藥組5張、高頻“中藥+癥狀”組5張、高頻“中藥+證型”組5張。本課題對(duì)15張結(jié)果表做了與傳統(tǒng)知識(shí)比對(duì)、新鮮知識(shí)分析以及傳統(tǒng)方法的比對(duì)這三方面研究。 與傳統(tǒng)知識(shí)比對(duì)過程中，主要參照經(jīng)典中醫(yī)藥理論：高頻中藥組參考藥對(duì)和中藥配伍書籍，高頻“中藥+癥狀”組、高頻“中藥+證型”組參考中藥功效書籍。比對(duì)情況的統(tǒng)計(jì)結(jié)果如下：高

14、頻中藥組傳統(tǒng)知識(shí)符合率約為70﹪，高頻“中藥+癥狀，，組傳統(tǒng)知識(shí)直接符合率約為39﹪，間接符合率約為61﹪，高頻“中藥+證型”組傳統(tǒng)知識(shí)符合率則為100﹪，結(jié)果證明大部分?jǐn)?shù)據(jù)挖掘結(jié)果在傳統(tǒng)經(jīng)典理論中都已經(jīng)有所論述。 對(duì)一部分傳統(tǒng)理論中未查到的挖掘結(jié)果，本研究又進(jìn)一步從臨床應(yīng)用角度予以分析，發(fā)現(xiàn)了一些已經(jīng)應(yīng)用于臨床，但尚未被使用者提煉的新鮮知識(shí)，同時(shí)探討了影響新鮮知識(shí)分析的因素。 此外本課題把數(shù)據(jù)挖掘與傳統(tǒng)頻次統(tǒng)計(jì)進(jìn)行方法

15、學(xué)比較。具體方法是分別把四個(gè)疾病的高頻藥物組結(jié)果與單味藥頻次統(tǒng)計(jì)結(jié)果進(jìn)行比較，從結(jié)果可以看出，數(shù)據(jù)挖掘表面上看與頻數(shù)統(tǒng)計(jì)相似，但進(jìn)一步分析得知它們的最大區(qū)別在于數(shù)據(jù)挖掘是獲取一種關(guān)系，并且定量地表述這種關(guān)系，其在分析關(guān)系方面的意義遠(yuǎn)遠(yuǎn)超出頻數(shù)統(tǒng)計(jì)。 3結(jié)論3.1有效結(jié)果本課題數(shù)據(jù)挖掘結(jié)果與傳統(tǒng)理論有相當(dāng)大的一部分內(nèi)容是相吻合的。這說明數(shù)據(jù)挖掘這項(xiàng)技術(shù)是具有合理有效性的。作為一種新型數(shù)據(jù)分析方法，關(guān)聯(lián)分析技術(shù)可用于中醫(yī)藥數(shù)據(jù)處理，

16、可以作為傳統(tǒng)知識(shí)總結(jié)的有效補(bǔ)充，值得進(jìn)一步深入研究。 3.2新鮮知識(shí)本課題通過數(shù)據(jù)挖掘，獲得一些傳統(tǒng)經(jīng)典理論未直接表述的知識(shí)，并以量化的方式展現(xiàn)。同時(shí)結(jié)合臨床經(jīng)驗(yàn)探討了這部分知識(shí)的合理性和可行性。例如：“白術(shù)－當(dāng)歸”對(duì)藥雖然在傳統(tǒng)藥對(duì)理論中并未論及，但實(shí)際上在臨床上常被用于治療氣血兩虛型閉經(jīng)，此外這兩味藥結(jié)合使用的緊密程度又通過置信度67﹪被量化表達(dá)。 3.3規(guī)范數(shù)據(jù)本課題在醫(yī)案數(shù)據(jù)的規(guī)范上做了大量工作，從一次文獻(xiàn)入手，

17、根據(jù)中藥、證型、癥狀三方面用詞的不同特點(diǎn)，以“貼近臨床，保留有意義的信息”為總則進(jìn)行規(guī)范。其中中藥的規(guī)范，以“參考中藥權(quán)威標(biāo)準(zhǔn)”為主要原則；證型、癥狀的規(guī)范，以“同義詞統(tǒng)計(jì)，選用使用頻次最多者”為主要原則，本課題的這部分工作對(duì)于日后臨床數(shù)據(jù)標(biāo)準(zhǔn)化工作具有一定參考價(jià)值。 3.4臨床參考本課題在數(shù)據(jù)挖掘的過程中，不僅挖掘出高頻藥物組來探討藥物配伍的關(guān)系，而且挖掘出了高頻“癥狀+藥物”組和高頻“證型+藥物”組，此部分結(jié)果對(duì)于缺乏經(jīng)驗(yàn)醫(yī)