基于案例推理的中醫(yī)診療專家系統(tǒng)

1、基于案例推理的中醫(yī)診療專家系統(tǒng)    【摘要】  為了解決中醫(yī)診療專家系統(tǒng)中知識獲取瓶頸和推理技術(shù)應(yīng)用等問題，把基于案例推理技術(shù)用于中醫(yī)診療專家系統(tǒng)的知識表示和推理。提出系統(tǒng)模型，介紹了案例推理的基本結(jié)構(gòu)：案例提取網(wǎng)（case retrieval nets）以及案例提取算法，對系統(tǒng)中案例的學(xué)習(xí)和修正機制進行了說明，并提出用基于案例的解釋來生成診斷結(jié)果的解釋性說明以及輔助構(gòu)建基于案例的中醫(yī)診療輔助教學(xué)系統(tǒng)。這種基于案例推理的中醫(yī)診療專家系統(tǒng)可以適應(yīng)不確定、不完全的知識表示，病案案例獲取方便，充分體現(xiàn)中醫(yī)經(jīng)驗在診療過程中的重要作用，是建立中醫(yī)診療專

2、家系統(tǒng)的一種新方法。 【關(guān)鍵詞】  人工智能；專家系統(tǒng)；中醫(yī)；基于案例的推理；案例提取網(wǎng)Abstract：In order to solve knowledge acquisition and reasoning technology issues in the traditional Chinese medicine expert system，this paper integrates the CBR technique into the Knowledge's representation and reasoning of it. We put forward the

3、system's model and introduce the basic framework of case reasoning: case retrieval nets, and case extraction algorithm. This paper also explains the mechanism of case study and revise and puts forward a method to explain the diagnosis result and to build a assistant tutoring system of Chinese tr

4、aditional medicine by using case-base explanation. At last, this paper makes a summary of the advantages of the system, and put forward the further research and development directions. It can adapt to uncertainty, incomplete knowledge, convenient access to medical records case, fully embody the impo

5、rtant role of the Chinese medicine experience in the clinic process. Our method is a novel method to establish a traditional Chinese medicine expert system.Key words：AI；Expert system；Traditional Chinese medicine；  Case-based reasoning；  Case retrieval nets    中醫(yī)藥現(xiàn)代化是國家中長期科技發(fā)

6、展規(guī)劃中具有戰(zhàn)略意義的研究課題。為了適應(yīng)信息時代發(fā)展要求，促進祖國傳統(tǒng)醫(yī)學(xué)的傳承和發(fā)展，使中醫(yī)中藥在國際競爭中更具優(yōu)勢和特色，利用現(xiàn)代先進的智能的信息技術(shù)來解決中醫(yī)診斷信息化過程中的關(guān)鍵問題，無疑是一項迫在眉睫的基礎(chǔ)性工作。 然而，我國在這方面的整體研究水平還較低，多數(shù)中醫(yī)診療專家系統(tǒng)缺乏足夠的智能性，離臨床使用要求還有很大距離。歸結(jié)其原因主要有：沒有從中醫(yī)的整體性、系統(tǒng)性來分析和解決問題，僅針對具體病癥分散開發(fā)一些小系統(tǒng)1；系統(tǒng)結(jié)構(gòu)固定，多采用基于規(guī)則的推理，準(zhǔn)確性依賴于初始化時專家知識庫的建立，難以適應(yīng)多變的實際應(yīng)用環(huán)境；沒有很好實現(xiàn)中醫(yī)專家知識的自動獲取和學(xué)習(xí)，對于半結(jié)構(gòu)化和非難以適應(yīng)結(jié)

7、構(gòu)化診療知識無法很好地表示，存在知識獲取瓶頸；直覺性經(jīng)驗知識是專家經(jīng)驗知識的重要組成部分2，現(xiàn)有系統(tǒng)的知識獲取和表示形式難以適應(yīng)中醫(yī)知識的這種經(jīng)驗性。    基于案例的推理（case-based reasoning，CBR）是將以前解決問題的經(jīng)驗以案例形式存儲，作為以后的問題解決參考的一種機器學(xué)習(xí)和推理方法3。它在非結(jié)構(gòu)化知識表示上很有優(yōu)勢，并且在知識獲取上，優(yōu)于基于規(guī)則的表示。在基于案例推理的醫(yī)學(xué)診療專家系統(tǒng)中，知識的主體是病案案例，在知識獲取和學(xué)習(xí)上有大量現(xiàn)成的來源。本文將基于案例的推理技術(shù)引入中醫(yī)診療專家系統(tǒng)的建模中，使用案例表示中醫(yī)專家的診療經(jīng)驗，用案例提

8、取網(wǎng)（case retrieval nets，CRN）作為案例提取結(jié)構(gòu)，實現(xiàn)案例的提取、學(xué)習(xí)。系統(tǒng)根據(jù)幾千年來眾多中醫(yī)名家的診療經(jīng)驗建立案例庫，以案例推理方法為基礎(chǔ)，模擬中醫(yī)專家看病推理過程，針對病人的“望、聞、問、切”四診癥狀，推斷出病人幾種癥候的可能性，并由此提出建議處方，實現(xiàn)智能化的中醫(yī)專家診斷過程。    首先提出基于案例推理的中醫(yī)診療專家系統(tǒng)的體系結(jié)構(gòu)，介紹了基于案例的推理和案例提取網(wǎng)的概念，說明案例提?。ㄒ布丛\療過程）的實現(xiàn)算法；然后說明了在這種結(jié)構(gòu)下案例的修正、學(xué)習(xí)和解釋的機制及效用；最后，進行了總結(jié)和進一步研究的展望。1  系統(tǒng)框架和案例

9、提取算法1.1  系統(tǒng)框架中醫(yī)診斷治療過程是，首先建立病人信息模型，通過“望、聞、問、切”四診來獲取疾病癥狀、體征等臨床信息；其次，根據(jù)患者個人信息和癥狀信息，結(jié)合中醫(yī)理論，給出患者的證型癥候信息及對患者癥狀的解釋，即“辨證”；最后，根據(jù)辨證和藥物特征，結(jié)合前人方藥經(jīng)驗，開出藥方，提出相應(yīng)的治療方案4，5?？梢钥闯觯谶@個過程中包含兩個推理階段：由疾病的表現(xiàn)得到癥候信息、由證候信息推理得到相應(yīng)的治療方案和方劑。    有經(jīng)驗的中醫(yī)專家在這兩個階段中除了能夠充分結(jié)合多方面的中醫(yī)藥理論知識，最重要的一點就是他們還能將各種診療經(jīng)驗結(jié)合在當(dāng)前疾病的診療上。而這種

10、診療經(jīng)驗可以轉(zhuǎn)化為案例的表述，從而利用案例推理實現(xiàn)智能的中醫(yī)診療系統(tǒng)。由此，提出將案例推理技術(shù)用于中醫(yī)診療專家系統(tǒng)開發(fā)的思想?；诎咐评淼闹嗅t(yī)診療專家系統(tǒng)診斷模型見圖1。    圖1中病人信息包括病人的既往病史、日常生活習(xí)慣、體征等內(nèi)容，CBR推理機根據(jù)病人信息和四診癥狀信息進行推理，從診斷案例庫提取的最近似案例送入案例修正模塊，案例修正后輸出即為對當(dāng)前病案的診斷結(jié)果。診斷并治療取得一定效果后，該病案可以被輸入到案例學(xué)習(xí)模塊，根據(jù)病人反饋及診斷案例庫現(xiàn)有案例的情況判斷是否可以作為經(jīng)驗案例存入診斷案例庫，也即經(jīng)驗學(xué)習(xí)。    診斷模塊

11、的輸出是癥候辨證信息，這也是治療模塊的輸入信息。因為基于案例推理的治療模塊與上述診斷模塊結(jié)構(gòu)近似，這里就不贅述了。1.2  案例的表示和案例提取網(wǎng)由于中醫(yī)學(xué)的學(xué)科特性，案例的描述具有極大的不確定性，不能以固定屬性描述的案例結(jié)構(gòu)來表達診療經(jīng)驗。這里用案例提取網(wǎng)（case-retrieval nets，CRN）作為診療案例的描述和提取結(jié)構(gòu)，以動態(tài)屬性結(jié)構(gòu)描述案例，有效解決了上述問題。根據(jù)不同的查詢問題，這個網(wǎng)狀結(jié)構(gòu)在內(nèi)存中動態(tài)生成6。    圖2是一個CRN的結(jié)構(gòu)圖。CRN中的案例是通過一個叫信息實體（Information Entities，IEs）的知識

12、單元來描述的。IEs類似于傳統(tǒng)CBR中案例描述的“屬性值”對，但它是一個原子結(jié)構(gòu)，是CRN中知識的最小單元。通常情況下使用多個IEs來描述一個案例，不同案例由不同的IEs集合來描述。不同IEs之間有相似性關(guān)聯(lián)，且每個IEs與它要描述的對應(yīng)案例之間有相關(guān)性關(guān)聯(lián)。利用CRN解決問題包括以下3個基本步驟：與待解決問題相關(guān)的IEs的激活。在中醫(yī)診斷過程中，可以把病人的癥狀信息解析為IEs；在治療方案提出過程，則是具體的癥候描述作為IEs。CRN中IEs間相似性計算。IEs間的相似性計算提供了類似于傳統(tǒng)CBR中相同屬性的不同值之間的比較。通過IEs之間的相似性，可以得到與問題描述相關(guān)的其他IEs的集合，

13、這是一種傳播激活的方式。通過這種方式，擴大了搜索的范圍。案例相關(guān)性計算。根據(jù)集合中的各個IEs與各案例的相關(guān)度，計算出案例與當(dāng)前問題的關(guān)聯(lián)程度。而最終的案例提取就以此為依據(jù)。1.3  CRN的建立和案例提取CRN是根據(jù)具體問題實時建立的一個網(wǎng)狀結(jié)構(gòu)，然而，要根據(jù)問題生成CRN，需要案例庫中存在如下兩個關(guān)系：IEse1和IEse2之間的相似性，用(e1，e2) 來表示。IEse 和案例描述c之間的相關(guān)性，用p(e,c)來表示。    這兩個關(guān)系取值可以是0,1間的一個小數(shù)。根據(jù)上面CRN解決問題的基本步驟，相應(yīng)的CRN構(gòu)建過程有三個步驟： 

14、60;  第1步，診斷過程中的各種輸入信息（癥狀表現(xiàn)等）可以解析為一個IEs子集。對于案例庫中所有IEs：e，E，癥狀描述中若出現(xiàn)該IEs，則有 ，否則，有 。由于可能有同義詞出現(xiàn)，可以建立一個同義詞表，多個同義詞對應(yīng)一個IEs。而匹配過程則是先以單個詞為基礎(chǔ)對問題描述進行簡單的字符串匹配或是自然語言理解（NLP）分析，得到一個詞語集合以后，再根據(jù)同義詞與IEs的對應(yīng)關(guān)系，將其轉(zhuǎn)化成為信息實體全集E的一個子集。這一步也是問題的解析過程，得到解析后IEs的集合，也就是 ，是通過存儲在內(nèi)存中 的值來表示它是與問題相關(guān)的。    第2步，對于案例庫中每一個IEs：eE，計算：    1(e)=e(e1,e)·0(e1),(es,e)·0(es)，  (1)    e1esE是問題解析出來的IEs的集合，而 e則是一個加權(quán)函數(shù)，一般情況下可以采用求最大值或是求和的算法。這一步完成后，針對當(dāng)前問題的CRN中各個IEs之間的相似性關(guān)聯(lián)就建立起來了。    通過E1以及上