數(shù)據(jù)挖掘技術(shù)在中醫(yī)證治規(guī)律研究中的應(yīng)用

數(shù)據(jù)挖掘技術(shù)在中醫(yī)證治規(guī)律研究中的應(yīng)用

20世紀(jì)80年代末，數(shù)據(jù)收集開(kāi)始發(fā)展，90年代以后，數(shù)據(jù)收集發(fā)生了迅速變化。從多年積累的大量數(shù)據(jù)中提取有用的信息和知識(shí),這一需要的不斷增強(qiáng)促進(jìn)了數(shù)據(jù)挖掘技術(shù)的快速發(fā)展。數(shù)據(jù)挖掘涉及的面很廣,目前尚無(wú)統(tǒng)一的定義。從功能作用看,數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中,提取隱含在其中的、潛在有用的信息和知識(shí)的過(guò)程;從學(xué)科角度看,數(shù)據(jù)挖掘是基于人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等技術(shù),高度自動(dòng)化地分析數(shù)據(jù),作出歸納性的推理,從中挖掘出潛在的模式或者行為,以幫助決策者作出正確決策的過(guò)程;從技術(shù)路線看,數(shù)據(jù)挖掘是從存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量數(shù)據(jù)中挖掘有趣知識(shí)的過(guò)程。通過(guò)數(shù)據(jù)挖掘,可對(duì)大量數(shù)據(jù)進(jìn)行數(shù)據(jù)特征化和區(qū)分、關(guān)聯(lián)分析、分類和預(yù)測(cè)、聚類分析、孤立點(diǎn)分析、演變分析等。目前,數(shù)據(jù)挖掘技術(shù)已廣泛應(yīng)用在商業(yè)、金融、工程、醫(yī)藥等領(lǐng)域,為人們提供了隱藏在大量數(shù)據(jù)背后的有用信息,協(xié)助人們做出決策和判斷。1中醫(yī)的“證”“治”中醫(yī)學(xué)是研究人體生理、病理、疾病的診斷與防治及其攝生康復(fù)具有獨(dú)特理論體系的一門傳統(tǒng)醫(yī)學(xué)科學(xué),是以氣一元論和陰陽(yáng)五行學(xué)說(shuō)為科學(xué)方法論,以整體觀念為指導(dǎo)思想,以臟腑經(jīng)絡(luò)的生理和病理為核心,以辨證論治為診療特點(diǎn)的醫(yī)學(xué)理論體系?！白C”是中醫(yī)學(xué)的一個(gè)特有概念,是對(duì)疾病過(guò)程中所處(當(dāng)前)階段的病位、病因、病性以及病勢(shì)所作的病理性概括,是對(duì)致病因素與機(jī)體反應(yīng)兩方面的綜合,是對(duì)疾病當(dāng)前本質(zhì)所作的結(jié)論。中醫(yī)學(xué)的“治”是探求“治病求本”,就是通過(guò)望、聞、問(wèn)、切四診和各種辨證等手段收集信息,綜合分析,辨清病因、病位、病性,透過(guò)現(xiàn)象找出疾病的本質(zhì),抓住病變的根本機(jī)制,做到治病求本。中醫(yī)辨證論治還強(qiáng)調(diào)“同病異治”和“異病同治”,即同一種疾病,由于病因病理及發(fā)展階段的不同,采用不同的治法稱為同病異治;而不同疾病,由于病因病理相同或處于同一性質(zhì)的病變階段(證候相同),而采用相同的治療方法稱為“異病同治”。充分體現(xiàn)了中醫(yī)學(xué)在整體觀和辨證論治原則上的靈活性。2數(shù)據(jù)挖掘方法中醫(yī)辨證論治從癥狀-疾病-證候-藥物組合-方劑等這一過(guò)程中,含有非線性、模糊性、復(fù)雜性、非定量等思想,由此產(chǎn)生的中醫(yī)數(shù)據(jù)也具有非線性、模糊性、非定量等特征。數(shù)據(jù)挖掘技術(shù)本身所具有的特點(diǎn),使其自然成為能從中醫(yī)海量數(shù)據(jù)中探索規(guī)律和有興趣知識(shí)的主要技術(shù)之一。利用數(shù)據(jù)挖掘技術(shù),建立中醫(yī)專家知識(shí)、中醫(yī)病歷信息的有效海量數(shù)據(jù),通過(guò)有效的算法及其程序系統(tǒng),可歸納、整理和發(fā)現(xiàn)中醫(yī)證治的規(guī)則,揭示出中醫(yī)臨床證治規(guī)律。目前國(guó)外己有不少這方面的成功案例,顯示出數(shù)據(jù)挖掘技術(shù)用于疾病輔助診治的廣闊應(yīng)用前景。中醫(yī)數(shù)據(jù)含有不確定性和模糊性,不完整性和冗余性,時(shí)序性和非時(shí)序性,定量性與非定量性等特點(diǎn),數(shù)據(jù)之間關(guān)系復(fù)雜。這也決定了醫(yī)學(xué)數(shù)據(jù)挖掘的特殊性,使得中醫(yī)數(shù)據(jù)挖掘與普通的數(shù)據(jù)挖掘存在較大的差異,加大了數(shù)據(jù)挖掘難度。目前,大部分中醫(yī)證治數(shù)據(jù)挖掘研究人員,特別是醫(yī)學(xué)專業(yè)人員,大都采用數(shù)理統(tǒng)計(jì)軟件SAS和SPSS軟件進(jìn)行中醫(yī)證治規(guī)律數(shù)據(jù)挖掘研究,但效果不夠理想。這些軟件大都采用多元統(tǒng)計(jì)方法,對(duì)定性變量進(jìn)行二值量化,將復(fù)雜問(wèn)題進(jìn)行線性簡(jiǎn)化,有利于對(duì)復(fù)雜問(wèn)題的簡(jiǎn)單描述,但很可能與實(shí)際問(wèn)題脫節(jié),因?yàn)槎ㄐ宰兞康亩盗炕蛔阋匀姹磉_(dá)其原有的含義,而線性簡(jiǎn)化容易不加區(qū)別地處理每個(gè)變量對(duì)結(jié)果的影響。特別對(duì)研究中醫(yī)學(xué)疾病與證候之間、癥狀與證候之間、證候與證候之間、證候與理化指標(biāo)之間等存在大量具有模糊性、多維性和非線性的關(guān)系時(shí),可能失效,并引起一些不良推斷。此外,一些研究人員采用一、二個(gè)數(shù)據(jù)挖掘方法進(jìn)行挖掘時(shí),也常常出現(xiàn)挖掘出的規(guī)則與臨床實(shí)際情況偏差較大的情況。目前數(shù)據(jù)挖掘方法在中醫(yī)證治研究中,主要應(yīng)用在如下幾方面。2.1疾病的一般特征描述、分類與分級(jí),證型的分布和癥狀構(gòu)成等,可采用聚類分析、集對(duì)分析、支持向量機(jī)、主成分分析、多因子分析、決策樹(shù)等方法。白遵光等使用SPSS11.0的聚類分析方法,發(fā)現(xiàn)梗阻腎解除梗阻后的中醫(yī)證候具有三大特點(diǎn);李建生等使用SPSS11.0的聚類分析與徑向基神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行分析,證明了氣陰兩虛證≠陰虛證+氣虛證,氣陰兩虛證與陰虛證、氣虛證是二元線性關(guān)系;鄧兆智等采用動(dòng)態(tài)聚類法在多維空間進(jìn)行分類,可以得出類風(fēng)濕性關(guān)節(jié)炎5種證型。張琴等使用SAS軟件的聚類和主成分分析,并結(jié)合專業(yè)知識(shí)對(duì)肝炎肝硬化中醫(yī)常見(jiàn)的證候作出判別;徐蕾等采用決策樹(shù)進(jìn)行中醫(yī)辨證分型分析,共篩選出26個(gè)變量,發(fā)現(xiàn)與臨床實(shí)際情況基本相符。JassJR等用決策樹(shù)對(duì)散發(fā)性結(jié)、直腸癌的形態(tài)學(xué)進(jìn)行研究便于加以細(xì)分;陳啟光等采用因子分析方法,發(fā)現(xiàn)肝陽(yáng)上亢與痰濁阻遏證存在正相關(guān),而脾腎陽(yáng)虛與肝腎陰虛存在負(fù)相關(guān),耳鳴是肝腎陰虛主要癥狀。楊小波等用支持向量機(jī)(PSVM)數(shù)據(jù)挖掘算法,提高了中醫(yī)證候信息分類的正確率。聚類分析方法對(duì)兩個(gè)對(duì)象間距離和相異度度量的選擇,針對(duì)兩兩對(duì)象之間的“相似度”或“相異度”劃分不同類別,很容易得出研究者所需的癥狀群或者數(shù)據(jù)群,并進(jìn)行簡(jiǎn)單的一維解釋,但不能從多維和多層次角度來(lái)全面分析數(shù)據(jù)及解釋數(shù)據(jù)結(jié)構(gòu),而且中醫(yī)聚類變量的選擇,對(duì)結(jié)果往往影響較大,之前要進(jìn)行探索性分析,或憑專家經(jīng)驗(yàn)來(lái)確定。在中醫(yī)證候的研究中,聚類分析只能觀察某一方面的特征,而沒(méi)有具體結(jié)果度量。集對(duì)分析理論把不確定性與確定性作為一個(gè)系統(tǒng)來(lái)加以研究。借助對(duì)系統(tǒng)中確定性與不確定性相互依存、相互聯(lián)系、相互滲透,以及能在一定條件下相互轉(zhuǎn)化的特點(diǎn),研究不確定性在具體條件下的規(guī)律。但對(duì)不確定性的描述只能在系統(tǒng)層次上,不能確定對(duì)微觀層面的認(rèn)識(shí),僅適用于對(duì)中醫(yī)宏觀問(wèn)題的研究。決策樹(shù)描述簡(jiǎn)單直觀、分類速度快,效率高、特別適合中小規(guī)模數(shù)據(jù)處理,結(jié)果易于理解。對(duì)輸入數(shù)據(jù)的高維屬性和分類標(biāo)識(shí)具有更好的彈性和穩(wěn)健性(robust);決策樹(shù)算法節(jié)點(diǎn)數(shù)據(jù)的選擇要憑主觀確定,得到的分類精度不是很高,而且當(dāng)類別分得越多時(shí),精度就越低,甚至?xí)霈F(xiàn)異常情況。決策樹(shù)不能用于對(duì)連續(xù)型變量結(jié)果的預(yù)測(cè)。若中醫(yī)數(shù)據(jù)規(guī)模巨大,挖掘的結(jié)果其有效性可能要降低。PSVM是基于統(tǒng)計(jì)學(xué)習(xí)理論、針對(duì)小樣本學(xué)習(xí)問(wèn)題的一個(gè)理論框架,其計(jì)算復(fù)雜性與數(shù)據(jù)的維數(shù)不成正比,只和樣本的數(shù)量有關(guān),PSVM對(duì)數(shù)據(jù)庫(kù)中模式分類的準(zhǔn)確率一般要高于神經(jīng)網(wǎng)絡(luò)。但對(duì)于維數(shù)非常大的數(shù)據(jù),計(jì)算量可能變得非常巨大,而使用充足的基函數(shù)則數(shù)據(jù)是可分的,但可能出現(xiàn)過(guò)分?jǐn)M合。如限制中醫(yī)的維數(shù)在合理的范圍內(nèi),其作用是有效可行的。2.2各種屬性間(如疾病與證候之間、癥狀與證候之間、證候與證候之間、證候與理化指標(biāo)之間、病癥與用藥之間)的關(guān)聯(lián)等,常采用項(xiàng)集算法(有人簡(jiǎn)稱為關(guān)聯(lián)規(guī)則算法)、決策樹(shù)方法等。項(xiàng)集算法用得較多,張承江等用來(lái)進(jìn)行復(fù)方配伍規(guī)律的研究,發(fā)現(xiàn)在治療腎病時(shí)有各藥味同時(shí)出現(xiàn)的模式,驗(yàn)證中藥復(fù)方配伍的科學(xué)內(nèi)涵;王大阜用之挖掘中醫(yī)方劑數(shù)據(jù)集市中方劑配伍的隱藏規(guī)律,挖掘出藥物之間的相互聯(lián)系;武建虎等用來(lái)挖掘肝癌患者資料的關(guān)系規(guī)則,發(fā)現(xiàn)影響肝癌復(fù)發(fā)的變量值及變量值的組合;李曉毅等用之于挖掘胃癌診斷數(shù)據(jù)庫(kù)中的關(guān)聯(lián)規(guī)則,發(fā)現(xiàn)胃癌疾病與環(huán)境、飲食習(xí)慣、遺傳易感性間的關(guān)系,對(duì)胃癌病例的診斷和預(yù)防有重要的指導(dǎo)意義。武建虎等使用SAS8.2軟件進(jìn)行關(guān)聯(lián)挖掘,發(fā)現(xiàn)所得到的關(guān)聯(lián)規(guī)則基本揭示了數(shù)據(jù)所蘊(yùn)涵的信息,在大樣本、多變量醫(yī)學(xué)資料中具有一定的應(yīng)用價(jià)值;張勇晶等使用SPSS13.0軟件,對(duì)浙江嘉善腺癌現(xiàn)場(chǎng)調(diào)查數(shù)據(jù)庫(kù)用分決策樹(shù)模型進(jìn)行篩選,發(fā)現(xiàn)工人、教師和退休人員的腺癌發(fā)生率顯著高于其他人員,與實(shí)際情形基本相符。FischerJE等用決策樹(shù)指導(dǎo)患社區(qū)獲得性肺炎兒童的大環(huán)內(nèi)酯類藥的處方;ProtheroeJ等用決策樹(shù)協(xié)助動(dòng)脈纖維顫動(dòng)患者進(jìn)行治療方式的選擇。通過(guò)項(xiàng)集算法(如著名的Apriori算法等)可以尋找出相關(guān)聯(lián)的各個(gè)數(shù)據(jù),當(dāng)某些癥狀總是同時(shí)出現(xiàn)時(shí),可以從中找出某種證型規(guī)律,甚至是病機(jī)規(guī)律,算法簡(jiǎn)單,可解釋性強(qiáng);其缺點(diǎn)是計(jì)算時(shí)間長(zhǎng)、分析代價(jià)大。在觀測(cè)癥狀、證候與實(shí)驗(yàn)室指標(biāo)之間的關(guān)系時(shí)不足以反映臨床實(shí)際,可能產(chǎn)生大量無(wú)用的規(guī)則。為提高實(shí)際應(yīng)用價(jià)值,通常用最小支持度、最小置信度和興趣度來(lái)衡量關(guān)聯(lián)規(guī)則,最小支持度和置信度由專家或?qū)＜胰后w設(shè)定,不可避免受研究者主觀性影響;同時(shí)關(guān)聯(lián)規(guī)則所處理的屬性必須離散化,不能直接用于沒(méi)有進(jìn)一步分析或領(lǐng)域知識(shí)的預(yù)測(cè)。決策樹(shù)實(shí)際上可視為有監(jiān)督的項(xiàng)集生成器,當(dāng)樹(shù)把觀測(cè)數(shù)據(jù)分到惟一組中,每個(gè)決策樹(shù)規(guī)則的支持度和置信度可以輕易遍歷樹(shù)節(jié)點(diǎn)得到。通常通過(guò)局部決策樹(shù)模型,以獲得大量規(guī)則集,每個(gè)樹(shù)模型用支持度和置信度閾值進(jìn)行剪支,決策樹(shù)可容易地處理各種中醫(yī)變量。在算法運(yùn)用時(shí),最好先進(jìn)行聚類分析,確定相關(guān)屬性出現(xiàn)的頻度,并進(jìn)一步做主成分分析,以確定屬性的權(quán)重,然后進(jìn)行關(guān)聯(lián)分析,最后通過(guò)粗糙集方法,對(duì)挖掘出的關(guān)聯(lián)規(guī)則,在保留其原有分類能力不降低的情況下,消除重復(fù)、冗余以及無(wú)用的屬性,實(shí)現(xiàn)對(duì)規(guī)則的壓縮和再提煉,以提高結(jié)果的應(yīng)用價(jià)值。2.3在癥狀對(duì)證的貢獻(xiàn)率方面,主要采用貝葉斯網(wǎng)絡(luò)、粗糙集、神經(jīng)網(wǎng)絡(luò)方法。貝葉斯網(wǎng)絡(luò)方法應(yīng)用較多。王學(xué)偉等用于發(fā)現(xiàn)了血瘀證的7個(gè)關(guān)鍵癥狀,并定量計(jì)算其診斷貢獻(xiàn)度;朱文鋒等用于中醫(yī)辨證診斷數(shù)據(jù)中癥狀與證素間隸屬關(guān)系、證素之間組合關(guān)系的研究,結(jié)果表明其與中醫(yī)專家經(jīng)驗(yàn)有很高的吻合性。朱詠華等用于中醫(yī)辨證系統(tǒng)的研究,推理驗(yàn)證證候-證素-證名間的關(guān)系,其結(jié)果與中醫(yī)專家經(jīng)驗(yàn)有很高的吻合性。秦中廣等利用粗糙集理論建立中醫(yī)診斷類風(fēng)濕的模型,以抽取出中醫(yī)診斷的確定規(guī)則和可能規(guī)則,用來(lái)指導(dǎo)診斷。貝葉斯網(wǎng)絡(luò)學(xué)習(xí)技術(shù)能夠通過(guò)數(shù)據(jù)分析自動(dòng)創(chuàng)建貝葉斯網(wǎng)絡(luò),可以在較少的數(shù)據(jù)中學(xué)習(xí)到更準(zhǔn)確的模型,揭示中醫(yī)證候的結(jié)構(gòu)性質(zhì)、各屬性(包括癥狀、證候與實(shí)驗(yàn)室指標(biāo)等)間的先后關(guān)系,進(jìn)行因果關(guān)系分析和推理、計(jì)算出各屬性的條件概率等,以預(yù)測(cè)某些可能結(jié)果。它的缺點(diǎn)是,由于任意兩個(gè)節(jié)點(diǎn)間最多存在一條有向邊,這就決定了兩個(gè)結(jié)點(diǎn)的關(guān)系是有方向性的,是有先有后的,是一因一果的,不存在交互的、逆向的相關(guān)關(guān)系。這決定它未能全部處理中醫(yī)證候研究中各種繁雜的關(guān)系。神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)性和非線性處理的優(yōu)點(diǎn),對(duì)于連續(xù)和離散的屬性、定性和定量的屬性都可以使用,并且輸入屬性之間可以高度相關(guān),也可以相互獨(dú)立,與中醫(yī)證候等屬性的特點(diǎn)相吻合;可用于各種規(guī)則提取,對(duì)于訓(xùn)練數(shù)據(jù)中的錯(cuò)誤有非常好的穩(wěn)健性,分類精確。存在的缺點(diǎn):訓(xùn)練時(shí)間長(zhǎng),需大量的參數(shù)設(shè)置,往往只能根據(jù)使用者的經(jīng)驗(yàn)和需要解決的實(shí)際問(wèn)題的要求在實(shí)驗(yàn)中摸索,可解釋性差;可以通過(guò)機(jī)器學(xué)習(xí)的方法進(jìn)行自動(dòng)屬性權(quán)重系數(shù),但復(fù)雜度和運(yùn)算量往往很大。同決策樹(shù)一樣神經(jīng)網(wǎng)絡(luò)也存在過(guò)度擬合問(wèn)題。粗糙集理論是處理不精確和不確定問(wèn)題的數(shù)學(xué)方法,能處理大量非線性的不精確的、模糊的數(shù)據(jù),適用于具有離散特點(diǎn)的中醫(yī)屬性研究。其優(yōu)點(diǎn)在于它能利用數(shù)據(jù)本身提供的信息,知識(shí)的獲取階段不需要人類專家參與;搜索其最小集,并從經(jīng)驗(yàn)數(shù)據(jù)中獲取易于解釋的關(guān)系規(guī)則,當(dāng)知識(shí)和數(shù)據(jù)隨時(shí)間動(dòng)態(tài)發(fā)生變化時(shí),更新知識(shí)比較容易。粗糙集理論把中醫(yī)癥狀、證候與實(shí)驗(yàn)室指標(biāo)等看作是一種知識(shí),然后運(yùn)用復(fù)雜的數(shù)學(xué)方法進(jìn)行知識(shí)自挖掘及學(xué)習(xí),克服臨床醫(yī)生診斷的主觀性和片面性。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,粗糙集方法以直接的方式描述發(fā)現(xiàn)的知識(shí),并且非常容易轉(zhuǎn)換成可用的規(guī)則,易于理解,較好克服了神經(jīng)網(wǎng)絡(luò)將規(guī)則知識(shí)隱含于網(wǎng)絡(luò)的一系列連接和權(quán)值中、缺乏透明性、難于理解的缺點(diǎn)。如何尋求快速的簡(jiǎn)約算法是粗糙集理論要主要面對(duì)的困難問(wèn)題。2.4疾病、證候的演變預(yù)測(cè),中醫(yī)辨證關(guān)系及臨床療效,可采用決策樹(shù)、基于案例推理、神經(jīng)網(wǎng)絡(luò)方法、時(shí)間序列分析等。Burke等比較了用人工神經(jīng)網(wǎng)絡(luò)方法和其他統(tǒng)計(jì)學(xué)方法構(gòu)建的乳腺癌生存模型的預(yù)測(cè)精度,證實(shí)神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)實(shí)驗(yàn)中的25例患者的5年生存率上更精確。Verrelst等采用貝葉斯后驗(yàn)概率分布,幫助無(wú)經(jīng)驗(yàn)的婦科醫(yī)生在手術(shù)前辨別良性和惡性的卵巢癌,并經(jīng)婦科專家驗(yàn)證,發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)方法在輔助診斷上明顯優(yōu)于傳統(tǒng)方法。Lapuerta等將神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)冠狀動(dòng)脈疾病的發(fā)生,發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)比Cox回歸方法更適合應(yīng)用于復(fù)雜的臨床預(yù)測(cè)。查青林等利用決策樹(shù)模型方法,探索活動(dòng)期類風(fēng)濕性關(guān)節(jié)炎證候疾病信息與療效的關(guān)系,發(fā)現(xiàn)證病信息與中西醫(yī)療法療效的關(guān)系,符合中醫(yī)辨證論治個(gè)體化診療思想,有利于提高治療方案使用的針對(duì)性。基于案例的推理是用以往案例的知識(shí)或信息進(jìn)行相似案例問(wèn)題求解的方法,它在知識(shí)獲取、求解效率、求解質(zhì)量以及知識(shí)積累等方面,有著突出的優(yōu)勢(shì)。這一技術(shù)與醫(yī)療診斷具有較高的相似性,符合醫(yī)學(xué)專家迅速、準(zhǔn)確地求解新問(wèn)題的過(guò)程,患者在整個(gè)診治過(guò)程中,可以按時(shí)間段將其四診表現(xiàn)和實(shí)驗(yàn)指標(biāo)值的視作不同的個(gè)例,將最終結(jié)果情況看作目標(biāo)案例,并通過(guò)案例檢索與匹配計(jì)算,判定治療效果,并可以從過(guò)去的大量經(jīng)驗(yàn)中,很快找出相同或類似的病癥治療方法,從而獲得最好治療方案,快速達(dá)到患者治愈目標(biāo)。中醫(yī)診治的各項(xiàng)指標(biāo)或規(guī)則的屬性可構(gòu)成序列模式結(jié)構(gòu),這些指標(biāo)或?qū)傩栽诓煌瑫r(shí)間的值,便組成隨時(shí)間變化的序列模式,通過(guò)分析,可發(fā)現(xiàn)證候和癥狀的隨時(shí)間的變化規(guī)律和發(fā)展趨勢(shì)。目前的中醫(yī)藥臨床療效評(píng)價(jià)的體系仍在探索階段。郭新峰等總結(jié)我國(guó)臨床試