數(shù)據(jù)挖掘技術(shù)在中醫(yī)處方經(jīng)驗研究中的應(yīng)用

周旭 郭倩 白璐 徐晶

摘要：傳統(tǒng)的中醫(yī)藥科學(xué)在長期的醫(yī)療實踐中積累了海量的處方數(shù)據(jù)，數(shù)據(jù)挖掘是目前最有效的數(shù)據(jù)分析手段之一，利用數(shù)據(jù)挖掘技術(shù)從這些海量數(shù)據(jù)中發(fā)現(xiàn)蘊含其中的中醫(yī)藥知識，是一項極有價值的研究工作。本文主要采用數(shù)據(jù)挖掘中的Apriori關(guān)聯(lián)規(guī)則算法，對中醫(yī)處方數(shù)據(jù)進(jìn)行挖掘和總結(jié)：首先對采集的中醫(yī)藥數(shù)據(jù)進(jìn)行數(shù)字特征化處理；然后對中醫(yī)處方中藥物的頻繁項集和藥物之間的關(guān)聯(lián)關(guān)系進(jìn)行研究，并獲得了普通處方分析較難獲得的用藥規(guī)律及經(jīng)驗信息。研究成果對中醫(yī)臨床工作具有重要的指導(dǎo)意義。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；數(shù)字特征化；中醫(yī)

DOI：10.3969/j.issn.1005-5517.2016.2.009

信息技術(shù)正在經(jīng)歷著一次新的變革，互聯(lián)網(wǎng)、大數(shù)據(jù)等各種技術(shù)正在潛移默化的改變著人們的生活，數(shù)字化和數(shù)據(jù)化更是深深地影響著各行各業(yè)的每一個細(xì)節(jié)。很多信息早已開始儲存于各種類型的數(shù)據(jù)庫或者其他載體里，人們也已經(jīng)開始從眾多數(shù)據(jù)中，找出有益的規(guī)律。人們的關(guān)注點已經(jīng)由數(shù)據(jù)間的因果關(guān)系漸漸轉(zhuǎn)變?yōu)榭梢詭椭覀儾东@現(xiàn)在和預(yù)測未來的相關(guān)關(guān)系，即挖掘事物之間的關(guān)聯(lián)性.中醫(yī)在長期的醫(yī)療實踐中積累了海量的處方數(shù)據(jù)，如何有效的分析這些數(shù)據(jù)并發(fā)現(xiàn)規(guī)律以指導(dǎo)臨床應(yīng)用，成為中醫(yī)藥現(xiàn)代化研究中亟待解決的問題.數(shù)據(jù)挖掘作為一種有效的數(shù)據(jù)分析手段，已經(jīng)在中醫(yī)藥領(lǐng)域中得到廣泛應(yīng)用。

1數(shù)據(jù)挖掘技術(shù)

1.1數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘是從大量數(shù)據(jù)中挖掘有趣模式和知識的過程。從廣義上說，數(shù)據(jù)挖掘是對數(shù)據(jù)庫知識發(fā)現(xiàn)（KnowledgeDiscovery in Databases，KDD）的一個過程。作為一種通用技術(shù)，數(shù)據(jù)挖掘可以用于任何類型的數(shù)據(jù)，只要數(shù)據(jù)對目標(biāo)應(yīng)用是有意義的，數(shù)據(jù)源可以包括數(shù)據(jù)庫、數(shù)據(jù)倉庫、web、其他信息存儲庫或動態(tài)的流入系統(tǒng)的數(shù)據(jù)。

1.2中醫(yī)藥數(shù)據(jù)挖掘的意義

中醫(yī)藥領(lǐng)域的處方中通常包含大量的藥物及其劑量組成，伴隨著醫(yī)院信息化建設(shè)的大力推進(jìn)，這些藥方多以數(shù)據(jù)庫形式被保存，運用數(shù)據(jù)挖掘技術(shù)對中藥數(shù)據(jù)進(jìn)行科學(xué)分析，從而發(fā)現(xiàn)其中的配伍特點和規(guī)律成為很有現(xiàn)實意義的一項工作。

中醫(yī)藥數(shù)據(jù)挖掘的目的是通過對中醫(yī)處方中的中藥數(shù)據(jù)建立合適的模型，從而尋找藥物之間的頻繁模式和關(guān)聯(lián)規(guī)則，可以實現(xiàn)中醫(yī)用藥經(jīng)驗的有效總結(jié)和傳承。

1.3關(guān)聯(lián)規(guī)則算法

數(shù)據(jù)挖掘有很多模式，常見有關(guān)聯(lián)規(guī)則、聚類算法、分類算法等。關(guān)聯(lián)規(guī)則挖掘最初僅限于事務(wù)數(shù)據(jù)庫的布爾型關(guān)聯(lián)規(guī)則，近年來廣泛應(yīng)用于關(guān)系數(shù)據(jù)庫。關(guān)聯(lián)規(guī)則反映一個事物與其他事物之間的相互依存性和關(guān)聯(lián)性。如果兩個或者多個事物之間存在一定的關(guān)聯(lián)關(guān)系，那么其中一個事物就能夠通過其他事物預(yù)測到。

關(guān)聯(lián)規(guī)則就是支持度和信任度分別滿足用戶給定閾值的規(guī)則。Aprior是關(guān)聯(lián)規(guī)則模型中的經(jīng)典算法。本文主要使用基于頻繁項集的Apriori算法進(jìn)行數(shù)據(jù)建模，用以發(fā)現(xiàn)中藥配伍中的規(guī)律性。發(fā)現(xiàn)關(guān)聯(lián)規(guī)則需要經(jīng)歷如下兩個步驟：

步驟一：通過迭代，檢索出事務(wù)數(shù)據(jù)庫中的所有頻繁項集，即支持度不低于用戶設(shè)定的閾值的項集；

步驟二：利用頻繁項集構(gòu)造出滿足用戶最小信任度的規(guī)則。

2數(shù)據(jù)特征化和預(yù)處理

2.1實驗數(shù)據(jù)集

本文實驗數(shù)據(jù)來自河北中醫(yī)學(xué)院附屬醫(yī)院腎內(nèi)科陳志強(qiáng)教授于2014年5月至2015年7月診治的早中期慢性腎衰竭患者的病案。采集的病案內(nèi)容包括患者姓名、性別、年齡、原發(fā)病、癥狀、體征、腎功能指標(biāo)、中醫(yī)證候、中藥處方等。摘取其中的中藥信息，按照《中藥大辭典》統(tǒng)一藥物名稱。

2.2數(shù)據(jù)特征化

統(tǒng)計數(shù)據(jù)集的全部223條中醫(yī)處方，共出現(xiàn)中藥194味，根據(jù)專業(yè)經(jīng)驗，我們選取頻數(shù)在10%以上的中藥（視為高頻藥物）進(jìn)行數(shù)據(jù)挖掘。由于中藥處方中的中藥名稱以中文形式表示，因此需要將其進(jìn)行易于數(shù)據(jù)挖掘算法識別的數(shù)據(jù)特征化處理，方法如下：

（一）藥物表的特征化方法

根據(jù)醫(yī)務(wù)工作者的經(jīng)驗，將治療該病癥的常見中藥分為活血化瘀通經(jīng)類、清熱祛濕泄?jié)犷悺⑿袣庠餄窕殿悺⒁鏆饨∑仃栴悺⒀a(bǔ)益脾腎之陽類、滋養(yǎng)肝腎之陰類等六大類。將高頻藥物分別歸于這六大類中，針對每大類建立相應(yīng)的數(shù)據(jù)表。每條數(shù)據(jù)采用布爾常量的表示形式如圖1所示。

其中，第一項表示病人編號，每一條記錄表示一位病人的用藥信息，編號之后的每一位布爾數(shù)據(jù)表示某味中藥是否在該處方中出現(xiàn)，1表示出現(xiàn)，0表示未出現(xiàn)。

（二）類別表的特征化方法

為了進(jìn)一步分析各大類之間的關(guān)聯(lián)性，建立一個數(shù)據(jù)類別表（同一條處方中出現(xiàn)某一類藥物中兩味或兩味以上，即判定使用了該類別中藥）。每條記錄表示一位病人用藥的類別信息，其中第一項表示病人編號，編號之后的每一位表示該類別藥物是否在該處方中使用，1表示使用，0表示未使用。

按照上述方法建成中藥藥物數(shù)據(jù)庫，其中包括：包含所有藥物的處方數(shù)據(jù)集、統(tǒng)計藥物頻次的藥物計數(shù)數(shù)據(jù)集、由專業(yè)醫(yī)生按照性味、功用劃分的六種不同類別的高頻藥物數(shù)據(jù)集以及判斷處方中是否使用某類藥物的類別數(shù)據(jù)集。

3中醫(yī)處方經(jīng)驗的挖掘方法

3.1對每一類藥物中包含的各味中藥進(jìn)行關(guān)聯(lián)規(guī)則建模

首先對數(shù)據(jù)庫中的藥物進(jìn)行頻數(shù)統(tǒng)計，即在處方中出現(xiàn)的次數(shù)；然后將數(shù)據(jù)庫中所有同類別的藥物按照其在整體處方中出現(xiàn)的頻數(shù)降序排列。如果藥物排列靠前說明其在處方中出現(xiàn)頻率較高，為醫(yī)生的常用中藥，具有較高的參考價值。同時，參考專業(yè)醫(yī)生的經(jīng)驗，本文將支持度和置信度的閾值均設(shè)置為10%.將其視為指導(dǎo)臨床應(yīng)用意義較大.對各類藥物數(shù)據(jù)采用Apriori算法建模，生成每一類別中藥間的關(guān)聯(lián)規(guī)則。

3.2對六類藥物之間進(jìn)行關(guān)聯(lián)性規(guī)則建模

逐條分析223條中藥處方中所包含的藥物類別（同一條處方中出現(xiàn)某一類藥物兩味或兩味以上，即認(rèn)定含有該類別中藥），統(tǒng)計223條中藥處方中每一類別藥物的應(yīng)用頻數(shù)，將其在數(shù)據(jù)庫中由高到低依次排列.根據(jù)專業(yè)醫(yī)生的經(jīng)驗，設(shè)置支持度和置信度的閾值均為10%，將其視為指導(dǎo)臨床應(yīng)用意義較大.對類別數(shù)據(jù)采用Apriori算法建模，生成六類中藥其類別之間的關(guān)聯(lián)規(guī)則.

4關(guān)聯(lián)性分析

4.1同類別中藥的關(guān)聯(lián)分析

將關(guān)聯(lián)規(guī)則按照支持度降序排序，體現(xiàn)出常用藥對以及多味中藥同時出現(xiàn)的規(guī)律.以第一大類藥物為例，通過對關(guān)聯(lián)規(guī)則的統(tǒng)計分析發(fā)現(xiàn)：在此類中藥處方中，三味中藥同時出現(xiàn)的概率高達(dá)65%；四味中藥中藥同時出現(xiàn)的概率大約在31%左右；五味中藥同時出現(xiàn)的概率減少到14%左右；六味中藥同時出現(xiàn)的概率驟減到1%；而七味及以上中藥同時出現(xiàn)的概率則為0。第一類藥物的部分關(guān)聯(lián)規(guī)則如表P。

對同一類藥物，本文采用定向網(wǎng)絡(luò)關(guān)系圖表示藥對之間的關(guān)系。連接兩位中藥之間的連線越粗，表明這個藥對出現(xiàn)在處方中的頻數(shù)越高；越細(xì)就表明這個藥對出現(xiàn)在處方中的頻率越低.圖2所示為輸出第一類藥物中頻數(shù)最高的中藥與其它各味中藥的關(guān)聯(lián)關(guān)系的定向網(wǎng)絡(luò)圖。

結(jié)論分析：

縱觀全部類別的所有頻繁項集，發(fā)現(xiàn)在各類藥物中，往往是同類別藥物多味聯(lián)用，以增強(qiáng)其功效；而在聯(lián)用時，又會有一定的味數(shù)限制，數(shù)目通常為三味至五味為多。通過定向網(wǎng)絡(luò)圖可以分析出針對某一種藥物與其它中藥成對出現(xiàn)的規(guī)律：由處方中頻數(shù)高的藥物組成的藥對，其之間的關(guān)聯(lián)關(guān)系更為密切。

4.2不同類別藥物之間的關(guān)聯(lián)性分析

在223條有效的類別數(shù)據(jù)記錄中，生成的規(guī)則總數(shù)為154條，為了便于結(jié)果分析，將其按照支持度降序排列。通過對關(guān)聯(lián)規(guī)則的統(tǒng)計分析得出：前兩類藥的支持度高達(dá)95.5%；前三類藥的支持度為89%；前四類藥的支持度為70.9%；前五類藥的支持度驟減到25.6%；而全部六類藥的支持度僅為5.8%。現(xiàn)僅摘取前項含有前兩類中藥的關(guān)聯(lián)規(guī)則見表2。

結(jié)論分析：

前四類中藥之間的相互關(guān)系最為密切，其次是這四類中藥分別與第五、六類之間的關(guān)系，而第五、六類中藥之間關(guān)系的密切程度則大大降低。從關(guān)聯(lián)規(guī)則的結(jié)果可以分析得出前四個類別的藥物屬于常用和聯(lián)用的藥物。

5結(jié)語

本文通過對中藥數(shù)據(jù)集的特征化處理，采用基于頻繁項集的Apriori經(jīng)典關(guān)聯(lián)規(guī)則算法，對中醫(yī)處方中藥物的頻繁項集和藥物之間的關(guān)聯(lián)關(guān)系進(jìn)行了有益的探索，發(fā)現(xiàn)了常用藥物組合及配伍特點，獲得了普通處方分析較難獲得的處方經(jīng)驗信息.實驗結(jié)果證明：使用關(guān)聯(lián)規(guī)則對中藥數(shù)據(jù)庫建模，可以挖掘出中醫(yī)在治療某種疾病方面的用藥特點，為研究臨床用藥規(guī)律提供了有效方法。