基于智能算法的中醫(yī)治療糖尿病數(shù)據(jù)挖掘

陳巧俊　葉輝

摘 要：本文主要研究數(shù)據(jù)挖掘在糖尿病中醫(yī)證候及方藥規(guī)律等方面的應(yīng)用。利用醫(yī)案數(shù)據(jù)，對(duì)數(shù)據(jù)預(yù)處理之后，用頻數(shù)統(tǒng)計(jì)、關(guān)聯(lián)分析、貝葉斯分類(lèi)等算法分析糖尿病在中醫(yī)中的臨床表現(xiàn)、常用藥物及組合、證候與治法等。并用貝葉斯分類(lèi)器訓(xùn)練模型，以預(yù)測(cè)相關(guān)臨床表現(xiàn)的糖尿病類(lèi)型。

關(guān)鍵詞：糖尿病 數(shù)據(jù)挖掘 方藥 臨床決策

中圖分類(lèi)號(hào)：R259 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9082（2017）06-0214-01

一、引言

糖尿病是21世紀(jì)最具挑戰(zhàn)性的嚴(yán)重影響我國(guó)人民健康的慢性疾病之一。中醫(yī)學(xué)以其順應(yīng)自然和具有整體觀的理念，卓越的治療效果而享譽(yù)全世界。

本論文以中醫(yī)治療糖尿病為背景，針對(duì)醫(yī)案中的方藥、臨床表現(xiàn)等用關(guān)聯(lián)規(guī)則、描述統(tǒng)計(jì)等相關(guān)挖掘算法對(duì)糖尿病進(jìn)行分析，使得結(jié)論能夠展示糖尿病的中醫(yī)醫(yī)案的治療方法的大體情況，是全面整理總結(jié)糖尿病治療經(jīng)驗(yàn)的有益探索。

二、研究過(guò)程與結(jié)論

1.醫(yī)案數(shù)據(jù)預(yù)處理

首先對(duì)糖尿病臨床數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，處理其中不一致的數(shù)據(jù)，填補(bǔ)空缺值。針對(duì)病歷中“癥狀”、“治法”、“方藥”信息描述存在的多詞一意、表述模糊、意義重疊等現(xiàn)象，通過(guò)癥狀藥材規(guī)范化去除同義詞，對(duì)數(shù)據(jù)進(jìn)行規(guī)范化和數(shù)值化處理。

其次對(duì)數(shù)據(jù)進(jìn)行深入處理，保留需要的字段，進(jìn)行數(shù)據(jù)分組、人工合并同義詞、分詞統(tǒng)計(jì)等，完成數(shù)據(jù)清洗。

2.挖掘分析

2.1我們對(duì)患糖尿病的病人進(jìn)行年齡分組后，對(duì)病人的年齡和性別分布情況進(jìn)行分析，得出糖尿病高發(fā)人群在40-70歲之間，男女差異不大。

2.2常見(jiàn)臨床表現(xiàn)

乏力、口干、浮腫等是糖尿病患者常見(jiàn)的臨床表現(xiàn)，根據(jù)其常見(jiàn)臨床表現(xiàn)的綜合可以初步判斷是否患糖尿病。

可以利用樸素貝葉斯算法對(duì)不同臨床表現(xiàn)進(jìn)行文本分類(lèi)，找出各種類(lèi)型糖尿病中具有代表性的一些癥狀。

根據(jù)臨床表現(xiàn)，預(yù)測(cè)糖尿病發(fā)生與類(lèi)型：

①對(duì)臨床表現(xiàn)，采用jieba中文分詞工具，對(duì)癥狀分詞。

②使用TF-IDF對(duì)分詞的結(jié)果進(jìn)行權(quán)重計(jì)算，人工打類(lèi)型標(biāo)簽

TFIDF的主要思想是：如果某個(gè)詞或短語(yǔ)在一篇文章中出現(xiàn)的頻率TF高，并且在其他文章中很少出現(xiàn)，則認(rèn)為此詞或者短語(yǔ)具有很好的類(lèi)別區(qū)分能力，適合用來(lái)分類(lèi)。它傾向于過(guò)濾常見(jiàn)詞語(yǔ)，保留重要詞語(yǔ)。

詞頻TF指某一個(gè)給定的詞語(yǔ)在該文件中出現(xiàn)的頻率。對(duì)于在某一特定文件里的詞語(yǔ)來(lái)說(shuō)，它的重要性可表示為

逆向文件頻率IDF是一個(gè)詞語(yǔ)普遍重要性的度量。某一特定詞語(yǔ)的IDF，可以由總文件數(shù)目除以包含該詞語(yǔ)之文件的數(shù)目，再將得到的商取對(duì)數(shù)得到

③使用貝葉斯模型訓(xùn)練樣本，得到不同類(lèi)型糖尿病的特征臨床表現(xiàn)

在很多情況下，臨床表現(xiàn)之間的特征之間沒(méi)辦法完全獨(dú)立，彼此不獨(dú)立的特征之間的關(guān)系沒(méi)法通過(guò)樸素貝葉斯分類(lèi)器訓(xùn)練。而貝葉斯網(wǎng)絡(luò)引入了一個(gè)有向無(wú)環(huán)圖和一個(gè)條件概率表集合，DAG的結(jié)點(diǎn)V包括隨機(jī)變量，有向連接E（A->B）表示結(jié)點(diǎn)A是結(jié)點(diǎn)B的parent，且B與A是有依賴(lài)關(guān)系的。同時(shí)引入了一個(gè)條件性獨(dú)立概念：即圖中任意結(jié)點(diǎn)v在給定v的parent結(jié)點(diǎn)的情況下，與圖中其它結(jié)點(diǎn)都是獨(dú)立的，也就是說(shuō)P（v|par（v），x1，x2...，xn） = P（v|par（v））。這里par（v）表示v的parent結(jié)點(diǎn)集，x1，x2，...，xn表示圖中其它結(jié)點(diǎn)。

④用訓(xùn)練好的模型進(jìn)行預(yù)測(cè)，可以較好的根據(jù)臨床表現(xiàn)判斷是否患有糖尿病以及進(jìn)行簡(jiǎn)單的糖尿病類(lèi)型判斷。

2.3方藥的分析挖掘

采用關(guān)聯(lián)規(guī)則算法，確定處方中各藥物和藥物間關(guān)聯(lián)規(guī)則、核心藥物組合等。結(jié)果顯示，高頻次藥物為茯苓：30%，黃芪：24%，山藥22%，丹參21.8%，可見(jiàn)這四種藥物是治療糖尿病的核心用藥。支持度和置信度總是伴隨關(guān)聯(lián)規(guī)則存在，是對(duì)關(guān)聯(lián)規(guī)則的必要補(bǔ)充。對(duì)某條關(guān)聯(lián)規(guī)則而言，支持度是指在所有的事務(wù)中同時(shí)出現(xiàn)A和B的概率。而置信度是說(shuō)所有事務(wù)中在出現(xiàn)A的情況下出現(xiàn)B的概率，即條件概率。

2.4糖尿病證候和治法概述

根據(jù)分析，氣陰兩虛為早期糖尿病的主要證型，因此益氣養(yǎng)陰對(duì)于預(yù)防和治療早期糖尿病具有重要意義。

治法就是對(duì)中醫(yī)證候用相應(yīng)措施來(lái)“對(duì)癥下藥”，益氣、活血、滋陰、清熱、健脾是最常用的方法。方劑六味地黃丸、消渴丸有良好的治療效果。除了藥物治療外，中醫(yī)還支持很多其他治療，尤其以針灸最為盛行。

三、結(jié)語(yǔ)

本文基于大量的糖尿病臨床診斷數(shù)據(jù)探討糖尿病的治療規(guī)律。能夠清晰的展示糖尿病的中醫(yī)治療方法的大體情況，了解糖尿病的現(xiàn)狀。

利用各種智能算法來(lái)對(duì)醫(yī)案或者醫(yī)療記錄進(jìn)行挖掘已經(jīng)成為一種趨勢(shì)，相信未來(lái)在深度學(xué)習(xí)和人工智能技術(shù)的不斷發(fā)展下，中醫(yī)藥將會(huì)迎來(lái)新的研究方向與機(jī)遇。

參考文獻(xiàn)

[1] 陳克龍， 樊永平. 數(shù)據(jù)挖掘中的分類(lèi)算法及其在中醫(yī)證候?qū)W中的應(yīng)用[J]. 中華中醫(yī)藥雜志， 2011（3）：469-473.

[2] 吳嘉瑞， 王凱歡， 紀(jì)凱，等. 基于數(shù)據(jù)挖掘的中醫(yī)治療糖尿病處方用藥規(guī)律分析[J]. 中國(guó)實(shí)驗(yàn)方劑學(xué)雜志， 2015（22）：214-217.

作者簡(jiǎn)介：陳巧俊，女，浙江金華人，本科在讀，研究方向：數(shù)據(jù)分析、機(jī)器學(xué)習(xí)

通訊作者：葉輝，，男，講師研究方向：醫(yī)學(xué)信息學(xué)、醫(yī)學(xué)自然語(yǔ)言處理