基于關聯規則的中醫皮膚科用藥規律探析

肖潔 冒宇清 李新霞

摘 要：數據挖掘是知識發現過程中的重要步驟，中醫藥數據挖掘是目前一個熱門的研究方向。文章探討了關聯規則方法中經典的Apriori算法在中醫藥數據挖掘中的應用，初步發現中醫治療皮膚科疾病常用方劑中的最主要中藥，對中醫臨床治療皮膚科疾病具有一定的參考意義。

關鍵詞：數據挖掘；Apriori；中醫皮膚科；頻繁項集

中醫是我國優秀的民族文化遺產，其歷史悠久，理論獨特、療效顯著，承載著中華民族幾千年的寶貴經驗和理論知識。對中醫在長期的醫療實踐中積累的大量數據進行整理，總結歸納其中的精髓，能夠豐富中醫的理論體系，推動中醫的發揚光大。數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的現實世界數據中，提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。因此可以運用數據挖掘技術對中醫藥的數據進行分析，從中獲得有價值的知識。中醫藥的數據挖掘就是對采集到的中醫藥類的數據進行分析處理，運用合適的挖掘算法對中醫診治過程中的辨證—治法—方劑—中藥進行挖掘，實現中醫藥的知識發現，為提高中醫藥理論研究和經驗總結提供支持。

1 數據挖掘與關聯規則

1.1 數據挖掘

數據挖掘又稱為數據庫知識發現，一般是從大量的數據中通過算法搜索尋找隱藏在數據背后的信息的一個過程。數據挖掘通常是與計算機相關技術有關的，通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現目的。

數據挖掘這一技術的關鍵就在于數據挖掘的方法，目前常用的方法有：因子分析、描述性分析、關聯規則、聚類分析、人工神經網絡、遺傳算法、對應分析、粗糙集、模糊集、決策樹方法、貝葉斯網絡、頻繁集方法和支持向量機等。當前數據挖掘這一技術最主要是應用在數據倉庫、數據挖掘語言、復雜數據類型等方面。

1.2 關聯規則

關聯規則是數據挖掘的核心技術之一，是通過對海量數據進行充分有效的分析與研究來獲取知識，尋找隱藏在數據中的關聯，以提高數據挖掘的效率。其最初是來源于“購物籃分析”，通過分析購物籃里各種商品的關聯程度來總結購物習慣，優化營銷。

關聯規則方法首先定義集合I={i1，i2，i3，…，in}，其中ik稱為項，n是集合I中項的個數，I集合也稱為項集。假設事務數據庫D是一個與任務相關的數據集合，其中每個事務T是一個項集的子集，即T?I，每個事務存在唯一的標識符TID。如果I中包含另一個項集X，當且僅當X?T時事務T包含X。關聯規則即為X?Y的蘊涵式，其中X?I，Y?I且X∩Y≠φ，表示若項集X在某一任務中出現，可致Y以某一概率出現。通常關聯規則可用3個標準衡量：支持度、置信度和提升度。支持度S是任務D中包含X和Y兩個事務的百分比，S（X?Y）=P（X∪Y）/P（D）。置信度C是在含有X的項集中同時含有Y的可能性，C（X?Y）=P（Y|X）。提升度L是置信度與項目集Y發生的概率之比，L（X?Y）= P（Y|X）/P（Y）。對于某個任務中的最小支持度的閾值，支持度大于等于該閾值的項集稱為頻繁項集，關聯規則算法發現事務中的頻繁項集，并且通過設置最小置信度以發現強關聯規則，即同時滿足最小支持度閾值和最小信任度閾值的關聯規則，最后通過不斷地重復修剪獲得所需的關聯規則。

2 Apriori算法

Apriori算法是一種經典的頻繁項集挖掘算法。Apriori的意思是先驗的、推測的，Apriori算法的核心思想就是先驗性：在進行推論的過程中滿足后續條件的結果一定是滿足之前的條件。Apriori算法采用逐層搜索迭代的方法獲得頻繁項集，先通過對事務數據庫的掃描找出支持度不小于最小支持度的頻繁項集[1]，再利用循環，對之前得到的頻繁項集中的項進行連接剪枝，生成新的候選項，掃描數據庫，計算支持度，從候選項集中刪除支持度小于最小支持度的候選項，直至不再有候選項集為止。

但隨著項目集個數的增加，產生的候選項集數目也隨之不斷增加，從而導致算法的效率迅速下降；同時在產生候選項后，還需要對每一項驗證其支持度，由于候選項數目巨大，對每個候選項的掃描又需要重新針對所有的數據庫進行，更進一步提高了計算機的工作負荷。針對這些不足，目前出現了很多Apriori算法的改進算法，例如韓家煒老師提出的FP-Growth算法，極大地減少了運算量，提高了數據挖掘的效率。但是由于Apriori算法能夠準確進行數據挖掘，且我們所用到的方劑數據對算法而言并不算大，對運行能力及運行速度沒有較明顯的影響，所以我們選擇采用這一算法來挖掘中醫方劑數據的用藥規律。

3 用藥規律

由于中醫治療皮膚科疾病方劑數據的復雜性與多樣性，在收集數據時就需要做好篩選和清洗工作。在數據錄入階段，進行規范化處理，并利用自然語言處理技術，去除無用的信息，統一中藥的名字，通過數據預處理工作，將原始數據轉化為數據挖掘方法所需要的數據形式。

本研究通過對大量中醫文獻中治療皮膚科疾病的記錄，以及南京中醫藥大學附屬醫院的名中醫治療皮膚科疾病的處方數據進行統計與分析，從所有方劑包含的中藥名中篩選得到320條數據，共計158味中藥。運用關聯規則方法中經典的Apriori算法進行挖掘，所挖掘出的頻繁項集是中醫治療皮膚科疾病方劑中的重要核心方，對中醫治療皮膚科疾病具有一定的研究價值。本次計算設置的最小支持度S為20%，最小置信度C為70%。通過實驗，得到本數據集所有方劑中的中藥頻繁項集，結果如表1所示。

通過Apriori算法對我們所得數據的挖掘，我們得到相關的研究結果，分析可知有“利水滲濕，健脾，寧心”性能的茯苓在這種以治療皮膚科疾病時是使用最多的一種中藥，頻率高達53%[2]，而具有“補血活血，調經止痛，潤腸通便”性能的當歸以及功效為“滋陰清熱，涼血補血”的生地黃也分別以49%，48%的占比緊跟其后[3]，生甘草、赤芍、川芎、牡丹皮、黃芩、梔子、澤瀉、防風、紅花這9味中藥也是較高頻度出現的[4]，也就是對于中醫治療皮膚科疾病而言，這12味中藥是最主要、最有效的，它們出現的原因自然也與它們的功效有著重要的聯系[5-6]，這也是我們以后實驗中更需要注意的方向，以便為中醫臨床治療提供更多有效的信息。

4 結語

本研究利用Apriori算法對中醫治療皮膚科疾病方劑進行關聯規則挖掘，在支持度為20%，置信度為70%的條件下得到核心中藥19味。該結果為中醫臨床治療皮膚科疾病提供了初步的治療依據，具有一定的參考價值。但中醫方劑的中藥頻數并不是中醫用藥規律的唯一要素，在接下來的研究中，需要進一步挖掘高頻中藥之間的關聯信息，并且結合證型、藥物的劑量和用藥周期等特征，對中醫用藥規律進行更深層次的挖掘，以發現更加有用的知識。

[參考文獻]

[1]汪玉薇.面向中醫處方的關聯規則挖掘模型改進與應用研究[D].武漢：湖北中醫藥大學，2017.

[2]劉廣.基于Apriori算法的中醫治療咳嗽關聯規則挖掘研究[J].信息系統工程，2016（7）：123，127.

[3]楊青.基于關聯規則的近十五年緊張型頭痛中醫用藥規律研究[D].濟南：山東中醫藥大學，2016.

[4]吳同恩.基于關聯規則的腦出血中醫用藥規律研究[D].濟南：山東中醫藥大學，2016.

[5]石昆.基于關聯規則三叉神經痛近十五年中醫用藥規律研究[D].濟南：山東中醫藥大學，2016.

[6]嚴剛.關聯規則算法在中醫數據挖掘中的應用[J].硅谷，2009（24）：65.