基于深度神經(jīng)網(wǎng)絡(luò)的肝硬化中醫(yī)治療預(yù)測研究*

肖 瑞 裴 衛(wèi) 胡馮菊 肖 勇

(湖北中醫(yī)藥大學(xué)信息工程學(xué)院 武漢 430065)

1 引言

中醫(yī)病歷又稱醫(yī)案、診籍, 是中醫(yī)臨床各科醫(yī)生對具體患者進(jìn)行辨證論治的文字記錄, 包括患者的生活習(xí)性、病情、診斷、治療及預(yù)后等情況, 從而成為保存、查核、考評乃至研究具體醫(yī)生開展具體診療活動的檔案資料[1]。但隨著信息化、網(wǎng)絡(luò)化的不斷推進(jìn)，電子病歷已成為現(xiàn)今醫(yī)療記錄的大趨勢[2]。應(yīng)用電子病歷不僅提高就診效率、規(guī)范中醫(yī)行業(yè)術(shù)語，還為后期中醫(yī)藥研究提供數(shù)據(jù)資源。中醫(yī)電子病歷除具備一般電子病歷的特征外還具有自身的特殊性。在病歷內(nèi)容上不僅包括四診、辯證、立法、處方，西醫(yī)檢查和診斷等現(xiàn)代醫(yī)學(xué)診療信息，還包括中醫(yī)學(xué)辨證論治的診療信息；在病歷結(jié)構(gòu)上既要滿足醫(yī)療、法律、管理的要求，還要滿足中醫(yī)臨床信息全面、準(zhǔn)確采集的要求并做到高度結(jié)構(gòu)化，以便對四診信息中的定性描述進(jìn)行量化記錄；在標(biāo)準(zhǔn)規(guī)范化上，建立統(tǒng)一、全面、規(guī)范的中醫(yī)治療術(shù)語詞表以便對診療用語進(jìn)行規(guī)范；在診療處方上，中醫(yī)處方及中藥的藥療醫(yī)囑與西醫(yī)處方和配藥有很大不同，其配藥流程和西醫(yī)也不相同[3-4]。

肝硬化是由各種因素導(dǎo)致慢性肝損害的一類晚期肝纖維化疾病，肝移植是治療肝硬化唯一有效手段,但受到供肝及費(fèi)用等問題限制[5]。查閱近10年關(guān)于中醫(yī)藥治療肝硬化腹水的相關(guān)文獻(xiàn)可知，從病因病機(jī)及中醫(yī)治療兩方面而言，肝硬化腹水的中醫(yī)病機(jī)為正氣虧虛,氣滯、水停、血瘀3者錯綜為患，中醫(yī)治療以辨證分型施治、基本方加減、外治法為主[6]。

2 研究現(xiàn)狀

在電子病歷研究方面國內(nèi)外均有一定成果。王昱[7]等基于電子病歷數(shù)據(jù)進(jìn)行臨床接觸支持研究，對電子病歷數(shù)據(jù)進(jìn)行挖掘。李昆[8]等利用深度學(xué)習(xí)方法結(jié)合傳統(tǒng)機(jī)器學(xué)習(xí)方法，在電子病歷匿名化、胎兒體重預(yù)測和疾病分類預(yù)測等方面進(jìn)行預(yù)測模型構(gòu)建的嘗試。李準(zhǔn)[9]等研究冠心病電子病歷中與患者、疾病相關(guān)的指標(biāo)，對冠心病進(jìn)行分類，進(jìn)一步探討檢查檢驗(yàn)結(jié)果與用藥之間的關(guān)聯(lián)性。商金秋[10]等通過電子病歷進(jìn)行數(shù)據(jù)預(yù)處理和結(jié)構(gòu)化提取，結(jié)合具體需求進(jìn)行可視化組織與分析。蔣慧麗[11]等提出基于語義技術(shù)的電子病歷信息集成框架，利用該框架解決電子病歷集成及推理問題。陸奕宇[12]等通過對慢性乙型肝炎(乙肝)及肝炎后肝硬化中醫(yī)證候分類進(jìn)行系統(tǒng)生物學(xué)研究,為乙肝及肝炎后肝硬化的診斷和個(gè)體化治療提供參考依據(jù)。本文以中醫(yī)電子病歷中肝硬化數(shù)據(jù)為研究基點(diǎn)，從中醫(yī)治療肝硬化的檢查指標(biāo)入手，通過對電子病歷中檢查數(shù)據(jù)進(jìn)行主成份分析(Principal Component Analysis，PCA)，提取出符合要求的致病指標(biāo)(特征)，構(gòu)建致病指標(biāo)和診斷結(jié)果二元組，將得到的致病指標(biāo)與診斷結(jié)果二元組進(jìn)行深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)預(yù)測和支持向量機(jī)(Support Vector Machine，SVM)分類處理，通過對兩種模型結(jié)果對比分析，對肝硬化中醫(yī)電子病歷中檢查與診斷結(jié)果的關(guān)系進(jìn)行研究。其中SVM是基于統(tǒng)計(jì)學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的分類方法[13], 是一種監(jiān)督化學(xué)習(xí)分類模型。基本模型定義為特征空間上的間隔最大的線性分類器，其學(xué)習(xí)策略是間隔最大化，最終可轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問題的求解。基本原理是通過將非線性數(shù)據(jù)映射到高維特征空間，在這個(gè)空間構(gòu)造最優(yōu)分類超平面，該超平面使類別間的分類間隔最大，有效克服維數(shù)災(zāi)難和過擬合等傳統(tǒng)算法的缺點(diǎn)，能處理小樣本、非線性、高維數(shù)據(jù)，因而成為研究復(fù)雜系統(tǒng)問題的熱點(diǎn)算法。

3 前期準(zhǔn)備

3.1 數(shù)據(jù)來源

以某地區(qū)三甲中醫(yī)院2015年1月-2016年1月期間診斷結(jié)果為乙肝肝硬化和非乙肝肝硬化的1 273例門診記錄的電子病歷為數(shù)據(jù)來源(參照2011年8月中國中西醫(yī)結(jié)合學(xué)會消化系統(tǒng)疾病專業(yè)委員會制定的《肝硬化中西醫(yī)結(jié)合診療共識》[14])。字段主要由診療記錄中的患者基本信息(門診號、西醫(yī)診斷、性別、年齡等)、檢驗(yàn)(首次來末次檢查總膽紅素、凝血酶原時(shí)間、白蛋白等)、檢查(部位、時(shí)間、報(bào)告結(jié)果等)以及中醫(yī)診斷信息構(gòu)成。

3.2 納入標(biāo)準(zhǔn)

該中醫(yī)院屬于國家重點(diǎn)專科醫(yī)院，中醫(yī)電子病歷數(shù)據(jù)結(jié)構(gòu)化程度較為規(guī)整，根據(jù)篩查檢驗(yàn)檢查結(jié)果，借助具有多年臨床經(jīng)驗(yàn)的醫(yī)生的指導(dǎo)，將有明確診斷結(jié)果的數(shù)據(jù)納入。對于檢查檢驗(yàn)指標(biāo)缺少數(shù)據(jù)則不納入使用。不影響實(shí)驗(yàn)的指標(biāo)缺失，如個(gè)人信息，納入使用。按此標(biāo)準(zhǔn)進(jìn)行統(tǒng)計(jì)納入，最終符合要求數(shù)據(jù)為1 243例。

3.3 數(shù)據(jù)預(yù)處理

特指對中醫(yī)檢查數(shù)據(jù)的預(yù)處理，主要是針對中醫(yī)檢查數(shù)據(jù)中的常規(guī)字段，包括對檢查數(shù)據(jù)進(jìn)行修正和規(guī)范化。主要是對表意不明確或有歧義的數(shù)據(jù)進(jìn)行修正，主要由臨床醫(yī)師進(jìn)行人工篩查、糾正。對檢查數(shù)據(jù)的規(guī)范化主要由于檢查數(shù)據(jù)中存在一種指標(biāo)有多種說法或有的說法不規(guī)范，先通過模糊查找，再通過醫(yī)學(xué)相關(guān)專業(yè)人員輔助核定。

3.4 特征提取

完成源數(shù)據(jù)預(yù)處理后進(jìn)行特征提取，主要是通過主成份分析法對肝硬化檢查指標(biāo)進(jìn)行分析，提取數(shù)據(jù)中的中醫(yī)檢查數(shù)據(jù)，重點(diǎn)對中醫(yī)檢查部位、結(jié)果等方面進(jìn)行主成份分析，具體步驟為：將檢查記錄中各項(xiàng)數(shù)據(jù)按句號進(jìn)行分列，人工剔除不可用或無效信息指標(biāo)；規(guī)整數(shù)據(jù)，統(tǒng)計(jì)診斷指標(biāo)總數(shù)；統(tǒng)計(jì)源數(shù)據(jù)中每個(gè)診斷指標(biāo)出現(xiàn)次數(shù)，計(jì)算各診斷指標(biāo)頻率；將各診斷指標(biāo)頻率除以診斷指標(biāo)總數(shù)，計(jì)算每個(gè)診斷指標(biāo)占有率；通過診斷指標(biāo)占有率進(jìn)行指標(biāo)篩選，選取診斷指標(biāo)占有率高的指標(biāo)，確定為主要致病指標(biāo)，即為特征。按照納入標(biāo)準(zhǔn)完成數(shù)據(jù)預(yù)處理后，利用特征構(gòu)建方法對檢查記錄各項(xiàng)數(shù)據(jù)進(jìn)行分列，得到共包含指標(biāo)數(shù)據(jù)4 914條(含重復(fù)項(xiàng))；對分列數(shù)據(jù)進(jìn)行規(guī)整統(tǒng)計(jì)后共包含指標(biāo)數(shù)據(jù)2 002條(不含重復(fù)項(xiàng))；對規(guī)整后數(shù)據(jù)進(jìn)行統(tǒng)計(jì)指標(biāo)占有率篩選后最后得到主要用于訓(xùn)練模型指標(biāo)數(shù)據(jù)140條。

4 模型構(gòu)建

本研究使用的中醫(yī)電子病歷門診數(shù)據(jù)中包含明確的診斷結(jié)果，對于未包含明確診斷結(jié)果的數(shù)據(jù)進(jìn)行剔除處理，通過對病例特征分析得到可用特征，將可用特征與疾病的明確結(jié)果相結(jié)合，構(gòu)建致病指標(biāo)與診斷結(jié)果二元組，將獲取的特征按照one-hot representation編碼規(guī)則進(jìn)行編碼，每一病例均以特征展開而構(gòu)成特征向量，以此構(gòu)建特征矩陣。將構(gòu)建好的特征矩陣進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測分析和SVM分類器訓(xùn)練，其中神經(jīng)網(wǎng)絡(luò)模型中輸出層和SVM分類器結(jié)果均定義為二維向量形式，表示電子病歷中檢查結(jié)果為陰性和陽性，即代表是否患病。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中對每個(gè)訓(xùn)練樣本存在一個(gè)標(biāo)準(zhǔn)輸出，即標(biāo)簽y，取值為1或0，使用交叉熵?fù)p失函數(shù)優(yōu)化此神經(jīng)網(wǎng)絡(luò)模型，其交叉熵表達(dá)式為：

l=-yln(y′)-(1-y)ln(1-y′)

(1)

(2)

對于一個(gè)訓(xùn)練集St來說，將其均勻劃分為多個(gè)小數(shù)據(jù)集(mini-batch)：Sti，每個(gè)mini-batch中具有M個(gè)訓(xùn)練樣本，對訓(xùn)練集Sti={x1，x2，…，xM}而言，交叉熵總和為：

(3)

損失函數(shù)為l，因此優(yōu)化目標(biāo)是盡可能地減小l，即(min(l))。

神經(jīng)網(wǎng)絡(luò)預(yù)測模型，見圖1。圖例通過Visio繪制，最底層為輸入層，也就是構(gòu)建的特征矩陣，共140維；最頂層為輸出層，與診斷結(jié)果相對應(yīng)，共2維，即代表肝硬化檢查結(jié)果是陰性還是陽性(是否患肝硬化)。

圖1 神經(jīng)網(wǎng)絡(luò)預(yù)測模型

根據(jù)電子病歷診斷信息可將診斷數(shù)據(jù)分為兩類：診斷結(jié)果為陽性或陰性。構(gòu)建出二分類SVM分類器，通過與神經(jīng)網(wǎng)絡(luò)模型相同的數(shù)據(jù)集進(jìn)行訓(xùn)練，將結(jié)果與神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行對比分析。

5 結(jié)果分析

深度神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果，見表1、表2。兩表分別是迭代100次和1 000次的結(jié)果，另外對訓(xùn)練和測試數(shù)據(jù)進(jìn)行不同比例的預(yù)測。結(jié)果表明運(yùn)用本研究使用的方法預(yù)測結(jié)果準(zhǔn)確率可達(dá)到80%，其中訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)的比值在7∶3較為合適。

表1 預(yù)測結(jié)果(迭代100次)

表2 預(yù)測結(jié)果(迭代1 000次)

在進(jìn)行SVM訓(xùn)練中陽性和陰性分別用+1和 -1表示，通過已構(gòu)建的特征向量，采用SVM模型進(jìn)行訓(xùn)練，Libsvm開源軟件包，利用n-fold進(jìn)行交叉驗(yàn)證，其中n取值為10，通過反復(fù)試驗(yàn)跳轉(zhuǎn)參數(shù)，最終結(jié)果,見表3。

表3 SVM實(shí)驗(yàn)結(jié)果

通過對比可以看出在兩者預(yù)測準(zhǔn)確率均達(dá)到80%的情況下神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確率相對于SVM模型準(zhǔn)確率要高。表明篩選出的診斷肝硬化的指標(biāo)可作為診斷肝硬化核心指標(biāo)，以該指標(biāo)構(gòu)建訓(xùn)練的模型可對患者進(jìn)行肝硬化預(yù)測診斷，若將該模型應(yīng)用于臨床能夠有效降低患者就醫(yī)成本，提高醫(yī)生診療效率，對臨床診斷肝硬化或研究其他疾病具有一定指導(dǎo)意義。

6 討論

6.1 電子病歷缺陷

在互聯(lián)網(wǎng)高速發(fā)展下電子病歷普及程度越來越高，但各電子病歷軟件智能程度不一，特別是中醫(yī)電子病歷，其中的醫(yī)用專業(yè)術(shù)語標(biāo)準(zhǔn)不統(tǒng)一且當(dāng)前未形成統(tǒng)一規(guī)范，不同醫(yī)生記錄過程存在差異，在進(jìn)行電子病歷相關(guān)數(shù)據(jù)挖掘過程中存在各種問題，從而影響數(shù)據(jù)質(zhì)量。

6.2 數(shù)據(jù)清洗

數(shù)據(jù)挖掘過程中不可或缺的重要步驟，決定后期挖掘效果和質(zhì)量。由于中醫(yī)電子病歷中醫(yī)用專業(yè)術(shù)語標(biāo)準(zhǔn)不統(tǒng)一、描述不規(guī)范，在進(jìn)行數(shù)據(jù)清洗和預(yù)處理時(shí)需要剔除掉不可用、修改不規(guī)范、填補(bǔ)缺失值等，從而使得數(shù)據(jù)集減小，對模型訓(xùn)練有一定影響，同時(shí)由于數(shù)據(jù)預(yù)處理過程中需采用人工篩查、規(guī)整和規(guī)范化，可能造成異常或錯誤數(shù)據(jù)等問題，從而使得整體數(shù)據(jù)質(zhì)量出現(xiàn)問題。

7 結(jié)語

在模型構(gòu)建算法上，本文僅從神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)分類模型出發(fā)，借鑒前人經(jīng)驗(yàn)，缺乏其他算法的對比和對復(fù)合算法的構(gòu)建。后續(xù)研究中將進(jìn)行更加嚴(yán)格、規(guī)范化的清洗工作，以進(jìn)一步提高模型準(zhǔn)確性，采用更大、更有效的數(shù)據(jù)集進(jìn)行模型訓(xùn)練，對更多算法進(jìn)行對比，以求提出更適合肝硬化病癥特點(diǎn)的算法進(jìn)行算法復(fù)合模型訓(xùn)練，從多種角度進(jìn)行探索，訓(xùn)練出準(zhǔn)確率更高的模型，將模型投入臨床試用，為中醫(yī)臨床提供輔助診療，為中醫(yī)藥智能化提供輔助。