數據挖掘技術在藏醫中的研究綜述

張佛曉

摘要：藏醫藥學是我國極具民族特色的醫藥學科之一，在藏族人民漫長的生產、生活實踐中，其系統的理論和獨特的臨床療效及用藥特色，為藏族人民繁衍生息、保障生命健康做出了重要貢獻，越來越多的人開始注意到藏醫藥學科的發展。

但是由于藏醫藥事業發展起步晚、起點低、底子薄，和其他醫藥學科相比還存在很大的差距，所以對藏醫藥事業的科學化研究迫在眉睫。

雖然數據挖掘技術已經在傳統醫學如：中醫藥學科上得到了廣泛地應用，如聚類算法、關聯規則算法、分類算法。但由于藏醫和中醫有著諸多臨床診療上的差距，使得對于藏醫藥的研究中不可完全套用中醫數據挖掘的方法。文章主要總結常用的數據挖掘技術及近年來數據挖掘技術在藏醫藥上的發展及前景展望。

關鍵詞：藏醫診療 數據挖掘 分類聚類 關聯規則

1常用的數據挖掘技術

1.1數據預處理

數據預處理占到數據挖掘60%的時間，良好的數據預處理是得到有效挖掘結果的重要前提?，F有的數據預處理技術主要包括數據清洗、數據采樣、特征處理、特征選擇和降維。

由于醫療數據的特點，一方面數據獲取比較困難，往往獲得的數據往往會存在缺失、冗余等問題。另一方面，醫療數據中包含很多患者信息，需要做各種脫敏處理，否則會侵犯患者的個人隱私。

如對藏醫中慢性萎縮性胃炎診療數據進行數據預處理，包括對數據中的缺失值進行填充、對不符合常理的數據進行刪除，對樣本數據進行采樣，減少因數據類別不平衡對結果的影響。對特征進行處理，數據主要是數值型和類別型的數據，常用的方法有歸一化和標準化、log數值域的變化、數據離散化、orie-hot編碼等。對數據進行降維和特征提取等，從而達到壓縮數據維度、減少規則冗余度的目的，從而提高癥型分類和預測的準確率。

1.2關聯分析算法

R.Agrawal等首先提出了經典的頻繁項集挖掘方法AIS，Apriorl[6]算法;J.S.Park等對關聯規則算法進行改進提出DHP算法有效的減小了頻繁候選集的規模;同年，Savasere提出基于劃分的關聯規則算法減少算法對數據集的掃描次數，大大的提高了算法的效率;之后R .Wille提出了基于概念格的挖掘算法等，隨著時代的變化關聯規則算法也在不斷地演變改進。

關聯規則分析在醫療數據研究中發揮著重要的作用，用于挖掘癥狀和癥型之間的潛在關系，發現“癥狀癥狀、癥狀 癥型”等數據中的內在聯系，尋找臨床數據隱藏的價值，讓醫生能更好的對患者進行診斷，可以為分類和預測做輔助作用是癥型的預測和分類研究中的重要環節。

1.3分類算法

目前數據挖掘中常用的分類算法有SVM算法（SupportVector Machine），決策樹算法（Decision Tree），K近鄰算法，樸素貝葉斯算法，神經網絡算法，以及邏輯回歸（LogisticRegression）等。但是鑒于目前需要解決的問題的難度和醫療數據維度的復雜性的不斷增加，傳統的數據挖掘算法已經不能滿足需求，由此出現了多種集成學習算法，集成學習主要分為bagging和boosting兩種方式，是將某些弱學習器通過投票的方式或者取平均值的方式得出最終的結果，從而使預測準確率得到很大的提升。

2數據挖掘在藏醫中應用

2.1數據挖掘在藏醫輔助決策診療中的應用

目前對常見的高原常見?。ㄎs性胃炎），藏醫主要依據個人經驗來對患者進行診斷，包括對患者的脈象診斷，患者的舌苔情況，患者的尿液顏色和氣味及患者的癥狀等。脈象下包括洪、滑、緊等十七個方面，舌苔的顏色和厚度等七個方面，而尿液的情況也比較復雜，包括尿液的顏色，尿液的氣味等十七個方面的判斷，對于同一種疾病癥狀也很復雜。拿萎縮性胃炎來說，在藏醫中萎縮性胃炎一般分為四個癥型，不同的癥型及相同的癥型患者的癥狀和體征表現往往有很大差距。所以僅通過個人經驗判斷比較容易出錯，需要通過科學的手段對癥型和癥狀進行判斷。

可以利用數據挖掘中無監督學習的聚類算法結合臨床診療數據對高原常見?。ㄎs性胃炎）進行合理的分型，運用數據挖掘中的關聯規則算法，發現藏因臨床診療“癥狀癥型，癥狀 癥狀”之間隱含的規則，尋找臨床數據隱藏的價值，讓醫生能更好的對患者進行診斷，可以為分類和預測做輔助作用是癥型的預測和分類研究中的重要環節。

據統計藏醫中存在著針灸和放血治療的疾?。ㄗC候）多達489種可以利用聚類分析和關聯規則分析藏醫中針灸的穴位定位、穴位主治病種等。在治療方法上，藏族醫學運用不同穴位治療的相同的疾病最多的是癲狂、昏厥、氣短的疾病，對于急性發作的神志疾病、呼吸系統疾病、心腦血管疾病能起到非常獨特的療效。

2.2數據挖掘在藏醫用藥規律的研究

目前藏藥組方規律的研究主要是在臨床藥物觀察、大量文獻整理研究、通過各種藥理實驗等方面。很少有通過數據挖掘的算法進行藏醫組方規律的研究，目前聚類算法和關聯規則算法在藏醫用藥規律研究中有很好的效果，在萎縮性胃炎用藥方面主要采用apriori算法對每味藥進行頻繁項集，置信度和支持的的挖掘，得出可信的用藥的組合規律。同時可以利用無監督的聚類算法對藥物進行聚類可以新處方規律的挖掘。

張藝等人在藏醫脾胃病研究中利用關聯規則算法對脾胃病用藥得出了置信度大于0.85的治療藏醫中脾胃病的新處方，利用層次聚類算法演化得出了新的核心用藥組合。

藥物可能會因為在是否飽腹或者是所處的時間對治療效果有一定的影響，王明強等人在藏醫隆滯布病的用藥組方規律研究中加入了時序關系挖掘，利用關聯規則算法得出效果明顯的加入了時序關系的藥物組方規律。

3總結

近幾年來逐漸開始有研究者將數據挖掘算法應用于藏醫的癥狀癥型分析和藥物組方規律的挖掘中，這對藏醫藥科學的發展起到了很大的推動作用，目前藏醫在科學性和規范性上還處于初級階段，在這方面的研究提高了藏醫癥型診斷的科學性，以及用藥的規范性。慢慢的推動藏醫由經驗主義到科學主義的演變。

參考文獻

[l]王培培，健康體檢數據預處理方法研究與應用[D].鄭州大學，2016.

[2] Han J，Kamber M. Data Mining： Concepts and 'rechniques，Morgan Kaufmann[Jl. Machine Press， 2001 （in Chinese， 2006，1（4）：394-395.

[3] Dunham M H. Data Mining： Introductory and AdvancedTopicsEMl// Data mining introductory and advanced topics/.Prentice Hall/Pearson Education， 2003.

[4] Zhi-Gang J， Xu J. Research on Data Preprocess inData Mining and Its Application[J]. Application Research ofComputers， 2004， 21（7）：117-118.

[5]Agrawal R， Srikant R.Mining association rules between setsof items in large databases[Al.ProcACM SIG MOD Int'I ConfManagement of dataECl.Washington DC， May 1993.207-216

[6]Agrawal R， Srikant R.Fast algorithms for mining associationrules[A].Proc 20th In't I Conf Very Large Database[Cl.Santiago，Chile， Sept 1994.487-499

[7] Park J S，Chen M S，Yu P S.An effective hash-basedalgorithm for mining association rules[J]. Acm Sigmod Record，1995， 24（2）：175-186.

[8] Savasere A， Orniecinski E，Navathe S B. An EfficientAlgorithm for Mining Association Rules in Large Databases[C]//International Conference on Very Large Data Bases. MorganKaufmann Publishers Inc. 1995：432-444.

[9] Ganter B，Godin R. Formal Concept AnalysisLMl. SpringerBerlin Heidelberg， 1999.

[10] Joachims T. Transductive Inference for Text Classificationusing Support Vector MachinesECl// Sixteenth InternationalConference on Machine Learning. Morgan Kaufmann PublishersInc. 1999：200-209.

[11] Quinlan J R. C4.5： programs for machine learning[M].Morgan Kaufmann Publishers Inc. 1993.

[12] Cover T M， Hart P E. Nearest neighbor patternclassification. IEEE Trans Inf Theory IT-13（1）：21-27[J]. IEEETransactions on Information Theory， 1967， 13（1）：21-27.

[13] Mccallum A， Nigam K.A Comparison of Event Models forNaive Bayes Text Classification[J]. IN AAAI-98 WORKSHOP ONLEARNING FOR TEXT CATEGORIZATION， 1998， 62（2）：4148.

[14] Hagan M.T.， Demuth H.B.， Beale M.H.： Neural NetworkDesign. PWS Publishing， Boston （1996）

[15] Hosmer D W， Lemeshow S.Applied logistic regression[M].Wiley， 2000.

[16]王世潁.基于醫療數據挖掘的高原常見病藏醫診療決策支持技術研究[D]青海大學.

[17]歐陽波.基于數據挖掘的藏蒙放血和灸療法比較研究[D]北京中醫藥大學.

[18]張藝.基于數據挖掘和整合藥理學平臺的藏醫治療脾胃病用藥規律及作用機制[J]中國中藥雜志2018，16.

[19]王明陽，基于數據挖掘的藏醫隆滯布病癥狀、用藥規律的探索與分析[D]北京中醫藥大學.