基于決策樹和人工神經網絡的小兒肺炎痰熱閉肺證診斷模型研究＊

宮文浩，蘭天瑩，莫清蓮，楊 燕，戴啟剛，陳莎莎，唐子西，劉悠江，艾 軍＊＊

（1. 廣西中醫藥大學基礎醫學院 南寧 530200；2. 廣西中醫藥大學壯醫藥學院 南寧 530200；3. 首都醫科大學附屬北京兒童醫院 北京 100045；4. 南京中醫藥大學附屬醫院 南京 210023；5. 南寧市邕寧區人民醫院 南寧530200）

小兒肺炎(pneumonia)是兒科常見的肺系疾病之一, 以氣喘、咳嗽、咯痰痰鳴、發熱為主要特征[1]。其發病率逐年上升，是發展中國家5 歲以下兒童死亡的主要原因。本病屬中醫“肺炎喘嗽”、“風溫”范疇，運用中醫藥治療療效確切，其中痰熱閉肺證是最常見證型。筆者運用數據挖掘技術開展小兒肺炎郁熱辨證及衛氣營血辨證的證候基礎研究，本證也為最重要證型。因此，探索運用決策樹和人工神經網絡方法建立本病證診斷模型，有益于相關研究的深入。

中醫辨證的思維過程與數據挖掘極其相似。決策樹和人工神經網絡模型作為數據挖掘中機器學習模型，可以充分模擬中醫思維，在證候分類與決策中應用最為廣泛且準確率較高[2-4]。本研究將收集大樣本、多中心小兒肺炎臨床病例，運用CRT、CHAID、QUEST、C5.0決策樹方法和多層感知器（MLP）、徑向基函數（RBF）算法的人工神經網絡等數據挖掘方法，對小兒肺炎痰熱閉肺證四診信息進行分析，旨在建立小兒肺炎的痰熱閉肺證診斷模型，規范小兒肺炎辨證論治，為中醫客觀化、標準化提供客觀依據。

1 資料與方法

1.1 一般資料

2017 年 1 月-2018 年 12 月間在首都醫科大學附屬北京兒童醫院、南京中醫藥大學附屬醫院、廣西中醫藥大學第一附屬醫院共3家醫院收集確診為小兒肺炎的病例，共計 918 例（北京 329 例、南京360 例、廣西229例）。所有患兒均簽署知情同意書。其中男性513例（55.3%），女性405例（44.1%）。男女比例為1.26：1。

1.2 診斷標準

西醫診斷標準：參照《諸福棠實用兒科學》[5]第8版制訂。中醫辨病辨證標準：符合中華中醫藥學會兒科分會《小兒肺炎喘嗽中醫診療指南》[1]內肺炎喘嗽的痰熱閉肺證辨證標準。

1.3 納入和排除標準

納入標準：(1)符合西醫診斷標準及中醫辨病辨證標準;(2)年齡在1-15 周歲;(3)住院患者;患兒法定監護人知情同意受試。

排除標準：(1)心力衰竭、呼吸衰竭、中毒性腦病、滲出性胸膜炎等合并癥者;(2)合并有心、肝、腎和造血系統等嚴重原發性疾病，精神病患者；(3)觀察資料不全而影響評估者。

1.4 證型分布

依據《小兒肺炎喘嗽中醫診療指南》中痰熱閉肺證的辨證標準，由2 名具有正高級職稱的中醫兒科專家進行辨證分型判斷。納入的小兒肺炎病例共計918例。其中痰熱閉肺證436 例，非痰熱閉肺證482 例（包括風熱閉肺證214 例，毒熱閉肺證132 例，陰虛肺熱證91例，肺脾氣虛證45例）。

1.5 數據預處理

應用Microsoft Office Excel 2019 軟件將臨床收集的患兒病例的基本信息、四診信息和辨證分型信息進行整理，建立數據庫。采取雙人雙機獨立錄入，減少信息誤差。中醫癥狀術語規范均參照《中醫癥狀鑒別診斷學》[6]。清洗和剔除無效數據以及病歷記錄不全者。對于癥狀描述出現者賦值為1，不出現者賦值為0。對所有的四診信息作頻數頻率統計，按照從高到低排序結果，剔除頻率小于10%的四診信息。最終篩選出17個四診信息作為證候因子納入模型中。

1.6 數據挖掘模型建立及驗證

經預處理后，將賦值后篩選的918 例小兒肺炎的數據庫導入到SPSS Moderler 18.0，設定17個四診信息為自變量，“是否為痰熱閉肺證”為因變量，采用CRT、C5.0、CHAID 和QUEST 算法的決策樹以及多層感知器（MLP）和徑向基函數（RBF）算法的人工神經網絡的方法建立數據挖掘模型，分析痰熱閉肺證的診斷規律。并對最終的模型進行測試集驗證。

2 結果

2.1 證候要素頻率分析結果

通過應用R 語言對小兒肺炎痰熱閉肺證的所有四診信息進行頻率分析，發現其中出現頻率最高的依次是咳嗽（98.6%）、舌紅（66.3%）、發熱（61.9%）、痰色黃（57.6%）、苔黃膩（47.9%）、痰多粘稠（47.5%）等（見圖1）。最終篩選頻率大于10%的四診信息共17項并納入到決策樹和人工神經網絡模型中。

2.2 小兒肺炎痰熱閉肺證CRT決策樹模型

通過運用CRT算法的決策樹對918例小兒肺炎進行建模分析，結果顯示樹模型深度為1，形成2個節點，終結點1 個。篩選出痰多粘稠屬性為符合決策樹規則。得出的判別規則為若“痰多粘稠=是”，則判斷為“痰熱閉肺證”。其中訓練樣本的準確率為83.06%。測試樣本的準確率為78.13%。見圖2。

2.3 小兒肺炎痰熱閉肺證CHAID決策樹模型

運用CHAID 算法的決策樹模型對納入的918 例小兒肺炎進行建模，卡方方法為Pearson相關系數。結果顯示樹模型深度為5，共產生10 個節點，終結點6個。共篩選出痰多粘稠、苔黃、痰色黃、舌紅、咳嗽等屬性符合決策樹規則。判別規則為：若“痰多粘稠=是”、“苔黃=否”且“痰色黃=是”偏向于診斷痰熱閉肺證。10 倍交叉驗證中訓練樣本為準確率為90.98%。測試集的準確率為85.87%。見圖3。

2.4 小兒肺炎痰熱閉肺證QUEST決策樹模型

運用QUEST算法的決策樹模型對納入的918例小兒肺炎進行分析，結果顯示樹模型深度為2，共產生4個節點，終結點3個。共篩選出痰多粘稠、苔黃等屬性符合決策樹規則。判別規則為：若“痰多粘稠=是”且“苔黃=否”偏向于診斷痰熱閉肺證。其中訓練樣本為準確率為89.5%。測試集的準確率為85.07%。見圖4。

2.5 小兒肺炎痰熱閉肺證C5.0決策樹模型

圖2 CRT算法決策樹模型示意圖

運用C5.0算法的決策樹模型對納入的918例小兒肺炎進行分析，結果顯示樹模型深度為11，共產生19個節點，終結為12個。共篩選出痰多粘稠、苔黃、痰色黃、咳嗽、脈滑等屬性符合決策樹規則。判別規則為：①若“痰多粘稠=是”、“苔黃=否”、“痰色黃=是”，則判斷為痰熱閉肺證。②若“痰多粘稠=是”、“苔黃=否”、“痰色黃=否”、“咳嗽=是”且“脈滑=是”偏向于診斷痰熱閉肺證。③若“痰多粘稠=是”、“苔黃=否”、“痰色黃=否”、“咳嗽=是”、“脈滑=否”、“嘔吐=否”、“鼻塞=否”且“指紋紫滯=是”，判斷為痰熱閉肺證。其中訓練樣本為準確率為93.19%。測試集的準確率為90.93%。見圖5。

2.6 基于MLP 算法人工神經網絡的小兒肺炎痰熱閉肺證診斷模型

運用MLP算法的人工神經網絡對導入的篩選的17項自變量小兒肺炎數據庫進行建模分析。結果顯示訓練樣本的正確率為92.08%，測試數據集的正確率為91.2%。生成的神經網絡模型中，隱藏層共含有7個神經元。見圖6。其中小兒肺炎痰熱閉肺證證候因子中占權重相對較高的有：痰多粘稠（24.8%）、痰色黃（18.5%）、苔黃（14.6%）、脈滑（7.5%）、咳嗽（6.1%）、嘔吐（5.8%）、鼻塞（4.0%）、指紋紫滯（3.6%）。見表1。

表1 基于MLP算法人工神經網絡的小兒肺炎痰熱閉肺證輸入變量重要性

圖3 CHAID算法決策樹模型示意圖

圖4 QUEST算法決策樹模型示意圖

2.7 基于RBF 算法人工神經網絡的小兒肺炎痰熱閉肺證診斷模型

運用基于RBF 算法的人工神經網絡對導入的小兒肺炎的篩選的17 個自變量數據庫進行建模分析。結果顯示訓練樣本的正確率為90.75%，測試數據集的正確率為85.33%。生成的神經網絡模型中，隱藏層共含有8 個神經元。見圖7。其中小兒肺炎痰熱閉肺證證候因子中占權重相對較高的有：痰多粘稠（22.4%）、痰色黃（13.0%）、苔黃（10.4%）、脈滑（6.4%）。見表2。

表2 基于RBF算法人工神經網絡的小兒肺炎痰熱閉肺證輸入變量重要性

3 討論

決策樹是機器學習中的預測模型。它主要建立決策樹節點，并且根據字段的不同值來建立分支[7]。最終生成的規則可視化，便于理解其內部的規則。CHAID 算法（卡方自動交互檢測法）原理是根據結果變量的對樣本的結果變量進行最優分割，采用卡方檢驗的結果進行分組判斷[8]。QUEST（Quick, Unbiased,Efficient,Statistical Tree）,是一種用于構建決策樹的二元分類法[9]。算法可以使分支變量和分割點的選擇分開進行，兼顧適用于同時使用連續型的變量和離散型的變量的特點。C5.0決策樹是從ID3和C4.5算法衍生出來的。作為C4.5 的商業版本，C5.0 改善了生成規則和算法精度，實現更準確的生成規則，更快的速度和更低的錯誤率，它更適合于對大型數據集進行分類[10]。多層感知器（Multiple-Layer Perceptron，MLP）利用通用函數逼近器來對局部特征進行提取。它也是一個深度學習模型，與卷積神經網絡相同，均可采用反向傳播訓練[11]。徑向基函數(Radial Basis Function,RBF)能夠逼近任意的非線性函數，學習收斂速度快，各方面均優于BP神經網絡[12]。

本研究中，采用四種算法建立的小兒肺炎痰熱閉肺證診斷決策樹模型均有較高的預測準確性。并且通過決策樹模型可視化可以直觀的展現決策的過程。CRT、CHAID、QUEST、C5.0 的預測準 確 性分別為83.1%、91.0%、89.5%、93.2%。其中C5.0 算法的決策樹判斷準確率高于其他三種算法，為小兒肺炎痰熱閉肺證最佳診斷模型。通過決策樹共篩選出6～12 個判斷規則的證候因子，其中痰多粘稠、痰色黃、脈滑、咳嗽、指紋淡紫在決策樹中起決定性作用。并生成了2條最可信的判斷規則為：①若“痰多粘稠=是”、“苔薄黃=否”且“痰色黃=是”，則診斷為痰熱閉肺證；②若“痰多粘稠=是”、“苔黃=否”、“痰色黃=否”、“咳嗽=是”、“脈滑=否”、“嘔吐=否”、“鼻塞=否”且“指紋紫滯=是”，判斷為痰熱閉肺證。本研究還運用了MLP 和RBF 的神經網絡對小兒肺炎進行訓練建模，并對輸入的證候因子的權重進行分析。顯示痰多粘稠、痰色黃、苔薄黃、脈滑、咳嗽等證候因子重要性最高。通過對訓練和測試樣本準確率來看，MLP 算法的神經網絡要優于RBF 算法的神經網絡，可被優先用于小兒肺炎痰熱閉肺證的輔助診斷。其中“痰多粘稠”、“痰色黃”為兩個模型共同篩選出可信度比較高的兩個證候因子。

圖5 C5.0算法決策樹模型示意圖

圖6 MLP算法神經網絡示意圖

鄭惠伯教授[13]用“痰、熱、閉”概括了小兒肺炎的基本病機。汪教授[14]進一步將小兒肺炎概括為“熱、郁、痰、瘀”。提出了治療應從清熱、解郁、滌痰、化瘀等幾個方面進行。艾軍教授[15]運用了關聯規則的數據挖掘方法，對收集的480例小兒肺炎進行運算，分析得到小兒肺炎痰熱閉肺證中痰相關病機比風熱犯肺證關聯度高。本研究運用決策樹和神經網絡方法對小兒肺炎痰熱閉肺證數據集建模，發現痰熱閉肺證中痰多粘稠、痰色黃、脈滑、咳嗽、指紋紫滯相關證候因子在證候中起決定因素。說明痰熱閉肺證包含“熱”、“痰”、“瘀”的基本病機。“痰”病機在其中占到了首位，與中醫辨證理論相符合。其次，痰色黃、脈滑說明痰熱閉肺證中包含的“熱”病機僅次于“痰”病機。但由于收集小兒肺炎的病例中痰熱閉肺證的病情較為輕淺，導致“瘀”相關的病機在模型中所占比重降低。

圖7 RBF算法神經網絡示意圖

綜上所述，通過運用決策樹和神經網絡的數據挖掘方法對小兒肺炎痰熱閉肺證分析，建立小兒肺炎痰熱閉肺證的診斷模型，更加直觀、清晰地找到小兒肺炎痰熱閉肺證的診斷辨證規則。C5.0 算法的決策樹模型和MLP 神經網絡模型為小兒肺炎痰熱閉肺證診斷的最優模型。從中提取的痰多粘稠、痰色黃、脈滑、指紋紫滯等屬性在痰熱閉肺證的診斷規則中起決定性作用。“痰”、“熱”病機為小兒肺炎痰熱閉肺證的主要病機，與中醫辨證理論相符。通過建模分析，本研究證明了運用機器學習的數據挖掘方法來建立中醫診斷模型的可行性，為中醫臨床辨證提供客觀依據。但是仍需納入大樣本、多層次的數據進行研究，將結論在臨床中加以檢驗和驗證。并結合西醫的診斷指標以及生物標志物，豐富診斷模型的適用范圍。