復雜網絡在中醫藥領域應用研究進展

梁力偉，丁長松

綜述

復雜網絡在中醫藥領域應用研究進展

梁力偉，丁長松

湖南中醫藥大學信息科學與工程學院，湖南 長沙 410208

中醫兩大核心思想“整體觀念”“辨證論治”均包含大量的非線性復雜關系，復雜網絡常用于中醫“辨證論治”“遣藥組方”等內部復雜關系的發現。本文對近年來有關復雜網絡在中醫藥的應用進展進行綜述，總結以往的中醫藥網絡構建和分析工作，指出當前中醫藥網絡研究遇到的挑戰及未來中醫藥網絡的研究趨勢，以期為后續基于復雜網絡理論探究中醫藥內在規律提供參考。

中醫藥；復雜網絡；網絡構建；網絡分析；綜述

中醫理論中蘊含著豐富的復雜關系，傳統的數據挖掘技術大多偏向于挖掘數據表層規律，未對其內在深層復雜關系進行探究[1]，而復雜網絡是通過對復雜系統的高度拓撲抽象描述其中存在的復雜關系[2]，利用復雜網絡技術探究中醫藥辨證論治及遣藥組方規律，是揭示中醫藥內在復雜關系的有效途徑。茲對近年來復雜網絡在中醫藥中的應用進展進行綜述，以期為后續研究提供參考。

1 復雜網絡

1959年Erd?s和R?nyi首次將隨機理論引入到網絡建模中，提出經典隨機網絡模型——ER隨機網絡模型[3]。ER隨機網絡模型的提出被公認為開創了復雜網絡的系統性研究，但現實世界的網絡并不完全屬于隨機網絡。1998年，Watts和Strogatz提出小世界網絡模型——WS網絡模型[4]，實現從規則網絡到完全隨機網絡的轉變；1999年，Barabasi和Albert提出第一個隨機無標度網絡模型——BA網絡模型[5]，該模型屬一種偏好連接模型。小世界網絡模型和無標度網絡模型的提出為復雜網絡的研究打開新的局面。

復雜網絡的統計特征一般通過節點的度及度分布、平均距離、簇系數、介數、度相關性、社團結構等屬性進行度量。其中節點的度表示與當前節點直接相連的邊數，度分布描述節點度的分布情況。平均路徑長度為網絡中所有節點對的平均距離；節點簇系數為節點的所有鄰居節點間實際存在的邊數與最多可能存在邊數的比值。上述3個指標均屬描述網絡拓撲結構的基本指標。此外，介數用來衡量網絡中節點或邊的中心性，度相關用來衡量網絡中不同節點間的連接關系。社團結構最明顯的特征便是同社團節點間高度連接，而社團與社團間的連接程度則比較低。

2 中醫理論中的復雜網絡特性

不同于西醫還原論理念，中醫理論以“整體觀念”“辨證論治”為核心，通過處理“生命-健康-疾病-環境”間關系恢復人體機能平衡[6]，其復雜關系主要體現在以下3個方面。

2.1 中醫理論蘊含復雜關系

在實踐經驗基礎上，中醫理論借鑒古代哲學思維提出了“三因制宜”“天人合一”等基本思想，其中“三因制宜”強調“因時制宜”“因地制宜”“因人制宜”內涵豐富的復雜關系，“天人合一”思想則認為人體與外界環境是一個互相影響的非線性復雜系統[7]。“三因制宜”“天人合一”等基本思想的形成促進了中醫理論體系的構建，并使中醫理論呈現出整體性、復雜性等特征。

2.2 中醫研究對象關系復雜

傳統中醫理論重點以人為研究對象，通過對人體當前狀態的綜合把握，選擇合適的防病治病策略維持人體的平衡。由于人體以心為主宰、五臟為核心，由經絡系統聯系臟、腑、體等全身組織器官，并通過精、氣、血、津液的作用完成機體統一的機能活動[8]，是一個極其復雜的系統，故中醫研究對象中蘊含著豐富的復雜關系。

2.3 中醫診療過程面臨諸多復雜關系處理

中醫通過“辨證論治”把握疾病本質，并結合“遣藥組方”等具體手段實施治療來維持人體健康。其中“辨證論治”涉及“病因”“病機”“證候”等眾多因素，各因素間相互依賴又相互制約，即內含豐富的復雜關系；“遣藥組方”中方劑藥理作用不僅取決于藥物君臣佐使配伍結構，而且取決于藥物劑量[6]。藥物配伍的復雜性及方劑組成的整體性使方劑具有“整體大于部分之和”的非線性作用特點[9]，故中醫的診療方法中蘊含著豐富的復雜關系。

3 復雜網絡在中醫藥領域的應用

傳統的中醫藥數據挖掘技術偏向于發掘數據表層規律[10]，難以揭示隱含在中醫藥組方配伍及辨證論治中的復雜深層關系。近年來，眾多學者開始嘗試將中醫藥研究與復雜網絡研究相結合，通過構建中醫藥網絡并分析網絡拓撲屬性和內在結構的方式研究中醫辨證論治及組方配伍規律。

3.1 中醫藥網絡構建

中醫的兩大核心思想為“整體觀念”“辨證論治”，涉及“癥狀”“體征”“病因”“證候”“治法”“方藥”等多種因素。為厘清其中的復雜關系，中醫藥網絡研究一般將這些因素抽象為節點，因素間的特定關系抽象為連邊，構建“癥狀”“證候”“方藥”等多種復雜中醫藥網絡。

3.1.1 “癥狀”“證候”等網絡構建

Wang等[11]構建了脂肪肝癥狀網絡，以探究中醫癥狀與西醫癥狀之間的聯系。該網絡以脂肪肝癥狀為節點，若兩癥狀出現于同一個受試者，則在兩癥狀間建立一條連邊，其權重為癥狀共現的頻次。Huang等[12]為探討小兒咳嗽的癥狀與其預后間關系，構建了小兒咳嗽癥狀網絡，該網絡中節點為咳嗽癥狀，邊為癥狀間相關性，權重為癥狀間相似程度。Yang等[13]為探討冠心病心絞痛患者中醫診斷信息的分布規律，利用甘草建立一個雙層診斷信息網絡，網絡中的節點均為癥狀，連邊為癥狀間關系，其中第一層為主要和次要癥狀節點，第二層為伴隨或可能癥狀節點。

此外，陳霞等[14]構建電針治療單純性肥胖的穴位節點加權復雜網絡。Hu等[15]構建失眠證“癥狀-處方”二分網絡，并根據該二分網絡的投影生成了“癥狀-癥狀”網絡。Wan等[16]從整個中醫文獻庫中提取包括“中藥-證候”“中藥-疾病”“方劑-證候”“方劑-疾病”等多種中醫藥關系類型，并將這些類型中的中醫藥實體（如中藥、方劑、證候等）抽象為節點，依據這些實體是否出現在同一文檔中建立連邊，最終構建了一個異構實體網絡。

3.1.2 “方藥”網絡構建

“方藥”網絡構建包括“方劑-方劑”網絡、“中藥-方劑”網絡、“中藥-中藥”網絡。其中“方劑-方劑”網絡大多依據方劑相似度構建，而“中藥-方劑”網絡一般依據方劑藥物組成確立，如Zhou等[17]將方劑抽象為節點，依據由“公共藥物數”與“方劑長度”確定的方劑相似度構建“方劑-方劑”網絡。郭文龍[18]則依據方劑藥物組成，以包含和被包含的關系構建一個中醫方劑知識圖譜。

“中藥-中藥”網絡中，藥物節點間的聯系一般通過藥物相互作用程度來確定，常見的藥物相互作用衡量方式包括完全圖、基于頻次的度量、基于相似度的度量等。其中，完全圖是指同處于一個方劑中的所有藥物兩兩相連。但這種情況會導致網絡中的節點邊數過多而找不到關鍵節點，不適用于網絡密集的復雜網絡分析。在此基礎上，孫道平[19]提出基于頻次的網絡構建方法。Yang等[20]利用Jaccard系數計算藥物間相似度，并構建基于相似度的慢性阻塞性肺疾病（COPD）網絡。

Li等[21]提出一種基于距離的互信息模型（distance-based mutual information model，DMIM）。該模型以藥物的出現頻次為依據計算藥對間的“互信息熵”MI，計算公式為：

式中，P（x，y）表示藥物x與藥物y共現的頻次，p（x）表示藥物x在整個方劑集中出現的頻次。以藥物在方劑中的位置為依據計算藥物間的“藥間距離”d，計算公式為：

式中，I（x，y，i）為指示函數，表示藥物x與藥物y是否均存在于方劑i中，d（x，y，i）表示藥物x與藥物y在方劑i中距離差值。依據MI和d的比值對藥物相互作用進行評分構建網絡。Li等[22]在此基礎上提出一種“中藥-復方-靶點-疾病”關聯網絡模型構建方法。

周偉[23]提出一種基于藥對效用度和方劑長度的點式互信息（pointwise mutual information based on herb pair ED and formula length，PMIEDFL）用以衡量藥物間相互作用，并根據藥物間的PMIEDFL值構建了肺痿方劑核心藥物網絡。具體定義為：

式中，PMI（h1，h2）為藥物h1與h2之間的點式互信息，ED（<1，2>，x）表示藥對對病x的療效，mini_f_len（<1，2>）表示h1、h2出現的所有方劑的最短方劑長度。

孫正[24]依據藥物依賴度及藥物使用頻次，提出一種改進的藥物關聯度來衡量藥物間的相互作用程度，并根據藥物間的sim值構建了肺痿方劑核心藥物網絡。具體定義為：

上述研究以藥物結構為中心，未涉及藥物自身屬性。李茹等[25]提出一種結合藥物屬性和藥物間聯系的新型組網模型，該模型在原有依據藥物相互作用確立的“中藥-中藥”模型基礎上加入藥物藥性作為屬性節點，最終構建一個包含240個節點、254條“結構邊”、339條“性味邊”、493條“歸經邊”、679條“功效邊”的肺痿方劑藥物組網模型。

3.2 中醫藥網絡分析

方劑是在“君臣佐使”原則指導下，經辨證審因確定治法之后，選擇合適藥物配伍而成的內涵豐富的復雜關系?，F今中醫藥網絡分析大多集中于“方藥”網絡的內部規律發現，借助復雜網絡的節點度及度分布、中心性、社團結構等統計指標分析其拓撲屬性和內在結構。

3.2.1 基于基本統計特征的中醫藥網絡分析

早期的中醫藥網絡分析主要針對復雜網絡的基本特征進行計算和分析，并將這些特征與現有的隨機網絡、小世界網絡、多尺度網絡或人工真實網絡進行比較，了解當前構造網絡的特性。

周雪忠等[26]通過分析所構建藥物配伍網絡的節點度分布特征發現其節點度分布服從冪函數分布，說明所構建的網絡是一種加權無尺度網絡。龍偉等[27]以方劑中藥物為節點、藥物間配伍關系為邊構建了中藥方劑網絡，通過計算其相關特征表明該網絡是一個典型的小世界網絡且聚類性質很高。杜寧林[28]通過對具有代表性的5個臨床復方集進行網絡建模和分析，證明中藥臨床藥物配伍網絡雖然在節點度的拓撲層次上不是冪律分布，但在邊權和節點強度的加權層次上卻呈現強烈的冪律特性。

3.2.2 基于社團發現的中醫藥網絡分析

上述基于基本統計量的中醫藥研究雖取得了眾多成就，但未對中醫藥網絡的內在結構進行深入研究，無法揭示網絡中各實體間的內在聯系。社團發現的本質是根據網絡中節點的自然連接結構進行聚類，能促進對網絡結構的理解并有助于挖掘網絡中的隱藏信息[29]。為揭示中醫復雜系統的內部機理，眾多學者開始借助復雜網絡中的社團發現技術進行中醫藥網絡的社團發現。

孫道平等[30]提出一種用于中藥方劑網絡重疊社區發現的改進COPRA算法，相較于傳統COPRA算法，該算法去除了標簽的隨機選擇，引入隸屬度的概念選取節點計算其聚集系數更新標簽，并在社團劃分時引入密度函數進行社團的剪枝和生長，省去了預先定義參數及閾值來控制社團的大小。李夢雯等[31-32]將此算法用于藥物配伍研究，證實此算法的有效性。

傳統的LFM算法是從單個節點出發尋找該節點形成的局部社團，當社區擴展時每次僅挑選當前圖中具有最大節點值的鄰居節點加入，直至沒有新的節點可加入便形成了一個局部社團。周偉[23]依據其在肺痿方劑組網過程中定義的PMIEDFL值對傳統fitness值進行了修改，并將此值用于LFM算法中進行肺痿方劑網絡社團發現。楊曉波[33]針對當前LFM算法中存在的社團漂移、畸形社團及在稠密網絡中的精度下降等問題，提出了LFMd（LFM with dynamic parameter）算法及LFMc（LFM based on clique）算法，并將其運用到構建的COPD中藥網絡中進行社團發現。

為將藥物間的聯系同藥物的自身藥性結合考慮，孫正[24]、王茜[34]均提出一種結合結構與屬性的社團發現算法進行藥物社團挖掘。其中孫正[24]提出一種結合隨機游走及模糊層次聚類的重疊藥物社團發現算法（SA-FUZZY CLUSTER），該算法首先采用“重啟性隨機游走”度量節點間相似程度，其次提出一種“模糊聚類算法”進行重疊社區的發現，最后通過將該算法運用于所構建的藥物屬性模型證實了該算法的有效性。王茜[34]則在SA-FUZZY CLUSTER算法基礎上，提出一種新的結合隨機游走及層次聚類的非重疊藥物社團發現算法（RWHC），不同于孫正[24]提出的根據隸屬度使樣本以一定概率屬多個聚類的思想，該算法在聚類過程中不考慮單獨節點，故其最終結果為多個非重疊藥物社團。

3.3 目前研究面臨的挑戰

作為探究中醫藥內在規律的一種有效手段，復雜網絡理論在當前中醫藥研究中雖取得了一系列進展，但仍面臨以下問題。

3.3.1 數據樣本局限

可靠的中醫藥數據是成功進行中醫藥網絡分析的必要條件[6]。現今中醫藥數據大多是從醫學文獻古籍上抄錄而來，其主觀、模糊、抽象的特點給中醫藥數據標準化、規范化工作帶來難度；此外，現有的中醫藥復雜網絡研究均是在一些小規模數據集上進行，很容易造成由于樣本量少或取樣偏差導致的對網絡的錯誤認識[1]，從而使整個中醫藥網絡無法全面、客觀地反映中醫藥內在遣藥組方及辨證論治規律。

3.3.2 網絡構建方法局限

當前中醫藥網絡構建方法在確定實體間聯系時，多注重從某一方面考慮而忽略了整體的相互作用。以“中藥-中藥”網絡構建為例，現有的網絡構建方法在探討藥物間聯系時雖然從“藥物頻次”“互信息”等多個角度進行衡量，但并未融入藥物劑量、藥物角色對實際方劑的影響，其分析存在片面性，不能綜合反映藥物配伍規律。此外，現階段的中醫藥復雜網絡構建多是單從“方藥”“證型”等角度考慮，未能建立一個融合“理-法-方-藥”的整體網絡。

3.3.3 網絡分析方法局限

當前的中醫藥網絡分析方法在分析網絡結構時，大多僅從網絡局部性質出發探討其節點度及簇等統計特征，或僅從全局出發考慮其平均距離及網絡直徑等統計特征，缺乏二者的有機結合[10]，不利于對中醫藥網絡整體結構性質的把握。對于社團劃分后的最終分類結果，多是從組方經驗、配伍原則、藥性理論等角度證明，缺乏有效合理的驗證標準。此外，中醫藥的一個重要特性是其動態性，如證候的演變、治療方案的形成及人體對中藥有效物質的吸收等，現今的研究多關注中醫藥網絡的靜態結構，而未進行中醫藥的動態網絡分析研究[6]。

3.4 未來研究趨勢

盡管中醫藥網絡的構建與分析面臨著嚴峻的挑戰，但大數據技術、機器學習技術、深度學習技術和復雜網絡技術的不斷發展，使其中醫網絡分析仍有廣闊的發展前景。其中，大數據技術可用來解決中醫藥對象屬性復雜、數據海量及對象間關系復雜導致的數據難以管理和利用的問題[35-36]，如利用大數據技術的“無模式”數據庫解決中醫藥數據類型不確定的問題，利用可擴展的分布式文件管理系統解決中醫藥數據的海量性問題[36]。

傳統的機器學習技術是運用分類[37]、聚類[38]、關聯規則[39]等技術探究中醫藥內在規律，深度學習可用于分析癥狀間的多重共線性關系和協同關系，從而模擬癥狀和用藥效果之間的復雜關系，實現患病風險評估及用藥推薦[40]。復雜網絡技術除應用于中醫藥網絡構建外，其社團發現、模型演化及動力學行為也為中醫藥內在規律的研究提供了新思路，如利用社團發現技術分析藥對的配伍原則[31-32]、探究名老中醫用藥習慣[33]，利用動態演化原理分析針灸治療面癱的內在規律[41]等。

因此，將復雜網絡與現有的大數據技術、機器學習技術、深度學習技術相結合，構建中醫藥網絡，既有助于探索中醫藥的內在規律，又可促進中醫藥的現代化研究。

4 小結

中醫的“整體觀念”“辨證論治”決定了其蘊含豐富的非線性復雜關系，作為研究復雜關系的有效手段，復雜網絡在中醫藥研究中的有效性已得到證實。目前中醫藥網絡研究雖取得一系列進展，但仍面臨著諸如中醫藥實體間關系難衡量、中醫藥網絡結構難分析以及中醫藥社團分類結果缺乏有效標準等諸多挑戰。如何運用復雜網絡技術解決上述問題，并對中醫藥進行更深層次的研究，成為今后探究中醫藥辨證施治及組方配伍規律的新趨勢。

[1] 嚴蓓華,楊銘,陳佳蕾,等.復雜網絡在中醫藥方面的研究和應用[J].中國實驗方劑學雜志,2012,18(7)：276-280.

[2] NEWMAN M E J. Networks：an introduction[M]. London：Oxford University Press,2010.

[3] ERD?S P, R?NYI A. On random graphs I[J]. Publicationes Mathematicae,1959,4：3286-3291.

[4] WATTS D J, STROGATZ S H. Collective dynamics of small world networks[J]. Nature,1998,393(6684)：440-442.

[5] BARABASI A, ALBERT R. Emergence of scaling in random networks[J]. Science,1999,286(5439)：509-512.

[6] ZHANG Q R, KONG X J, XU H Y, et al. Progress of studies on traditional Chinese medicine based on complex network analysis[J]. World Journal of Traditional Chinese Medicine,2017, 3(3)：28.

[7] 郭剛,呂雅郁,鄭燕飛,等.中醫體質學原理的復雜性解讀[J].北京中醫藥大學學報,2015,38(7)：437-440.

[8] 袁尚華.中醫整體觀念對疾病整體預防的指導作用[J].中華中醫藥雜志,2015,30(7)：2313-2315.

[9] 羅超應,羅磐真,鄭繼方,等.中藥方劑的復雜性科學特性及其研究探討[J].中國中醫基礎醫學雜志,2013,19(8)：944-946.

[10] 呂慶莉.數據挖掘與復雜網絡的融合及其在中醫藥領域應用[J].中草藥,2016,47(8)：1430-1436.

[11] WANG W, LI C, XU J, et al. Bridging fatty liver disease and traditional Chinese medicine：A complex network approach[C]//2019 IEEE International Symposium on Circuits and Systems (ISCAS). IEEE,2019：1-5.DOI：10.1109/ISCAS.2019.8702097.

[12] HUANG M, WANG J, ZHANG R, et al. Symptom network topological features predict the effectiveness of herbal treatment for pediatric cough[J]. Front Med,2019.DOI：10.1007/s11684-019-0699-3.

[13] YANG T, HU K. Study on distribution rules of TCM four diagnostic information based on complex network in patients with CHD angina pectoris[C]//2016 IEEE International Conference on Bioinformatics and Biomedicine (BIBM).IEEE,2016：1385-1388.DOI：10.1109/BIBM. 2016.7822723.

[14] 陳霞,黃偉,金熠婷,等.基于復雜網絡技術對電針治療單純性肥胖處方分析[J].中國針灸,2018,38(3)：331-336.

[15] HU F, QIAO Y L, XIE G, et al. Symptom distribution regulation of core symptoms in insomnia based on informap-SA algorithm[C]// 2017 16th International Symposium on Distributed Computing and Applications to Business, Engineering and Science (DCABES).IEEE, 2017：229-232.DOI：10.1109/DCABES.2017.57.

[16] WAN H, MOENS M F, LUYTEN W, et al. Extracting relations from traditional Chinese medicine literature via heterogeneous entity networks[J]. Journal of the American Medical Informatics Association,2015,23(2)：356-365.

[17] ZHOU X Z, ZHANG R S, WANG Y H, et al. Network analysis for core herbal combination knowledge discovery from clinical Chinese medical formulae[C]//2009 First International Workshop on Database Technology and Applications.IEEE,2009：188-191.DOI：10.1109/DBTA.2009.65.

[18] 郭文龍.中醫方劑知識圖譜構建研究與實現[D].蘭州：蘭州大學, 2019.

[19] 孫道平.復雜網絡方劑配伍研究[M].南京：南京大學,2012.

[20] YANG X B, CHEN C X, WANG Z W, et al. Community detection in TCM network of COPD[C]//2017 36th Chinese Control Conference (CCC).IEEE,2017：1397-1401.DOI：10.23919/chicc.2017.8027546.

[21] LI S, ZHANG B, JIANG D, et al. Herb network construction and co-module analysis for uncovering the combination rule of traditional Chinese herbal formulae[J]. BMC Bioinformatics, 2010,11(Suppl 11)：1-12.

[22] LI Y, LI R, LI S, et al. Herb network analysis for a famous TCM doctor's prescriptions on treatment of rheumatoid arthritis[J]. Evid Based Complement Alternat Med,2015：1-9.DOI：10.1155/2015/451319.

[23] 周偉.中藥方劑核心藥物及其配伍規律挖掘[D].南京：南京大學,2013.

[24] 孫正.基于藥物屬性的中藥方劑組網及藥物社團發現研究[D].南京：南京大學,2013.

[25] 李茹,孫正,王崇駿,等.中藥方劑藥物屬性的組網模型[J].智能系統學報,2014,9(2)：148-153.

[26] 周雪忠,劉保延,王映輝,等.復方藥物配伍的復雜網絡方法研究[J]. 中國中醫藥信息雜志,2008,15(11)：98-100.

[27] 龍偉,邳馨,向劍,等.中藥方劑網絡與中藥化學空間的構建與分析[J].北京中醫藥大學學報,2011,34(11)：729-732,740.

[28] 杜寧林.基于復雜網絡的真實世界中醫臨床新藥發現方法與系統研究[D].北京：北京交通大學,2013.

[29] 馮冰清,胡紹林,郭棟,等.基于角色發現的動態信息網絡結構演化分析[J].軟件學報,2019,30(3)：537-551.

[30] 孫道平,高原,謝雋,等.一種用于中藥方劑網絡重疊社區發現的改進COPRA算法[J].南京大學學報(自然科學版),2013,49(4)：483-490.

[31] 李夢雯,范欣生,張泠杉,等.基于復雜網絡等方法的十九畏人參-五靈脂同方配伍探析[J].中國中藥雜志,2017,42(18)：3623-3627.

[32] 胡方媛,李夢雯,范欣生,等.基于網絡重疊社團發現的十九畏丁香-郁金同方配伍分析[J].中華中醫藥雜志,2019,34(1)：316-319.

[33] 楊曉波.LFM社團發現算法的改進與應用[D].鄭州：解放軍信息工程大學,2017.

[34] 王茜.基于藥物社團發現的肺痿方配伍規律研究[D].南京：南京大學,2016.

[35] 梁楊,丁長松,于俊洋.基于Hadoop的中醫藥數據管理策略研究[J].中國中醫藥信息雜志,2018,25(5)：96-100.

[36] 丁長松,瞿昊宇,吳世雯.大數據背景下基于對象特性的中醫藥數據管理研究[J].中國中醫藥信息雜志,2016,23(9)：10-14.

[37] LIU L, LUO Y, ZHOU M, et al. Tripterygium agents for the treatment of atopic eczema：A Bayesian analysis of randomized controlled trials[J]. Phytomedicine,2019：152914.DOI：10.1016/ j.phymed.2019.152914.

[38] HAN N, QIAO S, YUAN G, et al. A novel Chinese herbal medicine clustering algorithm via artificial bee colony optimization[J]. Artificial Intelligence in Medicine,2019,101：101760.DOI：10. 1016/j.artmed.2019.101760.

[39] LU P, ZUO T, BAI M, et al. Analysis of medication rule of Chinese medicine for allergic dermatitis based on association rules[C]//BIBE 2019：The Third International Conference on Biological Information and Biomedical Engineering.VDE,2019：1-4.

[40] 張曉航,石清磊,王斌,等.機器學習算法在中醫診療中的研究綜述[J].計算機科學,2018,45(S2)：32-36.

[41] 孫天曉.基于復雜網絡社團結構劃分的面癱腧穴配伍規律研究[D].成都：成都中醫藥大學,2016.

Research Progress of Application of Complex Network in TCM Field

LIANG Liwei, DING Changsong

The two core ideas of TCM, “integrity concept” and “diagnosis and treatment based on syndrome differentiation” contain a large number of non-linear complex relationships. Therefore, complex network is often used for the discovery of internal complex relationships such as “diagnosis and treatment based on syndrome differentiation” and “prescription and medication” of TCM. This study reviewed the recent advances in the application of complex network in TCM, summarized the past construction and analysis of TCM networks, and pointed out the current challenges of TCM network research and future TCM network research trends, with the purpose to provide a reference for the follow-up exploration of the internal laws of TCM based on complex network theory.

TCM; complex network; network construction; network analysis; review

R2-05

A

1005-5304(2020)10-0131-06

10.19879/j.cnki.1005-5304.202001268

國家重點研發計劃（2017YFC1703306）；湖南省自然科學基金（2018JJ2301）；湖南省重點科技計劃項目（2017SK2111）；湖南省教育廳科學研究項目（18A227、18C0380）；湖南省中醫藥科研計劃重點項目（2020002）；湖南中醫藥大學研究生科研創新項目（2018CX67）

丁長松，E-mail：15208250@qq.com

（2020-01-17）

（2020-02-07；編輯：華強）