郭洪濤，馮福海，李松偉，鄭 光，王濟(jì)華

(1.河南中醫(yī)學(xué)院第一附屬醫(yī)院，河南 鄭州 450000； 2.蘭州大學(xué)信息學(xué)院，甘肅 蘭州 730000)

·醫(yī)史文獻(xiàn)·

基于文本挖掘探討系統(tǒng)性紅斑狼瘡證治規(guī)律

郭洪濤1，馮福海1，李松偉1，鄭 光2，王濟(jì)華1

(1.河南中醫(yī)學(xué)院第一附屬醫(yī)院，河南 鄭州 450000； 2.蘭州大學(xué)信息學(xué)院，甘肅 蘭州 730000)

目的：探討系統(tǒng)性紅斑狼瘡的證治規(guī)律。方法：在中國(guó)生物醫(yī)學(xué)文獻(xiàn)服務(wù)系統(tǒng)中收集系統(tǒng)性紅斑狼瘡的文獻(xiàn)數(shù)據(jù)，采用基于敏感關(guān)鍵詞頻數(shù)統(tǒng)計(jì)的數(shù)據(jù)分層算法，挖掘整理系統(tǒng)性紅斑狼瘡的中醫(yī)證候、癥狀、中藥規(guī)律。這些結(jié)果通過一維頻次及構(gòu)建網(wǎng)絡(luò)圖進(jìn)行展示。結(jié)果：系統(tǒng)性紅斑狼瘡常見證候有熱毒熾盛、肝腎陰虛等；核心癥狀是發(fā)熱、關(guān)節(jié)疼痛、乏力等；中藥治療以黃芪、白芍、甘草、生地黃、白術(shù)、青蒿、茯苓、當(dāng)歸等為核心用藥。結(jié)論：系統(tǒng)性紅斑狼瘡多熱、虛證，少寒證，癥狀中發(fā)熱最常見，清熱解毒為基本治法。

文本挖掘；數(shù)據(jù)分層算法；系統(tǒng)性紅斑狼瘡/分析；證候

系統(tǒng)性紅斑狼瘡 (systemic lupus erythematosus，SLE)是一種多因素參與、多系統(tǒng)和多臟器受損的慢性自身免疫性結(jié)締組織病。我國(guó)SLE的患病率約為40/10萬，患病人群總數(shù)超過百萬[1]。由于該病至今病因未明，因此仍無根治的方法，SLE患者一旦發(fā)病需終身維持治療。近年來，隨著疾病診斷和治療方法的不斷改進(jìn)以及病因?qū)ふ业倪M(jìn)展，SLE患者的生存率顯著提高。我國(guó)中、西臨床醫(yī)生及科研工作者報(bào)道關(guān)于系統(tǒng)性紅斑狼瘡的文獻(xiàn)量亦急劇增加，大量存在于現(xiàn)有數(shù)據(jù)庫中。本研究運(yùn)用文本挖掘技術(shù)[2，3]，結(jié)合文獻(xiàn)回溯，對(duì)現(xiàn)有中文文獻(xiàn)進(jìn)行挖掘整理，探討系統(tǒng)性紅斑狼瘡的證治規(guī)律。

1 材料與方法

1.1 文本數(shù)據(jù)收集

在中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(Chinese BioMedical Literature Database，CBM，http://sinomed.cintcm.ac.cn/index.jsp)中以“缺省”狀態(tài)下檢索“系統(tǒng)性紅斑狼瘡”，共得到文獻(xiàn)16818篇(檢索日期：2014年6月10日)，依次下載所有文獻(xiàn)并保存。

1.2 文本數(shù)據(jù)處理

將收集來的數(shù)據(jù)，按照下載的先后順序，整合到一個(gè)平面文件(后綴txt)里面，以ANSI編碼格式保存。然后，利用專有的文本提取工具(軟件著作權(quán)，軟著登字第0261882號(hào)，登記號(hào)：2010SR073409)，對(duì)下載的非結(jié)構(gòu)化的txt文本數(shù)據(jù)進(jìn)行信息提取，保存成格式化的、便于大型關(guān)系型數(shù)據(jù)庫(Microsoft SQL Server，以下簡(jiǎn)稱SQL)處理的格式，然后導(dǎo)入SQL中進(jìn)行下一步挖掘分析。假設(shè)每1篇文獻(xiàn)的貢獻(xiàn)度是相同的，1篇文獻(xiàn)中重復(fù)出現(xiàn)的關(guān)鍵詞，只需要計(jì)算一次，據(jù)此構(gòu)建基于敏感關(guān)鍵詞頻數(shù)統(tǒng)計(jì)的數(shù)據(jù)分層算法[2，3]，進(jìn)行數(shù)據(jù)清洗工作。

清洗完畢后的數(shù)據(jù)，既可以提取到挖掘?qū)ο蟮囊痪S頻次，也可以得到挖掘?qū)ο蟮亩S關(guān)系，進(jìn)行可視化呈現(xiàn)，即抽出不同頻次的關(guān)鍵詞對(duì)，用Cytoscape 2.8軟件進(jìn)行可視化處理，構(gòu)建可視化的網(wǎng)絡(luò)圖。然后結(jié)合專業(yè)知識(shí)進(jìn)行評(píng)析，一旦發(fā)現(xiàn)不合理的結(jié)果，即回溯原文獻(xiàn)數(shù)據(jù)集，如果是噪音，仍按算法進(jìn)行噪音清洗，直至噪音降到滿意為止。最后的結(jié)果可視化成圖，結(jié)合專業(yè)知識(shí)進(jìn)行解析。

2 系統(tǒng)性紅斑狼瘡文本挖掘結(jié)果的評(píng)價(jià)和分析

2.1 證候文本挖掘結(jié)果

共提取到中醫(yī)證候43項(xiàng)，選取大于等于6的證候文獻(xiàn)頻次，按證候在文獻(xiàn)出現(xiàn)的頻次高低列出(括號(hào)內(nèi)為文獻(xiàn)篇數(shù)，下同)：腎陰虛(43)、肝腎陰虛(32)、陰虛內(nèi)熱(30)、熱毒熾盛(30)、腎陽虛(26)、脾腎陽虛(26)、氣陰兩虛(15)、風(fēng)濕熱痹(9)、血瘀證(7)、陰虛證(6)、陽虛證(6)、腎陽虛證(6)。

由上可見，腎陰虛、肝腎陰虛、陰虛內(nèi)熱、熱毒熾盛頻次最高，均與系統(tǒng)性紅斑狼瘡相關(guān)，為其常見證型。而這些證型多為虛證、熱證，少見寒證，與其疾病發(fā)展特點(diǎn)相符。進(jìn)而構(gòu)建證候兩兩之間網(wǎng)絡(luò)圖(圖1)：圖中圓圈內(nèi)為證型名稱，連線代表證候兩兩之間的聯(lián)系。證候連線愈多，代表該證型與疾病的關(guān)聯(lián)程度越高，越處于核心的位置；圓圈越大，代表該證型在文獻(xiàn)中出現(xiàn)的頻次越高，其權(quán)重越大。

圖1 系統(tǒng)性紅斑狼瘡中醫(yī)證候網(wǎng)絡(luò)圖(PS≥2)

文本挖掘共提取到155組證候，圖1為系統(tǒng)性紅斑狼瘡文獻(xiàn)中相關(guān)證候大于等于2的網(wǎng)絡(luò)分布圖。圖中熱毒熾盛、肝腎陰虛、陰虛內(nèi)熱與疾病關(guān)聯(lián)程度最高，權(quán)重也大，處于核心位置。歸納這些證候，系統(tǒng)性紅斑狼瘡以熱、虛證為其證候特點(diǎn)。

2.2 癥狀文本挖掘結(jié)果

癥狀共提取到140項(xiàng)，選取前10項(xiàng)按文獻(xiàn)頻次高低列出：發(fā)熱(479)、(口腔)潰瘍(192)、關(guān)節(jié)痛(189)、強(qiáng)直(117)、頭痛(102)、皰疹(100)、腹痛(97)、咳嗽(95)、關(guān)節(jié)疼(94)、乏力(94)。

以上癥狀是從數(shù)據(jù)集中抽提的，既包含西醫(yī)臨床，也包含中醫(yī)臨床報(bào)告的癥狀，因此頻次較高。由上可見，系統(tǒng)性紅斑狼瘡以發(fā)熱、(口腔)潰瘍、潰瘍關(guān)節(jié)疼痛為核心癥狀，其中發(fā)熱最高。頭痛、乏力、咳嗽、皰疹、腹痛等為常見癥狀。

進(jìn)一步構(gòu)建癥狀兩兩之間網(wǎng)絡(luò)圖(圖2)：

圖2 系統(tǒng)性紅斑狼瘡癥狀網(wǎng)絡(luò)圖(PS≥12)

文本挖掘共提取到1323組癥狀，圖2為系統(tǒng)性紅斑狼瘡文獻(xiàn)中相關(guān)癥狀大于等于12的網(wǎng)絡(luò)分布圖。圖中發(fā)熱、關(guān)節(jié)疼痛、乏力為最核心癥狀，發(fā)熱-關(guān)節(jié)痛兩者的文獻(xiàn)頻次為102。由上可見，系統(tǒng)性紅斑狼瘡是一種以發(fā)熱、關(guān)節(jié)疼痛、乏力、(口腔)潰瘍?yōu)楹诵陌Y狀，涉及消化、循環(huán)、呼吸、皮膚等多系統(tǒng)癥狀的疾病。

2.3 中藥文本挖掘結(jié)果

中藥共提取到158項(xiàng)，按文獻(xiàn)頻次高低(選擇前15項(xiàng))：雷公藤(63)、黃芪(31)、白芍(29)、甘草(27)、生地黃(26)、白術(shù)(24)、青蒿(23)、茯苓(21)、當(dāng)歸(20)、天冬(20)、柴胡(19)、人參(18)、黃芩(17)、大黃(15)、玄參(14)?；厮菰墨I(xiàn)數(shù)據(jù)集，發(fā)現(xiàn)雷公藤均為雷公藤多苷、雷公藤多甙，因此，此處的雷公藤主要為中成藥制劑，應(yīng)視為噪音；天冬回溯文獻(xiàn)均為為天冬氨酸氨基轉(zhuǎn)移酶，因此天冬為噪音，應(yīng)予剔除。通過以上方法降噪后，發(fā)現(xiàn)黃芪、白芍、甘草、生地黃、白術(shù)、青蒿、茯苓等為治療系統(tǒng)性紅斑狼瘡的高頻中藥。

進(jìn)而構(gòu)建中藥兩兩之間網(wǎng)絡(luò)圖(圖3)：

文本挖掘共提取到2 179組中藥，圖3為系統(tǒng)性紅斑狼瘡文獻(xiàn)中相關(guān)中藥頻次大于等于8的高頻網(wǎng)絡(luò)分布圖。圖中甘草、白術(shù)、茯苓、當(dāng)歸、生地黃、玄參、知母、桔梗、犀角、黃芩、芍藥等為核心藥物。

圖3 系統(tǒng)性紅斑狼瘡中藥網(wǎng)絡(luò)圖(PS≥8)

3 小 結(jié)

文本挖掘(Text Mining)技術(shù)是以計(jì)算語言學(xué)、統(tǒng)計(jì)數(shù)理分析為理論基礎(chǔ)，服務(wù)于生物、醫(yī)藥、文獻(xiàn)研究等學(xué)科的新興的交叉學(xué)科[4]。應(yīng)用于中醫(yī)藥領(lǐng)域，根據(jù)中醫(yī)理論或?qū)I(yè)知識(shí)，計(jì)算機(jī)能夠文本挖掘中醫(yī)藥文獻(xiàn)庫與生物醫(yī)學(xué)信息庫的非關(guān)聯(lián)知識(shí)，為中西醫(yī)結(jié)合研究提供新的思路和途徑，并且結(jié)果更加客觀，可重復(fù)性強(qiáng)[5]。

通過對(duì)16 818篇“系統(tǒng)性紅斑狼瘡”文獻(xiàn)進(jìn)行文本挖掘，得到系統(tǒng)性紅斑狼瘡證候、癥狀、中藥等挖掘結(jié)果，是對(duì)中醫(yī)治療系統(tǒng)性紅斑狼瘡比較全面的總結(jié)。中醫(yī)證候方面，挖掘到腎陰虛、肝腎陰虛、陰虛內(nèi)熱、熱毒熾盛等證候頻次較高，歸納系統(tǒng)性紅斑狼瘡多熱證、虛證，寒證較少。癥狀方面，挖掘出系統(tǒng)性紅斑狼瘡核心癥狀是發(fā)熱、(口腔)潰瘍、關(guān)節(jié)疼痛，進(jìn)而歸納得出系統(tǒng)性紅斑狼瘡是一種以發(fā)熱、(口腔)潰瘍?yōu)橹饕Y狀，涉及消化、呼吸、神經(jīng)等多系統(tǒng)癥狀的疾病。然而皮疹、皮損等SLE的重要表現(xiàn)的癥狀沒有挖掘到，與挖掘詞表中沒有該癥狀有關(guān)，也說明挖掘仍需進(jìn)一步完善。中藥治療，以甘草、白術(shù)、茯苓、當(dāng)歸、生地黃、玄參、知母、桔梗、犀角、黃芩、芍藥等為核心藥物，這些藥物以清熱解毒為主。其中甘草出現(xiàn)的頻次較高，與文獻(xiàn)量大及用藥習(xí)慣有關(guān)。通過挖掘發(fā)現(xiàn)，系統(tǒng)性紅斑狼瘡證候與癥狀，證候與中藥，兩兩之間能夠相互呼應(yīng)和印證。

文本挖掘的結(jié)果，一維頻次和二維網(wǎng)絡(luò)圖，從不同角度顯示挖掘?qū)ο笤谖墨I(xiàn)數(shù)據(jù)集中的分布，均有不同的意義。同時(shí)，結(jié)合回溯原文獻(xiàn)數(shù)據(jù)集，人工閱讀評(píng)價(jià)，使得結(jié)果更加客觀。因此，通過這種優(yōu)化的文本挖掘組合，能夠比較客觀地總結(jié)疾病的證治規(guī)律，也可以為中醫(yī)客觀化，以及中醫(yī)臨床提供有益的參考。

[1]葉冬青.紅斑狼瘡[M].北京：人民衛(wèi)生出版社，2006：15-16.

[2]Zheng G,Jiang M,He XJ,et al.Discrete derivative: a data slicing algorithm for exploration of sharing biological networks between rheumatoid arthritis and coronary heart disease[J].Bio Data Min,2011,23(4):18.

[3]郭洪濤，鄭光，趙靜，等.基于文本挖掘分析甲型H1N1流感的中醫(yī)藥治療特色[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2011，13(5)：772-776.

[4]薛為民，陸玉昌.文本挖掘技術(shù)研究[J].北京聯(lián)合大學(xué)學(xué)報(bào)，2005，19(4)：59-63.

[5]Li S,Zhang ZQ,Wu LJ,et al.Understanding ZHENG in traditional Chinese medicine in the context of neuro-endocrine-immune network[J].IET Syst Biol,2007,1(1):51-60.

(編輯 田晨輝)

1001-6910(2015)03-0047-03

R593.24+1

B

10.3969/j.issn.1001-6910.2015.03.25

2014-09-24