陳巧俊　葉輝

摘 要：本文主要研究數(shù)據(jù)挖掘在糖尿病中醫(yī)證候及方藥規(guī)律等方面的應(yīng)用。利用醫(yī)案數(shù)據(jù)，對數(shù)據(jù)預處理之后，用頻數(shù)統(tǒng)計、關(guān)聯(lián)分析、貝葉斯分類等算法分析糖尿病在中醫(yī)中的臨床表現(xiàn)、常用藥物及組合、證候與治法等。并用貝葉斯分類器訓練模型，以預測相關(guān)臨床表現(xiàn)的糖尿病類型。

關(guān)鍵詞：糖尿病 數(shù)據(jù)挖掘 方藥 臨床決策

中圖分類號：R259 文獻標識碼：A 文章編號：1003-9082（2017）06-0214-01

一、引言

糖尿病是21世紀最具挑戰(zhàn)性的嚴重影響我國人民健康的慢性疾病之一。中醫(yī)學以其順應(yīng)自然和具有整體觀的理念，卓越的治療效果而享譽全世界。

本論文以中醫(yī)治療糖尿病為背景，針對醫(yī)案中的方藥、臨床表現(xiàn)等用關(guān)聯(lián)規(guī)則、描述統(tǒng)計等相關(guān)挖掘算法對糖尿病進行分析，使得結(jié)論能夠展示糖尿病的中醫(yī)醫(yī)案的治療方法的大體情況，是全面整理總結(jié)糖尿病治療經(jīng)驗的有益探索。

二、研究過程與結(jié)論

1.醫(yī)案數(shù)據(jù)預處理

首先對糖尿病臨床數(shù)據(jù)進行數(shù)據(jù)清洗，處理其中不一致的數(shù)據(jù)，填補空缺值。針對病歷中“癥狀”、“治法”、“方藥”信息描述存在的多詞一意、表述模糊、意義重疊等現(xiàn)象，通過癥狀藥材規(guī)范化去除同義詞，對數(shù)據(jù)進行規(guī)范化和數(shù)值化處理。

其次對數(shù)據(jù)進行深入處理，保留需要的字段，進行數(shù)據(jù)分組、人工合并同義詞、分詞統(tǒng)計等，完成數(shù)據(jù)清洗。

2.挖掘分析

2.1我們對患糖尿病的病人進行年齡分組后，對病人的年齡和性別分布情況進行分析，得出糖尿病高發(fā)人群在40-70歲之間，男女差異不大。

2.2常見臨床表現(xiàn)

乏力、口干、浮腫等是糖尿病患者常見的臨床表現(xiàn)，根據(jù)其常見臨床表現(xiàn)的綜合可以初步判斷是否患糖尿病。

可以利用樸素貝葉斯算法對不同臨床表現(xiàn)進行文本分類，找出各種類型糖尿病中具有代表性的一些癥狀。

根據(jù)臨床表現(xiàn)，預測糖尿病發(fā)生與類型：

①對臨床表現(xiàn)，采用jieba中文分詞工具，對癥狀分詞。

②使用TF-IDF對分詞的結(jié)果進行權(quán)重計算，人工打類型標簽

TFIDF的主要思想是：如果某個詞或短語在一篇文章中出現(xiàn)的頻率TF高，并且在其他文章中很少出現(xiàn)，則認為此詞或者短語具有很好的類別區(qū)分能力，適合用來分類。它傾向于過濾常見詞語，保留重要詞語。

詞頻TF指某一個給定的詞語在該文件中出現(xiàn)的頻率。對于在某一特定文件里的詞語來說，它的重要性可表示為

逆向文件頻率IDF是一個詞語普遍重要性的度量。某一特定詞語的IDF，可以由總文件數(shù)目除以包含該詞語之文件的數(shù)目，再將得到的商取對數(shù)得到

③使用貝葉斯模型訓練樣本，得到不同類型糖尿病的特征臨床表現(xiàn)

在很多情況下，臨床表現(xiàn)之間的特征之間沒辦法完全獨立，彼此不獨立的特征之間的關(guān)系沒法通過樸素貝葉斯分類器訓練。而貝葉斯網(wǎng)絡(luò)引入了一個有向無環(huán)圖和一個條件概率表集合，DAG的結(jié)點V包括隨機變量，有向連接E（A->B）表示結(jié)點A是結(jié)點B的parent，且B與A是有依賴關(guān)系的。同時引入了一個條件性獨立概念：即圖中任意結(jié)點v在給定v的parent結(jié)點的情況下，與圖中其它結(jié)點都是獨立的，也就是說P（v|par（v），x1，x2...，xn） = P（v|par（v））。這里par（v）表示v的parent結(jié)點集，x1，x2，...，xn表示圖中其它結(jié)點。

④用訓練好的模型進行預測，可以較好的根據(jù)臨床表現(xiàn)判斷是否患有糖尿病以及進行簡單的糖尿病類型判斷。

2.3方藥的分析挖掘

采用關(guān)聯(lián)規(guī)則算法，確定處方中各藥物和藥物間關(guān)聯(lián)規(guī)則、核心藥物組合等。結(jié)果顯示，高頻次藥物為茯苓：30%，黃芪：24%，山藥22%，丹參21.8%，可見這四種藥物是治療糖尿病的核心用藥。支持度和置信度總是伴隨關(guān)聯(lián)規(guī)則存在，是對關(guān)聯(lián)規(guī)則的必要補充。對某條關(guān)聯(lián)規(guī)則而言，支持度是指在所有的事務(wù)中同時出現(xiàn)A和B的概率。而置信度是說所有事務(wù)中在出現(xiàn)A的情況下出現(xiàn)B的概率，即條件概率。

2.4糖尿病證候和治法概述

根據(jù)分析，氣陰兩虛為早期糖尿病的主要證型，因此益氣養(yǎng)陰對于預防和治療早期糖尿病具有重要意義。

治法就是對中醫(yī)證候用相應(yīng)措施來“對癥下藥”，益氣、活血、滋陰、清熱、健脾是最常用的方法。方劑六味地黃丸、消渴丸有良好的治療效果。除了藥物治療外，中醫(yī)還支持很多其他治療，尤其以針灸最為盛行。

三、結(jié)語

本文基于大量的糖尿病臨床診斷數(shù)據(jù)探討糖尿病的治療規(guī)律。能夠清晰的展示糖尿病的中醫(yī)治療方法的大體情況，了解糖尿病的現(xiàn)狀。

利用各種智能算法來對醫(yī)案或者醫(yī)療記錄進行挖掘已經(jīng)成為一種趨勢，相信未來在深度學習和人工智能技術(shù)的不斷發(fā)展下，中醫(yī)藥將會迎來新的研究方向與機遇。

參考文獻

[1] 陳克龍， 樊永平. 數(shù)據(jù)挖掘中的分類算法及其在中醫(yī)證候?qū)W中的應(yīng)用[J]. 中華中醫(yī)藥雜志， 2011（3）：469-473.

[2] 吳嘉瑞， 王凱歡， 紀凱，等. 基于數(shù)據(jù)挖掘的中醫(yī)治療糖尿病處方用藥規(guī)律分析[J]. 中國實驗方劑學雜志， 2015（22）：214-217.

作者簡介：陳巧俊，女，浙江金華人，本科在讀，研究方向：數(shù)據(jù)分析、機器學習

通訊作者：葉輝，，男，講師研究方向：醫(yī)學信息學、醫(yī)學自然語言處理