胡遠樟，溫川飆，程小恩

（成都中醫(yī)藥大學(xué)醫(yī)學(xué)信息工程學(xué)院 成都 611137）

中醫(yī)藥信息本質(zhì)上是一種知識密集型數(shù)據(jù)，具有整體性、混雜性、相關(guān)性的特點[1]。糖尿病屬于中醫(yī)“消渴病”范疇，中醫(yī)藥對于糖尿病有著獨特的防治與診療效果。隨著數(shù)據(jù)挖掘技術(shù)在中醫(yī)藥領(lǐng)域的應(yīng)用發(fā)展，如何更好的使用數(shù)據(jù)挖掘技術(shù)在海量醫(yī)療信息中挖掘出糖尿病中醫(yī)診療隱性知識、為臨床決策提供指導(dǎo)成了研究者關(guān)注的重點。

1 數(shù)據(jù)來源與研究方法

以中國知網(wǎng)（CNKI）期刊庫為文獻統(tǒng)計來源，以“糖尿病”AND“中醫(yī)數(shù)據(jù)挖掘”為主題詞檢索字段對所有學(xué)科領(lǐng)域進行精確檢索，共檢索出相關(guān)主題文獻393 篇，通過人工排除糖尿病并發(fā)癥文獻、會議通知、簡訊、報道和不符合要求的文獻后，最終納入文獻195篇，文獻檢索時間截止到2019 年5 月。本文利用文獻計量工具CiteSpace 對相關(guān)文獻進行統(tǒng)計并繪制可視化圖譜[2]，以期探究國內(nèi)中醫(yī)糖尿病數(shù)據(jù)挖掘研究現(xiàn)狀與趨勢，為后續(xù)研究提供參考。

2 文獻數(shù)據(jù)計量分析

2.1 發(fā)文趨勢分析

為考察文獻數(shù)量隨時間變化的情況，本文將與糖尿病中醫(yī)數(shù)據(jù)挖掘相關(guān)的文獻進行統(tǒng)計（圖1）。由圖可以看出，該研究領(lǐng)域相關(guān)的文獻量雖波動較大，但總體趨勢仍呈由少到多逐年增加的態(tài)勢，其增長模式大致符合線性增長模型：y = 3.5529x - 7118.4，R2 =0.8754（一般認為R2＞0.8 時該模型的擬合優(yōu)度較高），表明該模型能較好反映該領(lǐng)域文獻增長趨勢，同時也說明應(yīng)用數(shù)據(jù)挖掘方法在中醫(yī)糖尿病研究中的關(guān)注度正逐步上升。

2.2 基于關(guān)鍵詞的研究概況分析

圖1 相關(guān)文獻變化曲線圖

表1 高頻關(guān)鍵詞分類

關(guān)鍵詞詞頻數(shù)統(tǒng)計結(jié)果（表1）及關(guān)鍵詞可視化圖譜（圖2）顯示，中醫(yī)糖尿病數(shù)據(jù)挖掘領(lǐng)域研究主要采用常用的挖掘算法包括關(guān)聯(lián)規(guī)則、聚類、神經(jīng)網(wǎng)絡(luò)、決策樹、時間序列、因子分析、遺傳算法、邏輯回歸分析、頻數(shù)描述統(tǒng)計、雙聚類分析、Samma 算法等。其中研究者利用關(guān)聯(lián)規(guī)則、聚類、神經(jīng)網(wǎng)絡(luò)算法頻次最高。

關(guān)聯(lián)規(guī)則其實質(zhì)是從大量數(shù)據(jù)中發(fā)現(xiàn)項集之間的關(guān)聯(lián)關(guān)系、因果結(jié)構(gòu)以及項集間的頻繁模式[3]。通過關(guān)聯(lián)規(guī)則可以挖掘出數(shù)據(jù)中潛在的隱性知識，利用這些知識可以對未知作出推測，如通過關(guān)聯(lián)規(guī)則挖掘名老中醫(yī)診療糖尿病過程中藥物與藥物之間的藥物配伍關(guān)系。

聚類分析是根據(jù)“物以類聚”的原理，在沒有模式參考和先驗知識的情況下，對數(shù)據(jù)信息進行分類，常用的聚類分析算法主要有基于劃分、層次、密度、網(wǎng)格和模型等進行聚類[4]。在糖尿病中醫(yī)研究中，聚類方法常用于糖尿病中醫(yī)證候研究、中醫(yī)基礎(chǔ)研究以及方劑分析研究3 個方面，其可以按照中醫(yī)糖尿病數(shù)據(jù)本身的內(nèi)在規(guī)律來使得中醫(yī)數(shù)據(jù)分析結(jié)果更具客觀性，有利于中醫(yī)藥研究的客觀化、定量化與標(biāo)準(zhǔn)化[5]。但作為一種工具和方法，需要更加關(guān)注對糖尿病中醫(yī)聚類結(jié)果的解釋，只有將分析結(jié)果與中醫(yī)藥本體知識理論結(jié)合起來才能為下一步的研究工作打好基礎(chǔ)。

2.3 基于“用藥規(guī)律”、“知識發(fā)現(xiàn)”、“針灸”的突現(xiàn)詞分析

突現(xiàn)詞為某一時間段內(nèi)突然大量出現(xiàn)的詞，較單獨研究關(guān)鍵詞出現(xiàn)頻次而言，突現(xiàn)詞能夠有效反映研究領(lǐng)域的前沿主題[6]。本文利用CiteSpace 的膨脹詞探測技術(shù)及算法進行突現(xiàn)詞探測（表2）。

（1）用藥規(guī)律強度最強在出現(xiàn)的突現(xiàn)詞中，用藥規(guī)律強度最強（11.2995），時間開始于2015 年，結(jié)束于2017 年。研究總結(jié)糖尿病的中醫(yī)組方用藥規(guī)律,是傳承和發(fā)展中醫(yī)防治糖尿病方法和手段的核心內(nèi)容。中醫(yī)糖尿病用藥規(guī)律研究經(jīng)歷了口傳心授、經(jīng)驗總結(jié)、收集方藥、手工統(tǒng)計以及應(yīng)用統(tǒng)計方法分析等發(fā)展歷程[7]，目前隨著計算機技術(shù)的快速發(fā)展以及中醫(yī)信息化水平的提高，數(shù)據(jù)挖掘方法正逐步應(yīng)用于用藥規(guī)律挖掘研究，目前糖尿病中醫(yī)用藥規(guī)律研究主要用于名醫(yī)用藥經(jīng)驗挖掘[8]。

圖2 關(guān)鍵詞圖譜

表2 糖尿病中醫(yī)數(shù)據(jù)挖掘突現(xiàn)詞

名老中醫(yī)專家經(jīng)驗是中醫(yī)學(xué)術(shù)思想的精華，是中醫(yī)藥創(chuàng)新發(fā)展的思想源泉，有著顯著的疾病診療優(yōu)勢，數(shù)據(jù)挖掘是名老中醫(yī)臨床用藥規(guī)律發(fā)現(xiàn)的重要現(xiàn)代化手段與方法。李宏紅[9]運用數(shù)據(jù)挖掘技術(shù)挖掘魏子孝教授治療糖尿病的臨證經(jīng)驗，得出魏子孝教授治療糖尿病不套用三消分治，而是以主證素診斷，結(jié)合患者體質(zhì)、疾病本身特點的辨證論治的方法。李修洋[10]利用關(guān)聯(lián)規(guī)則對仝小林教授運用經(jīng)方辨治糖尿病的用藥特點與劑量進行歸納，總結(jié)出仝教授巧用藥對、方小力宏的用藥特點。黃利兵[11]運用關(guān)聯(lián)規(guī)則探究王暉教授治療糖尿病的處方用藥規(guī)律，結(jié)果提示藥物以王暉教授自擬的“降濁合劑”和“寧心舒情湯”為主，多用養(yǎng)陰清熱、調(diào)暢氣機之品，為名老中醫(yī)用藥經(jīng)驗的繼承和發(fā)揚提供了借鑒。

（2）知識發(fā)現(xiàn)時間跨度最長時間跨度最長的關(guān)鍵詞為知識發(fā)現(xiàn)（2003-2008 年）。知識發(fā)現(xiàn)是一個從數(shù)據(jù)中提取出有效的、新穎的、潛在有用的并能最終被人理解的模式的非平凡過程，數(shù)據(jù)挖掘被認為是知識發(fā)現(xiàn)過程中的一個關(guān)鍵步驟，因此兩術(shù)語可交換使用[12]。其集成了諸如統(tǒng)計學(xué)、數(shù)據(jù)庫技術(shù)、可視化、人工智能、機器學(xué)習(xí)、模式識別等多學(xué)科概念與技術(shù)方法，流程主要包括確定目的、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)預(yù)處理、確定挖掘平臺與算法、數(shù)據(jù)挖掘、結(jié)果分析、知識應(yīng)用等。

（3）針灸出現(xiàn)時間最晚針灸出現(xiàn)時間較晚（2016—2019 年）。近年來，中國糖尿病發(fā)病率不斷增高，西醫(yī)主要以口服降糖藥物或皮下注射胰島素治療為主，同時結(jié)合飲食、運動療法，但其發(fā)病機制尚不明確，目前尚無法根治[13]。

針灸作為一種古老的自然療法，具有操作方便、安全有效、無藥物副作用的特點，在糖尿病針灸診療過程中，常從多個角度進行辨證論治。其穴位常選十四經(jīng)穴、耳穴及經(jīng)外奇穴等，在毫針刺法上常根據(jù)不同時期的證候特點，選用調(diào)神針法、時間針灸、溫針灸療法以及穴位埋線和刺血療法等針灸特色療法[14]。其不僅能有效改善糖尿病患者臨床癥狀，更可以調(diào)節(jié)血脂、血糖等生化指標(biāo)。采用數(shù)據(jù)挖掘相關(guān)信息化方法探究針灸診療糖尿病規(guī)律與隱性知識或是接下來糖尿病中醫(yī)數(shù)據(jù)挖掘領(lǐng)域研究的前沿之一。

2.4 糖尿病中醫(yī)數(shù)據(jù)挖掘流程分析

通過文獻計量分析糖尿病數(shù)據(jù)挖掘流程（圖3）發(fā)現(xiàn)，90%研究者采用的流程可分為確定挖掘目的、確定病例數(shù)據(jù)納入標(biāo)準(zhǔn)、病例納入、確定數(shù)據(jù)處理平臺與算法、數(shù)據(jù)挖掘、中醫(yī)臨床實踐及療效驗證等過程。較多的研究者常用 SPSS，Weka，Rapidminer，Python、Java 等國外商用平臺實現(xiàn)數(shù)據(jù)挖掘過程，但自2012 年始，國內(nèi)研發(fā)的中醫(yī)傳承輔助平臺受到廣泛關(guān)注，已經(jīng)成為糖尿病中醫(yī)數(shù)據(jù)挖掘的重要工具。

3 討論

本文借助文獻計量學(xué)方法和CiteSpace 可視化工具，對2003-2019年CNKI數(shù)據(jù)庫中收錄的、以“糖尿病中醫(yī)數(shù)據(jù)挖掘”為主題的研究文獻進行分析。通過對發(fā)文量和關(guān)鍵詞進行分析可知，糖尿病作為中醫(yī)優(yōu)勢病種之一，運用數(shù)據(jù)挖掘技術(shù)探究其潛在規(guī)律正逐步受到中醫(yī)研究者的廣泛關(guān)注。研究應(yīng)用最多的為一些經(jīng)典的數(shù)據(jù)挖掘算法，如關(guān)聯(lián)規(guī)則與聚類，且應(yīng)用對象并不單一，除了現(xiàn)代電子病歷以外，也用于挖掘記載有糖尿病的歷史醫(yī)學(xué)文獻。對具有轉(zhuǎn)折意義的關(guān)鍵詞（突現(xiàn)詞）分析發(fā)現(xiàn)，該領(lǐng)域的研究焦點一直集中在配伍規(guī)律的挖掘中，但內(nèi)容逐步細化，從方藥配伍規(guī)律逐步發(fā)展到針灸穴位配伍。近年來，學(xué)者們對糖尿病數(shù)據(jù)挖掘的探討亦有了新的思路，偏重于血糖規(guī)律及用藥機制的探索，如金百翰等[15]采用動態(tài)的觀察檢測方法,連續(xù)監(jiān)測患者72 h 血糖及相關(guān)癥狀并分析，孫鼎等[16]基于動態(tài)血糖Hurst 指數(shù)與氣血流注規(guī)律，探討血糖變化特點；白明等[17]挖掘治療糖尿病高頻藥物，并通過網(wǎng)絡(luò)藥理學(xué)探討高頻藥物黃芪治療糖尿病的作用機制等。

圖3 數(shù)據(jù)挖掘流程

通過對納入的相關(guān)文獻回溯發(fā)現(xiàn)，該領(lǐng)域在數(shù)據(jù)挖掘流程方面，遵循基本的數(shù)據(jù)采集-預(yù)處理-挖掘基本流程。其構(gòu)造的診斷模型主要根據(jù)中醫(yī)理論，通過納入癥狀-證型構(gòu)建辨證模型，其中尤以人工神經(jīng)網(wǎng)絡(luò)為主要的模型構(gòu)建方法。其原因可能是因為該領(lǐng)域本來就屬于計算機和中醫(yī)學(xué)的一個交叉學(xué)科，所采用的方法技術(shù)來源于計算機領(lǐng)域，以方法學(xué)結(jié)合中醫(yī)理論的應(yīng)用研究為主有關(guān)；同時，人工神經(jīng)網(wǎng)絡(luò)能夠自動在海量數(shù)據(jù)中尋找模式和規(guī)律，歸納隱含在信息單元之間的關(guān)聯(lián)規(guī)則的特性與中醫(yī)證候非線性、多維多階、可以無限組合的特點相契合，也是其在該領(lǐng)域廣泛應(yīng)用的原因之一。但在其模型和挖掘結(jié)果評估方面，由于臨床數(shù)據(jù)具有特殊性，其模型及挖掘結(jié)果評價不能僅僅依靠測試集來確定準(zhǔn)確率，更需要嵌套到網(wǎng)絡(luò)應(yīng)用中，在真實臨床場景下供醫(yī)生使用，以實際療效來評估其效果。

隨著大數(shù)據(jù)時代的來臨和數(shù)據(jù)挖掘技術(shù)的應(yīng)用，科學(xué)發(fā)現(xiàn)的模式已由傳統(tǒng)的實驗設(shè)計、理論科學(xué)和計算科學(xué)發(fā)展到了第四科學(xué)范式，即知識密集型科學(xué)發(fā)現(xiàn)模式。在該模式下，由于中醫(yī)臨床信息化水平的提高，數(shù)據(jù)的采集、存儲、傳輸和處理成本大大降低，效率得到了極大的提高，使得糖尿病中醫(yī)研究不再單純追求數(shù)據(jù)之間的因果關(guān)系，而是相關(guān)關(guān)系，讓“數(shù)據(jù)說話”，探究真實臨床問題的數(shù)據(jù)規(guī)律成為可能。然而當(dāng)前的數(shù)據(jù)挖掘趨勢已經(jīng)由原來的單維度靜態(tài)信息挖掘發(fā)展到了動態(tài)的、多維度高層次挖掘，即數(shù)據(jù)來源信息是動態(tài)連續(xù)、多個角度的，在該研究領(lǐng)域中即可體現(xiàn)為對糖尿病患者動態(tài)血糖及不同病程下的證型、用藥規(guī)律的挖掘和中醫(yī)癥狀與西醫(yī)臨床指標(biāo)的關(guān)聯(lián)挖掘研究。隨著新的數(shù)據(jù)挖掘方法的出現(xiàn)，計算能力的提高以及糖尿病臨床數(shù)據(jù)的積累，該領(lǐng)域正處于不斷發(fā)展的朝陽時期，后期可結(jié)合更多新的數(shù)據(jù)挖掘技術(shù)方法，探討在中醫(yī)糖尿病研究領(lǐng)域的應(yīng)用。

4 結(jié)語

在當(dāng)前的數(shù)據(jù)挖掘中醫(yī)糖尿病研究領(lǐng)域中，其研究現(xiàn)狀未見十分明確的總結(jié)，而傳統(tǒng)的總結(jié)方式又過于繁瑣，難以形象直觀展現(xiàn)結(jié)果。本文采用CiteSpace軟件通過分析關(guān)鍵詞得到可視化圖譜，并通過文獻回溯的方式分析出該領(lǐng)域的研究熱點，對挖掘流程作了一個梳理。但由于數(shù)據(jù)庫格式限制，不能對多個數(shù)據(jù)庫同時進行分析，所以只選用了CNKI 數(shù)據(jù)庫作為數(shù)據(jù)來源，同時剔除了糖尿病相關(guān)并發(fā)癥文獻，因此，有些研究主題由于文獻數(shù)據(jù)所限，并未在本文中體現(xiàn)。在下一步的研究工作中，作者將嘗試擴展數(shù)據(jù)來源，針對糖尿病的相關(guān)并發(fā)癥，從更多角度對該領(lǐng)域進行分析。