談兩種關聯(lián)規(guī)則算法在中醫(yī)藥治療方面的應用及比較

1、Word 談兩種關聯(lián)規(guī)則算法在中醫(yī)藥治療方面的應用及比較 關聯(lián)規(guī)章反映一個事物與其他事物之間的相互依存性和關聯(lián)性。而關聯(lián)規(guī)章挖掘則是數(shù)據(jù)挖掘中最活躍的討論方法之一，其本質是要找出隱蔽在數(shù)據(jù)間的相互關系。關聯(lián)規(guī)章數(shù)據(jù)挖掘的步驟主要有兩步: 找出全部支持度大于或等于規(guī)定最小支持度的頻繁項集，再由頻繁項集產生所期望的關聯(lián)規(guī)章。其關聯(lián)規(guī)章的產生由支持度和置信度打算。在中醫(yī)藥領域，數(shù)據(jù)挖掘技術可用于證候診斷、方劑配伍、文獻討論、臨床病歷等方面，以幫助傳承中醫(yī)文化，指導現(xiàn)代中醫(yī)的進展。在目前針對中醫(yī)藥領域的數(shù)據(jù)挖掘中，關聯(lián)規(guī)章Apriori 算法和FP-growth 算法倍受討論人員的青睞。 1 概念 A

2、priori 算法為布爾關聯(lián)規(guī)章挖掘頻繁項集的原創(chuàng)性算法。該算法屬于寬度優(yōu)先算法，使用逐層搜尋的迭代方法，其中k 項集用于探究( k + 1) 項集。首先，掃描整個數(shù)據(jù)庫，累計每個項的計數(shù)，找出滿意最小支持度的項，得到頻繁1 項集的集合L1。接下來循環(huán)進行以下兩步: 連接步，產生候選項集Ck; 剪枝步，依據(jù)先驗性質頻繁項集的全部非空子集也肯定是頻繁的，剪除( k - 1) 項子集不在Lk - 1中的候選k 項集，當Lk為空時終止循環(huán)。 FP-growth 算法則是一種不產生候選項目集而采納模式增長的方式挖掘頻繁模式的算法。通過兩個步驟來完成: 構造頻繁模式樹FP-tree 和調用FPgrowt

3、h算法進行頻繁項集挖掘。其原理是通過把每個事物映射到FP 樹中的一條路徑將數(shù)據(jù)庫壓縮到一顆頻繁模式樹，但仍保留項目集關聯(lián)信息，然后將這種壓縮后的數(shù)據(jù)庫分成一組條件數(shù)據(jù)庫，每個關聯(lián)一個頻繁項，并分別挖掘每個數(shù)據(jù)庫。對于每個模式片段，只需要考察與它相關聯(lián)數(shù)據(jù)集。因此，隨著被考察的模式的增長，這種方法可以顯著壓縮被搜尋的數(shù)據(jù)集的大小。 2 在中醫(yī)藥領域的應用 2. 1 方劑配 伍規(guī)律的討論方劑配伍規(guī)律能闡明方劑與病證之間治法的關系，揭示構成方劑的諸要素與功效之間的關系。關聯(lián)規(guī)章數(shù)據(jù)挖掘可以幫助熟悉方劑的效用和方內各藥物之間的配伍關系，揭示方劑效用的物質基礎和作用機制，進而發(fā)覺方劑的潛在功效和新用途，

4、以便改進傳統(tǒng)劑型，研發(fā)復方新藥。采納Apriori 算法對中醫(yī)方劑大辭典中治療不同疾病的方劑進行挖掘分析，得到針對不同疾病的相應組方規(guī)律、核心藥物、高頻藥對及藥物功效配伍規(guī)律等。例如對其中587 首腫瘤方進行挖掘。結果表明，腫瘤方中理氣和活血藥物使用頻率最高，支持度高的藥對多為活血藥與行氣藥配伍，支持度前20 的藥組都含有活血化瘀藥，且大多為活血化瘀藥與理氣藥配伍應用。最終發(fā)覺中醫(yī)方劑大詞典所收錄的腫瘤方常選用的藥物多具有行氣止痛、活血化瘀、補氣健脾的功效。對治療肺痿疾病的方劑進行組方規(guī)律分析，揭示了肺痿組方中藥物關聯(lián)規(guī)章，并依據(jù)關聯(lián)結果進行新方分析，得到9 個核心組合和9 個候選新方，為臨床

5、治療肺痿供應了核心組合及候選方劑。應用單味藥藥對藥組的數(shù)據(jù)挖掘思路，從簡潔到簡單，對四物湯中4 味藥物的配伍關系進行挖掘，發(fā)覺四物湯中當歸是聯(lián)系其他藥物的中心環(huán)節(jié)，而當歸地黃為方中的核心藥對，同時為方劑配伍規(guī)律的討論供應了新的思路和方法。對治療痛經的217 首方劑進行藥對應用規(guī)律挖掘，得到當歸川芎等高頻藥對，而它們也是治療針對寒凝血瘀和氣滯血瘀型痛經的少腹逐瘀湯、溫經湯兩方的主要組成藥物，從而發(fā)覺臨床上痛經發(fā)病多為這兩種辨證分型，為臨床痛經的辨證施藥供應參考。在Apriori算法支持度、置信度的基礎上再引入愛好度概念，用以修剪無趣的規(guī)章，挖掘出更有意義的關聯(lián)規(guī)章，并以脾胃類方劑庫中的1 060

6、 首方劑為例使用Apriori算法進行試驗，通過設置愛好度值排解無意義的藥對人參甘草，得到固定藥對白術茯苓和尚未作為藥對使用但具有客觀關聯(lián)性的茯苓木香藥物組合，提出如何利用這些相互關聯(lián)的藥物，是數(shù)據(jù)挖掘重點探討的對象。 采納FP-growth 算法對方劑教材中的方劑進行挖掘來探討中藥復方配伍的規(guī)章。以治風劑中的疏散外風劑為例得到方劑的配方規(guī)章，得到防風細辛、甘草細辛、川芎細辛等藥物組合，為疏散外風劑組方供應了參考。以解表劑為例得到關系親密的中藥組合，麻黃甘草、甘草芍藥、桂枝芍藥等，為解表藥組方供應了參考。采納該算法的改進算法FP-growth* 算法，在存在共享前綴的條件下，遍歷結點的第一個子

7、女結點就發(fā)覺共享前綴，削減搜尋共享前綴的時間，從而削減生成FP-Tree 的時間，以提高挖掘效率。并對取自華佗中醫(yī)院的臨床方劑和上海市中醫(yī)中藥數(shù)據(jù)中心中醫(yī)方劑數(shù)據(jù)庫的脾胃方劑進行挖掘，得到脾胃方劑的主藥甘草、陳皮、白術、人參等，補氣健脾方劑是最基本的用方，顯示出脾胃方劑遣方組藥的一些規(guī)律。 2. 2 中藥藥性 藥效的討論中藥藥性理論是中藥基本理論的重要組成部分，也是指導臨床使用中藥和闡釋中藥作用機制的重要依據(jù)。關聯(lián)規(guī)章數(shù)據(jù)挖掘可以探討中藥藥性四氣五味與詳細功效之間的關聯(lián)關系，揭示四氣五味的藥性規(guī)律，為開發(fā)中藥新資源及指導臨床用藥供應理論線索。采納Apriori 算法對選自中華本草中8 980

8、味中藥的四氣數(shù)據(jù)及關聯(lián)的藥物功能進行關聯(lián)規(guī)章挖掘，得到涉及溫、平、寒三性的分類關聯(lián)規(guī)章11 條，揭示了中藥溫平寒藥性規(guī)律。挖掘選取神農本草經中的365 味中藥，在建立氣味效三維立方體的基礎上，查找氣味效之間的關聯(lián)規(guī)章并進行初步分析，得到四氣、五味及四氣合五味與功效的關聯(lián)規(guī)章，為中藥藥性四氣五味理論討論供應新思路和新方法。采納改進的Apriori 算法，對取自中國藥典中藥學教材等書籍的中藥藥性及其他屬性的相關數(shù)據(jù)進行挖掘，將數(shù)據(jù)庫劃分成n 部分，針對每個部分單獨產生一組頻繁項集，然后將這些項集并為一個總體的候選頻繁項目集，再對其執(zhí)行連接及剪枝等循環(huán)處理，直至產生強關聯(lián)規(guī)章。挖掘結果顯示，藥性與藥

9、味、歸經、化學成分、功能、藥理作用關系最親密的依次為溫辛、平肝、溫揮發(fā)油、寒清熱、溫抗炎。通過中藥藥性與其他屬性間的關聯(lián)進行初步探究，所得結果與中藥藥性傳統(tǒng)熟悉相符，對中藥的藥性分析具有指導意義。采納FP-growth 算法對含有596 味藥、177 個不同功效的數(shù)據(jù)進行效效關系挖掘。得到的結果表明，F(xiàn)P-growth 算法挖掘中藥效效關系正確率較高，60. 30% 基本符合中醫(yī)學問和中醫(yī)專家的閱歷; 發(fā)覺感冒藥材間關聯(lián)規(guī)章學問，得到3 味藥材組合的配伍規(guī)律，體現(xiàn)了感冒藥材之間存在客觀的藥性相互作用，并據(jù)此編排設計了新的中藥斗譜，供應了探究中藥斗譜內外布局編排設計的新思路。 2. 3 中醫(yī)治

10、法用藥規(guī)律中醫(yī)強調辨證論治，即依據(jù)證的不同實行不同的治法及方藥，并通過古代及當代名醫(yī)的積累總結產生了很多針對特定病證或證候的治法。關聯(lián)規(guī)章數(shù)據(jù)挖掘可以探究某一特定中醫(yī)治法潛在的用藥規(guī)律，通過其內在的藥物聯(lián)系更深化地剖析中醫(yī)治法的根本，為中醫(yī)治法在臨床應用和改進上供應有力的理論依據(jù)。 采納Apriori 算法，對檢索醫(yī)學數(shù)據(jù)庫中以滋陰補腎法治療腦卒中恢復期的臨床討論報道得到的16首方劑，分析方劑中藥對的應用規(guī)律，得到使用頻率較高的藥對牛膝桑寄生，牛膝地龍等，與中醫(yī)經典記載及臨床應用相吻合。對檢索中國知網、中國生物醫(yī)學文獻數(shù)據(jù)庫中有關運用清熱、活血方為主的熏洗法治療痔病術后恢復期的臨床討論報道得到

11、的87 首方劑，得到應用頻率較高的藥對苦參黃柏，苦參當歸等，并發(fā)覺清熱藥和活血化瘀藥物的使用頻次、藥對配伍最多，對痔病術后預防和緩解并發(fā)癥療效準確，治愈率高，可以有效指導臨床實踐。對檢索醫(yī)學數(shù)據(jù)庫中以補腎益氣活血化瘀法治療腦卒中恢復期的臨床討論報道得到的18 首方劑，得到支持度較高的藥對黃芪川芎，黃芪水蛭等，發(fā)覺補腎益氣活血化瘀法治療腦卒中恢復期的用藥規(guī)律，為臨床供應有效的理論指導。 2. 4 名老中醫(yī) 醫(yī)案挖掘名老中醫(yī)醫(yī)案是將中醫(yī)理論與臨床實踐相結合并不斷創(chuàng)新的結果，包含了中醫(yī)的基本原則和名老中醫(yī)的獨特見解，為中醫(yī)的傳承供應了珍貴資源。關聯(lián)規(guī)章數(shù)據(jù)挖掘可以分析記錄這些名老中醫(yī)臨床診療閱歷的醫(yī)

12、案，發(fā)覺他們診療方式及辨證用藥的獨特性，為更好地指導臨床工作奠定了理論基礎。 采納Apriori 算法對收集自中醫(yī)腎病專家聶莉芳治療CRF( 慢性腎功能衰竭) 患者的門診及病房病案，對癥狀、中藥、方劑及其相互關聯(lián)進行分析挖掘。結果說明，慢性腎衰病機氣陰兩虛證最為多見，并得到治療CRF 常用中藥、常用藥對藥組和常用方劑等，體現(xiàn)了抓主癥選方、隨癥加減的用藥規(guī)律，為CRF 在中醫(yī)臨床的診療供應了牢靠的依據(jù)。以顏正華教授治療胃脘痛的臨床處方為討論數(shù)據(jù)，采納Apriori算法提取關聯(lián)規(guī)章，得到藥物的核心組合和新處方，為傳承和深化挖掘名老中醫(yī)的治療方法供應了參考。以中醫(yī)院中名老中醫(yī)關于典型的型糖尿病醫(yī)案為

13、討論對象，構建了基于Apriori 算法的數(shù)據(jù)挖掘平臺，挖掘名老中醫(yī)關于型糖尿病的醫(yī)案中藥物之間的相互關聯(lián)，得出治療型糖尿病最常用的中藥和藥對，為型糖尿病在中醫(yī)臨床診療供應了珍貴閱歷。 3 結語 在現(xiàn)有中醫(yī)藥領域的關聯(lián)規(guī)章數(shù)據(jù)挖掘中，就算法本身來說，有試驗證明在支持度較小的狀況下，F(xiàn)Pgrowth算法較Apriori 算法有著明顯的優(yōu)勢。Apriori 算法易于實現(xiàn)，但在實際應用中存在一些難以克服的缺陷，頻繁掃描數(shù)據(jù)庫、產生大量候選項集等; FP-Growth 算法可以實現(xiàn)對無向項集圖的實時構造，無需頻繁掃描數(shù)據(jù)庫，算法性能顯著提高。就算法應用來說，Apriori 算法多于FP-growth 算法。作為原始經典算法之一的Apriori 算法已廣泛應用于中醫(yī)藥方劑配伍、藥性藥效、中醫(yī)治法、中醫(yī)醫(yī)案等多方_面的挖掘當中，挖掘結果也基本與中醫(yī)經典記載和臨床閱歷相吻合; 而FP-growth 算法明顯在應用上不及Aprior