中醫(yī)方劑知識挖掘研究

中醫(yī)方劑知識挖掘研究

0問題的提出和數(shù)學模型的構建中醫(yī)信息的研究可以追溯到20世紀70年代。在方法論層面,中醫(yī)學系統(tǒng)、整體、多維的特點使之與信息學有著比任何其他科學更強的親和力。在思維模式方面,中醫(yī)學具有控制論特征,表現(xiàn)為其身心統(tǒng)一的觀念和與客觀性、簡化論的現(xiàn)代醫(yī)學完全不同,主張并強調人是一個生物心理信息系統(tǒng),疾病不能被解釋為單層次的、各部分割裂的現(xiàn)象,與被稱作醫(yī)學領域第二次革命的“信息醫(yī)學”(Infomedicine)的概念有相同的內(nèi)涵?！爸嗅t(yī)方劑”(下簡稱“方劑”)是中醫(yī)運用“中藥”防治疾病的主要形式。一個成功的方劑,是中醫(yī)醫(yī)生高層次思維方式(原則、取向、形式)的成果,而“思維方式作為文化基因的主要部分,是有巨大生命力的”。在中國近2000多年的文明史中,中醫(yī)藥維系著中國人的健康、繁衍、生息的史實也證明了這一點。為了探究中醫(yī)診治的思維特點和規(guī)律,本研究把對方劑知識的挖掘作為解讀中醫(yī)診治思維這一黑箱理論的切入點,建立相關的數(shù)學模型將其形式化,并對其結果進行量化表達,以此來探索把中醫(yī)的“經(jīng)驗”轉化為“知識”的有效途徑,為中醫(yī)學的傳承和發(fā)揚提供技術的支持。經(jīng)過多年的科研實踐,本課題組構建了一個用計算技術對方劑知識進行挖掘的平臺,嘗試著用綜合的技術方案來探求對中醫(yī)方劑知識挖掘的理想效果。內(nèi)容包括:首先采用數(shù)據(jù)庫挖掘技術,對近10萬方劑數(shù)據(jù)進行相關性的挖掘,以發(fā)現(xiàn)其中的規(guī)律;繼而采用不確定性推理的人工智能技術,對方劑的相關因子進行挖掘,實現(xiàn)了包括“方劑功效”在內(nèi)的方劑主要特征的形式化和量化計算;在此基礎上,采用機器學習技術,對方劑分類進行了模式識別的實驗。1cpdbs系統(tǒng)文獻中的“中醫(yī)方劑數(shù)據(jù)庫系統(tǒng)”(CTMPrescriptionsDatabaseSystem,CPDBS)是一個基于大型關系型數(shù)據(jù)庫技術的方案,以解決方劑關聯(lián)數(shù)據(jù)的挖掘問題。該系統(tǒng)建立在OracleforUNIX平臺上,用OAS的PL/SQL軟插件模式實現(xiàn),在技術上滿足了遠程訪問的需求。中醫(yī)專業(yè)人員對方劑數(shù)據(jù)進行采集和數(shù)據(jù)預處理,建立了“中醫(yī)方劑數(shù)據(jù)庫”。目前的數(shù)據(jù)庫中儲存有近10萬個方劑數(shù)據(jù),100萬余個數(shù)據(jù)記錄,這些數(shù)據(jù)的時間跨度在2000年以上,覆蓋了中醫(yī)各個歷史時期的主要方劑文獻,以保證數(shù)據(jù)的代表性和系統(tǒng)性,為中醫(yī)方劑知識挖掘研究儲備了豐富的數(shù)據(jù)資源,并提供挖掘分析的程序實現(xiàn)。為保證歷史文獻信息得到充分釋放,制定了“全文解析”(解析到最小信息單位)、“主題標引”(使用“中醫(yī)藥主題詞”對解析的字段進行標引)的技術方案,用來采集和處理數(shù)據(jù)。其原則是:在保持文獻原貌、原義的前提下,實現(xiàn)數(shù)據(jù)的高度一致化和結構化存儲。依據(jù)這一原則,用Access研制了“方劑數(shù)據(jù)采集系統(tǒng)”。這個系統(tǒng)的任務有兩個:(1)完成文本數(shù)據(jù)向結構化數(shù)據(jù)的轉換;(2)為數(shù)據(jù)的預處理提供軟件環(huán)境。這一方案的意義在于使方劑數(shù)據(jù)在具備一致化語法結構的基礎上,盡可能地實現(xiàn)數(shù)據(jù)在語義上的一致,為基于數(shù)據(jù)庫技術的挖掘創(chuàng)造必備的條件。從數(shù)據(jù)挖掘的結果來看,CPDBS系統(tǒng)使歷史方劑文獻的信息得到較大程度的釋放,實現(xiàn)了病、證、方、藥等全方位的交叉查詢和統(tǒng)計分析,具有序列統(tǒng)計、關系發(fā)現(xiàn)、主題集合等挖掘功能。從圖1可以了解到該系統(tǒng)挖掘功能的大致情況。CPDBS系統(tǒng)的查詢?nèi)肟趪@“方劑”設有36個選項,又設有10個條件組合框,這些條件可以用“并且”、“或者”、“并且不包括”、“或者不包括”等查詢語句完成檢索邏輯的表達,同時還設有單括號“()”和雙括號“(())”限定優(yōu)先查詢條件。完備的查詢設計目的是為了最大限度地滿足用戶查詢的需求。CPDBS系統(tǒng)的挖掘功能如圖1所示,該系統(tǒng)可以完成各種數(shù)據(jù)關系的統(tǒng)計分析。例如以“消渴”為查詢條件,查詢到數(shù)據(jù)庫中相關的記錄679條,分析其證候的分型情況,共涉及“下焦虛熱證”等70種證型。這些證型系統(tǒng)依據(jù)“中醫(yī)學主題詞表”結構可以聚成“臟腑辨證”、“氣血津液辨證”、“病因辨證”、“八綱辨證”4類,對每類主要用藥特點進行分析,其結果如表1所示。由表1可知,(1)在治療消渴病方劑的歷史記錄中,對“證候”的記錄是不完整的,有“證候”記錄的占29%;(2)歷史方劑治療消渴病辨證方法涉及4類(略);(3)辨證方法不同方劑用藥的側重有不同的趨向(略);(4)“甘草”為所有證型共用,其次是“黃連”和麥門冬。以上僅僅是舉例而言,按照不同思路從不同角度去分析,圍繞一個查詢目標可以挖掘出的數(shù)據(jù)文件可達數(shù)十至上千個不等。但CPDBS系統(tǒng)也暴露出兩點不足:(1)基于數(shù)據(jù)庫技術的挖掘計算是基于“頻次”的,因此在“量化”表達中醫(yī)方劑知識方面有局限性;(2)在數(shù)據(jù)庫建立的過程中(解析和標引),融入了人的主觀判斷,而人的主觀認識不僅難以保證百分之百的準確和一致,并且也不易評價。為此,課題組采用人工智能技術對方劑知識的量化表達進行了深入的研究。2cdis系統(tǒng)的知識計算模型“中醫(yī)方劑智能分析系統(tǒng)”(CTMIntelligentAnalysisSystem,CPIAS)是一個基于近似推理方法的技術方案,解決的是方劑知識要點的量化計算和表達問題。該系統(tǒng)實現(xiàn)了對方劑所含因子的量化計算和表達,對方劑知識挖掘的過程可以借助概念關系網(wǎng)(ConceptualRelationalNetworks,CRN)表達,如圖2所示。CRN是由12個節(jié)點(圓圈部分)與23個關系有向弧構成的極少輸入(Yi,Zi)、較多輸出(Yo,G1o,G2o,Qo,Wo,Jo,Fo,M1o,M2o,Zo)的系統(tǒng)(“i”表示輸入,“o”表示輸出),符合智能系統(tǒng)的基本特征。圖中的“實線”是已實現(xiàn)的關系計算,“虛線”是待實現(xiàn)的關系計算。其中,輸入Yi為處方(藥物和劑量),Zi為癥狀體征(臨床表現(xiàn));輸出Yo為中藥對方劑的貢獻度序列,G1o為方劑功效序列,G2o為基于臨床表現(xiàn)的方劑功效篩選序列,Qo為方劑藥氣序列,Wo為方劑藥味序列,Jo為方劑歸經(jīng)序列,M1o為方劑針對的證素序列,M2o為方劑適應的證候序列,Fo為方劑治法相關信息,Zo為方劑對癥狀體征的關注度分析。圖中SVM表示上述計算結果通過接口程序輸入到用支持向量機(SupportVectorMachine,SVM)技術開發(fā)的模式識別系統(tǒng)。由此看出,CPIAS系統(tǒng)是個多節(jié)點、多關系的復雜知識系統(tǒng),其具有兩個特點:(1)提出了“藥量強度”的概念和計算模型,這在知識的挖掘和量化計算中是關鍵性的;(2)系統(tǒng)的量化計算得到上萬條中醫(yī)學基礎知識的支持,使“定性”與“定量”的計算得到有機的結合。當然這個推理的模式也不是最終的,它將隨著研究的深入而不斷優(yōu)化。所謂“藥量強度”,就是方劑中各味中藥對方劑功效的貢獻度。在方劑中,各單味中藥所發(fā)揮的作用力度,不僅受到“藥量”的影響,還受到“藥性”的影響,因此不能以單味藥用量的大小來直接判斷其作用力度。為此提出“藥量強度”的概念,依據(jù)此概念的原理,提出了“藥量分類強度計算模型”。該模型的建立,顧及了各中藥不同常用計量范圍的特征(這一特征間接地反映了各中藥的特性),并據(jù)此進行了分類計算。模型通過方劑給出的中藥劑量,計算出各中藥在方劑中所發(fā)揮的作用強度,即中藥對方劑功效的貢獻度。模型計算公式如下:式中,X為任意藥物;q為藥物用量,qX表示藥物X的用量;MX表示藥物X用量的上限;mX表示藥物X用量的下限。這個計算模型在CPIAS系統(tǒng)中又被稱作“基礎量化計算模型”,方劑所有相關因子的量化計算都是在這個基礎上實現(xiàn)的,隨著研究的進展,這個模型得到不斷地維護。具體內(nèi)容包括:方劑綜合藥性強度計算(氣、味、歸經(jīng))、方劑功效計算、方劑涉及的證素計算、方劑適應證候預測、方劑對癥狀體征關注度的評估等。在系統(tǒng)進行上述各種計算時,相關的中醫(yī)學基礎知識參與其中,這些“知識”在系統(tǒng)中被處理成各種“關系表”,采用矩陣或條件規(guī)則等方法進行表達,具體包括“藥效關系表”(各種藥效之間發(fā)生的聯(lián)系)、“效候關系表”(方劑功效與癥狀體征間可能發(fā)生的聯(lián)系)、“效素關系表”(方劑功效與證候要素間可能發(fā)生的聯(lián)系)、“素證關系表”(證候要素與證候的關系)等。這些“關系表”構建出系統(tǒng)的“知識庫”,知識庫中每一條記錄的建立均要求有文獻依據(jù),并符合中醫(yī)學的普遍認識。知識庫在系統(tǒng)中發(fā)揮了“大腦”的作用,幫助系統(tǒng)成功完成了對方劑知識的挖掘。各關系表的表達形式示例如下。表2用矩陣形式就“藥效”間相互作用的關系進行表達,每一行為一條記錄。該表目前有1821條記錄。表3用矩陣形式就“藥效”與“癥狀體征”(候)之間的對應關系進行表達,表中第2列是藥效,第4列是癥狀體征,最后一列是“關系”建立的依據(jù),每行一個記錄。該表目前有6483條記錄。表4用矩陣形式就“藥效”與“證素”(構成中醫(yī)“證候”的要素)之間的對應關系進行表達,每行一個記錄。該表目前有167條記錄。表5用條件規(guī)則形式就“證素”和“證候”的因果關系進行表達,表中第1列是“證候”名稱(果),第2列是由“證素”按照一定邏輯關系構成的條件(因),第3列是用以加權的“證素”(因)。每行一個記錄,該表目前有259條記錄。在對“知識庫”的研究中,知識的表達方法是非常關鍵的,有時候改變一個表達方式,可以收到事半功倍的效果。如當把“效證關系”(方劑“功效”和“證候”的對應關系)表(現(xiàn)已不用)化解成“效素關系”和“素證關系”兩張表時,知識規(guī)則從原有的8000余條減少到426條,不僅大大降低了知識庫維護的難度,而且提升了計算的穩(wěn)健性。CPIAS系統(tǒng)雖然在方劑知識的量化計算和表達方面取得突破性進展,但只適應于方劑個案分析的局限,尚不能滿足對大樣本方劑批量學習的需求。因此又開展了基于學習技術的方劑模式分類的研究。3臨床應用結果任何“規(guī)律”的發(fā)現(xiàn)都是以“分類”研究為前提的,中醫(yī)學史上采用“分類”的研究方法是相當普遍的,“中醫(yī)方劑分類模式識別系統(tǒng)”(CTMClassificationModelRecognitionSystemwithSupportVectorMachine,CPSVM)就是采用SVM方法與近似推理方法相結合的技術方案,實現(xiàn)機器學習技術對方劑模式的分類識別,解決方劑群案分類的模式識別問題。CPSVM是一個集訓練學習、參數(shù)優(yōu)化、預測和結果分析等功能于一體的全中文學習系統(tǒng),可用于分類預測和回歸分析。CPSVM最明顯的優(yōu)勢有兩點:(1)量化數(shù)據(jù)由CPIAS系統(tǒng)提供,接口程序將已經(jīng)量化的數(shù)據(jù)直接轉化成國際通用的數(shù)據(jù)文件格式,成功地實現(xiàn)了支持向量機方法(完全基于數(shù)據(jù))與近似推理方法(充分體現(xiàn)先驗知識)的對接和優(yōu)勢互補;(2)彌補了SVM方法中核函數(shù)的參數(shù)難以確定的不足,給出了實用有效的參數(shù)尋優(yōu)方法和程序實現(xiàn),有效提高了所建模型的穩(wěn)健性。雖然SVM方法與基于概率測度和大多數(shù)定律的傳統(tǒng)統(tǒng)計方法風格迥異,但它與通常的統(tǒng)計分析預測方法有天然的聯(lián)系(有大致相同的問題表述和數(shù)據(jù)預處理),預測模型仍然是建立在大量樣本資料的基礎之上,建模步驟與常規(guī)方法基本相同。方劑分類模式識別大致流程包括:采集樣本資料—構造預測因子—因子歸一化處理—確定建模要使用的核函數(shù)—創(chuàng)建訓練集—創(chuàng)建實驗集—創(chuàng)建檢驗集—確定最終用于預測的推理模型。CPDBS選擇10000余個方劑數(shù)據(jù)作為實驗對象,對這些方劑的分類可以是多角度的,如按“治法”、“病種”、“證候”、“證素”、“癥狀”、“醫(yī)家”分類等。分類的目標不同,其意義也各異。然后以方劑“治法”為試算目標,具體內(nèi)容包括“汗法”、“補法”、“溫法”、“清法”、“下法”等臨床上最常用的治法,這是在較高層面上的一種分類,其意義是有助于對同類方劑的構成和臨床運用規(guī)律進行挖掘。實驗結果見表6。該實驗以《方劑學》(高等中醫(yī)院校教材)、《傷寒論》(高等中醫(yī)院校教材)以及中醫(yī)方劑數(shù)據(jù)庫中的歷史方劑為樣本,以汗法、補法、溫法、清法、下法的方劑模式學習為目標,分別建立了學習樣本、測試樣本、檢驗樣本,經(jīng)過反復試算,建立了上述治法方劑的數(shù)學模型。應用上述模型進行了更多、更大范圍的實驗,如應用所建立的方劑治法模型,對某些名醫(yī)的經(jīng)驗處方進行“治法”模式的識別,識別率均可達到上述實驗的平均水平。初步實驗證明,CPSVM適合解決中醫(yī)方劑的分類問題。當然,這種用黑箱方法解決黑箱問題的做法雖然有效,但系統(tǒng)的“解釋”功能還需強化(或曰理想化),在這方面還有一段艱苦的路要走?？傊?對方劑進行模式識別的研究還是初步的,要建立經(jīng)得住推敲、泛化能力強、計算穩(wěn)健的中醫(yī)方劑的分類模型,還需要進行大量的實驗,其中最關鍵的是樣本的組織。4數(shù)學方法對中醫(yī)學術和臨床的意義具有科學運用數(shù)學方法挖掘和表達中醫(yī)方劑的知識內(nèi)涵,在其科學性得到闡釋的同時(數(shù)學化),也為解讀其思維特點尋找到一種方法和手段,以促進“經(jīng)驗”向“知識”的轉化。使用數(shù)據(jù)庫技術、人工智能近似推理技術和基于支持向量機方法的模式識別技術,分別研發(fā)出3款享有知識產(chǎn)權的軟件系統(tǒng),由此搭建起一個適合中醫(yī)方劑信息挖掘的平臺,從數(shù)據(jù)關聯(lián)分析、知識解讀和量化表達、模式分類等不同的側面對中醫(yī)方劑進行研究,均達到了預期的目標。其意義有兩點:(1)數(shù)學對中醫(yī)方劑的研究,有望在規(guī)范、嚴謹、合理、有效等諸方面探索中醫(yī)學現(xiàn)代化的方法,對揭示中醫(yī)辨證論治的規(guī)律具有科學意義;(2)文獻和臨床方劑分析技術的成功研發(fā),可廣泛地應用于中醫(yī)學的科研、教學和臨床,具有推廣應用的前景。該數(shù)據(jù)挖掘方案也存在不少問題,如在中醫(yī)學的知識體系中,尚有不少領域規(guī)范化程度較低,許多標準尚待制定;用信息技術來解讀人的經(jīng)驗雖然可行,但必須有行業(yè)知識的介入,而行業(yè)知識工程的研究在中醫(yī)學領域中幾乎還是空白。通過以上研究也可清楚地看到各系統(tǒng)的適應性和局限性同在。今后的研究在于把“