數(shù)據(jù)挖掘技術(shù)在中醫(yī)處方經(jīng)驗(yàn)研究中的應(yīng)用

傳統(tǒng)的中醫(yī)藥科學(xué)在長期的醫(yī)療實(shí)踐中積累了海量的處方數(shù)據(jù)，數(shù)據(jù)挖掘是目前最有效的數(shù)據(jù)分析手段之一，利用數(shù)據(jù)挖掘技術(shù)從這些海量數(shù)據(jù)中發(fā)現(xiàn)蘊(yùn)含其中的中醫(yī)藥知識(shí)，是一項(xiàng)極有價(jià)值的研究工作。本文主要采用數(shù)據(jù)挖掘中的Apriori關(guān)聯(lián)規(guī)則算法，對中醫(yī)處方數(shù)據(jù)進(jìn)行挖掘和總結(jié)：首先對采集的中醫(yī)藥數(shù)據(jù)進(jìn)行數(shù)字特征化處理;然后對中醫(yī)處方中藥物的頻繁項(xiàng)集和藥物之間的關(guān)聯(lián)關(guān)系進(jìn)行研究，并獲得了普通處方分析較難獲得的用藥規(guī)律及經(jīng)驗(yàn)信息。研究成果對中醫(yī)臨床工作具有重要的指導(dǎo)意義。

 信息技術(shù)正在經(jīng)歷著一次新的變革，互聯(lián)網(wǎng)、大數(shù)據(jù)等各種技術(shù)正在潛移默化的改變著人們的生活，數(shù)字化和數(shù)據(jù)化更是深深地影響著各行各業(yè)的每一個(gè)細(xì)節(jié)。很多信息早已開始儲(chǔ)存于各種類型的數(shù)據(jù)庫或者其他載體里，人們也已經(jīng)開始從眾多數(shù)據(jù)中，找出有益的規(guī)律。人們的關(guān)注點(diǎn)已經(jīng)由數(shù)據(jù)間的因果關(guān)系漸漸轉(zhuǎn)變?yōu)榭梢詭椭覀儾东@現(xiàn)在和預(yù)測未來的相關(guān)關(guān)系[1]，即挖掘事物之間的關(guān)聯(lián)性。中醫(yī)在長期的醫(yī)療實(shí)踐中積累了海量的處方數(shù)據(jù)，如何有效的分析這些數(shù)據(jù)并發(fā)現(xiàn)規(guī)律以指導(dǎo)臨床應(yīng)用，成為中醫(yī)藥現(xiàn)代化研究中亟待解決的問題。數(shù)據(jù)挖掘作為一種有效的數(shù)據(jù)分析手段，已經(jīng)在中醫(yī)藥領(lǐng)域中得到廣泛應(yīng)用。
1 數(shù)據(jù)挖掘技術(shù)
1.1 數(shù)據(jù)挖掘概述
數(shù)據(jù)挖掘是從大量數(shù)據(jù)中挖掘有趣模式和知識(shí)的過程。從廣義上說，數(shù)據(jù)挖掘是對數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Databases，KDD)的一個(gè)過程。作為一種通用技術(shù)，數(shù)據(jù)挖掘可以用于任何類型的數(shù)據(jù)，只要數(shù)據(jù)對目標(biāo)應(yīng)用是有意義的，數(shù)據(jù)源可以包括數(shù)據(jù)庫、數(shù)據(jù)倉庫、web、其他信息存儲(chǔ)庫或動(dòng)態(tài)的流入系統(tǒng)的數(shù)據(jù)[2]。
1.2 中醫(yī)藥數(shù)據(jù)挖掘的意義
中醫(yī)藥領(lǐng)域的處方中通常包含大量的藥物及其劑量組成，伴隨著醫(yī)院信息化建設(shè)的大力推進(jìn)，這些藥方多以數(shù)據(jù)庫形式被保存，運(yùn)用數(shù)據(jù)挖掘技術(shù)對中藥數(shù)據(jù)進(jìn)行科學(xué)分析，從而發(fā)現(xiàn)其中的配伍特點(diǎn)和規(guī)律成為很有現(xiàn)實(shí)意義的一項(xiàng)工作。
中醫(yī)藥數(shù)據(jù)挖掘的目的是通過對中醫(yī)處方中的中藥數(shù)據(jù)建立合適的模型，從而尋找藥物之間的頻繁模式和關(guān)聯(lián)規(guī)則，可以實(shí)現(xiàn)中醫(yī)用藥經(jīng)驗(yàn)的有效總結(jié)和傳承。
1.3 關(guān)聯(lián)規(guī)則算法
數(shù)據(jù)挖掘有很多模式，常見有關(guān)聯(lián)規(guī)則[3]、聚類算法[4]、分類算法[5]等。關(guān)聯(lián)規(guī)則挖掘最初僅限于事務(wù)數(shù)據(jù)庫的布爾型關(guān)聯(lián)規(guī)則，近年來廣泛應(yīng)用于關(guān)系數(shù)據(jù)庫[6]。關(guān)聯(lián)規(guī)則反映一個(gè)事物與其他事物之間的相互依存性和關(guān)聯(lián)性。如果兩個(gè)或者多個(gè)事物之間存在一定的關(guān)聯(lián)關(guān)系，那么其中一個(gè)事物就能夠通過其他事物預(yù)測到。
關(guān)聯(lián)規(guī)則就是支持度和信任度分別滿足用戶給定閾值的規(guī)則。Apriori[7]是關(guān)聯(lián)規(guī)則模型中的經(jīng)典算法。本文主要使用基于頻繁項(xiàng)集的Apriori算法進(jìn)行數(shù)據(jù)建模，用以發(fā)現(xiàn)中藥配伍中的規(guī)律性。發(fā)現(xiàn)關(guān)聯(lián)規(guī)則需要經(jīng)歷如下兩個(gè)步驟：
步驟一：通過迭代，檢索出事務(wù)數(shù)據(jù)庫中的所有頻繁項(xiàng)集，即支持度不低于用戶設(shè)定的閾值的項(xiàng)集;
步驟二：利用頻繁項(xiàng)集構(gòu)造出滿足用戶最小信任度的規(guī)則。
2 數(shù)據(jù)特征化和預(yù)處理
2.1 實(shí)驗(yàn)數(shù)據(jù)集
本文實(shí)驗(yàn)數(shù)據(jù)來自河北中醫(yī)學(xué)院附屬醫(yī)院腎內(nèi)科陳志強(qiáng)教授于2014年5月至2015年7月診治的早中期慢性腎衰竭患者的病案。采集的病案內(nèi)容包括患者姓名、性別、年齡、原發(fā)病、癥狀、體征、腎功能指標(biāo)、中醫(yī)證候、中藥處方等。摘取其中的中藥信息，按照《中藥大辭典》[8]統(tǒng)一藥物名稱。
2.2 數(shù)據(jù)特征化
統(tǒng)計(jì)數(shù)據(jù)集的全部223條中醫(yī)處方，共出現(xiàn)中藥194味，根據(jù)專業(yè)經(jīng)驗(yàn)，我們選取頻數(shù)在10%以上的中藥(視為高頻藥物)進(jìn)行數(shù)據(jù)挖掘。由于中藥處方中的中藥名稱以中文形式表示，因此需要將其進(jìn)行易于數(shù)據(jù)挖掘算法識(shí)別的數(shù)據(jù)特征化處理，方法如下：
(一) 藥物表的特征化方法
根據(jù)醫(yī)務(wù)工作者的經(jīng)驗(yàn)，將治療該病癥的常見中藥分為活血化瘀通經(jīng)類、清熱祛濕泄?jié)犷?、行氣燥濕化痰類、益氣健脾溫陽類、補(bǔ)益脾腎之陽類、滋養(yǎng)肝腎之陰類等六大類。將高頻藥物分別歸于這六大類中，針對每大類建立相應(yīng)的數(shù)據(jù)表。每條數(shù)據(jù)采用布爾常量的表示形式如圖1所示。
其中，第一項(xiàng)表示病人編號，每一條記錄表示一位病人的用藥信息，編號之后的每一位布爾數(shù)據(jù)表示某味中藥是否在該處方中出現(xiàn)，1表示出現(xiàn)，0表示未出現(xiàn)。
(二) 類別表的特征化方法
為了進(jìn)一步分析各大類之間的關(guān)聯(lián)性，建立一個(gè)數(shù)據(jù)類別表(同一條處方中出現(xiàn)某一類藥物中兩味或兩味以上，即判定使用了該類別中藥)。每條記錄表示一位病人用藥的類別信息，其中第一項(xiàng)表示病人編號，編號之后的每一位表示該類別藥物是否在該處方中使用，1表示使用，0表示未使用。
按照上述方法建成中藥藥物數(shù)據(jù)庫，其中包括：包含所有藥物的處方數(shù)據(jù)集、統(tǒng)計(jì)藥物頻次的藥物計(jì)數(shù)數(shù)據(jù)集、由專業(yè)醫(yī)生按照性味、功用劃分的六種不同類別的高頻藥物數(shù)據(jù)集以及判斷處方中是否使用某類藥物的類別數(shù)據(jù)集。

3 中醫(yī)處方經(jīng)驗(yàn)的挖掘方法
3.1 對每一類藥物中包含的各味中藥進(jìn)行關(guān)聯(lián)規(guī)則建模
首先對數(shù)據(jù)庫中的藥物進(jìn)行頻數(shù)統(tǒng)計(jì)，即在處方中出現(xiàn)的次數(shù);然后將數(shù)據(jù)庫中所有同類別的藥物按照其在整體處方中出現(xiàn)的頻數(shù)降序排列。如果藥物排列靠前說明其在處方中出現(xiàn)頻率較高，為醫(yī)生的常用中藥，具有較高的參考價(jià)值。同時(shí)，參考專業(yè)醫(yī)生的經(jīng)驗(yàn)，本文將支持度和置信度的閾值均設(shè)置為10%，將其視為指導(dǎo)臨床應(yīng)用意義較大。對各類藥物數(shù)據(jù)采用Apriori算法建模，生成每一類別中藥間的關(guān)聯(lián)規(guī)則。
3.2 對六類藥物之間進(jìn)行關(guān)聯(lián)性規(guī)則建模
逐條分析223條中藥處方中所包含的藥物類別(同一條處方中出現(xiàn)某一類藥物兩味或兩味以上，即認(rèn)定含有該類別中藥)，統(tǒng)計(jì)223條中藥處方中每一類別藥物的應(yīng)用頻數(shù)，將其在數(shù)據(jù)庫中由高到低依次排列。根據(jù)專業(yè)醫(yī)生的經(jīng)驗(yàn)，設(shè)置支持度和置信度的閾值均為10%，將其視為指導(dǎo)臨床應(yīng)用意義較大。對類別數(shù)據(jù)采用Apriori算法建模，生成六類中藥其類別之間的關(guān)聯(lián)規(guī)則。

4 關(guān)聯(lián)性分析
4.1 同類別中藥的關(guān)聯(lián)分析
將關(guān)聯(lián)規(guī)則按照支持度降序排序，體現(xiàn)出常用藥對以及多味中藥同時(shí)出現(xiàn)的規(guī)律。以第一大類藥物為例，通過對關(guān)聯(lián)規(guī)則的統(tǒng)計(jì)分析發(fā)現(xiàn)：在此類中藥處方中，三味中藥同時(shí)出現(xiàn)的概率高達(dá)65%;四味中藥中藥同時(shí)出現(xiàn)的概率大約在31%左右;五味中藥同時(shí)出現(xiàn)的概率減少到14%左右;六味中藥同時(shí)出現(xiàn)的概率驟減到1%;而七味及以上中藥同時(shí)出現(xiàn)的概率則為0。第一類藥物的部分關(guān)聯(lián)規(guī)則如表1。
對同一類藥物，本文采用定向網(wǎng)絡(luò)關(guān)系圖表示藥對之間的關(guān)系。連接兩位中藥之間的連線越粗，表明這個(gè)藥對出現(xiàn)在處方中的頻數(shù)越高;越細(xì)就表明這個(gè)藥對出現(xiàn)在處方中的頻率越低。圖2所示為輸出第一類藥物中頻數(shù)最高的中藥與其它各味中藥的關(guān)聯(lián)關(guān)系的定向網(wǎng)絡(luò)圖。
結(jié)論分析：
縱觀全部類別的所有頻繁項(xiàng)集，發(fā)現(xiàn)在各類藥物中，往往是同類別藥物多味聯(lián)用，以增強(qiáng)其功效;而在聯(lián)用時(shí)，又會(huì)有一定的味數(shù)限制，數(shù)目通常為三味至五味為多。通過定向網(wǎng)絡(luò)圖可以分析出針對某一種藥物與其它中藥成對出現(xiàn)的規(guī)律：由處方中頻數(shù)高的藥物組成的藥對，其之間的關(guān)聯(lián)關(guān)系更為密切。
4.2 不同類別藥物之間的關(guān)聯(lián)性分析
在223條有效的類別數(shù)據(jù)記錄中，生成的規(guī)則總數(shù)為154條，為了便于結(jié)果分析，將其按照支持度降序排列。通過對關(guān)聯(lián)規(guī)則的統(tǒng)計(jì)分析得出：前兩類藥的支持度高達(dá)95.5%;前三類藥的支持度為89%;前四類藥的支持度為70.9%;前五類藥的支持度驟減到25.6%;而全部六類藥的支持度僅為5.8%。現(xiàn)僅摘取前項(xiàng)含有前兩類中藥的關(guān)聯(lián)規(guī)則見表2。
結(jié)論分析：
前四類中藥之間的相互關(guān)系最為密切，其次是這四類中藥分別與第五、六類之間的關(guān)系，而第五、六類中藥之間關(guān)系的密切程度則大大降低。從關(guān)聯(lián)規(guī)則的結(jié)果可以分析得出前四個(gè)類別的藥物屬于常用和聯(lián)用的藥物。
5 結(jié)語
本文通過對中藥數(shù)據(jù)集的特征化處理，采用基于頻繁項(xiàng)集的Apriori經(jīng)典關(guān)聯(lián)規(guī)則算法，對中醫(yī)處方中藥物的頻繁項(xiàng)集和藥物之間的關(guān)聯(lián)關(guān)系進(jìn)行了有益的探索，發(fā)現(xiàn)了常用藥物組合及配伍特點(diǎn)，獲得了普通處方分析較難獲得的處方經(jīng)驗(yàn)信息。實(shí)驗(yàn)結(jié)果證明：使用關(guān)聯(lián)規(guī)則對中藥數(shù)據(jù)庫建模，可以挖掘出中醫(yī)在治療某種疾病方面的用藥特點(diǎn)，為研究臨床用藥規(guī)律提供了有效方法