贝叶斯网络在中医证素辨证体系中的应用.pdf

基金项目国家重点基础研究发展计划（计划）资助项目（NoCB）Correspondenceto：WenFengZHU，MD，ProfessorEmail：zwfyahoocomcn贝叶斯网络在中医证素辨证体系中的应用朱文锋，晏峻峰，黄碧群（湖南中医药大学中医诊断研究所，湖南长沙）摘要中医学所说的“证”是一个非线性的开放复杂系统。中医的“辨证”属于认知科学、思维科学。在揭示辨证原理与规律的基础上，构建以证素为核心的辨证新体系，是统一辨证方法，提高辨证水平的需要。采用经验建模与计算建模相结合，将贝叶斯网络用于中医辨证诊断数据中症状与证素间隶属关系、证素之间组合关系的研究，运算结果表明其与中医专家经验有很高的吻合性。贝叶斯网络是对辨证进行信息挖掘处理的一种较好方法，但仍未能全面反映中医辨证的思维能力。关键词证素；辨证体系；中医；贝叶斯网络中图分类号R文献标识码A文章编号（）ApplicationofBayesiannetworkinsyndromedifferentiationsystemoftraditionalChinesemedicineWenFengZHU，JunFengYAN，BiQunHUANG（InstituteofTraditionalChineseMedicineDiagnosis，HunanUniversityofTraditionalChineseMedicine，Changsha，HunanProvince，China）ABSTRACTTheconceptofsyndromeintraditionalChinesemedicine（TCM）isanonlinear，openandcomplicatedhugesystemSyndromedifferentiationinTCMbelongstocognitiveandnoeticscienceToestablishanewsyndromedifferentiationsystembasedonthekeyelementsofthesyndromeisnecessaryforTCMpractitionerstopromotedifferentiationabilityandreachconsensusondifferentiationmethodWithcombinationofexperienceandcomputationmodels，theBayesiannetworkwasusedinthestudyoftherelationshipbetweenthekeyelementsofsyndromeandthesymptoms，andtherelationshipamongdifferentkeyelements，inwhichthecomputingdiagnosisresultwasidenticaltotheresultfromanexperiencedTCMdoctorThestudyshowedthatBayesiannetworkisagoodmethodtodealwiththeinformationofsymptomsandsignsforsyndromedifferentiation，butitisalsonottoreflectcomprehensivelythethinkingabilityofTCMdoctorsindoingsyndromedifferentiationKEYWORDSkeypatternelements；syndromedifferentiatingsystem；traditionalChinesemedicine；BayesiannetworkZhongXiYiJieHeXueBaoJChinIntegrMed，2006，4（6）：567571wwwjcimjournalcom在揭示中医辨证原理与规律的基础上，构建以证素为核心的辨证体系，是统一辨证方法，提高辨证准确性的一种创新。对于辨证的研究，可以通过专家决策、有史知识、信息运算的整合等，人机结合，从定性到定量，从而综合集成为人工智能诊断系统。中医辨证的极其复杂性、高度非线性，可以运用数据挖掘、信息处理等多维的数学方法和计算机技术，对证素辨证进行计量分析和判别研究，从而使证素辨别达到较为精确的量化、可检验的程度。贝叶斯网络便是中医临床诊断从数据中辨识症状与证素间关系、证素组合关系的一种较好算法。中西医结合学报年月第卷第期JournalofChineseIntegrativeMedicine，November，Vol，No1中医辨证思维规律疾病中患者的各种临床表现，中医称为证候，或称症状。中医辨证的目的，是为了明确病位与病性等辨证要素，简称证素。各证素的相互组合，可概括成完整的证名诊断。因此，“证素”是通过对“证候”的辨识，而确定的病位和病性，是构成“证名”的基本要素。“辨证”就是根据中医学理论，通过对证候（症状等）进行分析，而确定其病理本质证素，并作出证名诊断的思维认识过程。中医辨证的特色是整体辨证，即从各方面综合判别疾病中机体现阶段的整体反应状态，而不是依据某项“金指标”作出诊断结论。中医辨证的思维原理与规律是根据证候，辨别证素，由证素组合成证名。临床上常见的症状，如恶寒、发热、头痛、头晕、胸闷、咳嗽、盗汗、口渴、小便清长、面色萎黄、舌红、苔腻、脉滑等，大约有个左右。通用的证素，如心、肺、脾、肝、肾、胃、表、经络等病位，气虚、气滞、血虚、血瘀、阴虚、阳虚、阳亢、寒、热、湿、燥、痰、饮等病性，约为项。由项证素组合而成的证名，如肺阴虚证、肝胆湿热证、脾肾阳虚证、肝郁脾虚证、风寒束表证等，可有数千个。“辨证”的关键是要确定病位与病性等证素，临床所搜集的任何症状都是为了辨别证素，每一证素都有一定的症状、体征及体质、环境等临床资料，如身体困重、关节肌肉酸痛、纳呆、恶心、腹胀、便稀、舌苔润滑、脉濡等为证素“湿”的特征性证候。任何疾病的表象均与一定的证素相关，任何复杂的“证”都是由证素的排列组合而构成。每个症状对各证素判断的贡献度（或称隶属度）不同，证素间的组合有一定的规则，某些证素间并可有重叠涵盖关系。证候证素证名之间存在着极其复杂的网络关系，形成“证素辨证”体系。中医辨证注重机体整体反应状态所反映出的基本病理证素，证素是辨证的核心。证素辨别是中医学认识论上的一大特色，它揭示了中医辨证纲领性强与证素组合复杂的科学认识原理。只要能准确辨别证素，就把握了证的实质，抓住了辨证的纲领。证素的多样性组合、演变，构成了病变的复杂性，也充分反映了中医辨证的灵活性。不同的医家在辨证时虽有差异，但其辨证思维的基本原理是相通的。辨证要素的确定、某组症状对某个证素的隶属程度、证素如何组合以及证型类别都有一定规律可寻。以证素辨别为核心的辨证体系，揭示出了辨证思维的内在规律，更符合临床辨证时的实际，使辨证方法易于掌握，能提高辨证的准确性和规范性，充分体现了中医学的科学性。2贝叶斯网络贝叶斯网络（Bayesiannetwork）是用于不确定性推理，带有概率注释的有向无环图（directedacyclicgraph，DAG）模型。它可根据先验知识和现有的统计数据，用概率的方法对未知事件进行预测。它以直观的图型方法描述数据间的相互关系，用概率测度的权重表达多个变量间的时序关系、相关关系或因果关系等多种依赖关系。其坚实的理论基础、直观的知识表达、灵活的推理能力以及方便的决策机制，使其成为数据挖掘领域的新兴技术。贝叶斯网络的网络结构，由代表变量节点及连接这些节点的箭头构成。每个节点代表一个随机事件变量，箭头代表了节点间的依赖关系。如果两个节点间有箭头连接，说明两者之间有因果联系；若两者之间没有箭头连接，说明两者之间没有依赖关系而相互独立。每当一个原因节点的出现会导致某个结果的产生时，都是一个概率的表述，而不是必然结果。贝叶斯网络用条件概率表达事件变量间关系的强度，一个节点在其父节点的不同取值组合条件下，取不同属性值的概率，就构成了该节点的条件概率。贝叶斯网络中的条件概率表，是节点的条件概率的集合。根据贝叶斯网络结构以及条件概率表，可以快速得到每个基本事件的组合概率。建造贝叶斯网络是一项复杂的任务，需要大量知识工程师和领域专家的参与，并需反复交叉进行才能不断完善。贝叶斯网络的学习算法，包括结构学习和参数学习两部分。欲求可能因果网络结构及其参数的先验概率分布，一般有主观和客观两种方法，主观的方法是借助人的经验、专家的知识等来指定先验概率，它要求专家作大量精细研究，且仍带有一定主观片面性；客观的方法是通过直接分析数据特点，来观察数据变化的统计特性，它要求有足够多的数据才能真正体现数据的真实分布。针对手工构建贝叶斯网络模型效率低下的缺陷，研究者们提出了一系列从数据中自动学习贝叶斯网络结构和参数的学习算法，如基于约束和基于得分函数的贝叶斯网络结构学习算法，以及结合两者长处的杂交学习算法。根据先验知识和现有的统计数据而建立数据库，让计算机按照贝叶斯网络杂交学习算法自动进行学习，可获得相应的贝叶斯网络。贝叶斯网络学习的目的之一，是为了实现贝叶斯网络的推理。在已知一些变量发生的条件下，计算机能从提供的数据库中发现变量之间的因果关系和每一变量的局部概率分布。当已知其中某些变量发生时，可根据贝叶斯公式求另一些变量的后验概率，这一过程称为贝叶斯网络的推理。中西医结合学报年月第卷第期JournalofChineseIntegrativeMedicine，November，Vol，No3肺系病证辨证运算举例在“证素辨证体系”的研究中，我们以肺系病证为重点，应用贝叶斯网络技术，对症状与证素间的相关关系、证素组合形成证名的规律进行探讨。训练样本集的样本量为个临床病例，含有症状个，涉及证素项，由证素组成的证名条，作为网络中的各个节点。每个病例中的症状和证素都是布尔变量，只有“出现”和“不出现”两种状态。应用时输入每个病例的症状，临床医生对该病例的证素辨识和证名诊断建立数据库，从中获得中医辨证的贝叶斯网络分类器。为了减少计算量，贝叶斯网络将出现频率小于次的症状和证素未纳入统计，从个症状中筛选出常见症状个，从项证素中筛选出常见证素项。基于这一分类器，我们就能根据病人的临床表现推理出证素和证名。对中医辨证贝叶斯网络的仿真实验，首先输入例患者的全部症状信息，通过运算后得出辨证网络图及局部概率分布表，然后将计算得到的结果交中医专家进行评判，以评估贝叶斯网络结构学习算法用于症状证素证名相关关系发现的可行性。验证病例所输症状，提示的证素、证名，举例见表。中医辨证贝叶斯网络通过运算，绘制出临床病例的症状与证素相关关系图，见图。中医专家认为，这张图很好地反映了证素与症状之间的相关关系，直观地提供了与每个证素直接相关或间接相关的症状，准确区分了相关症状与无关症状，如图（B）中的“经常便溏”和“腰痛”与“肺热炽盛证”无关，并且识别出了容易被专家忽略的相关关系，如图（C）中症状“久不欲食”与证素“阴虚”亦有一定的相关性。中医辨证贝叶斯网络通过运算，能够表达症状与证素间关系强度的条件概率。如肺热炽盛证的局部概率分布。见表。表1验证病例表编号输入变量数输入症状提示证素提示证名A咳嗽，气喘，吐痰，发热重恶寒轻，口腔赤烂，腰痛，舌苔微腻，脉浮，脉数肺、风热风热犯肺证B发热，咳嗽，痰色黄，肺部湿罗音，腰痛，经常便溏，舌赤，舌苔黄，脉数热、肺肺热炽盛证C咳嗽，五心烦热，潮热，干咳，咽干，久不欲食，面色晦暗，舌红嫩小，苔少，脉细，脉数阴虚、肺肺阴虚证D咳嗽，吐痰，气喘，肺部湿罗音，喉哮鸣声，舌苔黄，舌苔腻，脉滑，脉数痰、热、肺、风热痰热壅肺证图1症状与证素相关性贝叶斯网络图A：风热犯肺证；B：肺热炽盛证；C：肺阴虚证；D：痰热壅肺证中西医结合学报年月第卷第期JournalofChineseIntegrativeMedicine，November，Vol，No表2肺热炽盛证各变量的局部概率分布表变量及其赋值概率（P值）发热脉数发热脉数腰痛咳嗽肺部湿罗音，肺咳嗽肺部湿罗音，肺咳嗽肺部湿罗音，肺咳嗽肺部湿罗音，肺痰色黄咳嗽，热痰色黄咳嗽，热痰色黄咳嗽，热痰色黄咳嗽，热经常便溏肺部湿罗音肺肺部湿罗音肺舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热舌赤发热，舌苔黄，脉数，热苔色黄脉数热苔色黄，脉数，肺热苔色黄，脉数，肺热苔色黄，脉数，肺热苔色黄，脉数，肺热苔色黄，脉数，肺热苔色黄，脉数，肺热苔色黄，脉数，肺热苔色黄，脉数，肺肺表中变量被赋值为，表示该变量发生，如“发热”；变量被赋值为，表示该变量不发生，如“脉数”。图（B）中每一变量与其它变量的相关关系，可用表中的条件概率定量表达出来。如“肺部湿罗音”和“肺”是“咳嗽”的两个交节点（即箭头指向“咳嗽”的两个直接相关节点），表示“肺部湿罗音”和“肺”是两个对“咳嗽”能否发生的直接影响因素，其它因素与“咳嗽”仅为间接关系甚至无关。当不发生“肺部湿罗音”而且病位不在“肺”时，出现“咳嗽”的概率很低，P。当发生“肺部湿罗音”或（和）病位在“肺”时，发生“咳嗽”的概率明显增加，P。“腰痛”、“经常便溏”是两个与其它变量非直接相关的变量，其发生概率非常低，分别为P，P。医学知识告诉我们，上述结论是可信的。中医辨证贝叶斯网络，关于证素相互组合而构成证名的实验，举例如下（见表）。病例编号：。已考虑的症状：五心烦热，盗汗，脘腹痛，脘痞胀，咳嗽，干咳，痰粘难咯，咽干，久不欲食，大便干结，形体消瘦，颧红，脉细。没有考虑的症状：隐痛，干呕。激活证素：肺，胃，阴虚；激活证名：肺胃阴虚。中医专家认为，贝叶斯网络判别与临床辨证完全吻合。表3一例肺胃阴虚证病例的贝叶斯网络判别与临床辨证结果证素推算概率阈值推算判别临床辨证痰热肺心肝脾肾胃阳虚阴虚气虚血虚气滞血瘀肠道闭心神水停风寒风热表寒饮燥胸膈肺胃阴虚4贝叶斯网络应用于中医证素辨证的体会贝叶斯网络能较好地体现中医辨证思维原理通过对贝叶斯网络学习与推理原理和算法的考察，我们发现该技术能很好地模拟人脑的学习与思维过程，模拟临床专家实践经验的积累方式。它能够通过自学习而进行经验积累，并可从数据挖掘中发现某些隐含变量，通过相关概率分析各种可能性，对变量间关系的复杂与精细程度的辨别，超出人脑中西医结合学报年月第卷第期JournalofChineseIntegrativeMedicine，November，Vol，No所能的范围，从而可以提高辨证推理的准确性，运用中并能不断提高辨证的能力。其推理过程，是建立在相关概率的计算、阈值的设定和数理推导基础之上，不仅推理过程明确，可重复性强，而且结论表达具有很高的精度。中医辨证贝叶斯网络能计算出症状证素证名之间的量化关系，为中医证素辨证体系的量化研究提供了重要的统计数据。贝叶斯网络技术对变量的输入并无限制，只须将收集到的临床资料输入计算机，任凭网络自行学习、发现、推理和预测而得出诊断结论，因而具有客观性。贝叶斯网络技术属于思维科学、非线性科学，具有整体性、动态性、复杂性等特点，将比较模糊、不易掌握的中医辨证理论，用可视的图形、清晰的语义、精细的数据进行描述，有助于对辨证的理解，可阐发中医辨证的科学性。优质的学习资料是构建网络的重要因素贝叶斯网络的构建，实际是一种培训学习。贝叶斯网络的知识主要是从我们提供的样本库的学习中获得的。从临床上所收集病例的病情信息是否全面、准确、客观，临床医师的辨证是否准确，将直接决定贝叶斯网络的学习水平和应用贝叶斯网络进行临床辅助诊断的准确性。因此，提供高质量的样本对网络学习至关重要。每个症状、证素、证名都要有一定的样本量。样本量小时，易致信息获取不全，使学习计算结果可靠性差，如当样本学习数为时，其辨证符合率仅为（）；随着样本量的增加，准确率逐步提高，当学习样本数增长至时，辨证符合率升至（），预测精度比例组高出倍以上；样本量越大，学习推理结果越准确。病情基本相同、同一证型的病例，经过约份样本的学习，即可得到准确的运算判别结果，这同临床医师的成长一样，与实践经验的多少直接相关。贝叶斯网络尚难全面体现辨证思维尽管贝叶斯网络存在诸多特点和优势，但同其它算法一样，它也存在着明显不足。贝叶斯网络是基于频率的算法，当某些症状、证素、证名出现频率很低时，为了减少计算量，通过变量筛选势必将其舍弃，但这些变量的诊断意义不一定低，不将其纳入计算，必然使信息获取不全，从而影响推理判断的准确性。临床的症状一般都有轻、中、重之分，其辨证价值亦有差别，但贝叶斯网络对每个变量只有“出现”和“不出现”两种状态，因而难以全面反映证候的辨证意义。临床上有的症状对某证素的判断是起否定作用的，如症状舌淡胖就能降低证素阴虚的可能性，而贝叶斯网络计算出的局部概率分布参数则无正负之分，势必对辨证的结论产生负面影响。概率不等于权重，它是通过各种关系的比较而确定的，并随自变量更动而变动，因而贝叶斯网络上每个节点的条件概率，是随机、动态的，未能提出每个节点相对静态、固定的概率参数，其表达可精确至到之间，但必须在计算机网络下运行，这远非通过人脑思维所能做到，因而贝叶斯网络的推理判断难以为临床医生掌握和应用。人机结合，建立人工智能辨证系统贝叶斯网络的建模，可采用主观方法和客观方法。根据有关文献知识、医师经验等来指定先验概率，即对症状、体征等临床表现的辨证意义，实行定性定量刻划，建立症状证素因果关系学习模块、症状证素推理关系学