中医医案的数据挖掘研究

中医医案的数据挖掘研究

中医学已有几千年的历史，大量的中医实例是其主要支持因素之一。随着时间的推移,中医医案的各类文献不断涌现,如何对海量但又缺乏标准化、规范化的医案信息进行整理与分析,是医案研究面临的重要问题。近年来兴起和发展的数据挖掘技术为医案研究提供了良好的工具,越来越多的学者尝试将数据挖掘技术应用于医案的整理和挖掘,取得了较好的效果,现综述如下。1将“数据库”转化为“知识发现”数据挖掘是对大量观察到的数据进行分析,以便从中发现事先未知的联系和规律的过程。通常被分析的数据是以一定格式存储在数据库中并加以组织的,因此,有时又可将数据挖掘等同于“数据库中的知识发现”,其目的是让数据拥有者得到非常清晰而有用的结果,而非如使用结构化查询语言(SQL)来简单地进行数据库处理2。2挖掘技术在中医医疗案例研究中的步骤2.1有预见的情况虽然数据挖掘的最后结果是不可预测的,但要探索的问题应是有预见的。中医医案往往都包括了理、法、方、药等各种内容,挖掘其中不同方面数据的规律,可能导致采用不同的分析方法,所以,明确数据挖掘目的是建立正确分析的先决条件和基础。2.2创建挖掘对象并与计算机短首先要确定中医病案数据的来源,并制定纳入标准,从而根据数据挖掘的目的,选择相关的数据创建挖掘对象,并将这些数据输入计算机,常用的软件有Excel、Access、SPSS等。2.3消除噪声等时，对相关数据进行解读预处理数据通常又称为数据清洗,即对数据进行质量控制,如删除不适合分析的数据、补偿丢失的数据、消除数据噪声等。数据转换的目的在于统一数据的表达方式便于数据分析,如中医医案中可能出现“寐差”、“夜不得寐”、“睡眠困难”等描述,我们可以将其统一为“寐差”,而对“神气”的描述,包括得神、少神、失神、神乱四项,可将其分别采用数字1、2、3、4来代表。2.4预测性方法数据挖掘的方法和过程取决于和服从于研究的目的,若要描述数据的某些特性,就可采用描述性方法,包括聚类分析、关联规则分析等;若要描述一个或多个和其他所有数据有关系的数据,可采用预测性方法,包括Logistic回归、神经网络等。总之,一个相同的研究目的,可能采用多种数据挖掘方法,因此,在正式实施数据挖掘之前,我们应对相关数据进行探索性分析,其目的在于使分析者预测什么数据挖掘方法最适合下阶段的数据分析。最后确定方法及具体技术后,开始实际分析数据,并得出分析结果14。2.5解释评价的必要性数据挖掘只是人类认识和探索世界的一个工具和方法,它可发现一些潜在的现象,但不会告诉你为什么,其结果必须在相应目标领域专家的指导下进行解释和评价。因此,数据挖掘不仅仅只是分析数据,更重要的是要将分析的结论运用到中医药理论中去,指导临床,解决某些特定的问题,完善中医药体系,这才是运用数据挖掘技术研究中医医案的终极目标。3中医医疗应用的总结3.1诊疗信息描述朱氏等以445例名中医哮喘医案为数据来源,采用数据挖掘技术分析四诊信息,共获得四诊信息278种,出现总频数3285次,平均每个医案四诊信息描述仅7.38次,以喘、咳嗽、咳逆倚息、胸闷(憋气)、哮鸣、呼吸急促等症状为主,而滑脉、细脉、数脉等体征出现频率也较高。3.2医证候及证候种类吴氏等通过收集、分析名医冠心病典型医案115例,共得到19个中医证候,主要证候8个;证候要素总频数为302个次、主要有气虚59(19.5%)、血瘀106(35.1%)、痰阻63(20.9%)、阳虚28(9%)、阴虚23(7.6%)。3.3董建华治疗冠心病用药规律探索李氏等以《董建华老年病医案》为数据源,采用数据挖掘技术对36个病种101例217诊次医案进行分析,探索董建华治疗老年病用药规律。结果获得21类、250味药、2494药次及每一类药的核心药物,获得药对关联规则共27条;并发现董建华治疗老年病善用理气药,而药对也以理气药药对为主,所用药对既有效法古人者,也有自己创见者。3.4苦杏仁患者朱氏等研究发现,对滑脉、胸闷(憋气)、白苔、浮脉、不寐(失眠)、恶寒、咳黏痰、咳白痰的哮喘患者古医家多用苦杏仁,以紫苏子与冬瓜仁联用治疗“喘”和“咳嗽”,对痰鸣、咳白痰、畏寒者用半夏;同时也得出麻黄,或半夏,或苦杏仁等用风寒袭肺证的结果。谭氏等应用关联规则通过对43例当代名中医痢疾医案分析得到下利脓血重用白头翁、赤芍,里急后重用黄连、赤药、槟榔等,与实际痢疾治疗常用中药切合。4中医常用的数据分析方法4.1聚类过程聚类聚类分析是一种探索性的统计分析方法,是在没有先验知识的情况下对数据资料进行分类。从对数据的处理结果看,聚类与分类相似,但与分类不同的是,聚类要划分的类不是预先给出的,在聚类过程中,分组是利用各个数据的属性值之间的相似程度来进行的。我们可以对中医病案中的病因、证候、用药等资料,按照其内在相似或相关程度将数据分为若干个类别,来发现其中的规律。如薛氏等从《古今糖尿病医论医案选》中收集并筛选138例当今糖尿病医案病例,运用聚类分析将筛选后的四诊因子分为肾阳虚类和肾阴虚类,四诊与血瘀19因子比较发现,舌诊因子在糖尿病诊断中权重较高。杜氏等通过搜集和整理清代医家治疗噎膈的内服方剂178首,对其进行聚类分析后,共形成5个聚类方,从而得出清代医家治疗噎膈从脾胃论治的方剂居多,注重化痰祛湿的结论。4.2中医病案关联分析关联是指两个或多个变量的取值之间存在某种规律性,关联规则是描述两个或多个变量之间的某种潜在关系的特征规则。通过运用关联规则分析的方法,可以发现医案中症状、证候和方药之间存在的关联规律。谭氏等收集了43例当代名中医痢疾医案,通过关联规则分析认为痢疾的四诊信息、病因、证候与中药之间有较好的关联性。如根据四诊信息与中药的关联分析可了解到,下利脓血重用白头翁、赤芍,里急后重用黄连、赤芍、槟榔等,与实际痢疾治疗常用中药切合。根据以上关联分析,提出一治疗湿热蕴结型痢疾的基本方:黄连、黄柏、白头翁、赤芍、秦皮、茯苓、槟榔、甘草。吴氏等收集了7位名医治疗冠心病心绞痛典型医案115例,建立名医冠心病诊疗数据库,运用关联规则分析后得出活血药、化痰药及补虚药之间的配伍是最常用的药物组合,瓜蒌薤白类方、活血通脉剂及生脉散等是名医治疗冠心病的基本方药等结论。4.3回归分析方法回归分析的作用是揭示响应变量随着一个或几个自变量的变化而发生响应的规律,并以某种适当的形式表达这种响应规律。其有线性回归、非线性回归、Logistic回归、回归树、人工神经网络等35。在中医病案中,病因、症状、证型、用药等特征之间同样也可能存在若干因素影响某一因素的现象,所以,也可以用回归分析方法来描述这种影响作用。丛氏等总结了中医历史上著名医家的医案22459条,统计筛选出肺病的常见临床证候,与某一证候正相关和负相关的病因或病理结果、症状和用药,并定量地表达了这些病因或病理结果、症状及用药对该证候的重要性。提示肺病有虚证、实证、实热证、虚热证、实寒证、表证等发病规律,并从临床表现反证了肺的生理功能。宋氏等采用非条件Logistic多元逐步回归法筛选变量,筛选出历代中医医家医案中心病临床证型,心病及各证型的病因或病理结果、症状、临床用药的回归分析结果,总结了中医心病证的发病规律、症状诊断和临床用药规律,对临床诊治有直接的指导意义。4.4根据测定指标分类因子分析是将具有错综复杂关系的变量或样品综合为数量较少的几个因子,以再现原始变量与因子之间的相互关系,探讨多个能够直接测量并且具有一定相关性的实测指标是如何受少数几个内在的独立因子所支配的,同时根据不同因子还可以对变量进行分类。通过该方法,可以将中医医案中相关的共性寻找出来。彭氏等收集了明清两代部分医籍、医案、医话总共559例治疫处方,将其中关于疫病症状、用药方面的资料进行整理、归纳及规范,然后运用因子分析的数据挖掘方法对收集的资料进行挖掘,提取了10个因子,得出疫病与人体体质密切相关,疫病总属热邪为患,多属危急重症,治疗上重清热开窍、重除湿、重养阴扶正等结论。4.5注重临床资料的挖掘和挖掘,避免了一般法律和实际执行中的过度保护,使患者获得更多规律和培训,从而达到提高历史和临床20例在中医医案数据挖掘研究中尚有粗糙集、贝叶斯网络、判别分析、信息熵理论等方法。吴氏等运用贝叶斯网络提取名老中医治疗冠心病心绞痛病案证候要素相关症状,并以条件概率的形式表示出各相关症状在名老中医辨证中的贡献度,反映了证候诊断的实质,将名老中医辨证经验转化成了定量表示的知识,为名老中医经验传承开辟了新的途径。另外值得一提的是,将上述数据挖掘方法综合使用,则能从不同的角度挖掘隐藏在大量医案后面的更多规律。如金氏运用粗糙集理论和因子分析方法分析清代以前运用“金水相生”法的医案209例,认为“金水相生”法治疗以咳嗽、喘促、有痰、咳血咯血、舌红、无苔或燥或黄、脉细数为主要临床表现,麦冬、山药、茯苓、贝母、陈皮、熟地黄、甘草、五味子、生地黄、沙参、山茱萸、牡丹皮、杏仁、牛膝、当归等是高重要度药物,药物归经上肾经载荷高于肺经。李氏等基于信息熵的关联规则方法,对周仲瑛治疗系统性红斑狠疮病案34例进行挖掘,得到了符合医理的结果,证明了关联规则中引入信息熵可对数据挖掘结果进行初步度量,并弥补基了支持度和置信度框架下关联规则挖掘对非频繁项集进行分析的不足。5科学运用数据挖掘中医医案是中医学者的经验精华所