中医认为便稀泻泄多由中焦水谷不分.PPT

内容概要 介绍 一个机器学习(machine learning)在中医中应用的例子。 展示 机器学习在中医研究中的大有作为。 中医为机器学习提出的新问题、新挑战。 提纲 问题与背景 新方法 基本思想 隐结构分析工具 新方法的可行性 肾虚数据及其分析 结果的意义 总结与展望 致谢 问题与背景/中医诊断 收集病情资料 望、闻、问、切 例：小便余沥不尽，夜尿频，精神不振，齿松脱落，下肢困乏不便，记忆力减退，失眠，头部昏晕，苔薄、尺脉不足 辨证 对病情资料进行综合分析，从而对疾病当前的病因、病位、病势、病性等本质作出判断 结果：证或证候 例：肾精亏虚，膀胱失约 问题与背景/中医辨证 特点 中医辨证没有客观标准 医师辨证技能的高低很大程度取决于经验，老医师才会受到充分信任 辨证结果受主观因素的严重影响，对同一病人不同医师所做的辨证结论往往不同 我们的工作 问题 怎样为辨证建立一个客观的、定量的标准？ 提出一种研究辨证的方法 利用机器学习为中医辨证提供一个统计学基础、从而为它建立客观标准。 问题与背景/相关工作 证实质研究 兴起于五十年代 的目标是， 寻找证候的客观检测指标，用客观检测指标对疾病作出诊断； 成功标志： 是否找到与经验基本相符的指标 既具有敏感性，又具有特异性 问题与背景/相关工作 证实质研究未成功。 例：肾虚证研究 “不同的学者从不同的组织系统和生理病理角度选择了上百个指标，但目前还没有发现一个指标相对肾虚具有特异性” （王洪琦等1999） 指标例: 24小时尿17—羟(qiang4)皮质类固醇降低 曾一度被认为是肾阳虚的特异性指标 但后来发现，它在脾阳虚时也会出现 问题与背景/相关工作 证实质研究 “40年来，中医证实质研究已经将成百上千的实验数据摆在我们面前，按照原定研究目标，这些不争气的数据给予我们的只是困惑和迷茫”。（赵国求1999） 目前多数学者认为证不能用类似西医的方法靠几个特异性的指标来判定。 问题与背景/相关工作 回归分析和判别分析 出发点 一组已由专家分类的病例 (labelled data)， 每份病例不但有病人的症状，而且还有专家对病人所作的辨证结论。 目的 建立回归方程或判别函数 症状为自变量，而证候为应变量。 问题与背景/相关工作 回归分析和判别分析 刘士敬等 1994 数据：中医产科脾气虚证57例，非脾气虚证23例 回归方程： X33 -- 滑胎; X30 -- 胎漏… X26 --妊娠腹痛 取值1或0，分别代表症状的出现和不出现。 辨证 Y=37.54 时判断为脾气虚证， Y 37.54 时判断为非脾气虚证。 问题与背景/相关工作 回归分析和判别分析 李小兵等 2000 从已由专家分类的数据出发 为心脑血管病痰证建立了如下判别函数： X1 --肥胖; X2 --胸腹痞闷… X9 --脉滑 辩证 Y1 Y2 则判为痰证 Y1 Y2 则判为非痰证。 问题与背景/相关工作 回归方程和判别函数可以用作辨证的标准 但是说不上是客观的。 它们是对数据的数学总结， 而每份数据中的应变量的取值是专家的主观判断 所以它们其实是专家经验的数学总结。 因此，用它们作为辨证标准其实就是用专家作为标准，缺乏客观性 问题与背景/相关工作 聚类分析 出发点 一组未分类的病例 (unlabelled data)， 每份病例只有病人的症状，无辨证结论。 目的 按症状对病例进行聚类， 症状相近的聚为同一类，症状不相似的聚到不同的类 成功标志： 所得的类与中医证侯吻合 杨学鹏（1993） 用基于距离的聚类，对阴阳两证进行了研究 结果不理想：所得的类与阴证和阳证的特性不吻合。 问题与背景/相关工作 聚类分析 杨学鹏（1993）基于上述思想，对阴阳两证进行了研究 结果不理想：所得的类与阴证和阳证的特性不吻合。 我们也从这个角度做了一些尝试，不成功。 一般来讲，聚类分析有实质性困难。 证候很少单个出现，出现的往往是复合证，其数目十分庞大。 由于类的数目众多，“相邻”类之间的区别未必明显，加上随机性，要通过聚类来确定这些自然类是十分困难的。 我们曾试图用基于模型的聚类分析来研究证，得到如上体会。 提纲 问题与背景 新方法 基本思想 隐结构分析工具 新方法的可行性 肾虚数据及其分析 结果的意义 总结与展望 致谢 基本思想 辨证理论与隐结构 例如关于肾阴虚，中医认为： 肾阴亏虚，脑髓、官窍、骨骼失养，则见腰膝酸痛、眩晕耳鸣、健忘、齿松发落；……；虚火上扰心神，故烦热少寐；肾阴不足，失于滋润，虚火蕴蒸，故见口燥咽干，形体消瘦，潮热盗汗，或骨蒸发热，颧红，尿黄少。舌红少苔，脉细数，为阴虚内热之象。 显变量(