数据挖掘技术在中医药中的应用.docxVIP

数据挖掘技术在中医药中的应用 挖掘数据（m）是一种隐藏、未知和具有潜在价值的知识发现过程。主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术、高性能计算、图像处理以及空间或时间数据分析等。数据挖掘技术在中医药研究领域也得到广泛应用, 为中医药现代化在医案整理、证候分类、用药规律、疗效评价等方面的发展提供了强有力的证据, 为中医理论的进一步发展提供新的研究思路和参考, 兹将近年来研究进展作一综述。 1 挖掘技术及其特点 1.1 神经元结构的模拟 此技术以数学模型为主, 重点针对复杂数据, 快速完成数据抽取。神经网络技术通过模拟大脑的神经元结构, 利用MP, 实现非线性规划, 根据数据信息的特性, 决定信息的存储位置, 实现自主处理。该技术在数据挖掘中, 不仅可以实现数据的快速分类, 还可以对数据进行模拟预测, 促使数据挖掘处于优化状态, 完成难度聚类。 1.2 实际案例综合分类处理 此技术以模拟离散函数为主, 借助树木模型, 对实际案例进行综合分类处理。决策树理论支持数据挖掘的分析和分类, 对相同属性的数据进行归类存储, 进而挖掘数据分类中遵循的规则。 1.3 高频项目关联规则 关联规则挖掘过程必须先从资料集合中找出所有的高频项目组, 再由这些高频项目组中产生关联规则。它是通过关联分析找出数据库中隐藏的关联网, 是医学文献整理中最常用的数据挖掘技术之一。 1.4 将知识转化为数据法 该技术是利用粗糙集合中的属性约简和规则约简理论来对数据进行客观而有效的处理, 从而更迅速地获得知识。即将不精确或不确定的知识用已知的知识库中的知识来 (近似) 刻画。 2 挖掘技术在中医发展中的应用 2.1 中医防治冠心病 中医的继承一直以来都是中医发展的关键问题, 然名医名家学术思想往往都保留在大量的临床医案之中, 不借助一定的工具很难加以总结和概括, 其规律性往往难以把握。数据挖掘技术则是一种非常好的探索名医名家学术思想和辨证规律的工具。如李艳等运用数据统计和挖掘技术对临床信息进行处理, 采用深度访谈的定性研究对挖掘与统计的结果加以分析, 以病历数据作为客观依据, 以杨宝元老中医的意见为主导, 结合临床实验的疗效验证, 总结出杨宝元老中医防治冠心病的原则为补气为先、温阳为上, 气血兼治、贵在化瘀, 善用虫药、化瘀通络;临床用药体会总结四法为益气化瘀法、温阳化瘀法、温阳通脉法、化瘀通络法。凌颖茹等通过收集黄春林教授治疗肾病综合征 (NS) 病例, 录入“中医传承辅助平台”系统, 采用系统中的关联规则、改进互信息法、复杂系统熵聚类等无监督数据挖掘方法, 发现其治疗NS的基本方 (黄芪、杜仲、菟丝子、女贞子、芡实、丹参、蒲公英、藿香) 及8首相关新处方。李秀娟等以《当代名老中医典型医案集》为数据源, 通过对68则医案77诊次, 采用频数分析、关联规则等数据挖掘方法进行分析, 获得195味中药、1073频次及核心药物30种, 获得药对关联规则共25条。结果发现名老中医治疗胃脘痛喜用甘缓建中、疏肝气、柔肝体、除湿运脾、苦寒清降、活血化瘀等药物;白术、半夏、甘草组成的药对在治疗胃脘痛中通过巧妙配伍发挥多种疗效。刘云涛等以病毒性肝炎为例, 通过数据的分类整理、数据库的建立、产生关联规则, 结果发现名老中医认为病毒性肝炎主要病因为热邪和湿邪、寒邪, 脾虚、阴虚、肝郁亦可为重要的致病因素;并以湿热蕴结、肝郁气滞为常见证候, 确立了清热利湿、疏肝解郁为核心治法, 同时强调久病必虚、久病必瘀, 故联合健脾疏肝、凉血化瘀、芳香化浊为治。这些都提示数据挖掘不仅可探索名医名家对疾病发病规律的认识, 同时也可挖掘临床实践辨证用药的规律, 为中医医案及名医经验的传承具有较好的帮助。 2.2 广泛性焦虑证候诊断标准的制订 证候是反映疾病本质规律的象征, 是中医的标准化的主要任务之一, 然而中医在症状、体征等临床表述上、证候分型上往往都用各自语言, 不同表述, 甚至存在不同含义的差异, 如何将中医从症状、体征等证候的构成因素及证候分型的本身进行规范和统一, 是数据挖掘技术探索证候研究的主要工具之一, 唐启盛等通过调查共纳入广泛性焦虑症的症状61项, 运用贝叶斯网络技术等数据挖掘技术建立61项症状的关系模型, 提取了9个证候要素和5个证候靶位;并运用聚类分析提取了8个证候类型, 结合专家经验和中医理论, 确定广泛性焦虑症有肝郁化火、肾虚肝旺、痰热扰心、心脾两虚、肝郁脾虚、心肾不交等6个证候类型, 并制订了广泛性焦虑症的中医证候诊断标准。方朝晖等通过选取2型糖尿病患者813例、901次诊次, 采用多维检索软件频数、构成比、Liquorice复杂网络节点度、频度及点式互信息分析方法, 发现2型糖尿病中医证候以气阴两虚夹瘀证为最多见, 其中40岁以下以气阴两虚证居多, 40