王 炯，魏春明，趙 森，張?jiān)品?，?靖，王芳琳

(1．公安部物證鑒定中心，北京 100038；2．浙江警察學(xué)院，杭州 310053）

在我國，隨著社會經(jīng)濟(jì)的發(fā)展越來越多的化合物出現(xiàn)在人們的日常生活中，由此導(dǎo)致的投毒、中毒事件也日益增多，造成了巨大的人民生命財(cái)產(chǎn)損失。在應(yīng)對這些中毒案事件時(shí)，無論是及時(shí)、專業(yè)的現(xiàn)場中毒救治還是實(shí)驗(yàn)室的后續(xù)毒物檢驗(yàn)，其首要任務(wù)是判斷引發(fā)中毒的是哪一種或哪一類毒物，并且能夠及時(shí)獲得相關(guān)毒物的基本信息用于輔助現(xiàn)場處置工作[1-2]。因此，研究建立一套中毒判定軟件，利用不同毒物中毒所引發(fā)的受害人不同中毒反應(yīng)的區(qū)別，以及受害人生前的中毒表現(xiàn)或死后的解剖所見信息來判斷毒物種類，并且提供相關(guān)毒物的數(shù)據(jù)信息、檢驗(yàn)技術(shù)方法或相關(guān)處置的行業(yè)標(biāo)準(zhǔn)[3-4]，對中毒案件處置中的專業(yè)人員或非專業(yè)人員提供技術(shù)支持，可有效地提高中毒現(xiàn)場救治能力和實(shí)驗(yàn)室毒物篩查、檢驗(yàn)效率，從而提高相關(guān)部門應(yīng)對中毒案事件的能力。

1 軟件研發(fā)的原理

本軟件的核心功能是中毒判定，在中毒案例中，不同的毒物中毒會引發(fā)受害人不同的中毒反應(yīng)，在中毒表現(xiàn)或尸體解剖中會表現(xiàn)出不同的中毒特征，因此，應(yīng)用數(shù)據(jù)挖掘技術(shù)，收集大量的中毒案例數(shù)據(jù)，從中發(fā)現(xiàn)中毒特征與毒物之間的規(guī)律[5-6]，根據(jù)中毒特征對毒物進(jìn)行判定。

2 判定功能研發(fā)

基于數(shù)據(jù)挖掘技術(shù)來實(shí)現(xiàn)中毒判定功能，首先建立中毒案例數(shù)據(jù)庫，從中調(diào)用與毒物、中毒相關(guān)的數(shù)據(jù)作為源數(shù)據(jù)來建立數(shù)學(xué)模型。實(shí)現(xiàn)這一過程，需要建立中毒特征模型（數(shù)據(jù)字典）來描述中毒受害人的中毒表現(xiàn)信息和尸體檢驗(yàn)信息，并通過中毒特征模型來將案例中的中毒特征數(shù)字化，便于研究應(yīng)用。本文的中毒特征模型分為中毒表現(xiàn)特征模型（生前）和尸體檢驗(yàn)特征模型（死后）兩類。其中，中毒表現(xiàn)特征模型分為眼部、神經(jīng)系統(tǒng)、呼吸系統(tǒng)、循環(huán)系統(tǒng)、皮膚黏膜、消化系統(tǒng)、泌尿系統(tǒng)、血液系統(tǒng)、其他共九個(gè)部分95個(gè)選項(xiàng)，尸體檢驗(yàn)特征模型分為尸表體態(tài)、解剖所見、病理學(xué)檢查三個(gè)部分99個(gè)選項(xiàng)。

在建立的中毒案例數(shù)據(jù)庫中，按以下原則抽取數(shù)據(jù)：1）案例中有中毒受害人，且其有中毒特征信息；2）案件檢材中有中毒受害人的生物檢材，且生物檢材中檢出具體毒物；3）具體毒物為多種時(shí)，每一種均與中毒特征對應(yīng)形成一條訓(xùn)練數(shù)據(jù)；4）對毒物種類進(jìn)行篩選，人為合并部分毒物相關(guān)案例，形成毒物種類中毒案例，如有機(jī)磷類殺蟲劑、氰化物等。

本文應(yīng)用SPSS Modeler13.0數(shù)學(xué)工具，選用Apriori關(guān)聯(lián)規(guī)則建立中毒判定功能的數(shù)學(xué)模型[7]。Apriori算法用于發(fā)現(xiàn)數(shù)據(jù)中的關(guān)聯(lián)規(guī)則，是以下形式的語句：如果條件則結(jié)果。

1）支持度（Support）。假設(shè)X是一個(gè)屬性集，D是一個(gè)交易數(shù)據(jù)集，把D中包含X的交易記錄個(gè)數(shù)與D中總的交易記錄個(gè)數(shù)的比值，稱為X在D中的支持度。那么，關(guān)聯(lián)規(guī)則XY的支持度則定義為既包含X又包含Y的交易記錄個(gè)數(shù)與D中總的交易記錄個(gè)數(shù)的比值，即sup(XY)=P（X∪Y）。支持度描述X和Y同時(shí)出現(xiàn)的可能性大小，反映了規(guī)則的重要性。支持度很低的規(guī)則很可能是偶然出現(xiàn)的，而且多半也是人們不感興趣的。最小支持度（Minimum Support），記作min_sup。它是由用戶給定的，用于衡量屬性集在規(guī)則發(fā)現(xiàn)過程中的最低重要性。

2）置信度（Confidence）。若X和Y都是數(shù)據(jù)集D中屬性的集合，規(guī)則XY的置信度記作conf(XY)，則conf(XY)定義為在數(shù)據(jù)集D中同時(shí)包含X和Y的記錄數(shù)與只包含X的記錄數(shù)的比值，也可以表示為屬性集(X∪Y)的支持度與屬性集X的支持度之比，即sup(X∪Y)/sup(X)。置信度描述Y在包含X的事務(wù)中出現(xiàn)的概率大小，反映規(guī)則的正確性。規(guī)則XY的置信度越高，說明在包含X的事務(wù)中Y出現(xiàn)的可能性就越大。最小置信度（Minimum Confidence）記作min_conf。它是由用戶給定的，用于衡量所挖掘得到的規(guī)則的最低可信程度。

在進(jìn)行關(guān)聯(lián)分析生成規(guī)則時(shí)，需要預(yù)先設(shè)定最小支持度和最小置信度，關(guān)聯(lián)規(guī)則XY有意義，需同時(shí)滿足最小支持度和最小置信度。設(shè)定的最低支持度越低、最低置信度越低、最大條件數(shù)越高，發(fā)現(xiàn)的規(guī)則就越多；反之，最低支持度越高、最低置信度越高、最大條件數(shù)越低，發(fā)現(xiàn)的的規(guī)則就越少。例如，“如果中毒者在中毒后10～30 min之內(nèi)出現(xiàn)了強(qiáng)直性抽搐和瞳孔擴(kuò)大的癥狀，則引發(fā)中毒的毒物為毒鼠強(qiáng)，其置信度為 90%?！盇priori從數(shù)據(jù)中提取一系列規(guī)則，提取的規(guī)則帶有出現(xiàn)頻率最高的信息內(nèi)容。在模型的優(yōu)化過程中，由于各個(gè)毒物出現(xiàn)的次數(shù)或頻次差別比較大，如果只建立一個(gè)模型，則需要設(shè)置較小的最低支持度和最低置信度，才能將出現(xiàn)次數(shù)較少的毒物與其出現(xiàn)癥狀之間的關(guān)聯(lián)規(guī)則挖掘出來，但這種情況會造成挖掘出的規(guī)則數(shù)量過多，導(dǎo)致模型過大，運(yùn)行和加載速度就會很慢。所以，綜合考慮模型的準(zhǔn)確性和運(yùn)行加載的速度，本文選擇依次建立10個(gè)模型（模型參數(shù)見表1），建立一個(gè)關(guān)聯(lián)規(guī)則挖掘系列，既滿足準(zhǔn)確度需求，也提升功能的易用性、友好度。

表1 Apriori模型參數(shù)表Table 1 Parameters of the Apriori model

實(shí)際判定時(shí)，每個(gè)模型運(yùn)算提交一個(gè)判定結(jié)果，取置信度最高的前5個(gè)結(jié)果作為最終判定輸出結(jié)果，其中包含正確結(jié)果時(shí)認(rèn)定為判定準(zhǔn)確。在此定義下，用已有的訓(xùn)練集再次作為測試集，對建立的算法模型進(jìn)行測試，結(jié)果中包含正確結(jié)果時(shí)定義為判定準(zhǔn)確。結(jié)果中毒表現(xiàn)部分的判定準(zhǔn)確率為91.55%，尸體檢驗(yàn)部分的判定準(zhǔn)確率為88.24%。在國外的類似研究中，采用神經(jīng)網(wǎng)絡(luò)的算法，利用生前的中毒癥狀、毒物性狀給出毒物判斷的報(bào)道[5-6]，并沒有計(jì)算準(zhǔn)確率，也未見采用尸檢檢驗(yàn)特征進(jìn)行中毒判定相關(guān)研究的報(bào)道。

鑒于判定功能以單機(jī)軟件的形式在PC上實(shí)現(xiàn)，PC的計(jì)算能力有限，運(yùn)算模型花費(fèi)時(shí)間較久會影響用戶體驗(yàn)。因此，軟件開發(fā)時(shí)將輸入項(xiàng)為3個(gè)特征以內(nèi)的關(guān)聯(lián)規(guī)則用程序固化，輸入特征數(shù)在3以內(nèi)時(shí)直接輸出判定結(jié)果，提高運(yùn)算速率，判定結(jié)果基本達(dá)到“即選即顯示”。

3 查詢功能集成

軟件針對公安行業(yè)處置中毒案事件定制了專門的查詢功能，包括毒物數(shù)據(jù)查詢、毒物檢驗(yàn)方法查詢、行業(yè)標(biāo)準(zhǔn)查詢功能（見圖1）。

圖1 毒物查詢Fig.1 Interface for query of toxic substance from database

毒物數(shù)據(jù)查詢以中毒案例庫中的檢出毒物為基礎(chǔ)，加以擴(kuò)充后，集成了臨床藥物、毒品、農(nóng)藥、殺鼠劑、金屬毒物、無機(jī)化合物、揮發(fā)性毒物、植物毒素、蘑菇毒素、動物毒素及其它毒物共11個(gè)大類共計(jì)2529種毒物的基礎(chǔ)信息，如名稱、CAS號、理化性質(zhì)、用途等信息；還重點(diǎn)收錄毒物的中毒特征數(shù)據(jù)，如毒性、中毒表現(xiàn)、中毒機(jī)理、體內(nèi)代謝、臨床救治、法醫(yī)學(xué)檢驗(yàn)、解剖及病理圖片等內(nèi)容。軟件還集成了文獻(xiàn)報(bào)道的毒物檢驗(yàn)方法，按照方法適用范圍、檢驗(yàn)材料、提取凈化方法、檢測方法、結(jié)果評價(jià)，搜錄、整理了1135個(gè)毒物檢驗(yàn)方法，同時(shí)收錄了30個(gè)毒物檢驗(yàn)的行業(yè)標(biāo)準(zhǔn)，供毒物檢驗(yàn)技術(shù)人員參考。

4 結(jié)語

本軟件將優(yōu)化建立的中毒判定數(shù)學(xué)模型以單機(jī)軟件的方式運(yùn)行，在中毒處置輔助毒物中毒判定、涉毒相關(guān)信息查詢、檢驗(yàn)方法咨詢方面提供便攜易用的專家級輔助應(yīng)用，為現(xiàn)場調(diào)查、中毒救治、實(shí)驗(yàn)室檢驗(yàn)提供一體化的信息輔助方案，為中毒現(xiàn)場處置人員、實(shí)驗(yàn)室檢驗(yàn)人員提供實(shí)戰(zhàn)技術(shù)支撐。目前軟件研發(fā)的版本為1.0版本，使用權(quán)完全開放，并沒有授權(quán)、銷售及加密等使用限制，可支持Windows操作系統(tǒng)（Windows XP及以上版本），對PC的性能并沒有特殊要求，日常工作的便攜式計(jì)算機(jī)均可以安裝使用。后續(xù)隨著毒物數(shù)據(jù)、方法標(biāo)準(zhǔn)等的不斷完善更新，軟件的應(yīng)用價(jià)值會得到提升，在經(jīng)費(fèi)允許的條件下，也可考慮開發(fā)手機(jī)APP，提升軟件的易用性。

［1］ 廖林川，沈敏，張大明，等.法醫(yī)毒物分析信息管理系統(tǒng)的開發(fā)與應(yīng)用[J].法醫(yī)學(xué)雜志，2004,20(2):105-106.

［2］ 寧旭，董兆君，牟玲，等.重慶市化學(xué)事故醫(yī)學(xué)應(yīng)急救援指揮系統(tǒng)的研制[J].中國危重病急救醫(yī)學(xué)，2006,18(12)：755-758.

［3］ 贠克明，王玉瑾，劉立新，等.急診中毒快速檢驗(yàn)診斷系統(tǒng)的建立[J].中國藥物與臨床，2006, 6(9):655-662.

［4］ 陳航，戴廣宇，沈敏，等.法醫(yī)毒物學(xué)數(shù)據(jù)庫系統(tǒng)設(shè)計(jì)與開發(fā)[J].醫(yī)學(xué)信息學(xué)雜志，2012, 33(11):36-40.

［5］ BHAVNANI S K, ABRAHAM A, DEMENIUK C, et al. Network analysis of toxic chemicals and symptoms: implications for designing first-responder systems[J]. AMIAAnnual Symposium proceedings, 2007:51-55.

［6］ BHAVNANI S K, GANESAN A, SCOTT C, et al. A novel system for rapidly identifying toxic chemicals[J]. AMIAAnnual Symposium proceedings, 2008:878.

［7］ WANG J, ZHANG Y, WANG F L, et al. The application of data mining technology for the judgment of poisoning cases[C]//Ubiquitous Intelligence and Computing and 2015 IEEE, Intl Conf on Autonomic and Trusted Computing and 2015 IEEE,Intl Conf on Scalable Computing and Communications and ITS Associated Workshops. IEEE, 2016.