王海燕 魯思博 孟軍

摘要：目的 ?建立基于人工神經(jīng)網(wǎng)絡(luò)編碼數(shù)據(jù)挖掘技術(shù)的中醫(yī)婦科病辨識數(shù)據(jù)分析方法。方法 ?檢索中國期刊全文數(shù)據(jù)庫（CNKI）、萬方期刊數(shù)據(jù)庫、維普中文期刊數(shù)據(jù)庫，收集1980～2019年公開發(fā)表的關(guān)于婦科疾病多囊卵巢綜合癥（PCOS）的中醫(yī)治療與診斷方面文獻，獲取婦科辨證分型數(shù)據(jù)集，采用ANN模型對數(shù)據(jù)集進行量化分析。結(jié)果 ?通過模擬數(shù)據(jù)集ANN分析，建立了三層網(wǎng)絡(luò)結(jié)構(gòu)ANN模型，其中輸入層包含15個輸入神經(jīng)元、隱含層包含4個神經(jīng)元、輸出層包含6個神經(jīng)元，獲得了多囊卵巢綜合癥中醫(yī)婦科證素與證候之間的內(nèi)在邏輯關(guān)系。重復(fù)訓(xùn)練及測試結(jié)果顯示，中醫(yī)證型的預(yù)測匹配率為100.00%。對15個輸入?yún)f(xié)變量進行了參數(shù)重要性分析顯示，精神狀況>周期>身體上部>皮膚>舌象>經(jīng)色>面色>大便8個癥狀的指標規(guī)范重要性大于50%。結(jié)論 ?基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立了一種婦科疾病中醫(yī)診療的證素-證型關(guān)系的神經(jīng)網(wǎng)絡(luò)方法，也為挖掘民族醫(yī)學(xué)信息數(shù)據(jù)進行定性辨識、動態(tài)及多維數(shù)據(jù)的處理與分析提供一種有效途徑。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò);婦科疾病辨識;數(shù)據(jù)挖掘;中醫(yī)證型

中圖分類號：R71 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?DOI：10.3969/j.issn.1006-1959.2020.11.001

文章編號：1006-1959（2020）11-0001-04

Abstract：Objective ?To establish a data analysis method for TCM gynecological disease identification based on artificial neural network coding data mining technology.Methods ?Retrieval of Chinese Journal Full-text Database （CNKI）， Wanfang Journal Database， Weipu Chinese Journal Database， collection of publicly published literatures on TCM treatment and diagnosis of gynecological diseases polycystic ovary syndrome （PCOS） from 1980 to 2019， and access to gynecological syndromes Classification data set， ANN model is used to quantify the data set.Results ?Through ANN analysis of the simulation data set， a three-layer network structure ANN model was established， in which the input layer contains 15 input neurons， the hidden layer contains 4 neurons， and the output layer contains 6 neurons， and polycystic ovary syndrome is obtained The internal logical relationship between gynecological syndromes and syndromes in traditional Chinese medicine. Repeated training and test results show that the prediction matching rate of TCM syndromes is 100.00%. A parameter importance analysis of 15 input covariates shows that mental condition> period> upper body> skin> tongue> menstrual color> face color> stools are more than 50% of the index of 8 symptoms.Conclusion ?Based on artificial neural network technology， a neural network method of syndrome-syndrome relationship of traditional Chinese medicine diagnosis and treatment of gynecological diseases is established.

Key words：Artificial neural networks;Gynecological disease identification;Data mining;TCM syndromes

20世紀后期，人工智能（AI）技術(shù)蓬勃發(fā)展，數(shù)據(jù)挖掘技術(shù)也隨之不斷進步，其中人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks，ANN）是人工智能領(lǐng)域興起的研究熱點。ANN的概念最初由W.S. McCulloch和W.Pitts等人于1943年提出[1]，其在模式識別、智能機器人、自動控制、預(yù)測估計、生物、醫(yī)學(xué)、經(jīng)濟等領(lǐng)域已成功地解決了許多現(xiàn)代計算機難以解決的實際問題，表現(xiàn)出了良好的智能特性[2]。目前，大多數(shù)研究主要關(guān)注點為利用ANN進行卵巢早衰預(yù)測模型、舌脈象客觀化[3]、臨床異常病案的甄別[4]、老年癡呆診斷[5]、數(shù)據(jù)挖掘方法[6]等中醫(yī)證候分析，但關(guān)于基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)辨識婦科疾病證素-證型邏輯關(guān)系的報道較少?；诖耍狙芯客ㄟ^以婦科疾病多囊卵巢綜合癥（PCOS）為例，應(yīng)用數(shù)據(jù)挖掘技術(shù)整理研究病案，通過ANN方法探究中醫(yī)婦科病癥與證型間的內(nèi)在聯(lián)系，以期建立婦科疾病證素-證型推理模型，并為后期智能診斷進行方法學(xué)探索。

1數(shù)據(jù)挖掘與建模分析方法

1.1醫(yī)案數(shù)據(jù)來源 ?ANN模型數(shù)據(jù)庫來源于中國期刊全文數(shù)據(jù)庫（CNKI）、萬方期刊數(shù)據(jù)庫、維普中文期刊數(shù)據(jù)庫。檢索關(guān)鍵詞：“中醫(yī)”“POCS”“多囊卵巢綜合癥”“多囊卵巢綜合征”。檢索式：“中醫(yī)”AND（“多囊卵巢綜合癥”or“多囊卵巢綜合征”or“POCS”），檢索時間為1980～2019年公開發(fā)表的中醫(yī)治療與診斷PCOS方面的文獻研究。納入標準：①中醫(yī)治療POCS的臨床醫(yī)案，并且列明診斷;②年齡18～40歲;③列明疾病癥狀[7，8];排除標準：①文獻醫(yī)案記錄不符合中醫(yī)、西醫(yī)診斷標準;②文獻中未列示癥狀或列示癥狀不足;③重復(fù)出現(xiàn)的醫(yī)案;④綜述類文獻。收集有效文獻391篇，獲有效醫(yī)案112篇，歸納入圍文獻中常見癥狀17項，對每種癥狀對應(yīng)屬性予以數(shù)字編碼，歸納主要證型6種，見表1。

1.2 ANN建模 ?采用SPSS 22.0系統(tǒng)進行ANN建模，對中醫(yī)證型數(shù)據(jù)庫進行挖掘分析，并采用中文字符定義各分析指標。

1.2.1分析指標 ?癥狀：經(jīng)量、周期、經(jīng)色、面色、舌象、脈象、精神狀況、小便、大便、皮膚、形體、胃腸、道、頭面部、上部癥狀、下部癥狀、多毛、黑棘皮癥共17項，作為輸入層初始系統(tǒng)協(xié)變量。證型：陽虛肝郁證、肝郁血虛證、痰濕證、脾陰兩虛證、腎虛證、血癖證共6項，作為系統(tǒng)輸出變量。

1.2.2婦科病癥候數(shù)據(jù)庫 ?應(yīng)用SPSS 22.0軟件構(gòu)建數(shù)據(jù)表，將有效醫(yī)案112癥候編碼輸入數(shù)據(jù)表，建立SPSS數(shù)據(jù)集文件見圖1。

1.3 ANN分析 ?運行SPSS 22.0軟件，選擇“分析”項下“神經(jīng)網(wǎng)絡(luò)”菜單，選取“多層感知器”BP模型進行分析，網(wǎng)絡(luò)信息設(shè)置內(nèi)容見表2。

2模型分析測試結(jié)果

基于SPSS群體數(shù)據(jù)集文件，按照多層感知器（MLP）BP模型進行設(shè)置，并通過模擬數(shù)據(jù)集ANN分析，建立了三層網(wǎng)絡(luò)結(jié)構(gòu)ANN模型，其中輸入層包含15個輸入神經(jīng)元、隱含層包含4個神經(jīng)元、輸出層包含6個神經(jīng)元，見圖2;重復(fù)訓(xùn)練及測試結(jié)果顯示，中醫(yī)證型的預(yù)測匹配率為100.00%，見表3。對15個輸入?yún)f(xié)變量進行了參數(shù)重要性分析，結(jié)果顯示精神狀況>周期>身體上部>皮膚>舌象>經(jīng)色>面色>大便8個癥狀的指標規(guī)范重要性大于50%，見表4。

3討論

建立基于人工神經(jīng)網(wǎng)絡(luò)編碼數(shù)據(jù)挖掘技術(shù)的中醫(yī)婦科疾病辨識數(shù)據(jù)模型分析方法，挖掘婦科辨證診斷過程中的有用信息，以獲得中醫(yī)婦科疾病診治證素之間、證素與證候之間的內(nèi)在邏輯關(guān)系，使未來對醫(yī)學(xué)信息數(shù)據(jù)挖掘進行定性度量、動態(tài)及多維數(shù)據(jù)的處理與分析效率成為現(xiàn)實，從而促進民族醫(yī)藥信息數(shù)據(jù)挖掘更加智能化、知識化[9]。

現(xiàn)代醫(yī)學(xué)疾病命名與中醫(yī)的病癥命名存在密切關(guān)聯(lián)，本研究基于人工神經(jīng)網(wǎng)絡(luò)編碼數(shù)據(jù)挖掘技術(shù)分析PCOS的疾病證素與證型的邏輯關(guān)系，結(jié)果顯示疾病的辯證分型主要為陽虛肝郁證、痰濕證、肝郁血虛證、脾陰兩虛證、血癖證、腎虛證類6類主要證候。PCOS與中醫(yī)“崩漏”“月經(jīng)后期”“閉經(jīng)”“不孕”等病癥有關(guān)，涉及肝、脾、腎三臟，兼有痰濕、瘀血等病癥，主要因氣血運行于三臟功能失調(diào)直接關(guān)聯(lián)，長期積聚形成痰濕、瘀血，因果循環(huán)再以這些病理產(chǎn)物為因，又進一步壅塞于肌膚、胞宮而致病癥。中醫(yī)重視對情志因素的辨證分析，近年來有大量研究探索情志因素與多種疾病的相關(guān)性，在婦科疾病的診療中也同樣關(guān)注情志因素的重要影響[7]?！秲?nèi)經(jīng)》中首次提出的以情勝情原則“悲勝怒、喜勝憂……”;《河間六書》描述：“婦人天癸既行，當以厥陰經(jīng)論之”;《傅青主醫(yī)學(xué)全書》中描述：以養(yǎng)肝平肝、解郁調(diào)經(jīng)立法，診治女性月經(jīng)不調(diào)，婚久不孕，均表明PCOS的相關(guān)中醫(yī)病癥應(yīng)從“情”辨證論治，將調(diào)肝理氣之法貫徹治療始終。本研究結(jié)果顯示，PCOS癥狀重要性分別是精神狀況>周期>身體上部>皮膚>舌象>經(jīng)色>面色>大便，其指標規(guī)范重要性均大于50%，在所有癥狀重要性指標中“精神因素”居于首位，客觀角度驗證了傳統(tǒng)中醫(yī)論述的可靠性。

目前關(guān)于分析各種中醫(yī)病癥與證型的關(guān)系多采用聚類分析、因子分析、決策樹分析、Logistic回歸分析等統(tǒng)計學(xué)方法。蔣文星等[8]采用決策樹C5.0算法分析PCOS“癥-證”的模型準確性達到98%。本研究采用ANN分析訓(xùn)練集與測試集的結(jié)論一致，準確性均達到100.00%，說明ANN分析方法具有有效性，但由于研究所采用的數(shù)據(jù)集不包括臨床病案數(shù)據(jù)，因此本研究方法的分析精度與同類研究比較僅有參考價值。此外，本研究未涉及中醫(yī)診斷證型與治療方劑的內(nèi)在邏輯關(guān)系模型，有待在后續(xù)研究中進一步探討。

綜上所述，檢索挖掘已發(fā)表PCOS的中醫(yī)診療數(shù)據(jù)，建立了三層網(wǎng)絡(luò)結(jié)構(gòu)ANN模型，確定了證素-證型數(shù)據(jù)的內(nèi)在邏輯關(guān)系，為中醫(yī)診斷的智能化提供了一種有效思路。

參考文獻：

[1]袁金秋，劉雅莉，楊克虎.基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)在臨床中應(yīng)用進展[J].圖書與情報，2010（3）：95-98.

[2]雷文平.試論人工神經(jīng)絡(luò)及其在機械工程領(lǐng)域中的應(yīng)用[J].中國機械，2015（24）：217-218.

[3]鄒慧琴，李碩，陶歐，等.RBF神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥領(lǐng)域中的應(yīng)用及其在SPSS 17.0軟件中的實現(xiàn)[J].中華中醫(yī)藥學(xué)刊，2015，33（2）：336-338.

[4]Hassanzadeh H，Nguyen A，Karimi S，et al.Transferability of artificial neural networks for clinical document classification across hospitals：A case study on abnormality detection from radiology reports[J].J Biomed Inform，2018（85）：68-79.

[5]Egerer E，Siemonsen S，Erbguth F.Acute diseases of the brain and heart：A reciprocal culprit-victim relationship[J].Med Klin Intensivmed Notfmed，2018，113（6）：456-463.

[6] 許玉龍，盛夢園，王哲，等.幾種數(shù)據(jù)挖掘方法用于中醫(yī)證候分析的對比研究[J].中國中醫(yī)藥信息雜志，2019，26（12）：97-102.

[7]王玉蓉，曹云霞.精神、心理因素與多囊卵巢綜合征[J].中國婦幼健康研究，2004，15（5）：303-305.

[8]蔣文星.數(shù)據(jù)挖掘在婦科PCOS中醫(yī)證候及用藥規(guī)律中的研究初探[D].廣州中醫(yī)藥大學(xué)，2016.

[9]黃文金，姚明龍，葉云金，等.關(guān)聯(lián)規(guī)則在《中醫(yī)婦科學(xué)》證素診斷中的應(yīng)用[J].湖南中醫(yī)雜志，2015（8）：148-149.

收稿日期：2020-04-10;修回日期：2020-04-22

編輯/杜帆