浙江中醫(yī)藥大學(xué)(310053) 項莎特 瞿溢謙 葉含笑

【提 要】 目的 采用多層學(xué)習聯(lián)合建模方法挖掘氣陰兩虛型咳嗽的辨證證候，以期為中醫(yī)學(xué)習、研究臨床辨證及診斷提供新的思路與方法。方法 聯(lián)合采用隨機森林、XGBoost及l(fā)ogistic回歸三種機器學(xué)習算法，對767例咳嗽患者病案，運用Anaconda 3-5.2.0軟件建立算法模型進行分析。結(jié)果 運用該方法所得的證候結(jié)果與文獻記載的證候表現(xiàn)大體一致，主要為嗆咳、乏力、口干、痰少而色白，燥苔、脈弱等證候。經(jīng)交叉驗證得出，XGBoost算法準確率為86.7%，隨機森林為85.3%。結(jié)論 多層學(xué)習聯(lián)合建模方法可彌補單獨使用隨機森林、XGBoost或logistic回歸算法所產(chǎn)生的缺陷，尤其對于臨床病案較少的小樣本數(shù)據(jù)更為有效，該方法在一定程度上降低了重要變量丟失的可能性。

咳嗽為常見疾病，中醫(yī)治療該疾病的歷史悠久，且對于臨床檢查無殊的咳嗽的療效較為顯著[1]。氣陰兩虛為致使原因不明、臨床檢查無明顯病理性改變的咳嗽發(fā)作的病機之一。在當今大數(shù)據(jù)及人工智能的沖擊下，探索新的中醫(yī)學(xué)習、傳承方式成為趨勢[2]。通過機器學(xué)習提取判斷事物屬性特征，從而建立診斷模型的方式，成為了醫(yī)學(xué)領(lǐng)域中蓬勃發(fā)展的一項研究[3]。此方法有助于從隱匿和重疊的證候中挖掘出其分布特點，從而預(yù)測疾病證型[4]，同時可達到挖掘和學(xué)習中醫(yī)臨床辨證及診斷的目的。

因此，本研究氣陰兩虛型咳嗽患者的基礎(chǔ)上，聯(lián)合多模型機器學(xué)習算法，組成多層學(xué)習聯(lián)合建模方法，對所采集氣陰兩虛型咳嗽的四診信息進行挖掘和分析，從而為機器學(xué)習輔助開發(fā)新的中醫(yī)學(xué)習方式提供參考。

資料與方法

1.數(shù)據(jù)來源

2018年1月-2018年12月就診于浙江中醫(yī)藥大學(xué)門診部的咳嗽患者病案。

2.納入標準

(1)疾病名稱為咳嗽，證型為氣陰兩虛；(2)復(fù)診資料顯示，該患者咳嗽癥狀緩解；(3)咳嗽的診斷標準同時參照《咳嗽的診斷與治療指南》(2015)[1]；(4)所采集的病案包含了完整的四診信息。

3.排除標準

(1)復(fù)診資料顯示，咳嗽癥狀并未緩解者；(2)未見復(fù)診信息者；(3)病案中四診信息不全者；(5)咳嗽診斷標準不符合《咳嗽的診斷與治療指南》者。

4.數(shù)據(jù)總量

采集咳嗽病例767例，其中氣陰兩虛型咳嗽病例為564例，非氣陰兩虛型咳嗽病例為203例。

5.數(shù)據(jù)預(yù)處理

將采集到的病案按姓名、證候、是否為氣陰兩虛型咳嗽，建立信息標簽。證候名稱標準化參照《中醫(yī)藥學(xué)名詞》[5]，錄入excel數(shù)據(jù)表，共得到210個證候標簽，并對各個證候進行語言規(guī)范化處理后，將信息采用“0”“1”變量賦值，是為“1”，否為 “0”。對疾病類型同樣采用“0”“1”變量賦值，是氣陰兩虛型咳嗽為“1”，非氣陰兩虛型咳嗽為“0”。

模型的選擇、建立與運用

1.多層學(xué)習聯(lián)合建模方法

在機器學(xué)習的眾多算法中，隨機森林、XGBoost算法具有較高的計算效率，且在一定程度上能有效防止模型的過擬合[6-7]，因此，與支持向量機、決策樹、logistic回歸等算法相比，隨機森林、XGBoost在疾病預(yù)測中具有較高的準確度[8-10]。

隨機森林采用集成學(xué)習的思想，使用決策樹作為弱分類器，組合多個決策樹形成具有較好效果的強分類器。該算法的準確率可與Adaboost相媲美[11]。采用隨機森林模型可以通過計算每棵決策樹的袋外數(shù)據(jù)誤差，及對袋外數(shù)據(jù)所有樣本的特征隨機加入噪聲后的袋外數(shù)據(jù)誤差，得出樣本特征變量的重要性[7]。

梯度提升決策樹(gradient boosting decision tree，GBDT)是XGBoost的基礎(chǔ)算法，它包含一個迭代殘差樹的集合，每一棵樹都在學(xué)習前N-1棵樹的殘差，將每棵樹預(yù)測的新樣本輸出值相加起來就是樣本最終的預(yù)測值。不同于常用的梯度提升決策樹在優(yōu)化時僅用一階導(dǎo)數(shù)信息，XGBoost對代價函數(shù)進行了二階泰勒展開，同時用到了一階和二階導(dǎo)數(shù)，使得XGBoost得到良好的結(jié)果[12]，并在許多機器學(xué)習和數(shù)據(jù)挖掘挑戰(zhàn)中得到廣泛認可[13]。

在采用機器學(xué)習挖掘辨別是否為氣陰兩虛型咳嗽的重要證候時，采用隨機森林結(jié)合XGBoost算法進行特征提取。但是，隨機森林、XGBoost均無法得出指標的方向性影響[14]，將兩種算法所得的重要證候特征，再次使用logistic回歸模型進行建模。由此，可得到由多模型組合而成，用于輔助學(xué)習中醫(yī)辨證及診斷的新模型，命名為多層學(xué)習聯(lián)合建模方法。

2.多層學(xué)習聯(lián)合建模方法的運用

將經(jīng)過預(yù)處理的數(shù)據(jù)輸入Anaconda 3-5.2.0軟件，刪除決定性單一輸入后，可將210個證候特征縮減至63個，再經(jīng)隨機森林及XGBoost算法的運算，最終根據(jù)權(quán)重的高低排序，截取經(jīng)兩種算法運算后，各自所得結(jié)果的前35個證候特征及其相應(yīng)的權(quán)重值。所得的兩組證候特征結(jié)果中，具有29個重合變量。將此29個證候特征再次采用logistic回歸算法進行建模，最終得到辨別氣陰兩虛型咳嗽的重要證候特征。同時采用10折交叉驗證法，對算法進行準確性評估。(見圖1)

圖1 多層學(xué)習聯(lián)合建模方法流程圖

結(jié) 果

表1和表2分別為經(jīng)隨機森林、XGBoost算法所得氣陰兩虛型咳嗽證候的前35個重要證候。表3為重合的29個證候經(jīng)logistic回歸算法后所得結(jié)果，所得權(quán)重為正值的變量，歸屬為氣陰兩虛型咳嗽的重要辨證證候；所得權(quán)重為負值的變量，歸屬為非氣陰兩虛型咳嗽的重要辨證證候。

因此，經(jīng)多層學(xué)習聯(lián)合建模方法運算后，最終得出判定咳嗽屬氣陰兩虛型證型的重要證候有嗆咳、乏力、口干、氣急、反復(fù)咳嗽、咽中痰少、痰色白、自汗、盜汗、頭暈、裂紋舌、薄苔或少苔、燥苔、脈弱、脈弦(圖2)。經(jīng)10折交叉驗證法，得出XGBoost準確度為86.7%，隨機森林為85.3%。

表1 基于隨機森林所得氣陰兩虛型咳嗽證候的重要性排序

表2 基于XGBoost所得氣陰兩虛型咳嗽證候的重要性排序

表3 基于logistic回歸模型所得氣陰兩虛型咳嗽證候的結(jié)果

圖2 辨證氣陰兩虛型咳嗽的重要證候

討 論

1.多層學(xué)習聯(lián)合建模方法所得證候與中醫(yī)相關(guān)理論探討

通過多層學(xué)習聯(lián)合建模方法所得出的氣陰兩虛型咳嗽的重要證候結(jié)果，與臨床文獻報道[15-18]及《中醫(yī)病證診斷療效標準》[19]記載的證候特征大致相同，主要為乏力、口干、反復(fù)咳嗽、自汗、盜汗、痰少色白、舌紅、苔薄或苔少、苔干燥、脈弱、脈弦。在此基礎(chǔ)上，本研究尚且發(fā)現(xiàn)嗆咳、氣急、裂紋舌亦為氣陰兩虛型咳嗽的表現(xiàn)證候。

2.多層學(xué)習聯(lián)合建模方法的優(yōu)勢

在機器學(xué)習中，由于隨機森林在每次劃分時，考慮的屬性較少，因而該算法在大型數(shù)據(jù)庫上更為有效，但對于小樣本，其準確度有所下降[11]。而XGBoost對于小樣本的特征提取，效果明顯優(yōu)于隨機森林、支持向量機、logistic回歸等算法[20]。本研究采用隨機森林聯(lián)合XGBoost算法，找其重疊證候，既能彌補隨機森林對于小樣本的準確率較低的缺陷，又可進一步提升XGBoost結(jié)果的準確性，從而得出較為滿意的證候特征結(jié)果。此外，在數(shù)據(jù)維度較大的前提下，僅采用logistic回歸算法，會使得一些對辨證影響較大的相關(guān)證候被丟失，而影響較小的證候反而得到意義[21]，故通過隨機森林和XGBoost降維，可剔除相關(guān)性較小的證候，彌補logistic回歸算法的不足。

綜上所述，本研究所采取的多層學(xué)習聯(lián)合建模方法，具有以下特征：為3個模型聯(lián)合使用的多模型算法；可輔助中醫(yī)學(xué)者學(xué)習，研究臨床疾病的辨證及診斷；能在臨床疾病樣本較少，維度較大的情況下，確保較高的準確性。因此，該方法用于挖掘中醫(yī)疾病證型的重要證候特征值得推廣。

3.多層學(xué)習聯(lián)合建模方法的展望。

該方法雖能確保較好的準確度，但可能仍存在一些對辨證影響較小的證候被提取。因此，在解決該問題時，可考慮優(yōu)化此模型結(jié)構(gòu)，經(jīng)logisitic回歸算法后得出的證候，再經(jīng)專業(yè)人士判定，得出最終較為滿意的結(jié)果，即采用人機互助的模式，以減弱機器學(xué)習刻板化的缺點，增強該模型的靈活性，進一步提升結(jié)果的準確性。