潘曄，婁靜，潘玉穎，范軍銘，侯留法

河南省中醫(yī)藥研究院附屬醫(yī)院，河南 鄭州 450004

近年來，中醫(yī)藥數(shù)據(jù)挖掘相關研究發(fā)展迅速，尤其名老中醫(yī)傳承、名醫(yī)經(jīng)驗規(guī)律方面成果顯著。辨證論治是一個主觀決策的過程，不同醫(yī)者對癥候的認識不同，即使同一病癥，其注重的關鍵癥候也不同。名老中醫(yī)經(jīng)驗探索的關鍵在于發(fā)掘名老中醫(yī)辨證論治獨特的專注點。辨證論治注重整體觀念，兼顧個性化體征，關注每次就診的不同癥候。四診信息所蘊含的數(shù)據(jù)具有高度的個體性、動態(tài)性、多樣性。運用數(shù)據(jù)挖掘方法將海量知識進行歸納分析，發(fā)現(xiàn)能反映疾病本質(zhì)與辨證施治的關鍵聯(lián)系，以及各個信息元之間的內(nèi)在隱含關系，解決中醫(yī)特色研究和發(fā)展中的關鍵問題——隱性知識的顯性表達，無論名老中醫(yī)傳承、經(jīng)驗總結(jié)、古籍文獻挖掘與數(shù)據(jù)庫文獻研究，關鍵在于中醫(yī)藥隱性知識的挖掘。數(shù)據(jù)挖掘可為中醫(yī)各個特色信息元之間內(nèi)在隱含關系的挖掘、規(guī)律的總結(jié)、問題的發(fā)現(xiàn)等提供技術和方法學支持。茲就中國知識資源總庫（CNKI）中醫(yī)藥數(shù)據(jù)挖掘文獻進行整理，為相關研究提供參考。

1 資料來源

以“中醫(yī)藥”與“數(shù)據(jù)挖掘”為關鍵詞檢索，文獻類型包括學術期刊與學位論文，起止時間1998－2020年，得到文獻3 844篇，主要分類為醫(yī)藥衛(wèi)生科技、信息科技、基礎科學。鑒于本文側(cè)重研究者對中醫(yī)藥數(shù)據(jù)挖掘的應用，所以選定文獻分類目錄為醫(yī)藥衛(wèi)生科技，信息科技與基礎科學相關文獻因側(cè)重于相關信息系統(tǒng)構(gòu)建與算法研究而排除，得到相關文獻3 654篇。將檢索文獻下載并進行篩選及內(nèi)容梳理，刪除重復文獻，將少數(shù)非中醫(yī)藥數(shù)據(jù)挖掘文獻排除，最終得到3 597篇。本文借鑒文獻計量學的共詞分析，但側(cè)重辨證論治過程中數(shù)據(jù)挖掘方法的應用。對處方進行數(shù)據(jù)挖掘分析，歸為用藥規(guī)律類；癥候與證型的對應關系分析，歸為辨證規(guī)律類；癥候-證型-用藥均使用數(shù)據(jù)挖掘分析，歸為辨證用藥規(guī)律類；選穴穴位及對應癥候分析，歸為選穴規(guī)律類；以某一疾病的公開文獻為數(shù)據(jù)源進行數(shù)據(jù)挖掘方法分析，按其主要內(nèi)容分為用藥規(guī)律類或文獻綜述類；將網(wǎng)絡藥理學與數(shù)據(jù)挖掘方法結(jié)合進行中藥研究，按其內(nèi)容側(cè)重歸為用藥規(guī)律類或中藥研究類；數(shù)據(jù)挖掘算法研究及醫(yī)藥信息系統(tǒng)構(gòu)建的文獻，歸為中醫(yī)藥信息化類。具體文獻數(shù)量與類型見圖1。

圖1 中醫(yī)藥數(shù)據(jù)挖掘類文獻類型數(shù)量

從圖1可以看出，關于用藥規(guī)律的文獻最多，且逐年增加。用藥規(guī)律的數(shù)據(jù)來源廣泛，包括病歷收集、名家醫(yī)案、古籍資料等，其研究目的在于了解治療某一疾病的用藥規(guī)律，特別是角藥和對藥的應用，從而發(fā)現(xiàn)名家或古籍的用藥獨特之處。用藥規(guī)律的類型越來越豐富，不限于對某一病癥的用藥分析，近年來單味飲片用藥規(guī)律、配伍用藥規(guī)律、名方用藥規(guī)律、成藥用藥規(guī)律的研究越來越多。用藥規(guī)律通常與檢驗指標、中藥研究的動物實驗、網(wǎng)絡藥理學、基因分析、分子機制等共同分析，為中藥研發(fā)提供理論支持與量化指標。

文獻綜述類數(shù)量次之，近年來通常采用的方法是對中醫(yī)藥某一方面進行關鍵詞搜索，對得到的文獻結(jié)果進行整理與分析，博取各家之長，探索不同派系辨證論治的共性與特性。辨證規(guī)律類文獻采用收集名家病歷，分析某一疾病不同證型的癥候規(guī)律、證素規(guī)律，通過主成分分析法、決策樹方法等以明確證型的主要對應癥候。辨證用藥規(guī)律類文獻將證型、癥候、用藥綜合分析，對辨證論治的全過程進行數(shù)據(jù)挖掘分析得到綜合分析結(jié)果，是通過數(shù)據(jù)驗證對某方向、某派別中醫(yī)學術思想的總結(jié)。選穴規(guī)律類通過總結(jié)某一病癥針灸腧穴記錄，采用關聯(lián)分析找到關鍵穴位。中醫(yī)藥信息化類文獻雖然在醫(yī)藥衛(wèi)生領域并不多，但內(nèi)容新穎，是中醫(yī)藥與蓬勃發(fā)展的信息化技術充分融合。中醫(yī)藥信息化文獻包含中醫(yī)藥數(shù)據(jù)挖掘常用模型算法研究與比較、中醫(yī)藥隱性知識發(fā)現(xiàn)、中醫(yī)藥本體知識構(gòu)建、中醫(yī)藥信息化系統(tǒng)設計與構(gòu)建、中醫(yī)藥知識可視化等。特別是將中醫(yī)藥大數(shù)據(jù)分析系統(tǒng)嵌入醫(yī)院信息系統(tǒng)（HIS）方向的研究，代表了中醫(yī)藥人工智能的發(fā)展趨勢。

2 中醫(yī)藥數(shù)據(jù)挖掘系統(tǒng)與算法

數(shù)據(jù)挖掘軟件與平臺是中醫(yī)藥數(shù)據(jù)挖掘研究的一大利器。隨著中醫(yī)藥數(shù)據(jù)挖掘類研究的興起，各種中醫(yī)藥數(shù)據(jù)挖掘平臺與軟件隨之出現(xiàn)。經(jīng)典的數(shù)據(jù)挖掘過程一般包含數(shù)據(jù)準備、數(shù)據(jù)變換、建模、結(jié)果解釋和展示4個步驟。由于每種模型要求輸入變量的類型與屬性不同，且有特定格式，所以需要進行數(shù)據(jù)準備與變換。而數(shù)據(jù)挖掘建模得到的結(jié)果如何與中醫(yī)藥專業(yè)知識結(jié)合進行解釋與展示，對操作者的統(tǒng)計知識有一定要求，經(jīng)典數(shù)據(jù)挖掘?qū)χ嗅t(yī)藥研究者過于抽象。早期進行中醫(yī)藥數(shù)據(jù)挖掘，統(tǒng)計軟件是主要工具，但統(tǒng)計軟件存在專業(yè)性強、數(shù)據(jù)處理難度大等缺點，所以，專業(yè)的中醫(yī)藥數(shù)據(jù)挖掘軟件應運而生。

專業(yè)的中醫(yī)藥數(shù)據(jù)挖掘軟件，輸入數(shù)據(jù)均為中醫(yī)藥研究者熟悉的病歷數(shù)據(jù)、處方數(shù)據(jù)，不需要進行數(shù)據(jù)的準備與類型轉(zhuǎn)換，對結(jié)果的展示也進行了注釋，便于理解。專業(yè)的中醫(yī)藥數(shù)據(jù)挖掘軟件背后依托專業(yè)團隊，版本更新快速且專業(yè)，不少中醫(yī)藥研究者借此取得良好研究成果?，F(xiàn)有的主流中醫(yī)藥數(shù)據(jù)挖掘軟件有“中醫(yī)傳承輔助平臺”與“古今醫(yī)案云平臺”，以及許多文本挖掘平臺與軟件，如沈陽教授的ROST CM系統(tǒng)、Weka軟件等。

2.1 中醫(yī)藥數(shù)據(jù)挖掘工具

文獻中出現(xiàn)最多的3種數(shù)據(jù)挖掘工具是SPSS、中醫(yī)傳承輔助平臺、古今醫(yī)案云平臺。SPSS Modeler將數(shù)據(jù)挖掘過程簡化為節(jié)點，相對于SPSS Statistics的數(shù)據(jù)界面更易操作。以用藥規(guī)律分析為例，數(shù)據(jù)準備時需根據(jù)藥典或其他標準進行藥品名稱標準化，繁瑣且易出錯。標準化后的數(shù)據(jù)需添加類型節(jié)點，轉(zhuǎn)化為名義變量，才能進行網(wǎng)絡圖分析與關聯(lián)規(guī)則分析。中醫(yī)傳承輔助平臺的數(shù)據(jù)錄入只能采用人工錄入醫(yī)案。古今醫(yī)案云平臺可按照相應格式導入數(shù)據(jù)，提高效率，擴大數(shù)據(jù)量，該平臺包含數(shù)據(jù)標準化模塊，自動進行標準化，只需人工審核糾錯即可。藥品屬性分析方面，若不采用專業(yè)數(shù)據(jù)挖掘軟件，需對照藥典進行藥物性味、歸經(jīng)及功效的對應關系分析，上述兩平臺在此方面比較便捷，可自動得到相應的雷達圖。算法方面，SPSS Modeler建模節(jié)點無論關聯(lián)還是分類模型，均包含多種算法。數(shù)據(jù)挖掘平臺的算法已預設好，調(diào)整參數(shù)即可，有利有弊。優(yōu)點是操作比較簡單，缺點是無法調(diào)整模型得到更優(yōu)結(jié)論。

中醫(yī)藥數(shù)據(jù)挖掘平臺進行用藥分析時，藥物頻次、屬性、配伍、新方發(fā)現(xiàn)比較便捷，故用藥規(guī)律文獻較多，也是內(nèi)容模式化的原因之一。中醫(yī)傳承輔助平臺與古今醫(yī)案云平臺均有癥候分析與方證分析功能，但使用者較少，將數(shù)據(jù)挖掘更多地應用于方證分析是創(chuàng)新的方向之一。數(shù)據(jù)挖掘工具也越來越多樣，不僅僅指中醫(yī)藥數(shù)據(jù)挖掘的平臺與軟件，隨著HIS普及，數(shù)據(jù)挖掘系統(tǒng)與工具正與HIS系統(tǒng)整合，可在臨床工作時進行科研分析。

2.2 中醫(yī)藥數(shù)據(jù)挖掘算法

目前用藥規(guī)律和辨證規(guī)律常用的數(shù)據(jù)挖掘算法為關聯(lián)規(guī)則、聚類分析、主成分分析、因子分析，復雜網(wǎng)絡分析并非經(jīng)典數(shù)據(jù)挖掘方法，但應用廣泛。用藥規(guī)律通過同時出現(xiàn)判斷角藥和對藥，辨證規(guī)律確定證型對應癥候，在文獻計量學中的應用為共詞分析，中藥研究通過多個對象推出另一對象，將多藥物之間關聯(lián)展現(xiàn)。聚類分析將研究對象相似或相近的加以歸類，將一組數(shù)據(jù)按照本身的內(nèi)在規(guī)律分為幾類。分類原則為組間差距大，組內(nèi)差距小，把相似的事物聚集在一起，進而嘗試發(fā)現(xiàn)核心要素如核心處方、辨證核心要素，以及固定搭配如藥癥關系、新處方的發(fā)掘等。主成分分析與因子分析均為通過降維技術把多個變量化為少數(shù)主成分或因子的統(tǒng)計分析方法，這些主成分或主因子能反映原始變量的絕大部分信息，通常被用于癥候與證型對應分析。復雜網(wǎng)絡指通過將復雜系統(tǒng)內(nèi)部元素抽象為節(jié)點，元素間關系抽象為邊，從而構(gòu)建具有復雜關聯(lián)關系的網(wǎng)絡。通過這種抽象，復雜網(wǎng)絡僅保留系統(tǒng)內(nèi)部組織結(jié)構(gòu)及關聯(lián)關系，過濾了其他復雜信息，從而使研究者可專注復雜系統(tǒng)內(nèi)部特征及性質(zhì)。復雜網(wǎng)絡被用于建立中藥藥性、功效、方劑網(wǎng)絡，也用于發(fā)現(xiàn)穴位或藥物配伍規(guī)律。

算法應用方面，如果只是生硬采用經(jīng)典數(shù)據(jù)挖掘方法進行中醫(yī)藥數(shù)據(jù)挖掘而不作相應改進，那么得到的僅為相關性的大小，而非癥候-證型-方劑蘊含的因果關系，其結(jié)論僅是中醫(yī)基礎理論的驗證，或無法解釋被認為規(guī)避的異常結(jié)論。

數(shù)據(jù)挖掘的分類模型與預測模型被用于解決臨床實際問題，并取得很好效果。崔偉峰等將隨機森林用于原發(fā)性高血壓心血管風險預后模型，并證實有效；宮文浩等用決策樹和人工神經(jīng)網(wǎng)絡建立小兒肺炎痰熱閉肺證診斷模型，探索小兒肺炎痰熱閉肺證的決定要素，促進中醫(yī)標準化；夏庭偉使用支持向量機、決策樹、多項式樸素貝葉斯等多種機器學習算法，構(gòu)建標準化的證型、舌圖像獲取途徑，再與臨床綜合數(shù)據(jù)特征融合，構(gòu)建2型糖尿病并發(fā)腎病混合深度神經(jīng)網(wǎng)絡診斷預測模型，并以此評估探索中醫(yī)證候與舌圖像對疾病風險預測的實際意義。

3 問題與對策

3.1 中醫(yī)藥數(shù)據(jù)現(xiàn)存問題與解決方法

①數(shù)據(jù)的標準化程度不一致，導致數(shù)據(jù)質(zhì)量偏低、處理費時費力。如不同醫(yī)院的診斷代碼標準不同，中醫(yī)醫(yī)院采用中醫(yī)證編碼（TCD）而西醫(yī)醫(yī)院采用國際疾病分類（ICD）、醫(yī)保診斷代碼與院內(nèi)代碼不同、藥品名稱存在地域性差異等。解決此類問題，需標準化處理，中醫(yī)藥數(shù)據(jù)挖掘軟件已對此開發(fā)了標準化模塊。②病歷的規(guī)范程度。醫(yī)院院內(nèi)質(zhì)控一般針對住院病歷，而門診病歷的質(zhì)量則難以保證，除醫(yī)院硬性規(guī)定，門診病歷內(nèi)容難免缺失，用詞不規(guī)范。由于實際門診就診患者較多，為保證效率，醫(yī)生難免以最簡單方式完成門診病歷，導致中醫(yī)寶貴的四診數(shù)據(jù)、既往史數(shù)據(jù)不詳細，以致可挖掘內(nèi)容較少。而辨證論治的思維及重要信息都包含在門診病歷中。對此，已有學者從系統(tǒng)層面進行改進。潘玉穎等不僅創(chuàng)立了老中醫(yī)經(jīng)驗搜索平臺，且建立與HIS連接的病歷診斷評價系統(tǒng)，自動對門診病歷進行質(zhì)量評分，為可挖掘病歷數(shù)據(jù)提供來源，有利于門診病歷質(zhì)量標準的建立，以及取得高質(zhì)量門診病歷作為數(shù)據(jù)源。

3.2 中醫(yī)藥數(shù)據(jù)特性及模型適用性

中醫(yī)病歷數(shù)據(jù)的主觀性較強，導致中醫(yī)藥數(shù)據(jù)整合與平臺建立難度較大。在商業(yè)數(shù)據(jù)挖掘與互聯(lián)網(wǎng)數(shù)據(jù)挖掘方向，數(shù)據(jù)來源為真實產(chǎn)生的記錄，收集方向不受人工干預，分析一般以全面為主?，F(xiàn)有中醫(yī)藥數(shù)據(jù)挖掘多源自經(jīng)過人工挑選的數(shù)據(jù)，中醫(yī)對癥候的描述多為主觀感受記錄。對數(shù)據(jù)進行處理與整合及結(jié)構(gòu)化數(shù)據(jù)是針對上述問題的解決方法。從本研究收集到文獻的分析樣本量看，均為小樣本數(shù)據(jù)，尤其細分到具體證型時，樣本量更少。中醫(yī)數(shù)據(jù)如證型、四診癥候、方劑藥品屬性、功效、藥品組合等維度較廣，但由于樣本數(shù)量太少，采用經(jīng)典的數(shù)據(jù)挖掘算法所得到的結(jié)論不如大樣本數(shù)據(jù)有價值。因此，建立中醫(yī)藥結(jié)構(gòu)化數(shù)據(jù)庫，廣泛收集有效病歷數(shù)據(jù)，提取處理為目標數(shù)據(jù)，累積到一定數(shù)據(jù)量后再進行分析，可作為解決方法。此思路與從CNKI、萬方等數(shù)據(jù)庫收集數(shù)據(jù)的綜述類文獻想法不謀而合。

3.3 中醫(yī)處方療效評價

目前中藥處方有效性的療效評價方法難以確定，缺乏權(quán)威系統(tǒng)的評價方法。如果無效的方劑數(shù)據(jù)較多，則挖掘結(jié)果的質(zhì)量存在瑕疵。處方有效性判斷是中醫(yī)藥數(shù)據(jù)挖掘問題的立題之本。中醫(yī)療效通常通過口碑傳播，目前眾多名老中醫(yī)經(jīng)驗探究與數(shù)據(jù)挖掘研究預設了名老中醫(yī)治療某方面疾病的經(jīng)驗是有效的，但缺乏客觀指標。若有檢查、檢驗指標可驗證療效的疾病，則可通過指標值對比進行療效判定。無法通過指標值進行療效評價的疾病，還需學者在療效評價方面進行探索，如評價量表及完整的患者療效評價體系。目前一些醫(yī)院在患者就診后根據(jù)診斷特性進行短信或微信回訪也是較為可行的方法。

4 中醫(yī)藥數(shù)據(jù)挖掘發(fā)展方向

4.1 智能化

隨著人工智能技術不斷應用，中醫(yī)藥數(shù)據(jù)挖掘乃至整個中醫(yī)藥臨床與科研的發(fā)展方向均為信息化、智能化，中醫(yī)藥數(shù)據(jù)挖掘與HIS深度融合是大勢所趨。中醫(yī)藥數(shù)據(jù)挖掘文獻發(fā)表量逐年增加，臨床工作者對其應用程度也不斷加深，并更加貼近臨床工作。在系統(tǒng)中嵌入中醫(yī)藥數(shù)據(jù)挖掘平臺，通過將HIS數(shù)據(jù)進行抽取并進行標準化處理，解決了中醫(yī)藥數(shù)據(jù)挖掘中的數(shù)據(jù)處理難題。在日常開具處方過程中，出現(xiàn)類似知識庫的提示，將名老中醫(yī)的經(jīng)驗直接展示推薦，將有益于日常臨床處方、學習及病歷書寫標準化?？纱┐髟O備技術越來越成熟，中醫(yī)癥候與四診信息的自動化采集越來越可行。通過分析舌診與面診數(shù)據(jù)，可以得到標準化高質(zhì)量的四診數(shù)據(jù)與癥候數(shù)據(jù)?？梢?，主觀化的問診數(shù)據(jù)通過變成可量化的機器采集，能保證癥候數(shù)據(jù)的客觀性與標準化，推動數(shù)據(jù)挖掘在辨證規(guī)律上的應用。

4.2 數(shù)據(jù)結(jié)構(gòu)化與平臺化

中醫(yī)藥數(shù)據(jù)的結(jié)構(gòu)化整合與展現(xiàn)越來越普遍。醫(yī)院大量臨床數(shù)據(jù)及管理數(shù)據(jù)的出現(xiàn)，刺激著數(shù)據(jù)挖掘技術的深層次開發(fā)應用，并反向作用于醫(yī)院的進一步發(fā)展。近年來，關于中醫(yī)臨床知識的本體構(gòu)建逐漸增多，知識本體能更好傳播中醫(yī)治療方法與名家經(jīng)驗，并與數(shù)據(jù)挖掘研究相互驗證。蔡云對周仲瑛教授治療肺癌的知識本體進行了構(gòu)建及數(shù)據(jù)挖掘研究。知識本體科學系統(tǒng)地處理中醫(yī)數(shù)據(jù)，有利于中醫(yī)學術思想的總結(jié)與分享，有助于形成結(jié)構(gòu)化的中醫(yī)藥數(shù)據(jù)庫。來源于結(jié)構(gòu)化數(shù)據(jù)庫的中醫(yī)藥數(shù)據(jù)挖掘研究可克服主觀化及小樣本缺點，實現(xiàn)真正的中醫(yī)藥大數(shù)據(jù)。

中醫(yī)藥數(shù)據(jù)的可視化也在不斷發(fā)展，有利于中醫(yī)藥知識的展現(xiàn)與分享。本研究所收集的文獻中，近年出現(xiàn)的知識圖譜與可視化軟件有Gephi、Bibexcel、NetDraw、CiteSpace及VOSviewer等。這些軟件可快速全面從公開文獻中挖掘中醫(yī)隱性知識，有利于中醫(yī)數(shù)據(jù)的結(jié)構(gòu)化。

4.3 臨床科研一體化

臨床科研一體化與多維度數(shù)據(jù)整合也是發(fā)展中醫(yī)藥數(shù)據(jù)挖掘的方法。針對中醫(yī)療效難以判斷的問題，可建立療效評價與量表系統(tǒng)。整合的數(shù)據(jù)不僅包含辨證論治過程，還包含療效評價與患者個人信息。療效評價系統(tǒng)是針對疾病開發(fā)療效評價方法，即將指標、量表、短信微信回訪相結(jié)合，患者達到特定病程后自動評價療效。程小恩等通過采集四川省80多家中醫(yī)醫(yī)院30多萬條電子病歷，利用大數(shù)據(jù)分析和數(shù)據(jù)挖掘技術，構(gòu)建中醫(yī)特色的“三名樹網(wǎng)”可視化模型展示名醫(yī)、名科、名院數(shù)據(jù)，從而科學評估醫(yī)生、科室、醫(yī)院的業(yè)務水平，輔助管理層合理利用醫(yī)療資源。隨著信息化程度加深與大數(shù)據(jù)戰(zhàn)略全面開展，此類綜合系統(tǒng)將越來越普遍；包含客觀療效評價、整合多維度多地區(qū)數(shù)據(jù)的科研大數(shù)據(jù)平臺將越來越多。

5 結(jié)語

本研究通過收集梳理CNKI文獻，對中醫(yī)藥數(shù)據(jù)挖掘的應用現(xiàn)狀進行整理分析，發(fā)現(xiàn)中醫(yī)藥數(shù)據(jù)挖掘研究雖處于蓬勃發(fā)展階段，但存在應用方式單一模式化問題。中醫(yī)藥數(shù)據(jù)挖掘依托醫(yī)院信息化推進與數(shù)據(jù)挖掘算法的推廣，發(fā)展現(xiàn)狀與兩者密切相關。中醫(yī)藥數(shù)據(jù)挖掘與辨證論治思想相契合，有利于探究中醫(yī)藥隱性知識。如何在保留中醫(yī)藥特色的基礎上進行研究，充分將兩者融合是難點，筆者認為更全面智能的信息化、平臺化是解決問題關鍵，值得今后重點關注。