中医药数据挖掘算法,中医药数据存在的问题和解决方法

目前用药规律和辨证规律常用的数据挖掘算法为关联规则、聚类分析，主成分分析、因子分析，复杂网络分析并非经典数据挖掘方法，但应用广泛。关联规则即 2 个及以上变量的取值之间存在某种规律，如同时发生，或从一个对象可以推出另一个对象就称为关联。用药规律通过同时出现判断角药和对药，辨证规律确定证型对应症候，在文献计量学中的应用为共词分析，中药研究通过多个对象推出另一对象，将多药物之间关联展现。聚类分析将研究对象相似或相近的加以归类，将一组数据按照本身的内在规律分为几类。分类原则为组间差距大，组内差距小，把相似的事物聚集在一起，进而尝试发现核心要素如核心处方、辨证核心要素，以及固定搭配如药症关系、新处方的发掘等。主成分分析与因子分析均为通过降维技 术把多个变量化为少数主成分或因子的统计分析方法，这些主成分或主因子能反映原始变量的绝大部分信息，通常被用于症候与证型对应分析。复杂网络指通过将复杂系统内部元素抽象为节点，元素间关系抽象为边，从而构建具有复杂关联关系的网络。通过这种抽象，复杂网络仅保留系统内部组织结构及关联关系，过滤了其他复杂信息，从而使研究者可专注复杂系统内部特征及性质。复杂网络被用于建立中药药性、功效、方剂网络，也用于发现穴位或药物配伍规律。 算法应用方面，如果只是生硬采用经典数据挖掘方法进行中医药数据挖掘而不作相应改进，那么得到的仅为相关性的大小，而非症候-证型-方剂蕴含的因果关系，其结论仅是中医基础理论的验证，或无法解释被认为规避的异常结论。 中医药数据现存问题与解决方法： 数据的标准化程度不一致，导致数据质量偏低、 处理费时费力。如不同医院的诊断代码标准不同，中医医院采用中医证编码（TCD）而西医医院采用国际疾病分类（ICD）、医保诊断代码与院内代码不同、药品名称存在地域性差异等。解决此类问题，需标准化处理，中医药数据挖掘软件已对此开发了标准化模 块。病例的规范程度，医院院内质控一般针对住院病历，而门诊病历的质量则难以保证，除医院硬性规定，门诊病历内容难免缺失，用词不规范。由于实际门诊就诊患者较多，为保证效率，医生难免以最简单方式完成门诊病历，导致中医宝贵的四诊数据、既往史数 据不详细，以致可挖掘内容较少。而辨证论治的思维及重要信息都包含在门诊病历中。 中医药数据特性及模型适用性： 中医病历数据的主观性较强，导致中医药数据整合与平台建立难度较大。在商业数据挖掘与互联网数据挖掘方向，数据来源为真实产生的记录，收集方向 不受人工干预，分析一般以全面为主。现有中医药数 据挖掘多源自经过人工挑选的数据，中医对症候的描 述多为主观感受记录。对数据进行处理与整合及结构化数据是针对上述问题的解决方法。 中医处方疗效评价： 目前中药处方有效性的疗效评价方法难以确定，缺乏权威系统的评价方法。如果无效的方剂数据较多，则挖掘结果的质量存在瑕疵。处方有效性判断是 中医药数据挖掘问题的立题之本。中医疗效通常通过口碑传播，现在众多名老中医经验探究与数据挖掘研究，预设了名老中医治疗某方面疾病的经验是有效的，但无客观指标。若有检查、检验指标可验证疗效的疾病，则可通过指标值对比进行疗效判定。不能通过指标值进行疗效评价的疾病，还需学者在疗效评价方面进行探索，如评价量表及完整的患者疗效评价体系。 中医药数据挖掘发展方向： 1、智能化 随着人工智能技术不断应用，中医药数据挖掘乃至整个中医药临床与科研的发展方向均为信息化、智能化，中医药数据挖掘与HIS深度融合是大势所趋。中医药数据挖掘文献发表量逐年增加，临床工作者对其应用程度也不断加深，并更加贴近临床工作。在系统中嵌入中医药数据挖掘平台，通过将HIS数据进行抽取并进行标准化处理，解决了中医药数据挖掘中的数据处理难题。在日常开具处方过程中，出现类似知库的提示，将名老中医的经验直接展示推荐，将有益于日常临床处方、学习及病历书写标准化。 2、数据结构化与平台化 中医药数据的结构化整合与展现越来越普遍。医院大量临床数据及管理数据的出现，刺激着数据挖掘技术的深层次开发应用，并反向作用于医院的进一步发展。近年来，关于中医临床知识的本体构建逐渐增多，知识本体能更好传播中医治疗方法与名家经验，并与数据挖掘研究相互验证。 3、临床科研一体化 临床科研一体化与多维度数据整合也是发展中医药数据挖掘的方法。针对中医疗效无法判断的问题，可建立疗效评价与量表系统。整合的数据不仅包含辨证论治过程，还包含疗效评价与患者个人信息。