陶 竹 徐梓铭 郭 艳 李 倩

    (1 中国中医科学院西苑医院综合科,北京,100091; 2 榆林市中医医院心血管科,榆林,719099)

    中医学是中华传统文化传承千年的瑰宝,将中医学理论与实践相结合的名老中医经验是传承中医学的重要环节,也是推动中医学发展和加快中医学创新的必然途径[1]。但是,以院校传承、师徒传承、传承工作站及书著形式等为主流传承方式在效率及创新方面有一定的不足[2]。此外,诸多客观条件及临床效果评价标准的缺乏也是主流传承方式亟须解决的重要问题。数据挖掘是指从海量的非有序数据中,通过算法搜索隐含在其中的信息和知识的过程[3],数据挖掘依靠软件技术的进步,探索名老中医诊治医案中具有临床价值和指导意义的信息。

    本文通过研究近10多年数据挖掘在名老中医经验传承领域应用的成果,总结分析了名老中医经验的常用数据挖掘工具与分析方法的应用现状及趋势,并尝试从人工智能(Artificial Intelligence,AI)与中医药结合的角度出发,为传承与发展名老中医经验提供更高效的途径,助力中医药现代化研究。

    1 名老中医经验学习的数据挖掘工具

    1.1 常用数据挖掘软件 SPSS是集数据自动处理、数据对接、数据统计等功能于一体的统计分析软件,能进行描述统计、线性模型、相关分析、回归分析、神经网络和假设检验,并广泛地应用于学习算法、统计分析、文本分析以及大数据集成等场景中。在名医经验中用其挖掘处方中药物的使用频次、配伍关系、关联强弱及聚类特点等[4-6]。

    同样,集成了机器学习和统计算法的Weka软件,其功能和SPSS重合性较高,并且能将已有的成熟处理方法应用于新的数据集,可以通过回归、分类、聚类、关联规则和属性选择等方法来统计疾病各方面情况,获得药物与症状、药物与药物之间的相关性以及药对配伍规则结果[7-9]。

    与SPSS、Weka比起来,R和Python这2种编程语言,在时间序列分析、聚类,以及线性与非线性建模等统计分析场景中,被用作数据分析的图形化工具,在提高中医医案数据挖掘的工作效率方面具有可视化的独特优势,但学习成本较高,研究者需要在编译环境下,通过引用Pandas、Numpy、Matplotlib等基础库,构建可视化数据挖掘平台,再进行统计分析,并将结果可视化展示出来[10-11]。

    1.2 常用数据挖掘平台 中医传承辅助系统(Traditional Chinese Medicine Inheritance Support System,TCMISS)是集“数据录入-数据管理-数据查询-数据分析-分析结果输出-网络可视化展示”等功能于一体的中医传承辅助平台,不仅可以采取频次统计、聚类分析等方法对处方进行深入挖掘,获取高频用药、组方规律和核心处方,还具备方剂信息分析和药对分析的关键功能,并在此基础上实现基于复杂系统熵聚类的药物组合分析和基于无监督的熵层次聚类的新方分析[12-14] ......