本站小編為你精心準備了數理方法在中醫辨證學中的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《湖南中醫》2017年第4期

摘要:以統計學方法的聚類分析，數據挖掘技術的決策樹、關聯規則、粗糙集、判別分析等數理方法為例，對其在中醫辨證學中的應用進行總結、分析;查閱、整理相關文獻，將部分學者對其在中醫辨證學中的應用進行回顧;結合中醫傳統理論及其數理思想和方法，發現其在中醫學辨證中有一定的適用性，也存在一定的問題。

關鍵詞:聚類分析;決策樹;關聯規則;粗糙集;判別分析;中醫辨證;應用分析

1可行性分析及應用現狀

1．1聚類分析

在中醫辨證客觀化、標準化的研究中，聚類分析多用于中醫證候的分類，在方法學上為中醫學的辨證論治提供量化分型依據。聚類分析是一種動態分類的方法，可以把相似的事物歸入合適的類別，使同類中的事物盡可能的相似(組內同質性)，而類與類之間保持顯著差異(組間異質性)。中醫辨證即通過把同種病機引起的一系列證候群歸納為一種證型(組內同質性)，而證型與證型之間有著顯著差異(組間異質性)。因聚類分析屬于探索性研究，結果可以提供多個可能的“解”，故在辨證運用中其“解”需結合中醫傳統理論進行判斷分析?？v觀文獻可知，多數學者認為聚類分析的研究方法與中醫學的辨證思維殊途同歸，有異曲同工之妙，在中醫數理辨證研究中屬較成熟的方法之一，結合運用的相關研究較多。

唐雪勇運用聚類分析對白癜風的中醫辨證分型規律進行了研究。該研究選取符合納入標準的200例白癜風患者，首先回顧研究總結出古今醫家對對白癜風中醫辨證認識的15個證型，結合文獻和征詢專家意見制定調查表，并通過專業人員進行錄入，后應用SPSS16．0軟件對所采集的資料進行處理。聚類結果示，白癜風辨證證型可分為:氣血不和、肝腎不足、脾胃虛弱、濕熱內蘊、氣滯血瘀5型，其中前兩型最為常見。姜楠對代謝綜合征的中醫辨證分型進行了聚類分析研究。首先對期刊文獻進行檢索，按照相關標準對文獻證型進行規范，進行頻數頻率統計，對統計結果進行篩選。將篩選結果進行聚類分析，結果示當聚類為7類時效果較好，且作者認為結果符合臨床實際，初步建立了代謝綜合征的中醫辨證分型。又如，周迪夷運用SPSS13．0卡方檢驗、SAS8．2統計軟件進行系統聚類分析，對臨床收集的131例2型糖尿病患者進行中醫辨證分型，結果歸納出了2型糖尿病的7個證候類型及糖尿病腎病的7個證候類型。運用聚類分析方法對中醫辨證分型研究有較多報道，在此不一一贅述。

1．2決策樹

決策樹是一種歸納推理算法，采用樹枝狀來展現數據受各變量影響情形的預測模型，能利用樹形圖的分割自動確認和評估分割。數據分類是決策樹解決的核心問題，根據數據的不同屬性歸為不同類別。中醫辨證論治著眼于證，辨證的過程即為對同種病機引起的癥狀和體征的病理階段的辨析，其證候信息數據復雜多樣，多為定性的變量數據，決策樹具有能夠處理大量變量信息、得出比較精確分類、簡單明確、處理不完整數據等優點。故運用決策樹技術可以將癥狀和體征與證候(證型)之間的關系進行辨析。徐蕾［4］將406例慢性胃炎患者的調查資料中的88項指標進行了決策樹分析。以該88項指標建立數據庫，建立以信息熵減少為特征的決策樹分類模型，采用決策樹C4．5算法。結果篩選出對慢性胃炎辨證有意義的26個變量信息，建立辨證模型，結果示各類模型的靈敏度和特異度較高。有學者對楊志敏教授治療失眠陽虛型的兩個方劑運用決策樹技術進行了同癥異治辨證思路研究。選取符合納入標準的病例，收集患者的四診信息、人口學特征等相關資料。根據資料錄入數據，采用SPSS18．0統計分析軟件及Clementine12．0進行數據分析，決策樹模型選用C＆Rtree算法，將有統計學差異的特征進入模型，從中選取相關因素和診斷規則。10層交叉驗證模型識別正確率為74．59%。最后歸納出兩方的共性適應證，禁忌癥的辨證思路。余學杰運用決策樹對中醫專家辨證的規律進行了提取探析，首先選取803位患者，對其證候信息剔除重復后提取103種證候信息，進行決策樹運算分析，結果得出9中證名與證候的規則。

1．3關聯規則分析

關聯規則用于發現數據中變量間的關系，是最常用的數據挖掘技術之一。關聯規則中有兩個重要參數:支持度和可信度，該技術其目的就是挖掘出事物內在之間滿足一定支持度和置信度的關聯現象。面向中醫辨證的關聯規則，大多數中醫學者通過應用該方法對中醫的癥狀、體征之間進行關聯，從而客觀把握中醫的“證”，使其客觀與標準，從而達到精準辨證提高臨床療效。如，陳績銳對480例小兒肺炎的癥狀、體征進行關聯規則運算，從而得出不同證型之間的病機差異和辨證要點，繼而對基于關聯規則技術的小兒肺炎辨證規律進行了研究。唐偉將臨床234例胃脘痛患者進行宏觀分為6型，將宏觀分型與胃黏膜的微觀表現相結合，運用數據挖掘方法，分析探討二者的相關性。通過胃鏡等現代檢查手段結合數據挖掘技術，使其客觀的把握胃脘痛的辨證特點。劉智認為基于支持度－置信度的關聯規則算法，考慮到數據的時間因素以及規則前件與后件的相關問題時，該算法并不是很有效。提出一種新的關聯規則框架:時間支持度－時效匹配度，并應用該方法對冠心病舌象、舌質、發病誘因等18個方面與26中冠心病中醫證型之間的中醫辨證規律進行了研究。黃文金運用“證候－證素－證名”的辨證新新體系結合關聯規則數據挖掘對《中醫兒科學》教材中辨證分型數據進行運算分析，得出證素之間、證素與癥候之間的關聯關聯規則。結論得出關聯規則是挖掘中醫兒科學教材辨證診斷經驗行之有效的方法。

1．4粗糙集

粗糙集是一種新的處理模糊和不確定性知識的數學工具。其主要思想就是在保持分類能力不變的前提下，通過知識約簡，導出問題的決策或分類規則。粗糙集能在保持相對高質量分類能力的基礎上，盡量消除不必要的信息得到較小屬性集合，有較好的分類能力。辨證論治是中醫學的精髓，辨證的準確與否直接決定施治的效果，辨證不統一最主要原因是醫生的主觀因素和患者癥狀的不確定性。針對中醫辨證認識的不統一性，粗糙集技術理論有自身的優勢，值得在中醫辨證數據處理中應用。晏峻峰將粗糙集理論應用于中醫證素辨證中，通過闡述粗糙集的思想及在證素辨證中應用所出現的問題和解決辦法，結果發現兩者有相適應性，從而指出粗糙集理論在中醫證素辨證研究中值得進一步深入。孫繼佳采用粗糙集與支持向量機結合對293例中醫肝硬化患者的癥狀、體征信息進行統計運算。結果顯示該方法辨證平均正確率高于70%，尤其采用粗糙集約減后辨證的準確率為84．4%左右。董國華等運用粗糙集合神經網絡技術對哮喘的中醫辨證分型進行了研究，并把該項研究命名為粗糙神經網絡模型，其結構為:輸入→粗糙集處理→神經網絡模型→輸出，結果示該結合方法準確率較高，優于單純一種方法。

1．5判別分析

判別分析又稱為“分辨法”，顧名思義該技術與中醫學的辨證法有著一定聯系。判別分析就是研究判斷個體所屬類型的一種多元統計方法，是一種統計判別和分組技術，就一定數量樣本的一個分組變量和相應的其他多元變量的已知信息，確定分組與其他多元變量信息所屬的樣本進行判別分組。這種技術與中醫辨證有著相似性，故可結合應用。趙寶利收集類風濕性關節炎患者資料436例，按照納入標準進行證候分類，濕熱痹阻型、肝腎兩虛型、寒熱錯雜型各占29．59%、47．93%、22．48%。采用SPSS11．0軟件包，逐步判別分析用Analyze－Classify－Discriminant選擇逐步向前最大似然估計模塊。篩選出13個變量信息是有統計學意義，予變量賦值后發現理論判別與實際資料具有較高的總吻合率，研究中所得到的判別模型與臨床實際基本符合。唐旭東將34例再生障礙性貧血患者用統計學方法篩選出53項免疫學指標，對研究對象進行辨證分型，以判別分析方法建立再障辨證分型的判別方程。結果篩選出與再障中醫辨證分型最有意義的5個免疫學指標，與再生障礙性貧血免疫學發病機制有密切的關系，說明再障中醫辨證分型存在的物質基礎。黃小波等對慢性疲勞綜合征的中醫證型進行了判別分析，結果示慢性疲勞綜合征中醫證型判別函數與臨床實際較為符合，從而指出判別分型能夠提高該病的中醫辨證分型，應用前景較好。

2問題和展望

由上述可知，以上數理方法在中醫學辨證中具備一定的可行性且有了一定層次的研究。辨證論治是中醫的精髓，證是中醫學所特有的概念，是對疾病某一階段機體整體反應狀態所做的病理概括，一般由一組相對固定的、有內在聯系的、能揭示疾病某一階段或某一類型病變本質的癥狀和體征構成，同一癥狀、體征可以出現在同一疾病的不同證型之中。另外，依據中醫學的恒動觀，辨證過程中應充分考慮證候的時相性和空間性特征，而以上數理方法運用于中醫學辨證中都未顧及中醫辨證的恒動觀念。緊扣中醫學辨證論治的傳統思維，分析以上幾種數理方法的思想，不難發要使兩者有較好的適配性，還存在很多問題有待改善。

基于聚類分析的數學和計算機原理，其為得到合理的分類，必須使用適當的指標來定量地描述研究對象的間質性。因聚類分析屬定量描述，而中醫四診信息屬性為不定量或變量，故聚類分析在中醫辨證中具有一定的局限性。根據中醫辨證論治思想，同一四診信息可隸屬于不同的證型，而聚類分析過程中，對于這種變量信息計算機不能智能識別，該四診信息只能出現在一個證型中，這樣既有別于中醫的辨證思維，又不能夠對證型之間進行完全區別;又如，決策樹分析過程中，中醫四診信息納入模型后不能進行靈活的剔除，不能對變量信息進行靈活的選擇，分類能力一般，需對分類結果進行修剪，若修剪不當會造成結果的不準確性，容易產生較大誤差;再者，關聯規則可產生的是癥狀、體征之間的關聯以及各個規則的強度，但對于分類、預測能力均較差。因此該方法適于用來抽取規則幫助理解中醫證候內涵，對中醫的辨證分型有一定的不適應性，若需應用于辨證還需要專業知識進行分析，帶有主觀色彩。又如，縱觀上述文獻發現，基于粗糙集技術的中醫辨證學研究尚處于起步階段，因粗糙集自身的局限性，在中醫辨證中應用也多是多種方法相結合;最后，判別分析是已知某事物有幾類，從各類中取一樣本并設計出標準，從而在樣本中都按該標準分類，這種分辨方法需要較強的中醫專業知識制定其各型的標準，才能有較高的準確性，同時也帶有主觀色彩。由上所知，上述數理方法在中醫辨證中的應用都有自身的優勢和不足。整體來說，數理方法在中醫辨證學中的應用尚屬摸索階段，尚未有相應標準去驗證其辨證的科學性、精確性，這也是還未被同行業普遍認同的原因之一。在中醫辨證走向客觀化、標準化道路上，要不斷加強中醫傳統理論的學習，使其占主導地位，將數據為其所用;改善數理方法運算的局限性，依據中醫辨證的思維方法設計開發新的計算機軟件。只有建立以中醫傳統理論為主導地位，信息數據和運算軟件為中醫理論所用的發展模式，才能使中醫客觀化辨證這條路走的更遠。

參考文獻

［1］唐雪勇，楊志波，王建湘．白癜風聚類分析的中醫辨證分型規律研究［J］．湖南中醫藥大學學報，2012，32(1):72－74．

［2］姜楠，石巖．代謝綜合征中醫辨證分型的聚類研究［J］．光明中醫，2009，24(1):1－2．

［3］周迪夷．2型糖尿病中醫分期辨證研究［D］．北京:北京中醫藥大學，2010．

［4］徐蕾，賀佳，孟虹，等．基于信息熵的決策樹在慢性胃炎中醫辨證中的應用［J］．第二軍醫大學學報，2004，25(9):1019－1012．

［5］楊志敏，原嘉民，黃春華，等．基于決策樹陽虛型失眠癥同證異治方辨證思路研究［J］．時珍國醫國藥，2013，24(5):1219－1220．

［6］余學杰，李書珍，李曉燕，等．基于決策樹提取中醫專家辨證規律初探［J］．遼寧中醫雜志，2015，42(1):19－24．

［7］陳績銳．基于關聯規則的小兒肺炎辨證規律研究［D］．南寧:廣西中醫藥大學，2014．

［8］唐偉，周正光，王歡歡．胃脘痛中醫辨證與胃鏡表現的關聯規則分析［J］．中國中西醫結合雜志，2013，33(3):303－306．

［9］劉智．關聯規則挖掘方法在冠心病中醫診療中的應用研究［D］．大連:大連海事大學，2012．

［10］黃文金，姚明龍，葉云金，等．關聯規則在中醫兒科學證素診斷中的應用［J］．中醫藥臨床雜志，2015，27(3):329－331．

［11］晏峻峰，朱文峰．粗糙集理論在中醫證素辨證研究中的應用［J］．中國中醫基礎醫學雜志，2006，12(2):90－93．

［12］孫繼佳，蘇式兵，陸奕宇，等．基于粗糙集與支持向量機的中醫辨證數據挖掘方法研究［J］．數理易學雜志，2010，23(3):261－265．

［13］董國華，朱莉樂，李璟健，等．粗糙集結合神經網絡的哮喘辨證分型法［J］．計算機與數字工程，2015，43(9):1622－1626．

［14］趙寶利，黃可兒，趙敏．類風濕性關節炎中醫辨證分型的判別分析［J］．中華中醫藥雜志，2012，27(1):240－242．

［15］唐旭東，麻柔，劉鋒，等．再生障礙性貧血中醫辨證分型的客觀量化與臨床意義［J］．中華中醫藥雜志，2008，23(9):780－783．

［16］黃小波，李宗信，陳文強，等．慢性疲勞綜合征中醫證型判別分析［J］．中國中醫藥信息雜志，2006，13(6):21－22．

［17］孫廣仁．中醫基礎理論［M］．北京:中國中醫藥出版社，2008:18－19．

作者：王志威；艾軍；陳升；鐘妮;李鋼磊 單位：廣西中醫藥大學基礎醫學院