糖尿病中醫病證大數據平臺的建設研究

張柯欣 石巖 楊宇峰

摘 要：本文介紹了糖尿病中醫病證大數據平臺的建設內容，探討了專病大數據應用的關鍵技術，提出了基于深度學習的本體關聯醫學文獻分析理論。介紹了古代文獻自動分析系統、現代文獻自動分析系統、臨床病例采集及分析系統、中醫藥數據自動關聯分析等系統的設計，總結了糖尿病中醫病證大數據平臺的設計思路。

關鍵詞：糖尿病；中醫病證；大數據平臺

中圖分類號：TP311.13；TP39 文獻標識碼：A DOI：10.3969/j.issn.1006-1959.2018.13.008

文章編號：1006-1959（2018）13-0029-03

Abstract：This paper introduces the construction of big data platform of TCM disease syndrome of diabetes mellitus，discusses the key technology of the application of special disease big data，and puts forward the theory of ontology-related medical literature analysis based on in-depth learning.This paper introduces the design of the ancient document automatic analysis system，the modern document automatic analysis system，the clinical case collection and analysis system，the Chinese medicine data automatic association analysis and so on，and summarizes the design idea of the big data platform of diabetes mellitus TCM disease syndrome.

Key words：Diabetes；TCM disease syndrome；Big data platform

我國糖尿病的患病率正呈快速上升的趨勢，成為繼心腦血管疾病、腫瘤之后另一個嚴重危害人民健康的重要慢性非傳染性疾病[1]。糖尿病是一種由多源性病因引起的疾病，受遺傳因素、社會因素、生活方式及環境因素等相互作用的影響[2]。國際糖尿病聯盟（IDF）數據顯示，2014年全世界有3.87億糖尿病患者。預計到2035年，糖尿病患病人數將增長55%，達到6億。因糖尿病死亡人數和醫療費用支出日益增加，糖尿病疾病負擔日趨嚴重[3]。

基于大數據的研究方法建立基于生活方式干預，降糖、降壓、調脂等治療的中西醫結合全程干預糖尿病病證結合臨床治療方案，可以期望改善患者生存狀態，提高生存質量，安全性好而經濟，具有廣闊的推廣空間。臨床專病的防治研究一般從醫學文獻的檢索開始，研究者通過閱讀國內外的相關醫學文獻了解相關領域的最新發展，指導自己開展臨床科研和醫療活動。但是在信息急速增長的今天，醫學文獻的數量極為驚人。僅以糖尿病為例，在中國知網平臺上就能查詢到幾十萬篇相關醫學文獻。不言而喻，這樣數量級的文獻已經遠遠超過人類閱讀學習的極限，從而導致研究者已經無法獲取全部相關醫學文獻，而只能篩選一些感興趣的文章下載閱讀。盡管現在發展出了很多的搜索技巧和技術，但仍然無法避免一些有意義的論文被遺漏，從而造成知識過多而無法獲取和理解的問題。建立專病大數據的根本目的其實是利用現代信息技術幫助人類研究者從海量數據中獲取其真正需要的信息，從而增益其知識體系并對臨床醫療帶來幫助。

目前的專病數據庫一般在臨床是指帶有HIS接口的電子病歷，在學校或者研究機構是指專病學科文獻庫，在中醫院校或者機構中還往往建設有中醫古代文獻庫。以上這些庫都存儲著有用的信息，但是對普通研究者而言存在難以獲取和利用的問題。國內外對于醫學文獻數據大部分是采用人工標注的方法進行分析，有研究價值，但是人工操作效率較低而且難以評價效果，對多種融合數據也比較難處理。本文認為解決這一問題需要開發中文文本自動分析標注技術、醫學文獻語義分析技術、中醫醫理分析技術、異構數據融合分析技術，并在這些技術的基礎上對大數據平臺的文獻及病例數據進行融合分析。具體來說需要提出新的醫學文獻分析理論，形成新的中醫病證大數據平臺，開發新的數據融合算法。

1基于深度學習的本體關聯醫學文獻分析理論

1.1新理論的目標 本文認為傳統的醫學文獻分析依賴于專家或經典著作的知識體系構建，建立知識本體后進行人工標注和統計分析，雖然有很好的研究價值，但是當前在研究進度和準確性上都不能很令人滿意。當前待分析的古代中醫文獻以百萬字數起算，現代專病文獻動輒幾十萬篇，這樣的數據量已經遠遠超過人工能處理的范疇，因此我們認為要在建立中醫和現代醫藥知識本體庫的基礎上，建立一種自適應的醫學本體關聯的數學模型，基于深度學習的思想設計標注和分析的算法，根據研究需要自動給出醫學文獻分析數據和可視化分析結果。

1.2新理論的建立 知識本體的建立可以依據現有本體建構的方法進行設計，其核心問題是本體基礎信息的來源和自適應產生新本體的規則產生過程的設計。我們處理的對象是文本形式的醫學文獻，新理論認為系統中的一篇文獻可以通過觀察者與具有一定知識結構的本體系統的互動而產生有意義的結果并推送給觀察者。這種互動是本體系統自適應算法基于深度學習的方法不斷提高效率和準確度的，最終達到代替人類觀察者快速從海量數據中獲取信息的目的。這一理論引入異構知識的關聯耦合權重因子的概念和建立數值變化模型，指導大數據研究的融合方法研究。因為盡管各知識本體有很大的差異，但是臨床各種本體概念仍有很大的關聯性，研究中將海量的數據根據前期研究的關聯模型自動建立關聯線索和關聯框架。

2糖尿病中醫病證大數據平臺的建設實踐

筆者團隊按照前面提出的基于深度學習的本體關聯醫學文獻分析理論建立了糖尿病中醫病證大數據平臺。首先依據《中華人民共和國國家標準·中醫臨床診療》、《中醫大辭典》、《中醫辭海》、《中醫癥狀鑒別診斷學》、全國高等中醫藥院校規劃教材《中藥學》、《中醫診斷學》、《中藥大辭典》及《中華人民共和國藥典》等238個公開標準或出版物建立基本本體知識庫。其次對幾百本古代中醫文獻進行了校對并建立了古代文獻文本庫。又對糖尿病相關的幾十萬篇現代文獻建立了題錄庫及部分全文庫。還收錄了臨床團隊多年的糖尿病病例數據。以上海量數據共同納入團隊開發的支持異構的糖尿病及代謝綜合征中醫病證大數據平臺，作為下一步研究的前期數據基礎。平臺數據嚴格遵循真實和準確的原則，所有入平臺出版數據反復核對，臨床數據保證真實可靠，為數據分析奠定基礎。在此基礎上開發了古代文獻自動分析、現代文獻自動分析、臨床病例采集及分析、中醫藥數據自動關聯分析等系統，為糖尿病研究人員提供了極好的研究平臺。

2.1古代文獻自動分析 中醫藥古代文獻蘊含著豐富的中醫醫理思想和診療經驗，是中醫病證大數據平臺非常有價值的數據來源。傳統的標引分析主要基于人工標注，不能適應大數據平臺的海量文獻自動處理要求。筆者開發了一個輔助研究平臺，在建立基本知識元庫的基礎上，對古代文獻進行文字分析，并實現了自動處理功能[4]。將輔助平臺功能集成到大數據平臺，就可以對不斷獲得的中醫古代文獻文本進行分析，獲取其文獻全文的概念的注釋，而且對概念的分類、時代有全面直觀的了解。此系統計算功能比較強，一般的文獻數據量都在幾十萬條到幾百萬條，分析后研究者可以清晰的了解文獻的全貌，也可以針對其研究專題獲取詳細的信息。

2.2現代文獻自動分析 現代文獻的數量級遠遠大于古代文獻，針對某個專病其文獻量就可以輕易達到幾十萬篇的數量級，題錄分析已經很難，全文分析更是困難重重。筆者設計了現代文獻分析系統，從題錄入手，數據來源基于各大文獻數據庫的自動導出題錄，通過數據處理，自動導入到系統數據庫中，再以人性化的設計展現在研究者面前。其設計重點在于讓研究者快速從海量文獻中搜索到自己研究的關鍵文獻，因此主要關鍵詞和文摘的搜索與排序都很重要。除此之外，系統設計了研究統計的新知識元和原文查看功能，幫助研究者深入研究論文的學術內容。目前此系統是半自動處理，能夠幫助研究者從幾十萬篇文獻中快速鎖定關注論文，后續計劃加入文本自動分析算法，幫助研究者自動給出論文的學術分析內容，使研究的效率大大提高，真正使醫學文獻研究進入“多多益善”的境界。

2.3臨床病例采集及分析 醫學大數據平臺必須與醫學臨床數據緊密關聯，使古代文獻、現代文獻和當前臨床數據產生良性互動，因此臨床病例系統的設計十分重要。當前針對中醫和西醫醫院都有電子病歷的標準，也有HIS系統的設計規范，但是在臨床應用中都存在標準比較寬泛而不能準確概括具體專病診療的問題。目前能實際能起到臨床應用效果的基本都是各科室醫生自主增添修改的自定義模塊，但是在分析這部分空白點很多。筆者針對臨床病例采集設計了相應的病歷系統，針對專病比較人性化的解決了病歷錄入的問題，不過局限性也很明顯，就是隨著醫生或者科室的不同，必須進行大量的修改。筆者當前依托大數據平臺開始設計二代的病歷系統，可以依靠平臺極為豐富的知識元系統，自動分析醫生和患者的日常病歷數據并加以合理推算，自適應的給出醫生知識模塊調整方案建議。這樣能較好的解決臨床數據與文獻知識脫節以及病歷模塊修改耗費人工過多而效率過低的問題，真正使醫生的臨床數據與最新醫學進展同步互動。

2.4中醫藥數據自動關聯分析 醫學數據的統計分析和數據挖掘一般是通過購買和使用商業軟件來完成的，SAS、SPSS和MATLAB等商業軟件數據分析功能強大，是研究者的好幫手。但是這些商業軟件也存在價格昂貴、學習困難、使用繁瑣、自主性差等問題，抬高了醫學數據分析的門檻，導致一些研究者望而生畏。筆者針對醫學數據挖掘的主要內容關聯規則分析和聚類分析設計了自己的算法和軟件，應用在大數據平臺的中藥分析中。這些軟件可以很好的給出中醫治療專病的藥物分析，分析層次與參數同于或優于一般商業軟件，而且與研究數據的集成度較高，使用起來比較簡捷。目前已經將關聯規則分析算法處理集成到大數據平臺中，可以方便的給出專病藥方的分析結果，對中醫文獻中專病的治療方法給出準確的中藥方分析。后期可以對文獻中中醫西醫各種治療方法給出關聯性分析的結果。

3結論

以上內容是筆者在設計糖尿病中醫病證大數據平臺中的一些探索和實踐內容。結合古代中醫文獻分析中醫醫理，結合現代醫學文獻分析診療技術，結合臨床病例分析臨床路徑，再將以上內容通過統一的知識庫進行關聯數據分析是目前的整體思路。在此過程中將研究一系列的理論、方法和算法，并開發出相應的自動分析技術和軟件。由于此領域的研究剛剛開展，理論和方法還十分不完善，因此難免走一些彎路，在此也希望醫學同道給予批評指正，并能共同推進這一領域的研究。

參考文獻：

[1]中華醫學會糖尿病學分會.中國2型糖尿病防治指南（2013年版）[J].中國糖尿病雜志，2014，22（08）：2-42.

[2]Pasala SK，Rao AA，Sridhar GR.Built environment and diabetes[J].International Journal of Diabetes in Developing Countries，2010，30（2）：63-68.

[3]汪會琴，胡如英，武海濱，等.2型糖尿病報告發病率研究進展[J].預防醫學，2016，28（1）：37-39.

[4]張柯欣，石巖，楊宇峰.中醫文獻知識智能解析及教學平臺的研究[J].科技展望，2017（19）：180-182.

收稿日期：2018-6-7；修回日期：2018-6-15

編輯/楊倩