基于病例大數據的中醫“治未病”機器學習方法

王梓民

摘要??? 本文采用貝葉斯網絡對“未病人群”健康檢查數據進行及時準確的分析，依據病例大數據，構建機器學習模型，推進健康醫療大數據的應用，從而科學的評估自身健康狀況及存在風險，合理的管理健康指標，并及時進行健康干預。本研究提出的方法在一定程度上提高了量化評估結果，縮短建模時間，使臨床醫生針對特定人群制定相應策略;提高醫生工作效率，使新型中醫診療方法不斷繼承、創新、發展。

【關鍵詞】中醫治未病 貝葉斯算法 病例大數據 機器學習

“上工（醫）治未病”最早源自于古典醫籍《黃帝內經》。中醫“治未病”作為一個中國幾千年前就已經提出的概念，不僅彰顯了中國傳統文化的最高智慧，更體現了中國古代勞動人民對生命的深切關懷和對生命本質的探究。

“治未病”主要思想是醫患雙方均采取積極主動的措施防止疾病發生、發展、復發，即未病先防、既病防變和瘥后防復。“未病”即現代醫學中的亞健康，是指人體處于健康和疾病之間的一種狀態，但不符合現代醫學有關疾病的臨床或亞臨床診斷標準。

貝葉斯網絡又稱信念網絡或是有向無環圖模型，是一種概率圖型模型，是貝葉斯算法的擴展，是目前不確定知識表達和推理領域最有效的理論模型之一。一個貝葉斯網絡是一個有向無環圖（DirectedAcyclicGraph，DAG），由代表變量節點及連接這些節點有向邊構成。節點代表隨機變量，節點間的有向邊代表了節點間的互相關系（由父節點指向其子節點），用條件概率進行表達關系強度，沒有父節點的用先驗概率進行信息表達。節點變量可以是任何問題的抽象，如：測試值，觀測現象，意見征詢等。適用于表達和分析不確定性和概率性的事件，應用于有條件地依賴多種控制因素的決策，可以從不完全、不精確或不確定的知識或信息中做出推理。

利用貝葉斯網絡實現“治未病”健康普查，構建治未病檢測平臺，通過患者將自己的實際情況通過終端錄入數據庫，利用貝葉斯網絡對采集到的患者數據進行對比融合，達到在沒有醫療專家干預的情況下，結合以往病例和獲取的患者數據對其健康狀態進行評估，提醒患者一些注意事項或及時就醫等等。見圖1。

1 中醫治未病機器學習模型相關技術研究現狀與發展

1.1 治未病研究現狀

中醫“治未病”思想對亞健康防治包括兩層含義：從健康到亞健康的預防和從亞健康到疾病的預防即所謂“未病先防”和“既病防變”。同時他還制定出干預亞健康“治未病”四部曲：

（1）精神調養;

（2）合理飲食;

（3）強身健體;

（4）科學用藥。

治未病思想在臨床實踐中應用廣泛，一些醫院治未病中心發展已取得一定的成績，但仍不能滿足居民需求。“治未病”的預防學思想為亞健康的干預指明了方向，要預防亞健康狀態的出現，人應學習順應自然規律，養成良好的生活習慣。由上可見，“治未病”理論與現代醫學亞健康的防治有異曲同工之妙，為亞健康的診斷與治療提供了理論與實踐基礎。美國疾病控制中心將亞健康人群定義為慢性疲勞綜合征。

1.2 病例大數據應用醫療領域現狀

隨著醫療衛生信息系統和高通量測序等醫學診斷技術的高速發展，醫療健康領域正逐步邁入“大數據時代”。醫療大數據包括居民行為健康等基本數據、電子病歷、診療數據、檢測報告、醫學影像、經濟數據等。美國在2014年6月FDA公共數據開放項目openFDA正式上線，同時也制定了一系列的標準和要求，以保護隱私和跨系統數據交換安全;英國在2013年啟動了醫療健康大數據旗艦平臺care.date;加拿大在借助移動大數據和互聯網技術建立覆蓋全國的電子健康檔案、建立統一識別系統以及基礎架構和標準的研究。我國2006年始開始建設區域衛生信息平臺，整合區域范圍內醫療機構各類數據，通過十多年的探索在醫療健康大數據方面已經初步具備了基礎和規模，如上海率先建設了國內規模最大的三級醫院臨床信息共享工程——上海醫聯工程;2015年國務院和國家衛生計生委等有關部門，陸續發布了一系列指導性文件，為醫療大數據的發展提供了良好的政策環境。

2 系統功能模塊設計

本系統的功能模塊主要包括以下內容：

（1）數據采集：當亞健康人群和患者進行健康問卷調查時，系統會自動將數據存進數據庫中，為系統分析出的數據增加可信度。

（2）健康狀態辨識及風險評估：建立模型收集個人健康信息與病例大數據對比分析，利用機器學習方法對個人或群體的健康狀況進行量化評估及風險評估。

（3）數據統計與分析：機器自動學習，用適當的統計方法，對病例大數據進行分析，提取有用信息形成結論，使臨床醫生針對特定人群制定相應策略。

（4）健康咨詢與指導：整合以往病例得出健康指數與生活飲食習慣的關系，結合實際情況為人們解答健康問題，幫助評估對象了解自身真實健康狀況，指導其改變或修正不健康的行為;幫助人們避免消除心理、生理及社會各種非健康因素的影響，以促進身心健康。

（5）健康干預：機器對以往病例進行自動分析，獲得普遍規律，并利用規律對未知數進行預測，對健康進行干預，變被動的疾病治療為主動的疾病防控。形成了針對三大醫療人群（未病先防，既病防變，瘥后防復）、制定和運用五大處方（運動、教育、藥物、心理、戒除不良嗜好）的整體模式，使其有計劃、有步驟的精準實施。提高醫生工作效率;為政府機構的決策提供精準數據。

3 應用方法及示例

3.1 大數據

大數據指不用隨機分析法（抽樣調查）這樣捷徑，而采用所有數據進行分析處理。其具有五種特點（IBM提出）：大量、高速、多樣、低價值密度、真實性。數據挖掘，它是數據庫知識發現（KDD）中的一個步驟。

3.2 貝葉斯算法

貝葉斯分類算法是統計學的一種分類方法，它是一類利用概率統計知識進行分類的算法。貝葉斯算法基本公式：

其中：P（B）是B的先驗概率或邊緣概率，不用考慮A方面的任何因素;P（B|A）是已知A發生后B的條件概率，也由于得自A的取值而被稱作B的后驗概率;P（A）是已知B發生后A的條件概率，也由于得自B的取值而被稱作A的后驗概率;P（A）是A的先驗概率或條件概率，也稱作標準化常量。

3.3 貝葉斯網絡示例

如圖2所示是一個簡單的治未病貝葉斯網絡示例（以2型糖尿病為例），根據節點及其相互關系、條件概率，貝葉斯網絡就可以表達網絡中所有節點的概率，并能根據先驗概率和節點計算出后驗概率和其他節點的概率值。表1為圖2對應的條件概率表。

3.4 構建治未病危險因素貝葉斯分析模型示例（以2型糖尿病為例）

如圖3所示，其中15個節點分別為1、年齡;2、身高體重（標準：男性標準體重=身高（cm）-105;女性標準體重=身高（cm）-100））;3、運動;4、家族史;5、血脂（標準：總膽固醇：2.8～5.17mmol/L、甘油三酯：0.56～1.7mmol/L、膽固醇脂：2.8～5.17mmol/L）;6、隨機血糖（標準：空腹全血血糖：3.9～6.1毫摩/升、餐后1小時：6.7-9.4毫摩/升、餐后2小時：≤7.8毫摩/升）;7、空腹血糖;8、餐后2h血糖;9、葡萄糖劑量檢測;10、糖化血紅蛋白檢測;11、尿常規;12、尿微量白蛋白測定;13、眼底;14、胰島素釋放試驗;15、是否患有糖尿病。

4 結果

本項目預期結果，預計系統走入醫院、社區，雖然在個別醫院已經有類似“智慧醫療”的便民系統，但是這種“智慧醫療”有兩點不足：一是只能在醫院內部使用;二是中醫“智慧醫療”市場占有率微乎其微。我們的系統改善了這兩點不足，數據庫的數據進一步完善和累加，大大增加系統估算的準確率，也加強了互聯網與傳統中醫之間的聯系。

5 結束語

2016年10月25日，中共中央、國務院印發《“健康中國2030”規劃綱要》，其主題是“以促進健康為中心，健康優先、共建共享、預防為主，全方位、全周期維護人民健康，提高全民人均健康預期壽命、主要健康指標和總體健康水平”。

世界各國醫療保健戰略逐步從疾病主導型向健康主導型轉變。當前疾病譜出現的變化，西藥的毒副作用明顯，藥源性、醫源性疾病的防控，以及器質性、慢性非傳染性疾病日增，新型流行性、傳染性疾病不斷出現;醫藥科技的局限，環境污染的危害，生理和精神亞健康，醫療保健費用負擔巨增。世界衛生組織指出，健康不僅是軀體沒有疾病，還要心理健康、社會適應良好和有道德。修補醫學的缺陷日益凸顯，現代醫學模式正由生化醫學向“生物—心理—社會—環境”模式轉變。推行中西醫并重，充分發揮中醫治未病的獨特優勢，為群眾提供中醫健康咨詢評估、干預調理是新型中醫學領域不斷繼承與創新的發展方向。

參考文獻

[1]A. N. Terent' yev and P. I. Bidyuk. METHOD OF PROBABILISTIC INFERENCE FROM LEARNING DATA IN BAYESIAN NETWORKS. Cybernetics and Systems Analysis，2007，391-396.

[2]王琦.中醫治未病解讀[M].北京：中國中醫藥出版社，2007，108-118.

[3]王丹.治未病理論應用及發展現狀研究進展[J].中國保健營養（中旬刊），2012（08）：568-569.

[4]王超，高祺.亞健康態的中醫理論基礎[J].中華中醫藥學刊，2007，25（10）：2143.

[5]何以蓓，壽芳，張秀峰.亞健康的中醫認識及防治措施[J].浙江中醫學院學報，2001，25（06）：13-14.

[6]史鳴奇.大數據在健康醫療領域的應用發展研究[J].科技視界，2017（07）：11-12+22.

[7]胡大一.中國心臟康復的現狀與發展思路[J].中國實用內科雜志，2017，37（07）：581-582.

[8][英]Viktor Mayer-Schönberger.大數據時代（Big Data：A Revolution That Will Transform How We Live，Work， and Think）.浙江人民出版社，2012（12）.

[9]朱雪彤，錢秀娟，孫薇薇，侯憲春，陳廣生，王永利.面向普適健康監測的心臟病分析方法[J].計算機工程與應用，2018，54（01）：159-165+203.