名中醫診治冠心病的方藥規律數據挖掘研究現狀

葉恩德 李曉

摘要：基于數據挖掘技術，探討名中醫診治冠心病的方藥規律，為更好地繼承名中醫學術經驗提供量化的數據支持。經過重點論述名中醫診治冠心病的方藥規律數據挖掘研究過程中涉及到的數據來源、軟件、工具選擇，數據挖掘方法的選擇等問題，并總結名中醫在治療冠心病時的用藥規律及學術思想。發現冠心病多以氣虛血瘀、氣陰兩虛，痰瘀阻絡為主要病機，常治以益氣活血，活血化瘀，并多以活血藥、化痰藥、補虛藥治療。

關鍵詞：數據挖掘;名中醫;冠心病

名中醫診治冠心病，具有豐富的臨床經驗和學術思想，通過數據挖掘的方法能夠更好地傳承和發揚名中醫診治冠心病的學術思想和臨床經驗。數據挖掘是在大數據與人工智能的背景下作為一門多學科交叉的科學，近年來在名中醫診治冠心病的研究中已被廣泛應用。能更好地繼承名中醫學術經驗提供量化的數據支持。

1 名中醫診治冠心病的數據挖掘數據來源

1.1 名中醫門診電子病案處方 門診電子病案處方作為第一手資料，能夠很好地反應出名中醫診治冠心病的思路方法。蔣躍絨等[1]通過收集陳可冀院士門診病案，對治療心血管疾病血瘀證的用藥規律進行數據挖掘。

1.2 網絡文獻、論文 滑振等[2]通過計算機檢索中文期刊全文數據庫（CNKI），萬方，維普，中國生物醫學文獻數據庫（CBM）等專業網絡文獻、論文中的名中醫診治冠心病的方藥數據資料進行數據挖掘。

1.3 專著、著作 尹嘉等[3]通過搜索收集湯曉龍主編的《冠心病百家百方》中的處方資料進行數據挖掘。

1.4 中醫古籍 買買提依力·努爾買提等[4]通過檢索《買赫孜努力木非爾達提》、《賈米依拉基》等10余部維吾爾醫藥古籍資料進行數據挖掘。

1.5 國家專利數據庫 鐘小雪等[5]研究1985年9月—2015年7月公布的全國范圍內關于治療冠心病的中藥復方專利;中藥提取物專利;中成藥復合物專利的國家專利數據庫中的資料進行數據挖掘。

1.6 學術課題、科研項目 吳榮等[6]將“十五”國家科技攻關計劃“名老中醫學術思想，經驗傳承研究”綜合信息庫中記載的多位國家級名老中醫診治冠心病的處方數據進行數據挖掘。

2 名中醫診治冠心病的數據挖掘軟件運用

2.1 Microsoft office excel和SPSS 該類軟件一般用于藥物頻數的統計、頻率的計算，數據處理功能比較單一。

2.2 中醫傳承輔助平臺 該軟件由中國中醫科學院中藥研究所與中國科學院自動化研究所聯合開發。圍繞著中醫藥繼承、發展、傳播和創新4個核心問題，采用人工智能、數據挖掘、網絡科學等學科的方法和技術，結合中醫藥特點，輔以臨床實際情況，建立以中醫數據分析為核心，體現中醫傳承特色的中醫傳承輔助平臺[7]。現階段多數冠心病診治的數據挖掘數據分析處理都由該軟件完成。

2.3 SQL Server數據挖掘軟件 王泉蓉等[8]運用SQL Server數據挖掘系統對魏子孝教授治療2型糖尿病合并冠心病醫案中的證候、治法、用藥及配伍規律等進行數據挖掘分析。

2.4 方劑智能分析軟件 該軟件由北京中醫藥大學任廷革教授開發的基于中醫知識信息數據庫和近似推理等數據挖掘方法的方劑自動分析程序。吳榮等[6]等運用該軟件對多位國家級名老中醫診治冠心病的處方數據進行統計、分析處理。

2.5 Clementine數據挖掘軟件 薄榮強[9]通過篩選國醫大師醫案、驗方數據，運用數據挖掘軟件Clementine 12.0對數據進行頻數統計、關聯規則、聚類分析結果。結果：確定了高頻中藥42味、高頻四診信息20個，確定了高頻藥物的性味與歸經，藥物之間或藥物與病機、四診信息之間的關聯規則系統聚類6個。

2.6 Liquorice數據挖掘軟件 該軟件多用于基于復雜網絡的數據挖掘分析。

2.7 名老中醫網、SAS統計分析軟件 蘇有玲[10]通過“名老中醫網”軟件構建數據庫，借助SAS9.1.3統計軟件，采用頻數分析、聚類分析對許杰治療冠心病用藥經驗進行數據挖掘分析。

3 名中醫診治冠心病的數據挖掘分析方法

3.1 頻數，頻率統計分析 通過統計名中醫診治冠心病的患者性別、年齡、中醫診斷、證候、治法、方劑名稱、方藥、中藥四氣、五味、歸經、功用等的頻數信息并計算頻率。是數據挖掘較為簡單方便，也是基礎的數據挖掘方法。

3.2 關聯規則分析、聚類分析 關聯規則是描述信息庫中各項集中存在的，潛在的某種關系的規則，其主要用于提取癥-癥;藥-藥;證-癥;證-藥;癥-藥之間存在的對應關系和規律[11]。聚類分析包括復雜系統熵聚類和無監督熵層次聚類分析。其對大量的，隨機的數據進行分類，盡量使各類間對象差別大，類內對象差別小，運用聚類分析對名中醫診治冠心病的醫案中的證候、中藥、方劑等進行數據挖掘，從而發現名中醫診治冠心病的核心證候、核心用藥信息[12]。其與普通的頻數統計相比較，聚類分析共識更明確，同類的同一強度更強，重點、特點更加突出。李施新等[13]運用中醫傳承輔助系統軟件，采用關聯規則apriori算法、復雜系統熵聚類等數據挖掘方法，對全國100位名老中醫治療冠心病的醫案進行數據挖掘，結果：對篩選出的100個醫案進行分析，確定醫案中各證候出現頻次、藥物的使用頻次和藥物之間的關聯規則，并挖掘出23個核心組合和7首新方。結論：全國名老中醫治療冠心病經驗豐富并有規律可循，辨證用藥上多用活血化瘀、益氣養陰之品，應用靈活，配伍嚴謹。莊逸洋等[14]采用關聯規則、改進的互信息法、復雜系統熵聚類等數據挖掘方法，分析鄧鐵濤教授治療冠心病的用藥規律。對篩選出的192個處方進行分析，確定處方中藥物的使用頻次和藥物之間的關聯規則，挖掘出16個核心組合和8首新處方。結論：鄧鐵濤教授治療冠心病多用益氣除痰化瘀之品，體現其“心脾相關”、“痰瘀相關”的學術思想及“調脾護心”的治療方法。嚴亞鋒[15]采用關聯規則、系統熵聚類等數據挖掘方法，分析張學文教授治療冠心病穩定型心絞痛氣滯痰阻血瘀證的用藥經驗和用藥規律。得出處方中使用頻次最高的藥物是丹參，其次是瓜蔞、薤白、砂仁、檀香等;藥物組合頻次由高到低排序，前5位分別是“薤白，瓜蔞”“丹參，瓜蔞”“薤白，丹參”“薤白，丹參，瓜蔞”“砂仁，瓜蔞”;藥物之間的關聯規則顯示丹參、瓜蔞、薤白、檀香、砂仁等藥物居于網絡圖中間，均為張學文教授診治胸痹氣滯痰阻血瘀證最常用的中藥。結論：張學文教授治療胸痹氣滯痰阻血瘀證以理氣、活血化瘀、化痰類藥物為主。孫卉麗[16]采用關聯規則算法、復雜系統熵聚類等無監督數據分析方法，收集分析郭維琴教授治療冠心病的處方中藥物使用頻次及藥物之間的關聯規則、處方規律。挖掘出治療冠心病基礎用方及 20 個常用藥物組合。結論：郭維琴教授治療冠心病善用益氣活血法進行加減。莊逸洋[17]采用關聯規則、改進的互信息法、復雜系統熵聚類等數據挖掘方法，分析陳鏡合治療冠心病的用藥規律。結果：共納入處方138首，涉及藥物116味。使用頻次居前3位的單味藥物為炙甘草、川芎、白芍，使用頻次居前3位的藥物組合為“陳皮，炙甘草”、“炙甘草，枳殼”、“炙甘草，白芍”，常用藥物組合均為柴胡疏肝散和四君子湯的藥物隨機合。結論：陳鏡合教授治療冠心病多用理氣、補氣、祛痰、化瘀之品，體現其“心病治肝”的診治思路及“疏肝健脾，化痰祛瘀”的治療方法。湯慧敏[18]采用關聯規則對冼紹祥教授治療冠心病的處方進行分析。結 論：冼紹祥教授辨治冠心病側重“伏痰、伏瘀、氣虛”三因，用藥以行氣豁痰、活血化瘀、通陽散結為主，兼顧益氣養陰，體現其“瀉實補虛、標本兼顧、三因制宜”的臨證經驗。

3.3 人工神經網絡 人工神經網絡是20世紀80年代以來人工智能領域興起的研究熱點。它從信息處理角度對人腦神經元網絡進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網絡。神經網絡是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，隱藏節點使用激活函數完成非線性樣本向線性的轉化，最終通過不斷訓練將誤差反饋給網絡來調整權重以達到最佳預測效果[19]。其具有較強的魯棒性、容錯性及自組織性，近年來在冠心病中醫數據挖掘中得以推廣應用。買買提依力·努爾買提[4]，選取118對高頻藥對構建神經網絡圖。網絡結果顯示藥物顯示度與節點大小及顏色深淺正相關，其中珍珠、琥珀、蠶繭、檀香、麝香、牛舌草、香青蘭、西紅花、龍涎香、矢車菊、補血草及銀箔等12種藥材具有較高顯示度。

3.4 貝葉斯算法 貝葉斯算法包括樸素貝葉斯、貝葉斯網絡、貝葉斯分類等多種方法[20]。它是一類利用概率統計知識進行分類的算法。在名醫專家經驗傳承的過程中，可將其與中醫辨證知識相結合，構建中醫辨證貝葉斯算法模型，通過類別的共有特征預測和該病案相關證型的分類，將病案分配到已經存在的證型類別中，有機融合中醫專家的專家經驗。秘紅英[21]采用貝葉斯算法及回顧性臨床研究方法對吳以嶺教授治療的冠心病心絞痛臨證驗案進行證型分類，并提取各個證型與癥狀間的關聯性，分析吳以嶺教授病案中藥物的功效、用藥頻率、藥物性味及歸經。結果：常見證型依次為氣陰兩虛證，絡氣虛滯證，痰濁阻肺、心絡瘀阻證，腎虛絡瘀、心絡瘀阻證，絡氣郁滯證，心絡絀急證，肝郁氣滯、心絡瘀阻證，脾困胃逆、心絡瘀阻證;各證型主要癥狀均為不同程度胸悶疼痛。122味中藥共出現6045次，丹參等7味中藥用藥頻次超過200次;結論：揭示了吳以嶺教授治療冠心病的辨治規律，發揚了吳以嶺教授的脈絡學說。

3.5 復雜網絡 復雜網絡是當前科學界研究的熱點問題[22]。復雜網絡中的每個節點表示一個癥狀，癥狀之間的關系以連線表示。“節 點度”是指和該節點相關聯的邊的條數，又稱關聯度，用以描述圖中任何一個節點在網絡中占據的核心性[23]。每個節點的大小由節點度決定，節點度越大對應的節點越大，在四診信息網絡中越重要[24]。楊濤[25]搜集周仲瑛教授診治的冠心病醫案，利用數據挖掘工具Liquorice周老治療冠心病的用藥規律進行復雜網絡分析，通過設定生成多尺度骨干網，并對網絡節點進行聚類，將關系緊密的中藥聚為中藥組，分析中藥組中的用藥特點和規律。結果：共搜集168診次醫案，病機以氣陰兩虛、心營不暢最為多見，核心用藥以丹參、太子參、麥冬、砂仁、全瓜蔞、法半夏、川芎等為主;網絡節點（中藥）聚類后得到6大類，分別對應氣陰兩虛、痰瘀痹阻等6類病機。結論：在冠心病的治療上，周老堅持審察病機，以機立法，以法選方，隨證加減，臨證用藥以氣陰雙補、祛瘀化痰、補氣健脾、溫中散寒、滋補肝腎為主。

3.6 數據庫法 通過軟件支持、搜索、收集、建立主題詞、關鍵詞，并預先建立數據庫框架，對數據進行初步分類，建立數據來源。然后可通過以上介紹的數據挖掘分析方法進行相關分析。張京春[26]收集陳可冀院士診治冠心病患者的初診數據錄入由北京中醫藥大學信息研究室提供，數據庫框架中建立數據庫，利用SQL Server 工具進行統計分析。結果：91例冠心病患者出現證候多為痰瘀互結證、氣虛血瘀證、氣陰兩虛證等。所處方劑多以瓜蔞薤白半夏湯、生脈散、冠心Ⅱ號方、血府逐瘀湯等化裁。用藥次數最多的依次是瓜蔞、半夏、薤白、川芎、赤芍、延胡索、紅花、丹參等。結論：冠心病證候實證多為痰瘀互結證、水與血結證、瘀阻心脈證;虛證多為虛實夾雜證，如氣虛血瘀證、陰虛陽亢證。治療上體現了陳可冀院士治療冠心病“兩補”（“補腎”和“補氣血”）、“三通”（“芳香溫通”、“宣痹通陽”和“活血化瘀”）和“心胃同治”的學術思想。

4 小結

運用數據挖掘能夠通過數據、圖示等直觀的展現某些規律，能夠抓住重點和突出點，能夠更好地掌握名中醫診治冠心病的方藥規律和學術思想。但是數據挖掘是運用計算機軟件進行人工智能分析，其不能完全等同于人類思維，中醫追求整體觀念和辨證論治，所以在研究的時候要充分發揮以人為主體的研究。通過數據挖掘出來的方藥、證候以名中醫多年的經驗為基礎，往后的研究中應當輔助藥理、生理、病理、動物實驗等為研究提供更充分的科學依據。

參考文獻：

[1]蔣躍絨，謝元華，張京春，等.陳可冀治療心血管疾病血瘀證用藥規律數據挖掘[J].中醫雜志，2015，56（5）：376-380.

[2]滑振，張哲，楊關林.醫藥防治冠心病相關數據挖掘文獻的數據挖掘[J].遼寧中醫雜志，2018，45（4）：675-678.

[3]尹嘉，洪曹棟，牛天福.基于數據挖掘的冠心病中醫用藥規律研究[J].中醫藥臨床雜志，2019，31（11）：2102-2106.

[4]買買提依力·努爾買提，艾尼瓦爾·塔力甫，艾爾肯·米吉提，等.基于數據挖掘的冠心病方劑組方規律探討[J].中華中醫藥雜志，2016，31（6）：2097-2101.

[5]鐘小雪，何慶勇，尹湘君，等.治療冠心病方劑用藥規律的數據挖掘研究[J].北京中醫藥大學學報，2017，40（4）：344-348.

[6]吳 榮，王 階，任廷革，等.基于數據挖掘的名老中醫冠心病診療規律研究[J].中 華 中 醫 藥 學 刊，2008，26（12）：2581-2583.

[7]唐仕歡，申丹，盧朋，等.中醫傳承輔助平臺應用評述[J].中華中醫藥雜志，2015，30（2），329-331.

[8]王泉蓉，張廣德，紹鑫，等.魏子孝教授治療2型糖尿病合并冠心病醫案數據挖掘分析[J].中國中醫藥現代遠程教育，2014，12（6）：20-23.

[9]薄榮強，宋慶橋，褚瑜光，等.基于數據挖掘的國醫大師治療冠心病的用藥規律探析[J].中西醫結合心腦血管病雜志，2018，16（3）：271-275.

[10]蘇有玲.基于數據挖掘的許杰治療冠心病用藥經驗[J].國醫論壇，2019，34（5）：50-53.

[11]饒克勤.衛生統計方法與應用進展[M].北京：人民衛生出版社，2008：284.

[12]唐仕歡，陳建新，楊洪軍，等.基于復雜系統熵聚類方法的中藥新藥處方發現研究思路[J].世界科學技術（中醫藥現代化），2009，11（2）：225-228.

[13]李施新，李遠，劉孟敏.基于關聯規則和復雜系統熵聚類的100位全國100位名老中醫治療冠心病證治規律研究[J].中華中醫藥雜志（原中國醫藥學報），2016，31（4）：1258-1260.

[14]莊逸洋，鄭升鵬，陳文嘉，等.國醫大師鄧鐵濤治療冠心病用藥規律的數據挖掘研究[J].時珍國醫國藥，2016，27（12）：3025-3027.

[15]嚴亞鋒，董 斌.國醫大師張學文治療胸痹氣滯痰阻血瘀證用藥經驗探析[J].西部中醫藥，2018，31（5）：65-68.

[16]孫卉麗，劉玉霞，王亞紅，等.基于數據挖掘的郭維琴教授治療冠心病用藥規律分析[J].中華中醫藥學刊，2015，33（3）：624-626.

[17]莊逸洋，盧茵茵，李榮，等.基于數據挖掘探討陳鏡合治療冠心病用藥規律[J].廣州中醫藥大學學報，2018，35（2）：333-336.

[18]湯慧敏，葉寶倩，冼紹祥.冼紹祥教授治療冠心病用藥規律的數據挖掘分析和經驗總結[J].中西醫結合心腦血管病雜志，2019，17（18）：2825-2830.

[19]毛健，趙紅東，姚婧婧.人工神經網絡的發展及應用[J].電子設計工程，2011，19（24）：62-65.

[20]趙建喆.具有認知特性的貝葉斯網絡結構學習方法研究[D].沈陽：東北大學，2015.

[21]秘紅英，魏 聰，李紅蓉，等.基于貝葉斯算法的吳以嶺教授治療冠心病心絞痛的病案分析研究[J].中國中西醫結合雜志，2018，38（5）：534-538.

[22]Newman MEJ，Barabási A-L，Watts DJ.The Structure and Dynamics of Networks[M].Princeton：Princeton Univ Press，2006.

[23]Ravasz E，Barabasi AL.Hierarchical organization in complex networks[J].Physical Review E，2003，67：12-26.

[24]李曉佳，張鵬，狄增如，等.復雜網絡中的社團結構[J].復雜系統與復雜性科學，2008，5（3）：19-42.

[25]楊濤，胡孔法，陸明，等.基于復雜網絡的周仲瑛治療冠心病用藥規律研究[J].遼寧中醫雜志，2017，44（11）：2253-2255.

[26]張京春，謝元華.陳可冀院士辨治冠心病醫案的數據挖掘[J].世界中西醫結合雜志，2008，3（1）：4-7.