基于社區(qū)發(fā)現(xiàn)算法的消渴六經(jīng)證候研究＊

劉 暢，瞿溢謙，虞紅蕾，劉雨佳，楊 帆，王 平，李 煜，曹靈勇＊＊，林樹元＊＊

（1. 浙江中醫(yī)藥大學基礎醫(yī)學院 杭州 310053；2. 廣東省中醫(yī)院 廣州 510120；3. 杭州甘之草科技有限公司杭州 310000；4. 澳門科技大學中醫(yī)藥學院 澳門 999078）

1 前言

消渴病以多飲、多食、多尿、口渴、乏力、消瘦，或尿有甜味為主要臨床表現(xiàn)，可見于現(xiàn)代醫(yī)學的糖尿病等[1]。經(jīng)方是以張仲景六經(jīng)辨證為理論核心的漢唐方脈醫(yī)學理論體系[2]。經(jīng)方在改善胰島素低抗、保護胰島功能等方面具有明確優(yōu)勢。然而六經(jīng)證候的復雜性、高維性[3]，為其研究和挖掘帶來困難，也限制了證候的標準化、規(guī)范化。消渴的六經(jīng)證候相關知識散見于多部經(jīng)方醫(yī)學古籍[4-6]，加大了證候研究的難度。

數(shù)據(jù)挖掘技術可以從大量數(shù)據(jù)中挖掘隱藏的知識或模式，在模糊、非線性數(shù)據(jù)的分析中獨具優(yōu)勢。目前，中醫(yī)證候研究中應用較為廣泛的數(shù)據(jù)挖掘技術是頻數(shù)統(tǒng)計、聚類分析和因子分析等[7]。因子分析在運算中對數(shù)據(jù)進行了降維處理，導致信息減損；其得到的“公因子”還需結合聚類分析[8]或人工整合，才能得到專業(yè)上可解釋的證候類別，這一過程增加了證候的主觀性。近年來，有研究將復雜網(wǎng)絡分析技術應用于中醫(yī)證候研究，在病歷數(shù)據(jù)的挖掘中取得了有意義的結果[9-11]。然而古籍知識以醫(yī)理論述、方藥為主，較病歷數(shù)據(jù)更為稀疏，以上述方法分析難以獲得滿意的結果。

知識圖譜與復雜網(wǎng)絡相融合的研究方法，為古籍證候知識的挖掘提供了可能。目前知識圖譜技術在中醫(yī)藥領域主要用于本體構建和數(shù)據(jù)庫構建[12]，基于圖譜進行知識挖掘尚未見報導。從連接屬性來看，知識圖譜也屬于復雜網(wǎng)絡的一種[13]。復雜網(wǎng)絡的社區(qū)結構，能發(fā)現(xiàn)網(wǎng)絡中節(jié)點緊密的連接和相似的屬性，并基于此挖掘節(jié)點的潛在類別[14]，這與中醫(yī)證候的數(shù)據(jù)結構特點和挖掘需求較為契合[3]。借助知識圖譜技術，古籍中的信息可經(jīng)過抽取、融合，存儲為圖結構的數(shù)據(jù)，再通過復雜網(wǎng)絡分析技術中的社區(qū)發(fā)現(xiàn)算法對圖譜進行分析，得到證候和主癥等隱藏信息。這一方法可處理稀疏數(shù)據(jù)，無需對低頻次的癥狀進行刪減或合并，減少了信息減損和人工干預。

因此，本研究在消渴病經(jīng)方古籍知識圖譜的基礎上，采用社區(qū)發(fā)現(xiàn)算法進行消渴病六經(jīng)證候分布規(guī)律挖掘，對結果進行可視化展示。

2 資料與方法

2.1 數(shù)據(jù)來源

課題組在前期研究中已完成消渴病經(jīng)方古籍知識圖譜的構建工作[15]。該圖譜包含9 部經(jīng)方代表典籍中和消渴病相關的內容，采用Neo4j圖數(shù)據(jù)庫構建，包含1432 個節(jié)點、3067 個關系，其模式層包含24 個節(jié)點，24 個標簽，54 條關系和24 種關系類型。該圖譜可通過節(jié)點的多個屬性值和標簽，兼容古籍中一詞多義的語言現(xiàn)象。例如允許病名“消渴”和癥狀“消渴”同時存在，且檢索時可以通過屬性值進行區(qū)分（圖1）。

圖1 “消渴”病名與癥狀節(jié)點圖譜展示（部分）

2.2 知識挖掘

2.2.1 方法簡介

本文主要采用Louvain 社區(qū)發(fā)現(xiàn)算法挖掘圖譜中的證候分布規(guī)律，采用PageRank 算法明確各證候的主癥，并與因子分析結果進行對比。

（1） Louvain算法

社區(qū)發(fā)現(xiàn)算法從原理上可分為分離和聚合兩類。分離法基于移除社區(qū)的邊達到劃分社區(qū)的效果，而聚合法則基于節(jié)點鏈接的緊密度聚合為一個社區(qū)。Louvain 算法屬于聚合法，是使用優(yōu)化模塊度（Modularity，通常以Q表示）的方法以提高社區(qū)劃分效率的方法。模塊度是社區(qū)內節(jié)點的連邊數(shù)與隨機情況下的邊數(shù)之差。該算法計算過程中對節(jié)點進行逐層壓縮，計算效率高，是目前最為高效且被廣泛應用的社區(qū)發(fā)現(xiàn)算法之一[16]。其流程如下：

①將圖中的每個節(jié)點看成一個獨立的社區(qū)，社區(qū)的數(shù)目與節(jié)點個數(shù)相同；

②對每個節(jié)點i，依次嘗試把i 分配到其每個鄰居節(jié)點所在的社區(qū)，計算分配前與分配后的模塊度增益（以ΔQ表示），并記錄ΔQ最大的鄰居節(jié)點；如果maxΔQ＞0，則把節(jié)點i 分配到ΔQ最大的鄰居節(jié)點所在的社區(qū)，否則保持不變；

③重復②，直到所有節(jié)點的所屬社區(qū)不再變化；

④對圖進行壓縮，將所有在同一個社區(qū)的節(jié)點壓縮成一個新節(jié)點，原社區(qū)內節(jié)點之間的邊的權重轉化為新節(jié)點的權重，原社區(qū)間的邊權重轉化為新節(jié)點間的邊權重。如圖2 所示，0、1、2、4、5 這5 個節(jié)點在第一輪社區(qū)劃分中屬于同一個社區(qū)，則在下一輪計算時，將5 個節(jié)點折疊成一個新節(jié)點（以節(jié)點14 代表），再進行社區(qū)劃分。

圖2 Louvain算法中的節(jié)點壓縮示意圖[16]

⑤重復上述步驟，直到整個圖的模塊度不再發(fā)生變化。

Q的計算公式為：

其中，Aij表示節(jié)點i和節(jié)點j之間邊的權重，kj表示所有和節(jié)點j連接的邊的權重之和，ki表示所有和節(jié)點i連接的邊的權重之和，kj/2m表示節(jié)點j和整個實體圖上任意一個節(jié)點連接的概率。m=1/2∑ijAij表示整個圖中所有邊的權重，即圖中邊的總數(shù)量。ci表示節(jié)點i所屬的社區(qū)；當節(jié)點i和節(jié)點j在同一個社區(qū)時，δ(ci,cj)的函數(shù)值為0，否則為1。隨機情況下，節(jié)點i和節(jié)點j的期望連接權重為ki×kj/2m，Aij-ki×kj/2m即為節(jié)點i和j實際連接權重與期望連接權重之差。

于是模塊度增益ΔQ的計算公式為：

公式2 前半部分表示將節(jié)點i加入到社區(qū)c后的模塊度；后半部分表示加入節(jié)點i之前，社區(qū)c和節(jié)點i作為一個獨立社區(qū)時，二者的模塊度之和。兩者相減即為模塊度的增益。

由于Louvain 算法只能獲得癥狀的社區(qū)分布情況，而要進行專業(yè)分析得到證候，還需要知道社區(qū)內癥狀之間的主次關系。在一個社區(qū)中，某個節(jié)點與其他節(jié)點存在的連邊越多、權重越大，說明其在社區(qū)內的影響力越大。由此，可以通過計算各癥狀節(jié)點的影響力并排序，得到主癥。

（2） PageRank算法

PageRank 算法[17]源于網(wǎng)頁鏈接結構的算法，它將互聯(lián)網(wǎng)中眾多網(wǎng)頁看做圖的節(jié)點，網(wǎng)頁之間的鏈接看做邊，通過計算某個網(wǎng)頁被訪問的概率（即PR 值），體現(xiàn)該網(wǎng)頁的影響力。要得到這個概率，需要累加指向網(wǎng)頁的所有鏈接的重要性分值。

對于一個頁面A，它的PR值為：

其中PR(A)是頁面A的PR值，PR(Tn)是頁面Tn的PR值。頁面Tn是指向A的所有頁面中的某個頁面。C(Tn)是頁面Tn的出度，也就是Tn指向其他頁面的邊的個數(shù)。d為阻尼系數(shù)，表示在任意時刻，用戶到達某頁面后并繼續(xù)向后瀏覽的概率，該數(shù)值是根據(jù)上網(wǎng)者使用瀏覽器書簽的平均頻率估算而得，通常d=0.85。

該公式適用于節(jié)點之間連邊不帶權重的情況，本研究中癥狀節(jié)點之間的連邊帶有權重信息，故需要在計算PR（Tn）和C（Tn）時累加權重。例如，癥狀A、B、C、D在社區(qū)中的連接關系如圖3 所示，其中A、B之間的連邊表示兩個癥狀在實體圖中共現(xiàn)，邊上的數(shù)字3 表示共現(xiàn)次數(shù)為3。

圖3 癥狀連邊權重示意圖

假設各節(jié)點PR初始值為1，則：

以同樣的方式，計算其他節(jié)點的PR值，并帶入公式，計算第二輪PR(A)，直至兩次相鄰迭代結果的差值小于收斂閾值（本研究設為0.00001），導出各癥狀節(jié)點在其所屬社區(qū)中的PR值。PR值越大，說明該癥狀出現(xiàn)的概率越大，越有可能是主癥。

2.2.2 挖掘過程

（1） 圖映射

知識圖譜中包含了不同類別的節(jié)點和關系，與證候研究相關的信息混雜其中，需要先將實體圖映射為癥狀關聯(lián)子圖再進行社區(qū)發(fā)現(xiàn)。使用Cypher 語句抽取所有癥狀節(jié)點作為子圖的節(jié)點，統(tǒng)計癥狀在圖譜中“共現(xiàn)”的次數(shù)作為子圖中邊的權重。“共現(xiàn)”定義為兩個癥狀在實體圖中通過同一中間節(jié)點相連，該中間節(jié)點的類別不限（包括條文編號、方劑、病機、藥物等）。為避免重復計算權重，若兩個癥狀的中間節(jié)點類別為條文編號，限制其關系的權重最高為1。

（2） 社區(qū)劃分

添加Apoc 算法插件包，調用Louvain 算法得到癥狀的社區(qū)發(fā)現(xiàn)結果。算法輸入為上一步抽取的癥狀關聯(lián)子圖，輸出為社區(qū)數(shù)量、模塊度、節(jié)點數(shù)量、每個社區(qū)包含的具體節(jié)點（癥狀）。將輸出導入Gephi0.9.2軟件進行可視化（圖4）。

（3） 主癥挖掘

運行PageRank 算法，導出各癥狀節(jié)點在所屬社區(qū)中PR 值的大小和排序。排在前10%的認為是該證候的主要癥狀，其余為次要癥狀。

2.2.3 因子分析

抽取圖譜中的癥狀和條文編號信息，以條文為單位進行癥狀頻數(shù)統(tǒng)計，運用Excel2007 軟件建立數(shù)據(jù)庫。采用SPSS26.0 統(tǒng)計軟件進行PCA 分析和因子分析。

對數(shù)據(jù)進行KMO檢驗和巴特利特檢驗，以判斷是否適合因子分析。根據(jù)PCA 分析結果確定主成分數(shù)，對初始因子使用最大方差法進行因子旋轉，迭代收斂，得到旋轉后的因子載荷矩陣。因子中變量的載荷值越大，則該變量對因子的影響越大。提取載荷系數(shù)大于0.4 的癥狀變量作為主癥，將荷載系數(shù)在0.15～0.4 之間的癥狀變量作為兼證。

2.2.4 六經(jīng)證候分析

本研究參考《中醫(yī)診斷學》[18]六經(jīng)辨證診斷標準和《經(jīng)方探源》[19]中的六經(jīng)證候二級分類方法，對挖掘結果進行病位、病性分析和六經(jīng)辨證分析。

3 結果

3.1 社區(qū)分布

得到4 個核心社區(qū)，占實體圖癥狀節(jié)點比例的95.82%（圖4）。其中社區(qū)1 為最大的社區(qū)，占全部癥狀節(jié)點的35.60%。圖中節(jié)點的面積大小代表其連邊的數(shù)量。

圖4 消渴病癥狀社區(qū)分布圖

3.2 社區(qū)發(fā)現(xiàn)證候分布

由社區(qū)發(fā)現(xiàn)得到4 個社區(qū)，其六經(jīng)證候分別為陽明病、陽明太陰合病、太陰?。ㄋC）、太陰?。ㄑC）（表1）。

表1 社區(qū)發(fā)現(xiàn)挖掘結果及證候分析表

社區(qū)1 證候為陽明病，以火熱燔灼為病機核心。主證中，火熱傷津導致口渴而多飲、發(fā)熱頭痛等癥，如“渴者，屬陽明”（《傷寒論》97 條），以及“陽明病，發(fā)熱汗出者，此為熱越”（《傷寒論·辨可下病脈證并治》）；火熱上擾心神，故見煩躁、驚悸等癥。伴隨癥狀（四肢拘急不利、反張、爪甲枯槁、面青等）提示津血被火熱耗傷后筋脈不榮，而津傷之后可出現(xiàn)白虎湯“背微惡寒”之癥。該證候屬于消渴病初期，中焦、上焦邪熱為主，以多飲、多食為典型癥狀。

社區(qū)2 證候為陽明太陰合病，以水火夾雜為病機核心。陽明里熱與水飲相搏，因此主證既會見到口渴而多飲，又會見到小便頻數(shù)而不欲飲。正如《金匱要略·消渴小便不利淋病》所言：“小便不利者，有水氣”?；鹦匝咨希敾馃釆A雜水飲向上攻沖，會導致三焦不利、表里互兼、虛實夾雜的證候群，則病屬厥陰。例如同時出現(xiàn)上焦的口干多飲、胸悶、眩暈、目赤，中焦的多食，下焦的小便不利、小便混濁或有甜味、陽痿；因為虛實夾雜，所以脫形、羸瘦與口渴、多食、瘡瘍并見。該證候屬于消渴典型期，常“三多一少”并見。

社區(qū)3 證候為太陰?。ㄋC），以水濕停聚為病機核心。短氣、胸滿、浮腫、小便不通為太陰脾失健運、水濕停聚之表現(xiàn)，見于《金匱要略·痰飲咳嗽》篇：“短氣不得臥，其形如腫”、“短氣有微飲，當從小便去之”。見于經(jīng)方中“小便不利，微熱消渴”的五苓散證，以及“吐而渴欲飲水”的茯苓澤瀉湯證。該證候屬于消渴典型期，常見“下消”為主的多尿癥狀。

社區(qū)4 證候為太陰?。ㄑC），以津血虧虛為病機核心[20]。如消瘦、乏力、肢體痿廢、健忘、抑郁、咽干唇裂等，為津血虧虛不能充養(yǎng)肌肉、頭面腦竅之癥；而納差、臍腹痛、少尿等，為津血不能濡潤腸道、尿液化源不足之證。其癥狀與虛勞典型方證小建中湯證相類似：“虛勞里急，悸，衄，腹中痛，夢失精，四肢酸疼，手足煩熱，咽干口燥”。此時火熱并非實證，而是津血虧虛日久、陰不斂陽之虛火，故以建中法補益津血而潤降。該證候屬于消渴后期，以虛損為典型表現(xiàn)。

3.3 因子分析證候分布

圖譜中的癥狀變量過于分散，KMO 檢驗和巴特利特球形檢驗提示不適合直接進行因子分析。對相似癥狀進行合并，剔除頻率＜4%的癥狀，再進行檢驗，KMO 檢驗系數(shù)為0.559＞0.5，巴特利特球形檢驗＜0.001，表示該數(shù)據(jù)可以進行因子分析。由主成分分析選取特征值小于1 的10 個公因子，累計貢獻量為73.858%。對初始因子進行因子旋轉，收斂得到旋轉后的因子載荷矩陣。

續(xù)表

公因子中六經(jīng)證候以陽明病（X2、X4、X5、X8）最為集中，其中因子X8 具備消渴病典型的“三多一少”癥狀；其次為太陰?。╔1、X9、X10）、陽明太陰合?。╔3)。因子X7癥狀寒熱雜錯，經(jīng)過討論認為其主癥見于《備急千金要方》巴郡三黃丸中：“治男子五勞七傷，消渴，不生肌肉，婦人帶下，手足寒熱者”。本方由黃連、黃芩、大黃組成，屬于苦寒直折火熱的治法，故推測X7 的手足涼為氣火內郁所致，歸入陽明。因子X6信息較少，未能判斷具體六經(jīng)證候（表2）。

表2 因子分析挖掘結果及證候分析表

4 討論

4.1 消渴病六經(jīng)證候分布規(guī)律探討

以往對消渴病的六經(jīng)證候研究多采用經(jīng)驗總結的方法，不同學者對其六經(jīng)證候分類認識存在較大差異：有認為本病辨治應以少陽為主者[21]，有運用“火熱論”辨治者[22]，有從“三陰病”論治者[23]，亦有認為本病

除了太陰證其余五經(jīng)證均可見者[24]?；诮?jīng)驗總結的六經(jīng)證候分類，受個人對經(jīng)典理解差異的影響，難以進行標準化和推廣應用。近年來，有研究采用因子分析等數(shù)據(jù)挖掘技術分析2 型糖尿病的證候特征，認為本病常見證型為肺熱津傷證、胃熱熾盛證、氣陰兩虛證、腎陽氣虛證、氣虛證、痰濕證、血瘀證、腎陰虧虛證和陰陽兩虛證[25]。然而上述研究針對文獻報道或臨床數(shù)據(jù)進行挖掘，側重于臨床現(xiàn)象的總結；本研究針對經(jīng)方古籍進行挖掘，側重于經(jīng)典古籍中消渴病相關的知識發(fā)現(xiàn)。此外，目前尚未見采用知識圖譜相關技術進行證候挖掘的報道。

本研究從六經(jīng)辨證角度對消渴病相關經(jīng)方古籍進行證候挖掘，發(fā)現(xiàn)本病六經(jīng)證候分布符合郁熱虛損的整體病程規(guī)律[26]，但虛證的證候與以往研究結論存在差異。社區(qū)3以水飲泛溢為主，治療需淡滲利水，以茯苓類方為代表；社區(qū)4以津虛血弱為核心，治療需酸甘化陰，以芍藥配飴糖等甘藥的建中法為代表。以往研究中并未涉及相應證候和治法，上述證候的挖掘可為經(jīng)方臨床辨證立法提供參考。

4.2 采用社區(qū)發(fā)現(xiàn)算法進行證候挖掘的優(yōu)勢

因子分析是目前應用最廣泛的證候挖掘方法之一，然而該方法不適合過于分散的數(shù)據(jù)，中醫(yī)古籍等知識載體恰恰具有信息分散的特點。以往的研究中，多采用合并癥狀的方法，使數(shù)據(jù)滿足因子分析條件檢驗，這也導致了信息的減損。此外，因子分析將因子載荷較大的癥狀作為主癥，而這些癥狀本質上是讓公因子之間具備明顯差異的癥狀，這導致公因子中的“主癥”往往不包含不同證候的共有癥狀，其專業(yè)上的可解釋性較差，容易導致結果失真[24]。

采用社區(qū)發(fā)現(xiàn)算法進行證候挖掘，可充分利用節(jié)點之間的關聯(lián)信息，無需對癥狀進行合并；通過可視化工具，可直觀展示癥狀的聚集情況，各證候之間的交叉癥狀既為圖中社區(qū)共用的節(jié)點。該方法減少了證候挖掘中的信息減損和人工干預。佟旭[27]等認為社區(qū)發(fā)現(xiàn)算法將每個癥狀對證型的貢獻度都考慮在內，且不會遺漏癥狀間的相互作用。本文在社區(qū)發(fā)現(xiàn)算法基礎上引入知識圖譜技術，不僅能保留更豐富、更全面的古籍語義，還便于整合多種數(shù)據(jù)源的知識；得益于圖存儲結構，知識圖譜不僅能存儲大量多維關聯(lián)信息，而且能實現(xiàn)快速的查詢[28]。這些特點讓知識圖譜在中醫(yī)證候挖掘等復雜知識發(fā)現(xiàn)任務中獨具優(yōu)勢。

本研究的局限性：為保證圖譜內容的準確性，在圖譜構建中采取了手工標注方法，不利于大量古籍數(shù)據(jù)的研究，后續(xù)將利用已有的標注數(shù)據(jù)探索人機結合標注和半自動圖譜構建。中醫(yī)證候數(shù)據(jù)挖掘目前尚無客觀量化的評價方法，本研究現(xiàn)階段僅采用分析對照的方法進行比較。研究對于圖譜中的圖結構信息利用尚存在不足，如癥狀節(jié)點之間的上下位關系、最短路徑等信息，將在后續(xù)研究中嘗試通過圖表示學習等方法加以利用，比較證候挖掘效果。

5 總結

綜上，本文創(chuàng)新將知識圖譜與社區(qū)發(fā)現(xiàn)算法結合，從六經(jīng)辨證角度對經(jīng)方古籍中的消渴病證候進行挖掘和可視化展示；與因子分析比較，該方法避免了證候挖掘過程中的信息減損和人工干預，提高了挖掘結果在專業(yè)上的可解釋性，為中醫(yī)古籍知識挖掘提供了新的方法學參考。本研究發(fā)現(xiàn)，消渴病虛證存在典型的太陰證，而太陰水證、血證的偏盛又有不同的證候特點，這為本病的經(jīng)方辨治提供了理論支持。