中醫(yī)藥“知識密集型”數(shù)據(jù)研究思路

于彤，李敬華，楊碩，于琦

中國中醫(yī)科學(xué)院中醫(yī)藥信息研究所，北京 100700

中醫(yī)藥“知識密集型”數(shù)據(jù)研究思路

于彤，李敬華，楊碩*，于琦

中國中醫(yī)科學(xué)院中醫(yī)藥信息研究所，北京 100700

中醫(yī)藥數(shù)據(jù)主要來源于中醫(yī)藥工作者在長期的醫(yī)療實踐和科學(xué)研究過程中所產(chǎn)生的知識和經(jīng)驗的系統(tǒng)總結(jié)，其中蘊(yùn)含著豐富的中醫(yī)藥知識，因此被稱為“知識密集型”數(shù)據(jù)。本文分析中醫(yī)藥“知識密集型”數(shù)據(jù)的內(nèi)涵和特點，討論中醫(yī)藥“知識密集型”數(shù)據(jù)處理方法學(xué)研究的思路。

中醫(yī)藥；“知識密集型”數(shù)據(jù)；大數(shù)據(jù)

中醫(yī)藥科學(xué)數(shù)據(jù)建設(shè)是中醫(yī)藥信息化事業(yè)中的一項核心工作[1]。中醫(yī)藥行業(yè)的數(shù)據(jù)庫建設(shè)起源于20世紀(jì)80年代，經(jīng)過30余年的努力，現(xiàn)已建成了覆蓋中醫(yī)疾病、中藥、方劑、中藥化學(xué)成分、古籍、醫(yī)案、針灸等主要學(xué)科門類的中醫(yī)藥科學(xué)數(shù)據(jù)庫群。這些數(shù)據(jù)資源中蘊(yùn)含著豐富的中醫(yī)藥知識遺產(chǎn)以及相關(guān)科學(xué)知識，面向知識百科、知識檢索、知識地圖等知識服務(wù)系統(tǒng)提供數(shù)據(jù)支持，為中醫(yī)藥知識傳承、臨床實踐和科學(xué)研究做出了重要貢獻(xiàn)。

近年來，隨著各領(lǐng)域數(shù)據(jù)的大量積累，以及數(shù)據(jù)處理分析技術(shù)的發(fā)展和創(chuàng)新，人類已經(jīng)進(jìn)入了“大數(shù)據(jù)”時代。大數(shù)據(jù)不僅是信息技術(shù)的變革，也是生活、工作與思維的變革[2]。“大數(shù)據(jù)”時代的來臨，為進(jìn)一步推進(jìn)中醫(yī)藥科學(xué)數(shù)據(jù)建設(shè)，提升中醫(yī)藥數(shù)據(jù)的質(zhì)量和利用價值，發(fā)展基于數(shù)據(jù)的中醫(yī)藥科學(xué)研究，提供了重要的機(jī)遇[3]。為此，有必要進(jìn)一步思考中醫(yī)藥數(shù)據(jù)的本質(zhì)，利用“大數(shù)據(jù)”的最新理念和技術(shù)來革新中醫(yī)藥數(shù)據(jù)分析處理方法。

1 中醫(yī)藥“知識密集型”數(shù)據(jù)的內(nèi)涵

中醫(yī)藥科學(xué)數(shù)據(jù)主要包括中醫(yī)經(jīng)典、醫(yī)案、科技文獻(xiàn)、臨床指南、文獻(xiàn)型數(shù)據(jù)庫以及結(jié)構(gòu)性數(shù)據(jù)庫等，它們都是中醫(yī)藥知識的載體。中醫(yī)藥科學(xué)數(shù)據(jù)明顯不同于交易記錄、網(wǎng)站訪問記錄、聊天記錄、衛(wèi)星圖像等數(shù)據(jù)。相比之下，中醫(yī)藥科學(xué)數(shù)據(jù)的數(shù)據(jù)量不是很大，但數(shù)據(jù)中蘊(yùn)含的知識量卻很大，數(shù)據(jù)的“知識密集度”很高[4]。因此，中醫(yī)藥科學(xué)數(shù)據(jù)可被稱為“知識密集型”數(shù)據(jù)[3]。

1.1 中醫(yī)藥“知識密集型”數(shù)據(jù)的來源分析

中醫(yī)藥數(shù)據(jù)的“知識密集型”特征由中醫(yī)藥數(shù)據(jù)的來源和獲取方式?jīng)Q定。在很多領(lǐng)域，大量的數(shù)據(jù)產(chǎn)生于人類所發(fā)明的觀測工具（如天文望遠(yuǎn)鏡、顯微鏡、傳感器等）和信息系統(tǒng)（如電子商務(wù)、社交網(wǎng)站等）。在“大數(shù)據(jù)”時代，隨著數(shù)據(jù)傳輸和數(shù)據(jù)存儲能力不斷增強(qiáng)，以及數(shù)據(jù)分析效率不斷提高，人們有能力將各種數(shù)據(jù)實時、動態(tài)地整合在一起以供人類進(jìn)行數(shù)據(jù)分析和知識發(fā)現(xiàn)，顯著增強(qiáng)人類對世界的理解能力。

中醫(yī)藥數(shù)據(jù)主要是知識表達(dá)的產(chǎn)物，并非觀測得來的數(shù)據(jù)。中醫(yī)藥數(shù)據(jù)主要來源于中醫(yī)藥工作者在長期的醫(yī)療實踐和科學(xué)研究過程中所產(chǎn)生的知識和經(jīng)驗的系統(tǒng)總結(jié)。中醫(yī)藥數(shù)據(jù)也反映中醫(yī)及其所發(fā)明的工具對世界進(jìn)行觀測的結(jié)果，如中醫(yī)對四診的描述、舌象、脈象以及舌診儀和脈診儀觀測的數(shù)據(jù)。但這些觀測結(jié)果一般都經(jīng)過中醫(yī)的認(rèn)識、理解和解釋后，才形成了中醫(yī)領(lǐng)域常見的數(shù)據(jù)（如中醫(yī)經(jīng)典、醫(yī)案等）。這種數(shù)據(jù)體現(xiàn)的是經(jīng)過人類理性加工、處理之后的客觀信息，是客觀信息與中醫(yī)的經(jīng)驗性知識疊加起來之后形成的。中醫(yī)藥數(shù)據(jù)因其根源于中醫(yī)觀察和實踐而仍保有其客觀性，但主要是人類認(rèn)知和思維的產(chǎn)物。

1.2 中醫(yī)藥文獻(xiàn)資源屬于“知識密集型”數(shù)據(jù)

中醫(yī)藥“知識密集型”數(shù)據(jù)的典型案例是浩如煙海的中醫(yī)藥文獻(xiàn)資源，包括數(shù)字化文獻(xiàn)、紙質(zhì)文獻(xiàn)以及其他載體上的文獻(xiàn)。中醫(yī)藥文獻(xiàn)是歷代醫(yī)家在臨床診治中的心得體會，是科研學(xué)者對實驗結(jié)果和科學(xué)探索成果的系統(tǒng)總結(jié)，是中醫(yī)智慧的集中體現(xiàn)。出于文獻(xiàn)管理、文獻(xiàn)檢索和快速閱覽等目的，已出現(xiàn)了對文獻(xiàn)的元數(shù)據(jù)、摘要和主題內(nèi)容進(jìn)行系統(tǒng)管理的文獻(xiàn)性數(shù)據(jù)庫，它們可被視為文獻(xiàn)資源的衍生產(chǎn)品，同樣也屬于“知識密集型”數(shù)據(jù)。

1.3 中醫(yī)藥結(jié)構(gòu)型數(shù)據(jù)庫主要屬于“知識密集型”數(shù)據(jù)

中醫(yī)藥領(lǐng)域的另一類重要的數(shù)據(jù)資源是“結(jié)構(gòu)型數(shù)據(jù)庫”。中醫(yī)藥工作者將各種文獻(xiàn)中關(guān)于中藥、方劑、中藥化學(xué)成分等各方面的知識分別搜集起來，進(jìn)行系統(tǒng)整理，構(gòu)建了中藥庫、方劑庫、中藥化學(xué)庫、中醫(yī)病案庫等數(shù)據(jù)庫。針對中醫(yī)藥數(shù)據(jù)庫的調(diào)研表明，這些數(shù)據(jù)庫的主體內(nèi)容并非觀測得來的數(shù)據(jù)，而是知識表達(dá)的產(chǎn)物。例如，中醫(yī)病案庫是對中醫(yī)專家的經(jīng)驗性知識的總結(jié)；中藥庫、方劑庫、中藥化學(xué)庫等也都是各領(lǐng)域知識的系統(tǒng)性記載。當(dāng)然，中醫(yī)藥數(shù)據(jù)中也包括一些“非知識型”數(shù)據(jù)，如診斷儀器產(chǎn)生的數(shù)據(jù)，信息系統(tǒng)的技術(shù)性元數(shù)據(jù)等，但其主體部分仍是“知識密集型”數(shù)據(jù)。

1.4 中醫(yī)藥“知識密集型”數(shù)據(jù)的特點

中醫(yī)藥“知識密集型”數(shù)據(jù)具有4個特點。⑴數(shù)據(jù)多為定性，缺少量化表達(dá)，不利于現(xiàn)有計算機(jī)程序直接處理；⑵非結(jié)構(gòu)化數(shù)據(jù)較多，結(jié)構(gòu)化難度較大，給數(shù)據(jù)分析造成困難；⑶數(shù)據(jù)內(nèi)容體現(xiàn)人文科學(xué)與自然科學(xué)的結(jié)合，不利于邏輯推理與一般數(shù)據(jù)分析工具的應(yīng)用；⑷數(shù)據(jù)具有的高維小樣本及個性化特征，需要進(jìn)行特殊處理。為處理中醫(yī)藥“知識密集型”數(shù)據(jù)，不能照搬一般的“大數(shù)據(jù)”方法，需要建立適合中醫(yī)藥領(lǐng)域特點的方法學(xué)體系。

2 中醫(yī)藥“知識密集型”數(shù)據(jù)的研究思路

2.1 使用語義網(wǎng)技術(shù)處理“知識密集型”數(shù)據(jù)

在中醫(yī)藥信息學(xué)的研究中，需要提出適合“知識密集型”數(shù)據(jù)的處理方法。中醫(yī)藥數(shù)據(jù)的知識量很大，主要體現(xiàn)在概念之間存在著豐富的語義關(guān)系。這些語義關(guān)系一起構(gòu)成了一個復(fù)雜的語義網(wǎng)絡(luò)。若能利用語義網(wǎng)技術(shù)實現(xiàn)“知識密集型”數(shù)據(jù)資源的合理組織，則可在中醫(yī)藥數(shù)據(jù)資源利用中取得突破。

Tim Berners-Lee等[5]于 2001年提出了語義網(wǎng)（Semantic Web）的理念，認(rèn)為它將是一部人類與機(jī)器都能理解的“數(shù)據(jù)百科全書”，能顯著提升機(jī)器對Web數(shù)據(jù)的處理能力。語義網(wǎng)技術(shù)發(fā)端于知識表示和推理領(lǐng)域的研究成果，能解決數(shù)據(jù)集成與互聯(lián)問題。它為處理中醫(yī)藥“知識密集型”數(shù)據(jù)并從中發(fā)現(xiàn)新穎知識，提供了理想的技術(shù)手段[4]。在 21世紀(jì)，語義網(wǎng)技術(shù)已經(jīng)取得了長足的發(fā)展，從一個構(gòu)想演變?yōu)橐惶紫鄬ν暾募夹g(shù)體系，如 Web本體語言（web ontology language, OWL）等核心技術(shù)，語義網(wǎng)上的數(shù)據(jù)也在不斷增長[6]。越來越多的大數(shù)據(jù)應(yīng)用引入語義技術(shù)，通過語義鏈接，給大數(shù)據(jù)系統(tǒng)帶來開放性和互操作性，并能提供基于“知識”的分析[7]。

“大數(shù)據(jù)”的一個核心理念是，當(dāng)我們把一系列相關(guān)的數(shù)據(jù)集聯(lián)系起來進(jìn)行分析，可能出現(xiàn)一些我們一開始預(yù)想不到的發(fā)現(xiàn)。在大規(guī)模數(shù)據(jù)的基礎(chǔ)上可以發(fā)現(xiàn)的知識，是在小規(guī)模數(shù)據(jù)基礎(chǔ)上無法發(fā)現(xiàn)的。將數(shù)據(jù)集成起來所產(chǎn)生的知識及其價值是預(yù)先無法預(yù)測的。在“大數(shù)據(jù)”時代，我們需要考慮如何將中醫(yī)藥及相關(guān)領(lǐng)域的知識密集型數(shù)據(jù)資源整合起來，以輔助中醫(yī)藥工作者開展知識發(fā)現(xiàn)活動。

所以有必要在中醫(yī)藥領(lǐng)域本體的基礎(chǔ)上，建立一套基于語義網(wǎng)的中醫(yī)藥“知識密集型”數(shù)據(jù)處理方法學(xué)[4]。其中包括：⑴建立中醫(yī)藥本體體系，為處理“知識密集型”數(shù)據(jù)奠定基礎(chǔ)；⑵基于本體建立中醫(yī)藥學(xué)語言系統(tǒng)，為數(shù)據(jù)處理提供必要的術(shù)語資源；⑶建立基于人機(jī)結(jié)合的中醫(yī)藥數(shù)據(jù)采集技術(shù)及知識獲取方法體系；⑷基于語義網(wǎng)技術(shù)，從數(shù)據(jù)中挖掘概念之間顯性或隱性的語義關(guān)系。通過這套方法學(xué)，能匯集中醫(yī)藥及相關(guān)學(xué)科的數(shù)據(jù)資源，挖掘數(shù)據(jù)中蘊(yùn)含的潛在規(guī)律及知識點，發(fā)揮多學(xué)科研究成果對中醫(yī)藥發(fā)展的支撐作用。

2.2 面向“知識密集型”數(shù)據(jù)的知識發(fā)現(xiàn)

在中醫(yī)藥領(lǐng)域，知識發(fā)現(xiàn)是一個從“知識”到“知識”的知識精煉過程。在海量數(shù)據(jù)中蘊(yùn)含著知識，而知識發(fā)現(xiàn)過程則將知識（模式和規(guī)則）從數(shù)據(jù)中提取出來。從知識發(fā)現(xiàn)的角度分析，我們以“知識量”為分子，以“數(shù)據(jù)量”為分母，就可以得到數(shù)據(jù)的“知識密集度”。數(shù)據(jù)的“知識密集度”反映了數(shù)據(jù)在知識發(fā)現(xiàn)方面的價值。

傳統(tǒng)上，知識發(fā)現(xiàn)一般針對通過數(shù)據(jù)采集工具自動產(chǎn)生的數(shù)據(jù)。這些數(shù)據(jù)之中的“知識密集度”一般比較低。例如，我們?nèi)コ邢M所產(chǎn)生的單據(jù)，每張單據(jù)本身并不蘊(yùn)含有價值的知識，但將數(shù)以億計的單據(jù)記錄結(jié)合起來進(jìn)行分析，則可得到有關(guān)人類購買行為的模式和規(guī)律。雖然挖出的知識很有價值，但因數(shù)據(jù)總量很大，所以數(shù)據(jù)的“知識密集度”仍然較低。

對于“知識密集型”數(shù)據(jù)而言，數(shù)據(jù)集之間的集成體現(xiàn)出了各種知識甚至知識體系之間的關(guān)聯(lián)與融合。在醫(yī)學(xué)領(lǐng)域，將不同來源的知識資源關(guān)聯(lián)起來進(jìn)行分析已有很長的歷史。Swanson[8]于1986年發(fā)現(xiàn)有的文獻(xiàn)記載了部分雷諾氏病患者血液中有些異常（如血液黏度偏高），又有一些文獻(xiàn)記載了食用魚油能糾正這些異常（降低血液黏度），因而提出“食用魚油會對雷諾氏病患者有益”的科學(xué)假設(shè)。這類案例表明，將不同專家以及不同領(lǐng)域的知識體系相互融合起來，可能導(dǎo)致新的知識發(fā)現(xiàn)。

2.3 從知識融合到知識創(chuàng)新

在中醫(yī)藥領(lǐng)域，知識融合已成為知識創(chuàng)新的一個來源，特別是將中醫(yī)與其他科學(xué)知識關(guān)聯(lián)起來進(jìn)行分析，已經(jīng)產(chǎn)生了一些重要的知識發(fā)現(xiàn)。例如，20世紀(jì) 70年代，屠呦呦[9]從中醫(yī)經(jīng)典《肘后備急方》中獲得啟發(fā)，發(fā)現(xiàn)了抗瘧的新藥青蒿素。將中醫(yī)藥“知識密集型”數(shù)據(jù)整合起來所構(gòu)成群體性知識系統(tǒng)，體現(xiàn)了中醫(yī)藥工作者的群體性智慧，可能蘊(yùn)含著大量具有啟發(fā)性的知識。

語義網(wǎng)可將數(shù)據(jù)資源的整合推向極致，也就是實現(xiàn)各種中醫(yī)藥數(shù)據(jù)資源的集成，并與其他學(xué)科的數(shù)據(jù)關(guān)聯(lián)起來，構(gòu)建一個全球性的中醫(yī)藥數(shù)據(jù)空間。該空間含有豐富的中醫(yī)藥知識，是實現(xiàn)知識整合的基礎(chǔ)，能支持全球的中醫(yī)藥工作者進(jìn)行知識發(fā)現(xiàn)研究。一方面，從中醫(yī)藥數(shù)據(jù)中發(fā)現(xiàn)的知識是新穎的，知識發(fā)現(xiàn)的結(jié)果也是不可預(yù)測的；另一方面，中醫(yī)藥知識獲取和數(shù)據(jù)集成都是非常困難的工作，需要耗費很大的人力成本。因此，開展中醫(yī)藥數(shù)據(jù)集成和挖掘工作，也需要考慮成本和收益如何平衡的問題。

3 小結(jié)

中醫(yī)藥工作者從20世紀(jì)80年代開始采用數(shù)據(jù)庫技術(shù)對中醫(yī)藥知識進(jìn)行系統(tǒng)梳理和保存，成功研制了大量的科學(xué)數(shù)據(jù)庫。但多年來該領(lǐng)域一直沿用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫技術(shù)，數(shù)據(jù)處理水平并沒有明顯提高。

在“大數(shù)據(jù)”時代，人類所發(fā)明的各種工具在實時地搜集和整合各種數(shù)據(jù)以供人類分析，顯著增強(qiáng)了人類對世界的感知和理解能力。“大數(shù)據(jù)”時代的來臨，為中醫(yī)藥數(shù)據(jù)建設(shè)事業(yè)的發(fā)展提供了重大的發(fā)展機(jī)遇[3]。為此，有必要重新思考中醫(yī)藥數(shù)據(jù)的本質(zhì)，革新中醫(yī)藥數(shù)據(jù)處理方法。中醫(yī)藥數(shù)據(jù)的核心內(nèi)容是對中醫(yī)藥知識的系統(tǒng)表達(dá)。中醫(yī)藥數(shù)據(jù)的生成模式與獲取手段，決定其無法成為傳統(tǒng)意義上的“大數(shù)據(jù)”，而必然是“知識密集型”數(shù)據(jù)?！按髷?shù)據(jù)”時代的中醫(yī)藥信息處理方法和技術(shù)體系，應(yīng)側(cè)重于解決中醫(yī)藥知識表示、融合、推理等一系列與“知識”相關(guān)的問題，語義網(wǎng)技術(shù)可在其中發(fā)揮重要作用。

[1] 崔蒙,尹愛寧,范為宇,等.中醫(yī)藥科學(xué)數(shù)據(jù)建設(shè)研究進(jìn)展[J].中國中醫(yī)藥信息雜志,2006,13(11):104-105.

[2] 維克托?邁爾?舍恩伯格.大數(shù)據(jù)時代——生活、工作與思維的大變革[M].盛揚燕,譯.浙江:浙江人民出版社,2012.

[3] 崔蒙,李海燕,雷蕾,等.“大數(shù)據(jù)”時代與中醫(yī)藥“知識密集型”數(shù)據(jù)[J].中國中醫(yī)藥圖書情報雜志,2013,37(3):1-3.

[4] 于彤,李敬華,張竹綠,等.基于語義網(wǎng)的中醫(yī)藥數(shù)據(jù)處理方法研究思路[J].中國醫(yī)學(xué)創(chuàng)新,2014,11(30):133-135.

[5] Berners-Lee T, Hendler J, Lassila O. The semantic web[J]. Scientific American,2001,284(5):28-37.

[6] Domingue J, Fensel D, Hendler J. Handbook of Semantic Web Technologies[M]. Berlin: Springer,2011.

[7] 劉煒,夏翠娟,張春景.大數(shù)據(jù)與關(guān)聯(lián)數(shù)據(jù):正在到來的數(shù)據(jù)技術(shù)革命[J].現(xiàn)代圖書情報技術(shù),2013(4):2-9.

[8] Swanson D R. Fish oil, Raynaud’s syndrome, and undiscovered public knowledge[J]. Perspect Biol Med,1986,30(1):7-18.

[9] Tu Y. The discovery of artemisinin (qinghaosu) and gifts from Chinese medicine[J]. Nature medicine,2011,17(10):1217-1220.

Research Thoughts of “Knowledge-Intensive” Data of Traditional Chinese Medicine

YU Tong, LI Jing-hua, YANG Shuo*, YU Qi
(Information Institute of Traditional Chinese Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China)

Traditional Chinese Medicine (TCM) data are mainly the systematic summarization of knowledge and experience that TCM practitioners have created in their long-term medical practices and scientific researches. TCM data contain massive TCM knowledge, and are essentially called “knowledge intensive” data. This article analyzed the essence and characteristics of TCM “knowledge-intensive” data, and discussed the research thoughts of processing methodology of TCM “knowledge-intensive” data.

traditional Chinese medicine; “knowledge-intensive” data; big data

10.3969/j.issn.2095-5707.2015.04.001

北京市中醫(yī)藥科技發(fā)展資金(JJ2014-61)；中國中醫(yī)科學(xué)院基本科研業(yè)務(wù)費自主選題（ZZ070309，ZZ070804）

于彤，助理研究員，研究方向為中醫(yī)藥信息學(xué)。

E-mail: yutongoracle@hotmail.com

*通訊作者：楊碩，副研究員，研究方向為中醫(yī)藥信息學(xué)、中醫(yī)藥知識管理。E-mail: y1y6y3@139.com

2015-01-06；編輯：魏民）