基于決策樹的蒙醫(yī)方劑藥物與主治的關系研究?

張春生，圖 雅，李 艷

(內蒙古民族大學計算機科學與技術學院，內蒙古 通遼 028043)

數(shù)據(jù)挖掘技術自產生以來得到廣泛的研究和應用，特別是隨著大數(shù)據(jù)技術和物聯(lián)網(wǎng)技術的發(fā)展，數(shù)據(jù)挖掘技術的研究與應用越來越火熱。決策樹作為數(shù)據(jù)挖掘技術的重要組成算法，其理論研究一直在進行，算法時空效率不斷提高[1-6]。

在中醫(yī)方劑配伍規(guī)律數(shù)據(jù)挖掘研究方面，目前的研究成多數(shù)是應用關聯(lián)規(guī)則和聚類分析或一般性統(tǒng)計分析等方法進行。如朱習軍等利用改進的Apriori算法對哮喘病案進行了數(shù)據(jù)分析[7]；周志煥等對郁證古方用藥規(guī)律進行了關聯(lián)規(guī)則分析[8]；譚惠娟等應用數(shù)據(jù)挖掘方法對針灸治療慢性疲勞綜合征腧穴運用規(guī)律進行了研究[9]；田茸等對脾虛型泄瀉方劑用藥規(guī)律進行了關聯(lián)規(guī)則分析[10]；楊麗平等應用聚類分析方法對3種腰痛方劑進行了相應的研究[11]；吳磊等通過雙向聚類方法對中醫(yī)治療中風病方劑配伍規(guī)律進行了相關研究[12]。

應用決策樹算法對中醫(yī)方劑進行數(shù)據(jù)挖掘方面，目前尚未查到相關資料，只是宋燕應用決策樹算法對肺癌 CT 進行建模并進行了相關研究[13]；高俠等應用決策樹算法對患者就診趨勢進行了分析研究[14]；余學杰等應用決策樹算法對中醫(yī)專家辨證規(guī)律進行了相應研究[15]；楊云等應用ID3決策樹算法對突發(fā)公共衛(wèi)生事件風險進行了評估分析[16]。

從以上文獻可以看出，決策樹算法在數(shù)據(jù)挖掘中具有很多優(yōu)越性，是非常好的分類算法，特別是決策樹的結果可直接轉化為規(guī)則，所以決策樹算法在數(shù)據(jù)挖掘中得到了廣泛應用。然而在中醫(yī)方劑數(shù)據(jù)挖掘中，未查到相應的文獻，這是方劑配伍規(guī)律數(shù)據(jù)挖掘研究方面的一種缺憾。

1 數(shù)據(jù)挖掘的決策樹算法

分類是指把數(shù)據(jù)項映射到一個事先定義好的類中的學習過程，即給定一組輸入屬性向量及其對應的類，用基于歸納的學習算法得出分類。Quinlan 1986年提出關于決策樹的ID3算法，1993年提出關于決策樹的C4.5。C4.5是ID3的改進算法，不僅可以處理離散值屬性，還能處理連續(xù)值屬性。C4.5采用信息增益比作為選擇測試屬性的標準，彌補了ID3的不足，可實現(xiàn)對樣本的分類。

本文結合國家自然科學基金項目《蒙醫(yī)方劑數(shù)據(jù)挖掘關鍵技術研究》的研究工作，開發(fā)了一套通用的蒙醫(yī)方劑數(shù)據(jù)挖掘系統(tǒng)，將C4.5決策樹算法應用于蒙醫(yī)方劑數(shù)據(jù)挖掘研究中，可探討藥物與功能、藥物與主治之間的潛在規(guī)則，對蒙醫(yī)方劑配伍規(guī)律的研究提供決策支持。同時針對蒙醫(yī)方劑決策樹挖掘給出了有效的數(shù)據(jù)預處理方法，該方法可為決策樹算法的其他應用提供技術參考。C4.5決策樹挖掘算法作為蒙醫(yī)方劑數(shù)據(jù)挖掘系統(tǒng)的一部分，具有通用、靈活、使用方便等優(yōu)點，可廣泛應用于方劑配伍規(guī)律的研究。

決策樹不僅是分類的最好手段，而且挖掘結果所對應的決策樹可直接生成關聯(lián)規(guī)則，是方劑配伍規(guī)律研究的有效方法。本文將C4.5決策樹算法應用于蒙醫(yī)方劑配伍規(guī)律研究中，對蒙醫(yī)方劑新藥的研制開辟了新的途徑。

2 C4.5決策樹算法簡介

決策樹算法是解決實際應用中分類問題最有效的方法，決策樹定義為：

給定一個數(shù)據(jù)庫D={t1,…,tn}，其中ti=，數(shù)據(jù)庫模式包括如下屬性{A1,A2,…,An},同時給定類別集合C={C1,…,Cm},對于數(shù)據(jù)庫D，決策樹具有如下性質。

(1)每個內部節(jié)點都被標記為一個屬性Ai；(2)每個弧都被標記為一個謂詞，這個謂詞可應用于父節(jié)點的屬性；(3)每個葉子節(jié)點都標記為一個分類。

著名的決策樹算法有C4.5算法，C4.5算法用增益標準選擇需要的屬性，即熵的概念。

設事務集T分為k類，T→{C1,C2,…,Ck}，訓練樣本分成n個子集T→{T1,T2,…,Tn}，S是任意的樣本集，freq(Ci,S)代表S中屬于Ci的樣本數(shù)量，|S|為集合S中樣本數(shù)量。

infox(T)為T的熵

Gain(x)=info(T)-infox(T)

Gain(x)為增益準則，可選擇Gain(x)最大的屬性作分類屬性。C4.5算法具有以下優(yōu)點：可忽略缺失數(shù)據(jù)問題，提高算法的健壯性；決策樹等價于一個關聯(lián)規(guī)則，即從根節(jié)點到葉子節(jié)點，由根節(jié)點、中間路徑節(jié)點和葉子構成一個完整的關聯(lián)規(guī)則，該關聯(lián)規(guī)則可用于知識發(fā)現(xiàn)。本文應用C4.5算法不僅能對蒙醫(yī)方劑進行分類，還能發(fā)現(xiàn)更多的潛在關聯(lián)規(guī)則。

3 數(shù)據(jù)預處理

根據(jù)C4.5決策樹算法的需要，每個事務中的屬性應等長，也就是用整個方劑類中所有出現(xiàn)的藥物作為每個事務的屬性，為此作如下處理。

設給定一個事務集T={T1,…,Tn}，其中每個事務Ti的屬性集為Ri={ri1,…,rik}，事務T的屬性集R是所有事務屬性集的并集：

R=R1∪R2∪…∪Rn

如《傳統(tǒng)蒙藥與方劑》中治療“赫依病”的方劑數(shù)量有27個[17]，每個方劑的藥物數(shù)量都不相同，也就是Ri不相同，但最終預處理后的數(shù)據(jù)集屬性按R的屬性個數(shù)配齊，R的屬性個數(shù)就是所有方劑中藥物的集合共有87個，所以最后的原始數(shù)據(jù)矩陣有87列。

由于每種方劑的質量各不相同，必須進行歸一化處理，設某方劑有n種藥物，編號為i=1,2,3,…,n，每種藥物的質量mi，方劑總質量為m，則m=m1+m2+…+mn,每種藥物歸一化后的質量為：ki=mi/m，總質量是1。

歸一化處理后，每種藥物的質量都以小數(shù)形式出現(xiàn)，不便于理解和數(shù)據(jù)挖掘，所以本文將歸一化的數(shù)據(jù)擴大100倍，即歸一化后的總質量不是1而是100，這種處理方法不影響數(shù)據(jù)挖掘效果。

表1 治療赫依病類方劑與功能及主治的對應關系

決策樹分析的原始數(shù)據(jù)中，每個事務的分類是惟一的，但方劑的實際情況卻不同，存在一個方劑對應多個分類的問題。

表2顯示，設類別集合為C={C1,…,Cm}，方劑集合為T={T1,…,Tn}，則存在Ti→{Cj,Cj+1,…,Ck}的現(xiàn)象，數(shù)據(jù)預處理方法是讓這個方劑重復，以對應不同的分類，即Ti→Cj,Ti→Cj+1,…,Ti→Ck，這樣處理不會影響數(shù)據(jù)挖掘結果。

表2顯示，方劑主治的規(guī)格化比較復雜，原書中各個方劑的主治數(shù)量較多，而且存在不同程度的同名異義和異名同義的問題，不便于數(shù)據(jù)挖掘。本文根據(jù)赫依病發(fā)病位置經過抽象得到三級主治抽象表，為適應數(shù)據(jù)挖掘需求，采用既不過于集中也不過于分散的二級抽象內容作為挖掘依據(jù)。

4 C4.5決策樹程序設計

本文設計的C4.5決策樹算法能自動實現(xiàn)蒙醫(yī)方劑決策樹挖掘的數(shù)據(jù)預處理工作，同時顯示預處理矩陣、數(shù)據(jù)項目、決策樹挖掘結果。

用戶選擇方劑類別后可選擇不同的分類目標，也就是在主治和功能上選擇其中1項，實現(xiàn)對主治或功能的決策樹挖掘。

表2 赫依病方劑主治三級抽象表

圖1 決策樹挖掘程序界面

5 案例實驗

表3顯示，本文采用內蒙古民族大學蒙醫(yī)藥學院奧·烏力吉教授和布和巴特爾教授編寫的《傳統(tǒng)蒙藥與方劑》中治療“赫依病”方劑為例子，討論決策樹分類問題。該類方劑共收錄27個方劑，共涉及藥物87味[17]。本文以主治作為分類目標對“赫依病”方劑進行分類。

人造香鹽、大蒜炭是治療肌赫依的關鍵藥物，紫草茸是治療骨赫依的關鍵要藥物，五靈脂是治療大腸赫依的關鍵藥物，肉桂是治療胃赫依的關鍵藥物，錢線蓮、干姜、安息香、木棉花蕊、白胡椒是治療脈赫依的主要藥物，其中的關鍵藥物是錢線蓮；干姜、安息香、土木香、木棉花蕊、草烏是治療肺赫依的主要藥物，其中關鍵藥物是干姜和草烏；干姜、安息香、木棉花蕊、蓽茇、草烏是治療頭赫依的主要藥物，其中關鍵藥物是蓽茇和草烏；適度的草烏是治療心赫依的關鍵藥物。

7 結束語

決策樹不僅是分類的最好手段，而且挖掘結果所對應的決策樹可直接生成關聯(lián)規(guī)則，是方劑配伍規(guī)律研究的有效方法。本文將C4.5決策樹算法應用于蒙醫(yī)方劑配伍規(guī)律研究中，給出了數(shù)據(jù)預處理方法，并將決策樹算法集成在蒙醫(yī)方劑數(shù)據(jù)挖掘系統(tǒng)中，作為重要的數(shù)據(jù)挖掘手段，可挖掘方劑藥物組成與主治和功能的關系，實驗表明方法有效。

表3 治療赫依病方劑決策樹挖掘結果分析

文中對治療“赫依病”的27個方劑主治進行決策樹分析，得到治療肌赫依、骨赫依、大腸赫依、胃赫依、脈赫依、肺赫依、頭赫依的關鍵藥物組合，同時系統(tǒng)也可對治療“赫依病”的功能進行決策樹分析。值得說明的是，決策樹是基于信息熵概念的，這里分析出的關鍵藥物不一定是量大的主要藥物，而是對方劑主治起到轉折點控制的關鍵藥物。

本文開發(fā)的蒙醫(yī)方劑數(shù)據(jù)挖掘系統(tǒng)對保護民族醫(yī)學遺產、對蒙醫(yī)藥研究和發(fā)展開辟了新的途徑，必將促進蒙醫(yī)藥研發(fā)工作，具有一定的社會效益和經濟價值。