劉健,蔣衛(wèi)民,沈?qū)m建
面向大數(shù)據(jù)的高血壓中醫(yī)專家診療系統(tǒng)構(gòu)建及應用
劉健,蔣衛(wèi)民,沈?qū)m建
南京中醫(yī)藥大學附屬醫(yī)院,江蘇 南京 210029
為增強人們對高血壓病的認識、提高醫(yī)務人員的診斷水平,構(gòu)建面向大數(shù)據(jù)的高血壓中醫(yī)專家診療系統(tǒng)。以人機接口、數(shù)據(jù)庫、知識庫、推理機、解釋機構(gòu)和知識獲取模塊為主體,構(gòu)建專家診療系統(tǒng)框架,使該系統(tǒng)具有癥狀檢索、病情檢索、西藥藥品檢索、中醫(yī)診療和系統(tǒng)管理等主要功能。針對中醫(yī)理論表述的不確定性,建立基于反向傳播神經(jīng)網(wǎng)絡(BP網(wǎng))的高血壓病診斷網(wǎng)絡結(jié)構(gòu),模擬南京中醫(yī)藥大學附屬醫(yī)院暨江蘇省中醫(yī)院心內(nèi)科名中醫(yī)的辨證論治方式,應用Visual Studio軟件(2013)和SQL Server數(shù)據(jù)庫軟件(2012),開發(fā)了高血壓中醫(yī)專家診療系統(tǒng),通過癥狀特征推理證候分型,并開出處方。通過對近5年本院93 626例高血壓患者進行檢測和應用對比,使用高血壓中醫(yī)專家診療系統(tǒng)辨證治療的準確率達到95%以上。將大數(shù)據(jù)、人工智能與中醫(yī)診療相結(jié)合,研究高血壓專家診療系統(tǒng),為實現(xiàn)智慧中醫(yī)診療、提升臨床服務能力提供有力支撐。
大數(shù)據(jù);高血壓;中醫(yī)專家診療系統(tǒng);反向傳播神經(jīng)網(wǎng)絡;診療
中醫(yī)專家的診療經(jīng)驗主要依靠師徒關系傳承,中醫(yī)藥理論博大精深,隱含知識(或不確定知識)相對較多,傳承難度大,傳播速度慢。長期以來,相對西醫(yī)西藥,中醫(yī)藥的科學性備受質(zhì)疑,無法或很難確定中藥方劑中具體發(fā)揮治療和預防作用的成分、劑量、化學結(jié)構(gòu),很難跟蹤評價代謝成分[1]。大數(shù)據(jù)、云計算、人工智能的迅猛發(fā)展為中醫(yī)藥研究開辟了新的方向,給中醫(yī)藥傳承發(fā)展帶來了新的機遇。
建立具有辨證論治內(nèi)涵的智能中醫(yī)診療決策系統(tǒng),可以進一步促進中醫(yī)診療規(guī)律的提升和總結(jié)[2]。智能辨證系統(tǒng)可以根據(jù)患者患病信息直接進行智能診斷,確定疾病的證型證候,進而選擇治療方法[3]。針對傳承難和臨床服務能力低的問題,陳辛畋等[4]提出構(gòu)建全生態(tài)中醫(yī)知識庫和智慧系統(tǒng),采用人工神經(jīng)網(wǎng)絡技術(shù),通過網(wǎng)絡訓練和學習,實現(xiàn)“證型證候”到“處方方藥”的相對準確對應,為中醫(yī)客觀化探索提供了新的規(guī)范化論治的研究方法[5]。反向傳播神經(jīng)網(wǎng)絡(Back-Propagation Neural Network,BP網(wǎng))作為一種模擬人腦神經(jīng)元結(jié)構(gòu)的大規(guī)模、非線性、自適應網(wǎng)絡,具有很強的自學習能力,已應用于疾病診斷、預測、療效評價等方面。例如,應用BP網(wǎng)分析北京市社區(qū)中醫(yī)藥服務發(fā)展影響因素權(quán)重[6];模擬中醫(yī)切脈,構(gòu)建脈搏動態(tài)圖像、切脈壓力、探頭內(nèi)壓、示波法血壓的多信息同步采集系統(tǒng),應用BP網(wǎng)預測血壓[7]。另外,針對人體各項生理參數(shù)數(shù)據(jù)量大、過程較為復雜、預測效果差的問題,孫艷秋等提出了基于大數(shù)據(jù)分析潛在高血壓的預測方法[8]。
進入21世紀,壓力高、節(jié)奏快的工作和不合理的飲食導致高血壓患者越來越年輕化,門診量越來越大,而醫(yī)療資源有限,具有豐富經(jīng)驗的名醫(yī)更是稀少,迫切需要使用現(xiàn)代的信息化手段,研究中醫(yī)診療決策模式[9]、高血壓醫(yī)學知識庫與智能檢索推理系統(tǒng)[10],充分挖掘古籍和名中醫(yī)的經(jīng)驗,將辨證施治、個性化診療的成功案例傳承下來,服務于科研、臨床的一線醫(yī)生,以提高高血壓??漆t(yī)生的臨床決策水平。
高血壓中醫(yī)專家診療系統(tǒng)主要由人機接口(界面)、數(shù)據(jù)庫、知識庫、推理機、解釋機構(gòu)和知識獲取模塊組成(見圖1)。采用以數(shù)據(jù)庫為主體的構(gòu)造模式,即將推理機和人機界面之外的部分以數(shù)據(jù)庫的形式來表示。知識庫中含有專家案例庫和規(guī)則庫。
數(shù)據(jù)庫用于存放高血壓領域的初始問題和推理過程中的中間數(shù)據(jù)(信息),如:醫(yī)生在病人就診時所做的關于癥狀、檢查、用藥等逐條具體記錄。知識庫用于存放高血壓中醫(yī)專家診療系統(tǒng)的專門知識,包括事實、規(guī)則等,規(guī)則常用產(chǎn)生表示法表達,即以“if條件1 and條件2……and條件N,Then結(jié)論”的方式表達。推理機用以模擬高血壓中醫(yī)專家的思維過程,控制并執(zhí)行對問題的求解,它是一組用來控制和推理專家系統(tǒng)的程序,可從已知事實(癥狀特征等)出發(fā),運用已掌握的專家知識,推導出結(jié)論(證候分型結(jié)果等)。解釋機構(gòu)是對患者提出的“為什么?結(jié)論是如何得出的?”等問題加以解答,它能夠跟蹤并記錄推理過程,給出解釋。知識獲取模塊是由知識工程師從科技文獻、高血壓中醫(yī)專家處獲取知識,轉(zhuǎn)化成特定的計算機表示。
圖1 高血壓中醫(yī)專家診療系統(tǒng)結(jié)構(gòu)
高血壓中醫(yī)專家診療系統(tǒng)由癥狀檢索、病情檢索、西藥藥品檢索、中醫(yī)診療和系統(tǒng)管理5個主要功能模塊構(gòu)成(見圖2)。
2.2.1 癥狀檢索模塊 此模塊用于針對某一具體患者,檢索高血壓相關中醫(yī)癥狀表象。癥狀檢索包括主要癥狀、次要癥狀、脈象、舌象等模塊。頭暈、頭痛、目眩、寐差、胸悶、心慌等屬于主要癥狀。大便干結(jié)、痰多、麻木、急躁易怒、尿頻、面赤等屬于次要癥狀。脈象有弦、細、滑等。舌象有舌淡、舌紅、舌紫、苔薄、苔膩、舌有瘀斑等。這些癥狀信息來源于專家臨床所見及文獻記載。
患者、醫(yī)生、藥師等用戶可以瀏覽高血壓癥狀的詳細信息;也可以使用檢索功能,方便快捷地查詢到所需的高血壓癥狀信息。檢索方式有:瀏覽高血壓中醫(yī)相關癥狀信息,用檢索樹的方式查詢高血壓中醫(yī)相關癥狀信息,用關鍵詞查詢高血壓相關癥狀信息。
2.2.2 病情檢索模塊 病情檢索模塊分為2個部分:一是高血壓分級分期情況,二是相關合并癥情況。醫(yī)生根據(jù)患者的高血壓分級分期,判斷病情程度;根據(jù)冠心病、糖尿病、高血脂等并發(fā)癥的狀態(tài),適當調(diào)節(jié)處方用藥。
圖2 高血壓中醫(yī)專家診療系統(tǒng)功能模塊
2.2.3 西藥藥品檢索模塊 此模塊用于查詢高血壓病常見藥物的名稱、分類、用量及合并用藥情況。檢索方式有:直接瀏覽藥品信息,按照藥品名稱查詢,按照藥品類型查詢。
2.2.4 中醫(yī)診療模塊 根據(jù)所提供的癥狀、病情、西醫(yī)診療信息,通過人工智能BP網(wǎng)進行中醫(yī)辨證分析,得出相應的證型。根據(jù)證型結(jié)果,再次通過人工智能BP網(wǎng)模擬中醫(yī)專家的處方用藥生成針對該患者的中醫(yī)處方。
2.2.5 系統(tǒng)管理模塊 主要包含用戶管理和知識庫管理。通過在系統(tǒng)中設置權(quán)限來保證專家系統(tǒng)的安全性,被授權(quán)的專家可以對知識庫進行完善和更新,可以修改自己的信息;系統(tǒng)管理員擁有后臺所有管理權(quán)限。醫(yī)生、藥師等用戶在注冊后,可以通過人機界面使用專家系統(tǒng),但是不能修改專家系統(tǒng)的知識庫。
知識庫管理主要對高血壓相關領域的知識、規(guī)范、基礎數(shù)據(jù)等進行描述和說明;可以定義、添加、刪除相關知識和規(guī)則,并通過動態(tài)數(shù)據(jù)庫進行實時更新。
人工神經(jīng)網(wǎng)絡可以模擬人腦信息處理功能,其基本處理單元是神經(jīng)元,通過神經(jīng)元互聯(lián)的方式從輸入、輸出數(shù)據(jù)中學習有用的知識。BP網(wǎng)是應用較為廣泛的一種人工神經(jīng)網(wǎng)絡模型,是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡,擅長處理大量的非線性數(shù)據(jù)和信息,因此特別適合處理中醫(yī)院大量的臨床病例。BP網(wǎng)的神經(jīng)元分層排列,具有輸入層、輸出層和隱藏層,能學習和存儲大量的輸入-輸出模式映射關系,常用于模式識別、函數(shù)逼近、數(shù)據(jù)壓縮等領域。由于人的機體與疾病之間是一種非線性關系,采用具有自適應學習、全局逼近、較好泛化能力的BP網(wǎng),可以有效地建立高血壓病智能診斷網(wǎng)絡結(jié)構(gòu),該結(jié)構(gòu)包含1個輸入層、1個隱含層和1個輸出層。
根據(jù)高血壓病的癥狀,輸入以7×4矩陣的癥狀特征(見表1),表中4列分別代表主要癥狀、次要癥狀、脈象和舌象,7行代表具體癥狀。經(jīng)過向量轉(zhuǎn)換成28×1的列向量,作為BP神經(jīng)網(wǎng)絡的輸入層,隱藏層有15個神經(jīng)單元,輸出層有4個神經(jīng)單元,最后得到證候分型的結(jié)果。
醫(yī)患診斷中將所描述的癥狀契合單元的值置為1,不契合的單元值置為0,表1中第三列脈象只分為4個特征即脈弦、脈細、脈滑和其他,故其第4~6行以0補充空位。這樣表1中的特征就可用以0,1組成的7×4矩陣表示出來,并轉(zhuǎn)換為列向量作為輸入,通過BP網(wǎng)的智能推理,得到證候分型結(jié)果。
表1 中醫(yī)高血壓癥狀特征
本文在研究南京中醫(yī)藥大學附屬醫(yī)院暨江蘇省中醫(yī)院心內(nèi)科近5年高血壓病例的基礎上,應用Visual Studio軟件(2013)和SQL Server數(shù)據(jù)庫軟件(2012),開發(fā)了高血壓中醫(yī)專家診療系統(tǒng)。下面以具體病例為例,介紹系統(tǒng)的實現(xiàn)過程。病例:王某,男,70歲,血壓160/80mmHg,西醫(yī)診斷:高血壓病,心律失常,室性早搏。主訴:頭暈間作6年,加重2個月。癥狀:頭暈,胸悶,心慌,寐差,尿頻,舌淡紫,舌下青筋顯露,苔薄白,脈細弦。圖3為高血壓中醫(yī)專家診療系統(tǒng)的中醫(yī)高血壓研究界面,顯示該患者基本信息,圖4為患者的主要癥狀、次要癥狀、脈象、舌象等特征性癥狀。
圖3 高血壓中醫(yī)專家診療系統(tǒng)的中醫(yī)高血壓研究界面
專家系統(tǒng)將頭暈、胸悶、寐差、心慌、尿頻、脈細、脈弦、舌淡、舌紫、苔薄、舌下青筋以“1”替換,其他處以“0”表示,利用BP網(wǎng)智能推理出證候分型,結(jié)果為肝腎陰虛(見圖5)。系統(tǒng)選擇名中醫(yī)方祝元主任,使用其常用經(jīng)驗處方:天麻10g,鉤藤10g,潼蒺藜10g,白蒺藜10g,川芎10g,川牛膝10g,杜仲10g,桑寄生10g。根據(jù)合并疾病心律失常、失眠加用益氣養(yǎng)陰、安神定志藥物:太子參10g,麥冬10g,五味子10g,黃精10g,玉竹10g,酸棗仁30g,生龍齒30g,模擬給出專家處方(見圖6)。
圖4 高血壓中醫(yī)專家診療系統(tǒng)的特征性癥狀界面
圖5 高血壓中醫(yī)專家診療系統(tǒng)基于BP網(wǎng)的證候分型推理
圖6 高血壓中醫(yī)專家診療系統(tǒng)模擬開出名中醫(yī)臨床處方
使用高血壓中醫(yī)專家診療系統(tǒng)對近5年來院治療的高血壓患者93626例進行了檢測和應用對比,該系統(tǒng)準確率達到95%以上。
采用Visual Studio軟件(2013)和SQL Server數(shù)據(jù)庫軟件(2012),以近年來江蘇省中醫(yī)院心內(nèi)科名中醫(yī)的診療病例為基礎,研發(fā)出基于大數(shù)據(jù)的高血壓中醫(yī)專家診療系統(tǒng),通過BP網(wǎng)將文字描述的癥狀量化為數(shù)字表示的矩陣,自動推理出高血壓病的證候分型,并模擬給出名中醫(yī)處方,實現(xiàn)了“證候”到“處方”的對應,為發(fā)掘名中醫(yī)的隱含知識、傳承其診療經(jīng)驗,為提高廣大中醫(yī)的臨床決策能力,提供了有力的技術(shù)支撐。
[1]解育靜.大數(shù)據(jù)時代中醫(yī)藥領域面臨的機遇與挑戰(zhàn)[J].中華醫(yī)學圖書情報雜志,2015,24(7):33-35.
[2]崔驥,許家佗.人工智能背景下中醫(yī)診療技術(shù)的應用與展望[J].第二軍醫(yī)大學學報,2018,39(8):846-851.
[3]孟學茹,溫川飆.中醫(yī)藥領域人工智能研究現(xiàn)狀[J].中醫(yī)臨床研究, 2018,10(22):143-145.
[4]陳辛畋,阮春陽,于觀貞,等.融“古”貫“今”,構(gòu)建智慧中醫(yī)新體系[J].第二軍醫(yī)大學學報,2018,39(8):826-829.
[5]劉艷飛,孫明月,姚賀之,等.大數(shù)據(jù)技術(shù)在中醫(yī)藥領域中的應用現(xiàn)狀及思考[J].中國循證醫(yī)學雜志,2018,18(11):1180-1185.
[6]歐陽亞楠.基于BP神經(jīng)網(wǎng)絡對北京市社區(qū)中醫(yī)藥服務發(fā)展影響因素研究[D].北京:北京中醫(yī)藥大學,2017.
[7]周興忠.多信息同步采集系統(tǒng)構(gòu)建與血壓測量方法研究[D].蘭州:蘭州理工大學,2014.
[8]孫艷秋,劉鋼.基于大數(shù)據(jù)分析的潛在高血壓病預測研究[J].計算機仿真,2015,32(5):386-389,421.
[9]謝晴宇.基于系統(tǒng)復雜性及其認識論的中醫(yī)診療決策模式研究[D].北京:北京中醫(yī)藥大學,2013.
[10]楊青.基于本體的高血壓知識庫與智能檢索推理系統(tǒng)的研究[D].沈陽:東北大學,2013.
Construction and Application of TCM Expert Diagnosis and Treatment System for Hypertension Oriented to Big Data
LIU Jian, JIANG Wei-min, SHEN Gong-jian
(Affiliated Hospital of Nanjing University of Chinese Medicine, Nanjing 210029, China)
To construct TCM expert diagnosis and treatment system for hypertension oriented to big data; To enhance people’s understanding of hypertension; To improve the diagnostic level of medical staff.Based on man-machine interface, database, knowledge base, inference machine, interpretation mechanism and knowledge acquisition modules, an expert diagnosis system framework was constructed, which equipped the system with the main functions of symptom retrieval, condition retrieval, Western medicine retrieval, TCM diagnosis and treatment, system management, etc.Aiming at the uncertainty of TCM theory, the network structure of hypertension diagnosis based on back-propagation neural network (BP network) was established. Simulated by the syndrome differentiation and treatment of TCM experts in Department of Cardiology of Affiliated Hospital of Nanjing University of Chinese Medicine and Jiangsu Provincial Hospital of TCM, and using Visual Studio software (2013) and SQL Server database software (2012), a TCM expert diagnosis and treatment system for hypertension was developed. Syndrome types were inferred by symptomatic characteristics and medicine was prescribed. Through the detection and application comparison of 93626 patients with hypertension in recent 5 years, the accuracy of syndrome differentiation and treatment of TCM expert diagnosis and treatment system for hypertension was more than 95%.Combined with big data, artificial intelligence and TCM diagnosis and treatment, TCM expert diagnosis and treatment system is studied, which can provide strong support for realizing TCM intelligent diagnosis and treatment and promoting clinical service ability.
big data; hypertension; TCM expert diagnosis and treatment system; back-propagation neural network (BP); diagnosis and treatment
10.3969/j.issn.2095-5707.2019.05.002
R2-03;R241
A
2095-5707(2019)05-0005-05
國家中醫(yī)藥管理局國家中醫(yī)臨床研究基地業(yè)務建設科研專項課題(JDZX2015143);江蘇省六大人才高峰項目D類(2015-WSN-048)
劉健,E-mail: 987636009@qq.com
劉健,蔣衛(wèi)民,沈?qū)m建.面向大數(shù)據(jù)的高血壓中醫(yī)專家診療系統(tǒng)構(gòu)建及應用[J].中國中醫(yī)藥圖書情報雜志,2019, 43(5):5-9.
(2019-08-22)
(2019-09-06;編輯:魏民)