基于決策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)的小兒肺炎痰熱閉肺證診斷模型研究＊

宮文浩，蘭天瑩，莫清蓮，楊 燕，戴啟剛，陳莎莎，唐子西，劉悠江，艾 軍＊＊

（1. 廣西中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院 南寧 530200；2. 廣西中醫(yī)藥大學(xué)壯醫(yī)藥學(xué)院 南寧 530200；3. 首都醫(yī)科大學(xué)附屬北京兒童醫(yī)院 北京 100045；4. 南京中醫(yī)藥大學(xué)附屬醫(yī)院 南京 210023；5. 南寧市邕寧區(qū)人民醫(yī)院 南寧530200）

小兒肺炎(pneumonia)是兒科常見(jiàn)的肺系疾病之一, 以氣喘、咳嗽、咯痰痰鳴、發(fā)熱為主要特征[1]。其發(fā)病率逐年上升，是發(fā)展中國(guó)家5 歲以下兒童死亡的主要原因。本病屬中醫(yī)“肺炎喘嗽”、“風(fēng)溫”范疇，運(yùn)用中醫(yī)藥治療療效確切，其中痰熱閉肺證是最常見(jiàn)證型。筆者運(yùn)用數(shù)據(jù)挖掘技術(shù)開(kāi)展小兒肺炎郁熱辨證及衛(wèi)氣營(yíng)血辨證的證候基礎(chǔ)研究，本證也為最重要證型。因此，探索運(yùn)用決策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)方法建立本病證診斷模型，有益于相關(guān)研究的深入。

中醫(yī)辨證的思維過(guò)程與數(shù)據(jù)挖掘極其相似。決策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)模型作為數(shù)據(jù)挖掘中機(jī)器學(xué)習(xí)模型，可以充分模擬中醫(yī)思維，在證候分類(lèi)與決策中應(yīng)用最為廣泛且準(zhǔn)確率較高[2-4]。本研究將收集大樣本、多中心小兒肺炎臨床病例，運(yùn)用CRT、CHAID、QUEST、C5.0決策樹(shù)方法和多層感知器（MLP）、徑向基函數(shù)（RBF）算法的人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘方法，對(duì)小兒肺炎痰熱閉肺證四診信息進(jìn)行分析，旨在建立小兒肺炎的痰熱閉肺證診斷模型，規(guī)范小兒肺炎辨證論治，為中醫(yī)客觀化、標(biāo)準(zhǔn)化提供客觀依據(jù)。

1 資料與方法

1.1 一般資料

2017 年 1 月-2018 年 12 月間在首都醫(yī)科大學(xué)附屬北京兒童醫(yī)院、南京中醫(yī)藥大學(xué)附屬醫(yī)院、廣西中醫(yī)藥大學(xué)第一附屬醫(yī)院共3家醫(yī)院收集確診為小兒肺炎的病例，共計(jì) 918 例（北京 329 例、南京360 例、廣西229例）。所有患兒均簽署知情同意書(shū)。其中男性513例（55.3%），女性405例（44.1%）。男女比例為1.26：1。

1.2 診斷標(biāo)準(zhǔn)

西醫(yī)診斷標(biāo)準(zhǔn)：參照《諸福棠實(shí)用兒科學(xué)》[5]第8版制訂。中醫(yī)辨病辨證標(biāo)準(zhǔn)：符合中華中醫(yī)藥學(xué)會(huì)兒科分會(huì)《小兒肺炎喘嗽中醫(yī)診療指南》[1]內(nèi)肺炎喘嗽的痰熱閉肺證辨證標(biāo)準(zhǔn)。

1.3 納入和排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn)：(1)符合西醫(yī)診斷標(biāo)準(zhǔn)及中醫(yī)辨病辨證標(biāo)準(zhǔn);(2)年齡在1-15 周歲;(3)住院患者;患兒法定監(jiān)護(hù)人知情同意受試。

排除標(biāo)準(zhǔn)：(1)心力衰竭、呼吸衰竭、中毒性腦病、滲出性胸膜炎等合并癥者;(2)合并有心、肝、腎和造血系統(tǒng)等嚴(yán)重原發(fā)性疾病，精神病患者；(3)觀察資料不全而影響評(píng)估者。

1.4 證型分布

依據(jù)《小兒肺炎喘嗽中醫(yī)診療指南》中痰熱閉肺證的辨證標(biāo)準(zhǔn)，由2 名具有正高級(jí)職稱的中醫(yī)兒科專(zhuān)家進(jìn)行辨證分型判斷。納入的小兒肺炎病例共計(jì)918例。其中痰熱閉肺證436 例，非痰熱閉肺證482 例（包括風(fēng)熱閉肺證214 例，毒熱閉肺證132 例，陰虛肺熱證91例，肺脾氣虛證45例）。

1.5 數(shù)據(jù)預(yù)處理

應(yīng)用Microsoft Office Excel 2019 軟件將臨床收集的患兒病例的基本信息、四診信息和辨證分型信息進(jìn)行整理，建立數(shù)據(jù)庫(kù)。采取雙人雙機(jī)獨(dú)立錄入，減少信息誤差。中醫(yī)癥狀術(shù)語(yǔ)規(guī)范均參照《中醫(yī)癥狀鑒別診斷學(xué)》[6]。清洗和剔除無(wú)效數(shù)據(jù)以及病歷記錄不全者。對(duì)于癥狀描述出現(xiàn)者賦值為1，不出現(xiàn)者賦值為0。對(duì)所有的四診信息作頻數(shù)頻率統(tǒng)計(jì)，按照從高到低排序結(jié)果，剔除頻率小于10%的四診信息。最終篩選出17個(gè)四診信息作為證候因子納入模型中。

1.6 數(shù)據(jù)挖掘模型建立及驗(yàn)證

經(jīng)預(yù)處理后，將賦值后篩選的918 例小兒肺炎的數(shù)據(jù)庫(kù)導(dǎo)入到SPSS Moderler 18.0，設(shè)定17個(gè)四診信息為自變量，“是否為痰熱閉肺證”為因變量，采用CRT、C5.0、CHAID 和QUEST 算法的決策樹(shù)以及多層感知器（MLP）和徑向基函數(shù)（RBF）算法的人工神經(jīng)網(wǎng)絡(luò)的方法建立數(shù)據(jù)挖掘模型，分析痰熱閉肺證的診斷規(guī)律。并對(duì)最終的模型進(jìn)行測(cè)試集驗(yàn)證。

2 結(jié)果

2.1 證候要素頻率分析結(jié)果

通過(guò)應(yīng)用R 語(yǔ)言對(duì)小兒肺炎痰熱閉肺證的所有四診信息進(jìn)行頻率分析，發(fā)現(xiàn)其中出現(xiàn)頻率最高的依次是咳嗽（98.6%）、舌紅（66.3%）、發(fā)熱（61.9%）、痰色黃（57.6%）、苔黃膩（47.9%）、痰多粘稠（47.5%）等（見(jiàn)圖1）。最終篩選頻率大于10%的四診信息共17項(xiàng)并納入到?jīng)Q策樹(shù)和人工神經(jīng)網(wǎng)絡(luò)模型中。

2.2 小兒肺炎痰熱閉肺證CRT決策樹(shù)模型

通過(guò)運(yùn)用CRT算法的決策樹(shù)對(duì)918例小兒肺炎進(jìn)行建模分析，結(jié)果顯示樹(shù)模型深度為1，形成2個(gè)節(jié)點(diǎn)，終結(jié)點(diǎn)1 個(gè)。篩選出痰多粘稠屬性為符合決策樹(shù)規(guī)則。得出的判別規(guī)則為若“痰多粘稠=是”，則判斷為“痰熱閉肺證”。其中訓(xùn)練樣本的準(zhǔn)確率為83.06%。測(cè)試樣本的準(zhǔn)確率為78.13%。見(jiàn)圖2。

2.3 小兒肺炎痰熱閉肺證CHAID決策樹(shù)模型

運(yùn)用CHAID 算法的決策樹(shù)模型對(duì)納入的918 例小兒肺炎進(jìn)行建模，卡方方法為Pearson相關(guān)系數(shù)。結(jié)果顯示樹(shù)模型深度為5，共產(chǎn)生10 個(gè)節(jié)點(diǎn)，終結(jié)點(diǎn)6個(gè)。共篩選出痰多粘稠、苔黃、痰色黃、舌紅、咳嗽等屬性符合決策樹(shù)規(guī)則。判別規(guī)則為：若“痰多粘稠=是”、“苔黃=否”且“痰色黃=是”偏向于診斷痰熱閉肺證。10 倍交叉驗(yàn)證中訓(xùn)練樣本為準(zhǔn)確率為90.98%。測(cè)試集的準(zhǔn)確率為85.87%。見(jiàn)圖3。

2.4 小兒肺炎痰熱閉肺證QUEST決策樹(shù)模型

運(yùn)用QUEST算法的決策樹(shù)模型對(duì)納入的918例小兒肺炎進(jìn)行分析，結(jié)果顯示樹(shù)模型深度為2，共產(chǎn)生4個(gè)節(jié)點(diǎn)，終結(jié)點(diǎn)3個(gè)。共篩選出痰多粘稠、苔黃等屬性符合決策樹(shù)規(guī)則。判別規(guī)則為：若“痰多粘稠=是”且“苔黃=否”偏向于診斷痰熱閉肺證。其中訓(xùn)練樣本為準(zhǔn)確率為89.5%。測(cè)試集的準(zhǔn)確率為85.07%。見(jiàn)圖4。

2.5 小兒肺炎痰熱閉肺證C5.0決策樹(shù)模型

圖2 CRT算法決策樹(shù)模型示意圖

運(yùn)用C5.0算法的決策樹(shù)模型對(duì)納入的918例小兒肺炎進(jìn)行分析，結(jié)果顯示樹(shù)模型深度為11，共產(chǎn)生19個(gè)節(jié)點(diǎn)，終結(jié)為12個(gè)。共篩選出痰多粘稠、苔黃、痰色黃、咳嗽、脈滑等屬性符合決策樹(shù)規(guī)則。判別規(guī)則為：①若“痰多粘稠=是”、“苔黃=否”、“痰色黃=是”，則判斷為痰熱閉肺證。②若“痰多粘稠=是”、“苔黃=否”、“痰色黃=否”、“咳嗽=是”且“脈滑=是”偏向于診斷痰熱閉肺證。③若“痰多粘稠=是”、“苔黃=否”、“痰色黃=否”、“咳嗽=是”、“脈滑=否”、“嘔吐=否”、“鼻塞=否”且“指紋紫滯=是”，判斷為痰熱閉肺證。其中訓(xùn)練樣本為準(zhǔn)確率為93.19%。測(cè)試集的準(zhǔn)確率為90.93%。見(jiàn)圖5。

2.6 基于MLP 算法人工神經(jīng)網(wǎng)絡(luò)的小兒肺炎痰熱閉肺證診斷模型

運(yùn)用MLP算法的人工神經(jīng)網(wǎng)絡(luò)對(duì)導(dǎo)入的篩選的17項(xiàng)自變量小兒肺炎數(shù)據(jù)庫(kù)進(jìn)行建模分析。結(jié)果顯示訓(xùn)練樣本的正確率為92.08%，測(cè)試數(shù)據(jù)集的正確率為91.2%。生成的神經(jīng)網(wǎng)絡(luò)模型中，隱藏層共含有7個(gè)神經(jīng)元。見(jiàn)圖6。其中小兒肺炎痰熱閉肺證證候因子中占權(quán)重相對(duì)較高的有：痰多粘稠（24.8%）、痰色黃（18.5%）、苔黃（14.6%）、脈滑（7.5%）、咳嗽（6.1%）、嘔吐（5.8%）、鼻塞（4.0%）、指紋紫滯（3.6%）。見(jiàn)表1。

表1 基于MLP算法人工神經(jīng)網(wǎng)絡(luò)的小兒肺炎痰熱閉肺證輸入變量重要性

圖3 CHAID算法決策樹(shù)模型示意圖

圖4 QUEST算法決策樹(shù)模型示意圖

2.7 基于RBF 算法人工神經(jīng)網(wǎng)絡(luò)的小兒肺炎痰熱閉肺證診斷模型

運(yùn)用基于RBF 算法的人工神經(jīng)網(wǎng)絡(luò)對(duì)導(dǎo)入的小兒肺炎的篩選的17 個(gè)自變量數(shù)據(jù)庫(kù)進(jìn)行建模分析。結(jié)果顯示訓(xùn)練樣本的正確率為90.75%，測(cè)試數(shù)據(jù)集的正確率為85.33%。生成的神經(jīng)網(wǎng)絡(luò)模型中，隱藏層共含有8 個(gè)神經(jīng)元。見(jiàn)圖7。其中小兒肺炎痰熱閉肺證證候因子中占權(quán)重相對(duì)較高的有：痰多粘稠（22.4%）、痰色黃（13.0%）、苔黃（10.4%）、脈滑（6.4%）。見(jiàn)表2。

表2 基于RBF算法人工神經(jīng)網(wǎng)絡(luò)的小兒肺炎痰熱閉肺證輸入變量重要性

3 討論

決策樹(shù)是機(jī)器學(xué)習(xí)中的預(yù)測(cè)模型。它主要建立決策樹(shù)節(jié)點(diǎn)，并且根據(jù)字段的不同值來(lái)建立分支[7]。最終生成的規(guī)則可視化，便于理解其內(nèi)部的規(guī)則。CHAID 算法（卡方自動(dòng)交互檢測(cè)法）原理是根據(jù)結(jié)果變量的對(duì)樣本的結(jié)果變量進(jìn)行最優(yōu)分割，采用卡方檢驗(yàn)的結(jié)果進(jìn)行分組判斷[8]。QUEST（Quick, Unbiased,Efficient,Statistical Tree）,是一種用于構(gòu)建決策樹(shù)的二元分類(lèi)法[9]。算法可以使分支變量和分割點(diǎn)的選擇分開(kāi)進(jìn)行，兼顧適用于同時(shí)使用連續(xù)型的變量和離散型的變量的特點(diǎn)。C5.0決策樹(shù)是從ID3和C4.5算法衍生出來(lái)的。作為C4.5 的商業(yè)版本，C5.0 改善了生成規(guī)則和算法精度，實(shí)現(xiàn)更準(zhǔn)確的生成規(guī)則，更快的速度和更低的錯(cuò)誤率，它更適合于對(duì)大型數(shù)據(jù)集進(jìn)行分類(lèi)[10]。多層感知器（Multiple-Layer Perceptron，MLP）利用通用函數(shù)逼近器來(lái)對(duì)局部特征進(jìn)行提取。它也是一個(gè)深度學(xué)習(xí)模型，與卷積神經(jīng)網(wǎng)絡(luò)相同，均可采用反向傳播訓(xùn)練[11]。徑向基函數(shù)(Radial Basis Function,RBF)能夠逼近任意的非線性函數(shù)，學(xué)習(xí)收斂速度快，各方面均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)[12]。

本研究中，采用四種算法建立的小兒肺炎痰熱閉肺證診斷決策樹(shù)模型均有較高的預(yù)測(cè)準(zhǔn)確性。并且通過(guò)決策樹(shù)模型可視化可以直觀的展現(xiàn)決策的過(guò)程。CRT、CHAID、QUEST、C5.0 的預(yù)測(cè)準(zhǔn) 確 性分別為83.1%、91.0%、89.5%、93.2%。其中C5.0 算法的決策樹(shù)判斷準(zhǔn)確率高于其他三種算法，為小兒肺炎痰熱閉肺證最佳診斷模型。通過(guò)決策樹(shù)共篩選出6～12 個(gè)判斷規(guī)則的證候因子，其中痰多粘稠、痰色黃、脈滑、咳嗽、指紋淡紫在決策樹(shù)中起決定性作用。并生成了2條最可信的判斷規(guī)則為：①若“痰多粘稠=是”、“苔薄黃=否”且“痰色黃=是”，則診斷為痰熱閉肺證；②若“痰多粘稠=是”、“苔黃=否”、“痰色黃=否”、“咳嗽=是”、“脈滑=否”、“嘔吐=否”、“鼻塞=否”且“指紋紫滯=是”，判斷為痰熱閉肺證。本研究還運(yùn)用了MLP 和RBF 的神經(jīng)網(wǎng)絡(luò)對(duì)小兒肺炎進(jìn)行訓(xùn)練建模，并對(duì)輸入的證候因子的權(quán)重進(jìn)行分析。顯示痰多粘稠、痰色黃、苔薄黃、脈滑、咳嗽等證候因子重要性最高。通過(guò)對(duì)訓(xùn)練和測(cè)試樣本準(zhǔn)確率來(lái)看，MLP 算法的神經(jīng)網(wǎng)絡(luò)要優(yōu)于RBF 算法的神經(jīng)網(wǎng)絡(luò)，可被優(yōu)先用于小兒肺炎痰熱閉肺證的輔助診斷。其中“痰多粘稠”、“痰色黃”為兩個(gè)模型共同篩選出可信度比較高的兩個(gè)證候因子。

圖5 C5.0算法決策樹(shù)模型示意圖

圖6 MLP算法神經(jīng)網(wǎng)絡(luò)示意圖

鄭惠伯教授[13]用“痰、熱、閉”概括了小兒肺炎的基本病機(jī)。汪教授[14]進(jìn)一步將小兒肺炎概括為“熱、郁、痰、瘀”。提出了治療應(yīng)從清熱、解郁、滌痰、化瘀等幾個(gè)方面進(jìn)行。艾軍教授[15]運(yùn)用了關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘方法，對(duì)收集的480例小兒肺炎進(jìn)行運(yùn)算，分析得到小兒肺炎痰熱閉肺證中痰相關(guān)病機(jī)比風(fēng)熱犯肺證關(guān)聯(lián)度高。本研究運(yùn)用決策樹(shù)和神經(jīng)網(wǎng)絡(luò)方法對(duì)小兒肺炎痰熱閉肺證數(shù)據(jù)集建模，發(fā)現(xiàn)痰熱閉肺證中痰多粘稠、痰色黃、脈滑、咳嗽、指紋紫滯相關(guān)證候因子在證候中起決定因素。說(shuō)明痰熱閉肺證包含“熱”、“痰”、“瘀”的基本病機(jī)?！疤怠辈C(jī)在其中占到了首位，與中醫(yī)辨證理論相符合。其次，痰色黃、脈滑說(shuō)明痰熱閉肺證中包含的“熱”病機(jī)僅次于“痰”病機(jī)。但由于收集小兒肺炎的病例中痰熱閉肺證的病情較為輕淺，導(dǎo)致“瘀”相關(guān)的病機(jī)在模型中所占比重降低。

圖7 RBF算法神經(jīng)網(wǎng)絡(luò)示意圖

綜上所述，通過(guò)運(yùn)用決策樹(shù)和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法對(duì)小兒肺炎痰熱閉肺證分析，建立小兒肺炎痰熱閉肺證的診斷模型，更加直觀、清晰地找到小兒肺炎痰熱閉肺證的診斷辨證規(guī)則。C5.0 算法的決策樹(shù)模型和MLP 神經(jīng)網(wǎng)絡(luò)模型為小兒肺炎痰熱閉肺證診斷的最優(yōu)模型。從中提取的痰多粘稠、痰色黃、脈滑、指紋紫滯等屬性在痰熱閉肺證的診斷規(guī)則中起決定性作用?！疤怠?、“熱”病機(jī)為小兒肺炎痰熱閉肺證的主要病機(jī)，與中醫(yī)辨證理論相符。通過(guò)建模分析，本研究證明了運(yùn)用機(jī)器學(xué)習(xí)的數(shù)據(jù)挖掘方法來(lái)建立中醫(yī)診斷模型的可行性，為中醫(yī)臨床辨證提供客觀依據(jù)。但是仍需納入大樣本、多層次的數(shù)據(jù)進(jìn)行研究，將結(jié)論在臨床中加以檢驗(yàn)和驗(yàn)證。并結(jié)合西醫(yī)的診斷指標(biāo)以及生物標(biāo)志物，豐富診斷模型的適用范圍。