數(shù)據(jù)挖掘技術(shù)在中醫(yī)醫(yī)案的應(yīng)用研究

仲芳 楊巍 趙翀 郭晶磊

摘要：醫(yī)案是歷代醫(yī)家臨床實(shí)踐經(jīng)驗(yàn)及學(xué)術(shù)思想的載體，伴隨大數(shù)據(jù)時(shí)代的到來(lái)及數(shù)據(jù)挖掘技術(shù)的興起，數(shù)據(jù)挖掘被廣泛地應(yīng)用于中醫(yī)藥領(lǐng)域，成為發(fā)掘與整理中醫(yī)醫(yī)案的實(shí)用工具。本文從中醫(yī)藥領(lǐng)域常用的數(shù)據(jù)挖掘技術(shù)、存在問題及對(duì)策3個(gè)方面進(jìn)行綜述，以期為中醫(yī)醫(yī)案的研究提供新的思路。

關(guān)鍵詞：數(shù)據(jù)挖掘;中醫(yī)醫(yī)案;文獻(xiàn)研究;綜述

中圖分類號(hào)：R2-05? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1005-5304（2020）02-0141-04

DOI：10.3969/j.issn.1005-5304.201903376

Application Study of Data Mining Technology in Clinical Medical Records of TCM

ZHONG Fang， YANG Wei， ZHAO Chong， GUO Jinglei

School of Basic Medical Sciences， Shanghai University of Traditional Chinese Medicine， Shanghai 201203， China

Abstract： Medical record is the carrier of clinical practice experience and academic thought of TCM doctors in past dynasties. With the advent of the era of big data and the rise of data mining techniques， data mining has been widely used in the field of TCM and has become a good tool for discovering and sorting out medical records. This article reviewed three aspects of data mining technology commonly used in the field of TCM， problems and countermeasure， with the purpose to provide new research ideas for the study of TCM medical records.

Keywords： data mining; TCM records; literature research; review

醫(yī)案是中醫(yī)診療活動(dòng)中的真實(shí)記錄，最能體現(xiàn)古今醫(yī)家的學(xué)術(shù)水平[1]。中醫(yī)醫(yī)案作為歷代中醫(yī)醫(yī)家臨床診療經(jīng)驗(yàn)的記錄，蘊(yùn)藏著歷代醫(yī)家的醫(yī)學(xué)思想和辨證論治經(jīng)驗(yàn)，承載著中醫(yī)知識(shí)體系的傳承與發(fā)展。但由于歷代中醫(yī)醫(yī)案文獻(xiàn)數(shù)量眾多且文字記載復(fù)雜，人工閱讀能力有限而機(jī)器識(shí)別度低，所以整理并挖掘中醫(yī)病案中隱藏的知識(shí)與規(guī)律存在著巨大挑戰(zhàn)[2]。數(shù)據(jù)挖掘是統(tǒng)計(jì)學(xué)與計(jì)算機(jī)應(yīng)用科學(xué)及背景學(xué)科相互交叉的產(chǎn)物[3]，為醫(yī)案的發(fā)掘與整理提供了新的方法。隨著數(shù)據(jù)挖掘技術(shù)的應(yīng)用，大量隱含在文本中的知識(shí)不斷被發(fā)現(xiàn)，本文就中醫(yī)醫(yī)案研究中常用的數(shù)據(jù)挖掘技術(shù)、目前存在的問題及未來(lái)發(fā)展趨勢(shì)進(jìn)行述評(píng)。

1? 常用的數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘技術(shù)未出現(xiàn)之前，醫(yī)者通過閱讀大量醫(yī)案并進(jìn)行思考，結(jié)合自身醫(yī)學(xué)知識(shí)及臨床實(shí)踐經(jīng)驗(yàn)，從不同的角度總結(jié)研讀醫(yī)案的感悟，包括醫(yī)家的醫(yī)案特色及學(xué)術(shù)思想，最后提煉出按語(yǔ)記錄下來(lái)，便于醫(yī)者在臨床中運(yùn)用。如宋代許叔微開創(chuàng)了中醫(yī)個(gè)案專著之先河，其在《傷寒九十論》中先述醫(yī)案再論述，每個(gè)醫(yī)案后皆載有心得，論述了90種傷寒病證[4]。早期人工整理的中醫(yī)醫(yī)案為現(xiàn)代數(shù)據(jù)挖掘技術(shù)的應(yīng)用奠定了數(shù)據(jù)來(lái)源的基礎(chǔ)。

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中、不為人知的、潛在、有用的信息和知識(shí)的過程[5]。數(shù)據(jù)挖掘技術(shù)融合眾多學(xué)科的精華，如數(shù)據(jù)庫(kù)技術(shù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析、模別、神經(jīng)網(wǎng)絡(luò)和信息檢索等[6]。

目前，數(shù)據(jù)挖掘技術(shù)主要運(yùn)用于以下4個(gè)方面：一是總結(jié)名老中醫(yī)的用藥經(jīng)驗(yàn)，有效認(rèn)識(shí)名老中醫(yī)診治疾病經(jīng)驗(yàn)，為形成能指導(dǎo)臨床實(shí)踐的理論和方法的共識(shí)打下基礎(chǔ);二是發(fā)現(xiàn)最佳配伍，常從用藥頻數(shù)、藥癥關(guān)系、最佳治療劑量、藥對(duì)配伍等方面入手，為療效提高和新藥研發(fā)打下基礎(chǔ);三是研究疾病辨證規(guī)律，研究分析證素辨證體系、癥狀、病機(jī)、病位等;四是針灸取穴規(guī)律研究[7]。常用的數(shù)據(jù)挖掘技術(shù)主要有以下幾種。

1.1? 頻數(shù)分析

頻數(shù)統(tǒng)計(jì)分析方法簡(jiǎn)單、基礎(chǔ)，在最初的醫(yī)案分析統(tǒng)計(jì)中起到非常重要的作用，可直觀地看出頻數(shù)分布、集中趨勢(shì)、離散趨勢(shì)等。薛道金等[8]檢索出與中醫(yī)治療腦瘤經(jīng)驗(yàn)及驗(yàn)案相關(guān)文獻(xiàn)60篇，頻數(shù)分析認(rèn)為用藥多溫性，苦、咸，歸肝、脾、腎經(jīng)，推測(cè)腦瘤發(fā)病多與痰濕、瘀、虛或肝風(fēng)有關(guān)。徐艷等[9]研究了1949-2015年112位名老中醫(yī)治療黃疸醫(yī)案，結(jié)果發(fā)現(xiàn)，黃疸病因病機(jī)的認(rèn)識(shí)從“濕邪為患”向“瘀血致黃”變化，其治法從以祛濕為先到采用寒溫并用及攻補(bǔ)兼施、注重活血化瘀藥運(yùn)用等。部愛賢等[10]收集了100篇肺癌醫(yī)案文獻(xiàn)，分析認(rèn)為肺癌典型癥狀為咳嗽、胸痛、咳血，以痰、毒、瘀及三者交織的邪氣為主，正氣虛以氣虛、陰虛、氣陰兩虛為主，時(shí)有虛實(shí)夾雜。

1.2? 關(guān)聯(lián)分析

關(guān)聯(lián)分析是一種簡(jiǎn)單、實(shí)用的分析技術(shù)，在信息載體中，查找存在于項(xiàng)目集合、對(duì)象集合之間的頻繁模式、關(guān)聯(lián)、相關(guān)性或因果結(jié)構(gòu)，從大量數(shù)據(jù)中發(fā)現(xiàn)2個(gè)或多個(gè)變量之間的相關(guān)聯(lián)系。鄧慶平等[11]通過收集51篇當(dāng)代名老中醫(yī)治療肺結(jié)核醫(yī)案進(jìn)行關(guān)聯(lián)分析，提出治療陰虛內(nèi)熱、肺液不足型肺結(jié)核的基本方。鄭丹文等[12]通過對(duì)當(dāng)代名老中醫(yī)治療流行性感冒醫(yī)案72則進(jìn)行分析，發(fā)現(xiàn)《中醫(yī)內(nèi)科常見病診療指南》中未提及的治療方法包括暑邪用香薷，發(fā)熱癥狀重則用黃芩、柴胡，痰多色黃則加黃芩、天花粉等。陳婷婷等[13]選取40部古籍醫(yī)案，整理分析中國(guó)古代治療抑郁癥使用的150首方劑，發(fā)現(xiàn)藥物的主要關(guān)聯(lián)組合為半夏配生姜、茯苓，蒼術(shù)配梔子、香附，與《丹溪心法》的“越鞠丸治六般郁，氣血痰火食濕困”相吻合。

1.3? 回歸分析

回歸分析是指確定2種或2種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)方法，它可表明自變量和因變量間的顯著關(guān)系，還可表明多個(gè)自變量對(duì)1個(gè)因變量的影響強(qiáng)度，可實(shí)現(xiàn)預(yù)測(cè)事物發(fā)展趨勢(shì)。主要的回歸分析方法包括線性回歸、非線性回歸、Logistic回歸、回歸樹、人工神經(jīng)網(wǎng)絡(luò)等[7]。張定祺等[14]檢索獲得63篇文獻(xiàn)，通過用藥頻次統(tǒng)計(jì)和Logistic多元逐步回歸，分析中醫(yī)治療耳鳴用藥規(guī)律，為臨床治療耳鳴用藥提供參考。張平等[15]對(duì)140例輕、中度穩(wěn)定期慢性阻塞性肺疾病（COPD）患者通過多分類Logistic回歸分析，觀察治療組和對(duì)照組患者治療前后臨床癥狀及生存質(zhì)量評(píng)分變化，發(fā)現(xiàn)健脾化痰方配合溫灸中脘治療肺脾氣虛型輕、中度穩(wěn)定期COPD具有顯著療效。唐黎群等[16]對(duì)120例正常高值血壓人群和對(duì)照組120例正常血壓人群進(jìn)行多元回歸分析，正常高值血壓人群中醫(yī)體質(zhì)類型分為平和型、氣虛型、陰虛型、陽(yáng)虛型。

1.4? 聚類分析

聚類分析是依據(jù)研究對(duì)象的特征對(duì)其進(jìn)行分類，減少研究對(duì)象數(shù)目的方法。它可作為一個(gè)獨(dú)立的工具獲得數(shù)據(jù)的分布狀況，也可作為其他算法的預(yù)處理步驟。歐陽(yáng)帥領(lǐng)等[17]對(duì)100例老年期抑郁癥患者進(jìn)行聚類分析，結(jié)果顯示老年期抑郁癥患者中虛證以氣虛、血虛、陰虛與陽(yáng)虛為主，實(shí)證以氣郁、血瘀和痰火為主。陳琴等[18]收集62例干燥綜合征患者治療處方，通過分析將治療干燥綜合征常用的藥物分成6類，為干燥綜合征不同證候的診療提供藥物組合參考?？苡冷h等[19]對(duì)770例類風(fēng)濕關(guān)節(jié)炎患者進(jìn)行聚類分析，明確風(fēng)濕性關(guān)節(jié)炎臨床常見證型及各證型主要的癥狀，為類風(fēng)濕關(guān)節(jié)炎證候量化提供了依據(jù)。

1.5? 主成分分析和因子分析

主成分分析和因子分析是一種降維、簡(jiǎn)化數(shù)據(jù)的技術(shù)。主成分分析可通過矩陣變換將數(shù)據(jù)分成多個(gè)主成分，每個(gè)主成分與原變量間存在線性組合關(guān)系，但其提取出來(lái)的主成分無(wú)法清晰地解釋其代表的含義，而因子分析可彌補(bǔ)這一不足，因子分析通過研究眾多變量間的內(nèi)部依賴關(guān)系，并用少數(shù)幾個(gè)抽象變量表示基本的數(shù)據(jù)結(jié)構(gòu)，其稱作“因子”，能反映原來(lái)眾多變量的主要信息，因此二者具有包含與擴(kuò)展的關(guān)系。劉瑜等[20]通過主成分分析和因子分析功能性腹脹患者300例，發(fā)現(xiàn)功能性腹脹病位在肝、脾、胃、腸，病機(jī)有陰陽(yáng)、虛實(shí)、寒熱之分，基本病機(jī)為胃失和降。郭超峰等[21]通過因子分析的降維方法提取中老年高血壓患者主要病理因子，中老年高血壓病病理要素主要與痰濕或濁痰、肝腎陰虛、瘀血、陽(yáng)虛寒凝血脈、陰虛內(nèi)熱、心脾氣血兩虛、腎中精氣虧虛、腎陽(yáng)虛衰、腎陰虧虛、肝火亢盛等病理因素有關(guān)。

1.6? 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù)學(xué)模型，可推理不完整的數(shù)據(jù)集，善于解決復(fù)雜不確定性和關(guān)聯(lián)性引起的故障，可重復(fù)，具有較高的客觀性。張?chǎng)萚22]對(duì)225例肺癌患者證候進(jìn)行分析，建立貝葉斯網(wǎng)絡(luò)模型，所得函數(shù)模型與臨床實(shí)際基本吻合，對(duì)模型的一致性進(jìn)行檢驗(yàn)，發(fā)現(xiàn)理論判別與實(shí)際資料具有較高的總吻合率。陳曦等[23]通過貝葉斯網(wǎng)絡(luò)技術(shù)的隱結(jié)構(gòu)模型在中醫(yī)辨證思維中的應(yīng)用，設(shè)計(jì)了中醫(yī)輔助診療系統(tǒng)。

1.7? 粗糙集理論和支持向量機(jī)

粗糙集理論是處理不精確、不一致等各種不完整信息的有效工具，其優(yōu)點(diǎn)是不需要任何先驗(yàn)知識(shí)和易用性。支持向量機(jī)是監(jiān)督學(xué)習(xí)模型，可根據(jù)有限的信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中，可用于分類和回歸分析。孫繼佳等[24]對(duì)293例中醫(yī)肝硬化患者的數(shù)據(jù)，采用粗糙集與支持向量機(jī)結(jié)合的數(shù)據(jù)挖掘方法進(jìn)行中醫(yī)臨床肝硬化的辨證研究，分類結(jié)果辨證正確率在71.3%～84.4%。

2? 存在問題

2.1? 數(shù)據(jù)預(yù)處理困難

數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)消減。傳統(tǒng)的傳承方式是紙質(zhì)記錄和言傳身教，眾多醫(yī)案缺乏完整性。中醫(yī)醫(yī)案具有明顯個(gè)體性、創(chuàng)新性、實(shí)用性、文學(xué)性、地域性等特點(diǎn)[25]，故醫(yī)案具有一定的復(fù)雜性。其來(lái)源于臨床實(shí)踐的真實(shí)記錄，內(nèi)容僅在結(jié)構(gòu)及要素上明確，對(duì)于醫(yī)案術(shù)語(yǔ)、計(jì)量單位、藥物名稱等內(nèi)容未作明確要求，古代醫(yī)案多用相對(duì)晦澀的文言文，我國(guó)地域遼闊、方言多，大部分術(shù)語(yǔ)具有籠統(tǒng)、模糊的特性[26]，這就為數(shù)據(jù)的預(yù)處理增加了難度，必須進(jìn)行醫(yī)案文獻(xiàn)的標(biāo)準(zhǔn)化、規(guī)范化，以適應(yīng)大數(shù)據(jù)時(shí)代發(fā)展的要求。

2.2? 數(shù)據(jù)挖掘技術(shù)局限

伴隨著現(xiàn)代化技術(shù)的發(fā)展，使用數(shù)據(jù)庫(kù)對(duì)中醫(yī)醫(yī)案信息進(jìn)行存儲(chǔ)、查找、分析和挖掘逐漸成為主要手段[27]，但目前的現(xiàn)狀是數(shù)據(jù)庫(kù)規(guī)模小、重復(fù)建設(shè)、缺乏統(tǒng)一標(biāo)準(zhǔn)、檢索功能不完善[28]。面對(duì)具有不確定性、數(shù)據(jù)表述多樣性、抽象性的中醫(yī)數(shù)據(jù)[29]，數(shù)據(jù)挖掘技術(shù)雖廣泛應(yīng)用于中醫(yī)藥領(lǐng)域，但適合應(yīng)用于中醫(yī)醫(yī)案研究的數(shù)據(jù)挖掘技術(shù)較為單一，仍以頻數(shù)分析為主，不能實(shí)現(xiàn)定量和定性的綜合分析。

2.3? 研究人才不足

目前，數(shù)據(jù)挖掘研究者中兼有計(jì)算機(jī)知識(shí)和中醫(yī)知識(shí)儲(chǔ)備的復(fù)合型人才較少，使中醫(yī)醫(yī)案數(shù)據(jù)挖掘不可避免地存在局限，無(wú)法很好地兼融二者的思考方式，更好地利用現(xiàn)代化信息技術(shù)?，F(xiàn)有數(shù)據(jù)挖掘研究多“重方法，輕理論”，研究的重點(diǎn)以疾病的用藥分析最多，基礎(chǔ)理論研究相對(duì)較少，對(duì)研究所得的結(jié)果缺乏深度的解讀分析。

3? 對(duì)策

為解決現(xiàn)存的問題，需要多學(xué)科交叉。面對(duì)中醫(yī)數(shù)據(jù)的動(dòng)態(tài)特征，嘗試運(yùn)用最新的人工智能技術(shù)探索挖掘中醫(yī)醫(yī)案數(shù)據(jù)，如人工神經(jīng)網(wǎng)絡(luò)和基于案例的推理等技術(shù)，建立更加準(zhǔn)確、實(shí)用、高效的醫(yī)學(xué)數(shù)據(jù)庫(kù)，以實(shí)現(xiàn)定量和定性的分析。

人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦神經(jīng)系統(tǒng)的信息處理進(jìn)行抽象模擬。早期中醫(yī)藥數(shù)據(jù)挖掘研究中已有運(yùn)用，隨著算法的進(jìn)步，在醫(yī)學(xué)方面的運(yùn)用更加?jì)故臁Ｒ驗(yàn)槿梭w的生理和病理的復(fù)雜性和不可預(yù)測(cè)性，使獲取的數(shù)據(jù)存在著十分復(fù)雜的非線性關(guān)系，人工神經(jīng)網(wǎng)絡(luò)在處理這些復(fù)雜的非線性關(guān)系上非常適用。人工神經(jīng)網(wǎng)絡(luò)具有并行處理能力，可模擬人腦的分布存儲(chǔ)，容錯(cuò)能力、自適應(yīng)性，其缺點(diǎn)是要求數(shù)據(jù)集要充分，否則會(huì)影響準(zhǔn)確度。趙亮等[30]將基于LM算法的BP神經(jīng)網(wǎng)絡(luò)用于胃脘痛中醫(yī)辨證，預(yù)測(cè)病例數(shù)相對(duì)足夠多的“肝胃不和”和“胃陽(yáng)虛”證型的準(zhǔn)確率和診斷準(zhǔn)確率均在95%以上。

案例推理是人工智能領(lǐng)域研究的熱點(diǎn)，源于認(rèn)知心理學(xué)，推理過程模擬人類解決問題的方式，即當(dāng)遇見新問題時(shí)，從以往的案例中選擇一個(gè)與現(xiàn)在問題最接近的舊案例，根據(jù)新問題的情況將舊案例的解決方法進(jìn)行改進(jìn)，作為新問題的解決方法，而新問題的解決方法又會(huì)被記錄在數(shù)據(jù)庫(kù)中。它的特點(diǎn)是可將定量分析和定性分析相結(jié)合，具有動(dòng)態(tài)的數(shù)據(jù)庫(kù)，而這正是現(xiàn)代中醫(yī)醫(yī)案挖掘中所缺少的。楊麗等[31]建立了基于案例推理的中醫(yī)辨證論治系統(tǒng)。

4? 小結(jié)

數(shù)據(jù)挖掘技術(shù)對(duì)中醫(yī)醫(yī)案中隱藏信息的挖掘與利用得到越來(lái)越多的關(guān)注。中醫(yī)醫(yī)案是每位醫(yī)者學(xué)術(shù)思想的精華所在，醫(yī)案研究作為中醫(yī)臨床最基礎(chǔ)的研究，是中醫(yī)學(xué)理論體系架構(gòu)的來(lái)源之一?，F(xiàn)有數(shù)據(jù)挖掘在中醫(yī)醫(yī)案研究中的應(yīng)用尚處于起步階段，隨著技術(shù)的更新與完善，應(yīng)用范圍在逐漸擴(kuò)大。目前人工智能主要應(yīng)用于中醫(yī)證候分析、計(jì)算機(jī)中醫(yī)輔助診斷、計(jì)算機(jī)中醫(yī)輔助治療等方面，而有關(guān)中醫(yī)醫(yī)案數(shù)據(jù)挖掘研究較少。今后可利用人工智能方法，建立新的有效的模型和算法，為中醫(yī)學(xué)理論體系發(fā)展提供支持，為探索中醫(yī)發(fā)展途徑提供新的思路。

參考文獻(xiàn)：

[1] 秘紅英，李彩云，李紅蓉，等.中醫(yī)醫(yī)案的分析方法[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2017，23（13）：226-230.

[2] 黃利興，周小青.數(shù)據(jù)挖掘技術(shù)在中醫(yī)醫(yī)案領(lǐng)域的應(yīng)用進(jìn)展[J].江西中醫(yī)學(xué)院學(xué)報(bào)，2010，22（1）：92-94.

[3] 黃慶生.計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的開發(fā)及其應(yīng)用探究[J].科學(xué)技術(shù)創(chuàng)新，2018，22（11）：66-67.

[4] 李鑫頡，賈振華，吳以嶺.數(shù)據(jù)挖掘方法在中醫(yī)醫(yī)案研究中的現(xiàn)狀分析[J].中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2012，33（9）：4016-4020.

[5] MICHELINE K.數(shù)據(jù)挖掘概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2012：3-4.

[6] 劉廣，劉鵬.數(shù)據(jù)挖掘技術(shù)在中醫(yī)診療關(guān)聯(lián)研究的展望[J].醫(yī)學(xué)信息， 2011，24（9）：5616-5617.

[7] 潘寶峰，張?zhí)灬?，李秀娟，?數(shù)據(jù)挖掘技術(shù)在中醫(yī)醫(yī)案研究中的運(yùn)用[J]. 中國(guó)中醫(yī)藥信息雜志，2013，20（2）：104-106.

[8] 薛道金，黃濤，沈有碧.基于數(shù)據(jù)挖掘的當(dāng)代腦瘤中醫(yī)醫(yī)案診治規(guī)律分析[J].中華中醫(yī)藥雜志，2016，31（7）：2846-2849.

[9] 徐艷，張濤，熊焰，等.現(xiàn)代名老中醫(yī)黃疸病醫(yī)案用藥規(guī)律研究[J].新中醫(yī)，2017，49（1）：200-202.

[10] 部愛賢，張光榮，王立國(guó)，等.數(shù)據(jù)挖掘技術(shù)在名老中醫(yī)肺癌醫(yī)案中之應(yīng)用研究[J].中醫(yī)臨床研究，2016，8（1）：1-3.

[11] 鄧慶平，周志添，劉擎，等.當(dāng)代名老中醫(yī)治療肺結(jié)核醫(yī)案的中藥配伍及方證規(guī)律的關(guān)聯(lián)分析[J].新中醫(yī)，2013，45（3）：156-158.

[12] 鄭丹文，劉擎，金曉陽(yáng)，等.當(dāng)代名老中醫(yī)治療流行性感冒醫(yī)案72則的中藥配伍及方證規(guī)律關(guān)聯(lián)分析[J].時(shí)珍國(guó)醫(yī)國(guó)藥，2013，24（7）：1767- 1769.

[13] 陳婷婷，劉雅芳.基于數(shù)據(jù)挖掘技術(shù)的中國(guó)古代抑郁癥醫(yī)案用藥規(guī)律分析[J].中醫(yī)藥學(xué)報(bào)，2016，44（3）：16-20.

[14] 張定祺，馬文翰，梅志剛，等.基于文獻(xiàn)與Logistic多元逐步回歸分析的中醫(yī)治療耳鳴用藥規(guī)律研究[J].中國(guó)中醫(yī)藥信息雜志，2015，22（2）：34-37.

[15] 張平，吳歡，劉泉，等.健脾化痰方配合溫灸中脘治療輕中度穩(wěn)定期慢性阻塞性肺疾病臨床療效及相關(guān)影響因素分析[J].中國(guó)中醫(yī)藥信息雜志，2014，21（3）：29-32.

[16] 唐黎群，陳明，黃惠玲，等.正常高值血壓人群中醫(yī)體質(zhì)因素的Logistic回歸分析[J].中華中醫(yī)藥學(xué)刊，2013，31（10）：2210-2212.

[17] 歐陽(yáng)帥領(lǐng)，郭蓉娟，崔麗鳳，等.100例老年期抑郁癥中醫(yī)常見癥狀聚類分析[J].北京中醫(yī)藥大學(xué)學(xué)報(bào)，2010，17（2）：4-7.

[18] 陳琴，李盟麟，楊娟.中醫(yī)治療干燥綜合征方藥的聚類分析[J].中華中醫(yī)藥雜志，2015，30（7）：2601-2603.

[19] 寇永鋒，趙新秀.類風(fēng)濕性關(guān)節(jié)炎臨床證型研究[J].中華中醫(yī)藥學(xué)刊，2010，28（4）：835-837.

[20] 劉瑜，符思，張喆.基于主成分分析和因子分析法的功能性腹脹證候特征研究[J].中華中醫(yī)藥雜志，2017，32（8）：3487-3493.

[21] 郭超峰，馬曉聰，岳桂華，等.632 例中老年高血壓病患者中醫(yī)臨床癥狀的因子分析[J].時(shí)珍國(guó)醫(yī)國(guó)藥，2015，26（7）：1678-1681.

[22] 張?chǎng)?，陳波，徐濤，?基于貝葉斯網(wǎng)絡(luò)的肺癌證候研究[J].中國(guó)中醫(yī)藥科技，2014，21（6）：599-603.

[23] 陳曦，劉海昀，任現(xiàn)志.基于貝葉斯網(wǎng)絡(luò)的中醫(yī)輔助診療系統(tǒng)研究新進(jìn)展[J].遼寧中醫(yī)藥大學(xué)學(xué)報(bào)，2010，12（10）：143-144.

[24] 孫繼佳，蘇式兵，陸奕宇，等.基于粗糙集與支持向量機(jī)的中醫(yī)辨證數(shù)據(jù)挖掘方法研究[J].數(shù)理醫(yī)藥學(xué)雜志，2010，23（3）：261-265.

[25] 左瑤瑤，袁鋒，陳守強(qiáng)，等.中醫(yī)醫(yī)案特色探討[J].山東工會(huì)論壇， 2018，24（3）：107-109.

[26] 高殿璞，王映輝，張潤(rùn)順，等.中醫(yī)醫(yī)案規(guī)范化研究述評(píng)[J].中國(guó)中醫(yī)藥信息雜志，2018，25（5）：131-135.

[27] 田瑞，馬路.中醫(yī)病案數(shù)據(jù)庫(kù)元數(shù)據(jù)方案的設(shè)計(jì)[J].中華醫(yī)學(xué)圖書情報(bào)雜志，2014，23（10）：66-69.

[28] 榮士琪，楊朝暉.中醫(yī)古籍?dāng)?shù)據(jù)庫(kù)數(shù)字化建設(shè)發(fā)展綜述[J].科學(xué)技術(shù)創(chuàng)新，2015，19（11）：174-175.

[29] 梁楊，丁長(zhǎng)松，黃辛迪，等.大數(shù)據(jù)環(huán)境下的中醫(yī)藥數(shù)據(jù)管理策略[J].中國(guó)中藥雜志，2018，43（4）：840-846.

[30] 趙亮，張燁，曹悅，等.基于Levenberg-Marquardt算法的胃脘痛BP神經(jīng)網(wǎng)絡(luò)辨證模型研究[J].成都中醫(yī)藥大學(xué)學(xué)報(bào)，2018，41（2）：97-101.

[31] 楊麗，周雪忠，畢斕馨，等.基于案例推理的中醫(yī)臨床診療決策支持系統(tǒng)[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2014，16（3）：474-480.

（收稿日期：2019-03-28）

（修回日期：2019-05-05;編輯：華強(qiáng)）

基金項(xiàng)目：上海市衛(wèi)生和計(jì)劃生育委員會(huì)中醫(yī)藥科技創(chuàng)新項(xiàng)目（ZYKC201601003）

通訊作者：郭晶磊，E-mail：guojinglei@aliyun.com