淋巴瘤醫(yī)案不同聚類分析方法比較研究

朱垚,陸明,楊濤,倪海雯

(1.南京中醫(yī)藥大學(xué)第一臨床醫(yī)學(xué)院，江蘇 南京 210023；2.南京中醫(yī)藥大學(xué)針灸推拿學(xué)院·養(yǎng)生康復(fù)學(xué)院，江蘇 南京 210023；3.南京醫(yī)中數(shù)據(jù)挖掘中心，江蘇 南京 210029；4.南京中醫(yī)藥大學(xué)人工智能與信息技術(shù)學(xué)院，江蘇 南京 210023;5.南京中醫(yī)藥大學(xué)附屬醫(yī)院,江蘇 南京 210029)

基于中醫(yī)臨床醫(yī)案的數(shù)據(jù)挖掘與知識發(fā)現(xiàn)是近年來中醫(yī)藥研究的熱點之一。中醫(yī)醫(yī)案數(shù)據(jù)挖掘雖然研究方法眾多，但符合中醫(yī)臨床辨治特點且能有效總結(jié)專家經(jīng)驗的挖掘方法，主要還是以頻數(shù)解構(gòu)、關(guān)聯(lián)規(guī)則、聚類分析為主。聚類分析是將數(shù)據(jù)分到不同類的過程，同一個類中的數(shù)據(jù)有較大相似性，而不同類間的數(shù)據(jù)差異性較大。聚類分析是一種探索性的數(shù)據(jù)挖掘方法，在分類過程中，不必預(yù)先制定分類標準，聚類分析能夠從樣本數(shù)據(jù)出發(fā)自動分類。通過對中醫(yī)醫(yī)案實際數(shù)據(jù)樣本集的系列研究發(fā)現(xiàn)，同一醫(yī)案數(shù)據(jù)樣本集所采用的聚類分析方法不同，結(jié)論亦有較大差異。不同研究者對于同一組數(shù)據(jù)進行相同的聚類分析方法，由于研究設(shè)計不同，所得到的聚類值也不盡相同。因此，基于中醫(yī)藥學(xué)知識發(fā)現(xiàn)的客觀規(guī)律與前期大量中醫(yī)醫(yī)案數(shù)據(jù)挖掘?qū)嵺`[1-5]，本團隊提出藥物分散性聚類與方劑分散性聚類的概念，并根據(jù)聚類分析在中醫(yī)醫(yī)案研究中的主要目的，確立藥物分散性聚類與方劑分散性聚類的內(nèi)涵及外延，以期擴展和豐富聚類分析在中醫(yī)醫(yī)案數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用。本文采用淋巴瘤醫(yī)案為范例數(shù)據(jù)，對不同聚類分析方法的挖掘結(jié)果進行比較，從而分析中醫(yī)醫(yī)案采用不同聚類分析方法的優(yōu)化方案與結(jié)果差異，為中醫(yī)藥數(shù)據(jù)挖掘提供更加優(yōu)化的研究范式。

1 資料與方法

1.1 數(shù)據(jù)采集

本研究采用數(shù)據(jù)挖掘中的單源數(shù)據(jù)庫類研究，旨在研究單一來源數(shù)據(jù)庫的醫(yī)案數(shù)據(jù)結(jié)構(gòu)特點，其優(yōu)勢在于能夠有效降低建庫噪點，減少研究復(fù)核能耗，留存單源數(shù)據(jù)研究樣本，為多源數(shù)據(jù)庫類研究形成比對數(shù)據(jù)，確保后續(xù)多源數(shù)據(jù)庫類醫(yī)案研究的差異值顯現(xiàn)最大化。

選擇目標單源數(shù)據(jù)庫為中國知網(wǎng)(CNKI)，進行“淋巴瘤”單病種、單源數(shù)據(jù)庫類醫(yī)案研究論文檢索。論文數(shù)據(jù)庫保留Download Index索引清單，進行雙人復(fù)核，確保論文數(shù)據(jù)庫與索引清單的量值一致。檢索式：(SU="淋巴瘤") AND (SU="國醫(yī)大師" OR SU="名老中醫(yī)") AND (SU="驗案" OR SU="經(jīng)驗" OR SU="治驗" OR SU="醫(yī)案")，檢索時間設(shè)置為1988年1月1日-2019年8月15日。

1.2 數(shù)據(jù)庫構(gòu)建

在論文數(shù)據(jù)庫的基礎(chǔ)上，采用Medcase Ver3.8診籍中醫(yī)師工作室-名老中醫(yī)經(jīng)驗傳承輔助平臺，進行臨床醫(yī)案數(shù)據(jù)文本提取，建立淋巴瘤專病醫(yī)案數(shù)據(jù)庫。錄入完成后進行二次數(shù)據(jù)審核；不同研究人員進行錄入及審核，控制相異率<3%。

1.3 納入與排除標準

納入標準：①論文醫(yī)案描述中明確“淋巴瘤”診斷；②論文醫(yī)案描述中存在中藥內(nèi)服干預(yù)方案；③論文醫(yī)案描述中有復(fù)診信息存在可供進行療效判別的癥狀。

排除標準：經(jīng)校驗復(fù)核確認在不同論文中，記錄了同一主診醫(yī)師相同的醫(yī)案，排除時序首位記錄外的所有醫(yī)案。

1.4 診斷與中醫(yī)證候分型標準

中醫(yī)辨證分型及證候要素參照《現(xiàn)代中醫(yī)腫瘤學(xué)》[6]《中藥新藥臨床研究指導(dǎo)原則》[7]；西醫(yī)診斷標準參照《WHO(2008)造血與淋巴組織腫瘤分類診斷標準》[8]根據(jù)受累淋巴結(jié)或結(jié)外腫瘤組織病理報告確定診斷。

1.5 數(shù)據(jù)預(yù)處理

針對淋巴瘤專病醫(yī)案數(shù)據(jù)庫中文本醫(yī)案，在醫(yī)案錄入與數(shù)據(jù)提取過程中對明顯的癥狀、病機、治法、藥物、理化檢查等數(shù)據(jù)源中的錯誤等非研究性數(shù)據(jù)噪點，進行溯源性預(yù)處理，達到降噪、優(yōu)化的目的。溯源數(shù)據(jù)值與修正數(shù)據(jù)值由不同研究人員實時雙備份標記。

1.6 數(shù)據(jù)規(guī)范化

預(yù)處理后的醫(yī)案數(shù)據(jù)庫按照研究分析類型的不同，進行數(shù)據(jù)規(guī)范。規(guī)范化中醫(yī)藥術(shù)語分項集進行，癥狀項集、診斷項集、病機項集規(guī)范參考《中醫(yī)診斷學(xué)》[9]；藥物項集規(guī)范根據(jù)臨床經(jīng)驗導(dǎo)向型知識獲取原則，遵照中醫(yī)醫(yī)案真實世界研究范式，藥物名稱參考《中藥學(xué)》[10]，其他類型數(shù)據(jù)規(guī)范化采用《中醫(yī)臨床醫(yī)案數(shù)據(jù)挖掘研究數(shù)據(jù)規(guī)范化標準》[11]。對于明確為非標準簡寫或非標準全稱藥物，均按照中藥標準名稱進行規(guī)范；對于中醫(yī)臨床療效有差異或?qū)＜沂褂脧娬{(diào)道地藥材功效的藥物，則保留原醫(yī)案藥名規(guī)則，以促進較多臨床型知識規(guī)則的獲取；對于真實醫(yī)案中未能明確炮制方法或生、熟特性的藥物，保留原始醫(yī)案藥名，由研究者根據(jù)最終獲取的知識規(guī)則，對藥物的炮制方法與生、熟特性進行臨床讀判與學(xué)術(shù)研究。非標準全稱完善為標準全稱，如生薏仁、生苡仁統(tǒng)一規(guī)范為生薏苡仁，熟薏仁、熟苡仁統(tǒng)一規(guī)范為熟薏苡仁，但生薏苡仁與熟薏苡仁從臨床使用角度看，療效有差別，因此按照真實世界研究范式，遵從臨床專家的使用習(xí)慣，以便多維度獲取臨床知識規(guī)則。在此次聚類研究中，不再進行合并性藥物名稱規(guī)范，如附子原始醫(yī)案中標明生附子與熟附子的采用生、熟區(qū)分，未注明生熟均按照醫(yī)案原文保留為附子，作為不同研究項集素材存在，以獲得更多層次知識規(guī)則，供研究者進行臨床擬合分析。對于多種不同炮制方法產(chǎn)生不同療效特點的藥物，不進行合并性藥物名稱規(guī)范，如清半夏、法半夏、礬半夏、姜半夏、竹瀝半夏、制半夏(原文未標明，不做硬性劃分)等不做統(tǒng)一性規(guī)范。對于同一大類藥物，子類內(nèi)涵臨床選用存在差異的，均予以保留，不進行合并性藥物名稱規(guī)范，如金錢白花蛇主指小白花蛇，白花蛇作為大類名稱包含大白花蛇。臨床醫(yī)家常用小方或成藥，按照臨床使用習(xí)慣，作為獨立項集素材存在，不做進一步藥物細化分拆及藥名規(guī)范化處理，如黛蛤散、猴棗散等。

1.7 數(shù)據(jù)分析

Medcase V3.8診籍中醫(yī)師工作室-名老中醫(yī)經(jīng)驗傳承輔助平臺系江蘇省科技創(chuàng)新專項研究成果，由南京中醫(yī)藥大學(xué)國醫(yī)大師周仲瑛工作室、第二臨床醫(yī)學(xué)院、人工智能與信息技術(shù)學(xué)院聯(lián)合研發(fā)[12]，已在江蘇地區(qū)中醫(yī)臨床、教學(xué)、科研單位廣泛使用。研究采用Medcase系統(tǒng)中的XMiner V1.0中醫(yī)藥數(shù)據(jù)挖掘平臺進行格式化和編碼，并根據(jù)文本特征計算數(shù)據(jù)權(quán)重，參考《中醫(yī)臨床醫(yī)案數(shù)據(jù)挖掘研究數(shù)據(jù)分析操作標準》[13]操作執(zhí)行系統(tǒng)常規(guī)極值處理，實時記錄調(diào)參標值，基于Pycharm的Kmeans工具與Hierarchy工具進行運算數(shù)據(jù)的可視化表達。

1.8 方法學(xué)差異性研究設(shè)計

對于淋巴瘤臨床醫(yī)案的范例數(shù)據(jù)，在先期統(tǒng)一預(yù)處理與規(guī)范后，運用分散性聚類中的快速聚類、結(jié)構(gòu)性聚類中的層次聚類進行分析挖掘，并在研究中設(shè)計不同的挖掘路徑。在分散性聚類中根據(jù)方劑藥物重頻規(guī)則，采用藥物分散性聚類與方劑分散性聚類并行挖掘；在結(jié)構(gòu)性聚類中根據(jù)藥物頻幅的節(jié)段，設(shè)置F10、F20、F30 3個藥物凝聚層次進行并行挖掘。將最終的挖掘結(jié)果根據(jù)算法特點、終值偏倚與臨床擬合3個方面進行綜合分析比較，從而得出中醫(yī)醫(yī)案藥物聚類挖掘方法的優(yōu)化方案與結(jié)果差異。

此次比較研究中采用的聚類分析方法，大類選取的是以K-Means聚類為代表的分散性聚類和以系統(tǒng)聚類為代表的結(jié)構(gòu)性聚類。分散性聚類亞類選取筆者所在團隊提出的藥物聚類分散性與方劑分散性聚類。結(jié)構(gòu)性聚類亞類選取則是定向性藥物凝聚層次聚類，根據(jù)不同的藥物頻幅，設(shè)定高、中、低3段頻幅的藥物凝聚層次聚類。

藥物分散性聚類是分散性聚類中的一種結(jié)合中醫(yī)臨床用藥特點優(yōu)化的聚類亞型。其核心內(nèi)涵是數(shù)據(jù)降維，在中醫(yī)臨床醫(yī)案的藥物數(shù)據(jù)挖掘中，僅計算藥物在所有診次中全部藥物的絕對值及藥物間的絕對距離。藥物分散性聚類研究的具體實施操作是將藥物項集縱向矩陣化，根據(jù)每個藥物在矩陣中的共現(xiàn)特征，賦予相應(yīng)權(quán)值，根據(jù)可視化需要進行降維處理，采用藥物唯一性定位，根據(jù)歐氏距離進行藥物聚類分析。

方劑分散性聚類是分散性聚類中的一種結(jié)合中醫(yī)臨床組方特點優(yōu)化的聚類亞型。其核心內(nèi)涵是數(shù)據(jù)升維，在中醫(yī)臨床醫(yī)案的藥物數(shù)據(jù)挖掘中，僅計算共現(xiàn)藥物在全部診次中的相對值及共現(xiàn)藥物的位點數(shù)值。方劑分散性聚類研究是將藥物項集橫向矩陣化，根據(jù)不同診次共現(xiàn)藥物在矩陣中的特征，賦予相應(yīng)權(quán)值，按照可視化需要進行升維處理，采用共現(xiàn)藥物的位點頻次，根據(jù)歐氏距離進行共現(xiàn)藥物診次特征聚類分析。

凝聚層次聚類是結(jié)構(gòu)性聚類的常見聚類亞型，但在中醫(yī)藥領(lǐng)域中的運用，缺乏統(tǒng)一劃分凝聚層的優(yōu)化方案。筆者所在團隊根據(jù)前期中醫(yī)醫(yī)案挖掘?qū)嵺`，在中醫(yī)臨床醫(yī)案的藥物數(shù)據(jù)挖掘中，采用藥物頻幅權(quán)重劃分聚類的凝聚層，常規(guī)劃分標準為所有診次全部藥物中出現(xiàn)頻率每10次為一個頻幅節(jié)點。藥物凝聚層次聚類研究的具體實施操作是先根據(jù)藥物頻幅的權(quán)重進行分層，將全部目標藥物進行頻幅分布挖掘，再根據(jù)分布結(jié)果設(shè)定頻幅分層節(jié)點，確定高、中、低3段頻幅節(jié)點后，采用結(jié)構(gòu)性聚類中的定向性藥物凝聚層次聚類分析。

本次淋巴瘤研究中的藥物凝聚層次聚類中，F(xiàn)10頻幅即經(jīng)過權(quán)重分層，設(shè)定頻幅分層節(jié)點為全部藥物頻次中大于10次的藥物凝聚層，F(xiàn)20頻幅即經(jīng)過權(quán)重分層，設(shè)定頻幅分層節(jié)點為全部藥物頻次中大于20次的藥物凝聚層，F(xiàn)30的頻幅即經(jīng)過權(quán)重分層，設(shè)定頻幅分層節(jié)點為全部藥物頻次中大于30次的藥物凝聚層，然后針對3個頻段凝聚層進行結(jié)構(gòu)性聚類，獲得終值。

2 結(jié)果

2.1 研究總體描述

本次研究符合納入標準的醫(yī)案138則，共計138人次，354診次，其中男性176診次，占總診次數(shù)的49.72%；女性總共178診次，占總診次數(shù)的50.28%。年齡最大患者86歲，最小者6歲。研究涉及病機59條，癥狀215種，脈象18種，舌象80種，藥物451種。

2.2 醫(yī)案療效評估

本次醫(yī)案138則，其中僅記錄初診的單診次醫(yī)案54則，記錄復(fù)診的多診次醫(yī)案84則，復(fù)診癥狀改善陽性醫(yī)案81則，復(fù)診癥狀改善率為96.43%；診療超過5診次的長診次醫(yī)案為17則，診療時間超過6個月的長療程醫(yī)案18則，全部長診次醫(yī)案及長療程醫(yī)案復(fù)診臨床癥狀改善率均為100%。

2.3 藥物分散性聚類

結(jié)果見表1。

表1 藥物分散性聚類群集值

(續(xù)表)

本次藥物分散性聚類共計挖掘獲得群集類26項，其中群集數(shù)<10區(qū)間的群集類有4項，群集數(shù)在10～20區(qū)間的有12項，群集數(shù)>20區(qū)間的有10項。藥物分散性聚類所得藥物組合的藥味數(shù)量普遍偏大，不完全符合中醫(yī)臨床組方原理；雖然此類方法目標藥物沒有重復(fù)性，但挖掘所得藥物組合中部分存在個別藥物的臨床低解釋性特征；個別群集僅為單味藥物，雖有可能為專病單方，但從臨床實際出發(fā)可能性較低，應(yīng)配合其他藥物組合使用。

2.4 方劑分散性聚類

結(jié)果見表2。

表2 方劑分散性聚類群集值

本次方劑分散性聚類共計挖掘獲得群集類22項，其中群集數(shù)<10區(qū)間的群集類有12項，群集數(shù)在10～20區(qū)間的有9項，群集數(shù)>20區(qū)間的有1項。方劑分散性聚類研究結(jié)果所得藥物組合的藥味數(shù)量普遍偏小，相對符合中醫(yī)臨床組方原理；雖然此類方法目標藥物有重復(fù)性，但挖掘所得藥物組合具有臨床高解釋性特征；未出現(xiàn)單味藥物，最低群集為3，符合臨床角藥小方特征，更加符合中醫(yī)臨床實際。

2.5 F10藥物結(jié)構(gòu)性聚類

結(jié)果見表3。

表3 F10藥物凝聚層次聚類群集值

在藥物頻幅大于10的F10藥物凝聚層次聚類分析結(jié)果中，滿足標列參數(shù)Mark Parameter符合Frequency amplitude>10且Pick points<30的條件下，共計挖掘獲得群集類4項，其中群集數(shù)在10～20區(qū)間的有2項，群集數(shù)≥20區(qū)間的有2項。F10藥物凝聚層次性聚類所得藥物組合的藥味數(shù)量普遍偏大，不完全符合中醫(yī)臨床組方原理；挖掘所得藥物組合中存在部分藥物臨床解釋性低。

2.6 F20藥物結(jié)構(gòu)性聚類

結(jié)果見表4。

表4 F20藥物凝聚層次聚類群集值

在藥物頻幅大于20的F20藥物凝聚層次聚類分析結(jié)果中，滿足標列參數(shù)Mark Parameter符合Frequency amplitude>20且Pick points<25的條件下，共計挖掘獲得群集類4項，其中群集數(shù)<10區(qū)間的有2項，群集數(shù)在10～20區(qū)間的有1項，群集數(shù)>20區(qū)間的有1項。F20藥物凝聚層次性聚類所得藥物組合的藥味數(shù)量較F10的域?qū)挼燃売兴s減，相對符合中醫(yī)臨床組方原理；挖掘所得藥物組合中存在少量藥物的臨床解釋性低。

2.7 F30藥物結(jié)構(gòu)性聚類

結(jié)果見表5。

表5 F30藥物凝聚層次聚類群集值

在藥物頻幅大于30的F30藥物凝聚層次聚類分析結(jié)果中，滿足標列參數(shù)Mark Parameter符合Frequency amplitude>30且Pick points=Total的條件下，共計挖掘獲得群集類5項，其中群集數(shù)<10區(qū)間的有2項，群集數(shù)在10～20區(qū)間的有3項。F30藥物凝聚層次性聚類所得藥物組合的藥味數(shù)量較F20的域?qū)挼燃夁M一步縮減，更加符合中醫(yī)臨床組方原理；挖掘所得藥物組合大部分具有臨床高解釋性特征。

3 討論

3.1 算法特點比較

分散性聚類的算法原理是首先選擇聚類的類數(shù)，其次產(chǎn)生任意類數(shù)個聚類，確定聚類中心，再對每個點確定其聚類中心點，計算其聚類新中心，重復(fù)多次，最終確定中心點不再改變。分散性聚類的優(yōu)勢在于解決聚類問題簡單快捷；算法對大數(shù)據(jù)集處理可保持伸縮性和高效率；當(dāng)群集值較密集時效果較好。劣勢在于類數(shù)的平均值可被定義的情況下才能使用，可能不適用于某些應(yīng)用；必須事先給出類數(shù)，在運算過程中對初值敏感，不同初值可能會導(dǎo)致終值差異；不適合于發(fā)現(xiàn)非凸形狀的類或者大小差別很大的類；對噪聲和孤立數(shù)據(jù)較為敏感。結(jié)合此次淋巴瘤醫(yī)案數(shù)據(jù)挖掘結(jié)果，在醫(yī)案數(shù)量為354診次且目標藥物數(shù)量為451種時，藥物數(shù)量相對閾值不大，采用分散性聚類運算的效率優(yōu)勢沒有完全顯現(xiàn)，且運算結(jié)果群集數(shù)偏大，群集值較多，臨床解釋性相對較低。

本次淋巴瘤研究中的結(jié)構(gòu)性聚類采用層次聚類中自下而上的凝聚層次聚類，其主要算法原理是首先將每個對象作為一個類，然后運算合并這些子類為越來越大的類，直到滿足終結(jié)條件而停止運算。實際聚類分析中，結(jié)構(gòu)性聚類是使用最多的一種聚類方法，其優(yōu)勢在于結(jié)構(gòu)性聚類既可以對樣本聚類，也可以對變量聚類，變量可以是連續(xù)性變量也可以是分類變量；結(jié)構(gòu)性聚類的類間距離計算方法和結(jié)果表示方法非常豐富，可視化效果較好。結(jié)構(gòu)性聚類劣勢在于與其分析過程相關(guān)，由于每一步聚類都需要計算類間距離，當(dāng)變量較多或樣本數(shù)據(jù)量較大時，運算速度較慢，運算效率較低。結(jié)合此次淋巴瘤醫(yī)案數(shù)據(jù)挖掘，采用結(jié)構(gòu)性聚類中的凝聚層次聚類運算效率與分散性聚類基本相當(dāng)，而運算結(jié)果群集數(shù)相對偏小，群集值較合理，臨床解釋性相對較高。

因此，樣本數(shù)量的大小在一定程度上決定了數(shù)據(jù)挖掘中分散性聚類與結(jié)構(gòu)性聚類的選取，樣本數(shù)量較大時分散性聚類運算較為高效，樣本數(shù)量較小時結(jié)構(gòu)性聚類適應(yīng)性較好，可視程度更佳，在中醫(yī)藥領(lǐng)域運用時更加符合臨床實際，具有較好的臨床解釋性。

3.2 終值偏倚比較

分散性聚類中藥物分散性聚類的設(shè)計特點是按照所有樣本醫(yī)案數(shù)據(jù)中藥物出現(xiàn)單次計算藥物距離，所得終值為藥物間絕對距離。分散性聚類中方劑分散性聚類的設(shè)計特點是根據(jù)所有樣本醫(yī)案數(shù)據(jù)中相同藥物組合共現(xiàn)數(shù)計算藥物距離，所得終值為藥物間相對距離。從挖掘終值結(jié)果來看，在目標藥物絕對數(shù)量相對較低時，按照臨床實際的方劑組方原則與方劑常規(guī)藥味數(shù)為標準，藥物分散性聚類產(chǎn)生的極值偏倚較大，方劑分散性聚類產(chǎn)生的極值偏倚較小，并能明確展示藥物組合實際出現(xiàn)的位點數(shù)與位點值，更加利于臨床分析與數(shù)據(jù)溯源。

在結(jié)構(gòu)性聚類中，根據(jù)藥物頻幅的節(jié)段設(shè)置F10、F20、F30 3個藥物凝聚層次進行并行挖掘。F10藥物凝聚層次聚類為藥物頻幅大于10的藥物系統(tǒng)聚類；F20藥物凝聚層次聚類為藥物頻幅大于20的藥物系統(tǒng)聚類；F30藥物凝聚層次聚類為藥物頻幅大于30的藥物系統(tǒng)聚類。從挖掘終值結(jié)果來看，在藥物絕對數(shù)量相對較低時，藥物頻幅越高的凝聚層次聚類群集數(shù)區(qū)間相對更加集中，相對于臨床實際方劑藥味數(shù)均值，產(chǎn)生的極值偏倚也相對較小。

由此可見在樣本藥物絕對數(shù)量相對較低時，結(jié)構(gòu)性聚類的群集數(shù)較分散性聚類的群集數(shù)相對較小，極值偏倚也較小，更加接近臨床實際方劑藥味數(shù)均值，而方劑分散性聚類與高頻幅藥物凝聚層次聚類在終值表達與可視化展示方面更具優(yōu)勢。

3.3 臨床擬合比較

本次淋巴瘤醫(yī)案樣本分散性聚類中，藥物分散性聚類群集數(shù)大于20的有10項，群集數(shù)等于1的有2項，符合臨床處方組方規(guī)律的群集數(shù)僅為14項。從中醫(yī)臨床診療實際出發(fā)，群集數(shù)大于20的多為大方，研究偏倚風(fēng)險較大，臨床解釋困難，群集數(shù)為1的多為單藥、單方，不符合聚類分析的運用目的。而剩余的14項也可能存在數(shù)據(jù)噪聲與臨床意義不可解釋性的問題。分散性聚類中方劑分散性聚類因為算法及設(shè)計更加符合中醫(yī)臨床方劑的使用特點，因此干擾噪點較低，雖然群集類也有22類，但整體群集值較藥物分散性聚類群集值大幅下降。其中群集值大于10的共有10項，而剩余12項均為個位群集值，更加符合中醫(yī)臨床核心藥物組合或經(jīng)典方劑的解釋，功效主治特征更加突出，有較強的臨床解釋性。由此可見，在分散性聚類方法下，方劑分散性聚類較藥物分散性聚類具有更好的臨床擬合度，而群集類的數(shù)量對臨床擬合度影響較小，群集值對臨床擬合度影響較大，群集值在(10±5)范圍內(nèi)為臨床擬合的最佳閾值，具有較高的臨床可解釋性。

本次淋巴瘤醫(yī)案結(jié)構(gòu)性聚類中，從臨床擬合度來看，挖掘結(jié)果序位應(yīng)為F30>F20>F10，低頻幅藥物凝聚層次聚類的群集值較為離散，臨床意義不可解釋性較高，臨床擬合度較低；而高頻幅藥物凝聚層次聚類群集值較為集中，頻幅越高群類別越集中，臨床解釋性越好，臨床擬合度越高。由此可見，在結(jié)構(gòu)性聚類方法下，根據(jù)藥物頻幅優(yōu)先選取高頻藥物進行凝聚層次聚類具有更好的臨床擬合度，而聚類分析結(jié)果位點值對臨床擬合度影響較小，群集數(shù)隨著藥物頻幅的上升存在優(yōu)化可能，群集值隨著藥物頻幅的上升反而成下降趨勢，更加符合中醫(yī)臨床特征；從結(jié)構(gòu)性聚類最終群集值10±3閾值范圍來看，結(jié)構(gòu)性聚類臨床擬合的最佳閾值范圍也較分散性聚類群集值更為聚合，臨床可解釋性進一步提升。

4 結(jié)論

綜上所述，結(jié)合淋巴瘤醫(yī)案數(shù)據(jù)挖掘結(jié)果進行比對研究，在淋巴瘤醫(yī)案數(shù)量為354診次且目標藥物數(shù)量為451種時，分散性聚類分析與結(jié)構(gòu)性聚類分析在知識規(guī)則的結(jié)果表達上各有特點，但從算法特點、終值偏倚、臨床擬合三個維度整體評價，結(jié)構(gòu)性聚類在此研究中更具有優(yōu)勢。而此次基于淋巴瘤醫(yī)案的數(shù)據(jù)挖掘方法比較研究中，結(jié)構(gòu)性聚類的亞類中藥物頻幅大于30的F30藥物凝聚層次聚類分析是符合中醫(yī)臨床數(shù)據(jù)挖掘研究范式的最優(yōu)方案。

對于中醫(yī)臨床醫(yī)案單病種數(shù)據(jù)挖掘研究，采用不同的聚類方法研究臨床中藥運用的藥物組合或核心處方，方法的選取主要取決于樣本總體數(shù)量與藥物總體頻數(shù)。數(shù)據(jù)量較小時宜選取結(jié)構(gòu)性聚類，藥物結(jié)構(gòu)性聚類挖掘設(shè)計宜采用較高藥物頻幅，挖掘終值偏倚較低，研究結(jié)果臨床擬合度較好；數(shù)據(jù)量較大時宜選取分散性聚類，分散性聚類挖掘設(shè)計宜采用方劑分散性聚類，挖掘終值偏倚較低，研究結(jié)果臨床擬合度較好。但無論中醫(yī)醫(yī)案類數(shù)據(jù)挖掘選取何種聚類方法，在對挖掘終值的分析上均需要研究者有較為深厚的臨床經(jīng)驗，才能更全面地根據(jù)挖掘結(jié)果獲取新的知識。