糖尿病證候的數(shù)據(jù)挖掘方法概述*

楊曉南，趙鐵牛，王泓午

（1天津市紅橋區(qū)中醫(yī)醫(yī)院，天津 300131；2天津中醫(yī)藥大學(xué)，天津 301617）

糖尿病是一種因胰島素分泌缺陷或胰島素作用受損引發(fā)糖、脂肪和蛋白質(zhì)代謝紊亂的代謝性疾病，其臨床特征是患者血糖持續(xù)性增高、多飲、多尿、多食及消瘦，導(dǎo)致患者器官和組織受損，危害患者健康。調(diào)查表明，中國糖尿病患病率已經(jīng)達(dá)到10.4%[1]。與西醫(yī)治療糖尿病的藥物常伴不同程度的副作用相比較而言，中醫(yī)藥在辨證論治基礎(chǔ)上指導(dǎo)糖尿病正確選方用藥，更具有獨(dú)特的優(yōu)勢。但2型糖尿病的辨證標(biāo)準(zhǔn)不統(tǒng)一和證候術(shù)語欠規(guī)范等問題卻在一定程度上給2型糖尿病的診治帶來一定的難度。近年來，數(shù)據(jù)挖掘方法在2型糖尿病證候研究中的運(yùn)用越來越廣泛。研究者運(yùn)用數(shù)據(jù)挖掘方法從大量的數(shù)據(jù)資料中挖掘規(guī)律和蘊(yùn)藏的有價(jià)值信息，有助于總結(jié)糖尿病證候特征和規(guī)律?，F(xiàn)將有關(guān)2型糖尿病證候數(shù)據(jù)挖掘的文獻(xiàn)歸納如下。

1 數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘是應(yīng)用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)和模式識別等學(xué)科的知識，從已經(jīng)存在的、不完全的、模糊的、隨機(jī)的數(shù)據(jù)中，補(bǔ)齊不完整的數(shù)據(jù)，在模糊和隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們以往需要依賴經(jīng)驗(yàn)才能體會的信息和知識的過程[2]。數(shù)據(jù)挖掘的特征是在沒有明確假設(shè)的前提下去挖掘信息和發(fā)現(xiàn)知識。其優(yōu)勢在于數(shù)據(jù)挖掘的過程中，根據(jù)研究目的進(jìn)行多角度分析，利用科學(xué)且系統(tǒng)化的歸類要求對原本混亂的數(shù)據(jù)庫信息進(jìn)行整合和深層次分析，透過數(shù)據(jù)表面現(xiàn)象挖掘數(shù)據(jù)的本質(zhì)。

2 數(shù)據(jù)挖掘方法在糖尿病證候研究中的可行性

數(shù)據(jù)挖掘方法在糖尿病證候研究中有很好的應(yīng)用前景。糖尿病四診信息數(shù)據(jù)包括病因、四診信息、舌診、脈診和實(shí)驗(yàn)室檢查等數(shù)據(jù)，可以來源于臨床流行病學(xué)調(diào)查，也可以間接來源于電子病歷和實(shí)驗(yàn)室檢查結(jié)果，這些數(shù)據(jù)與糖尿病證候診斷密切相關(guān)。糖尿病具有病因復(fù)雜、體征和癥狀指標(biāo)較多、危險(xiǎn)因素多的特點(diǎn)，調(diào)查數(shù)據(jù)有二分類、多分類數(shù)據(jù)和定量數(shù)據(jù)，研究者利用數(shù)據(jù)挖掘技術(shù)強(qiáng)大的處理能力和適用性好的特性，結(jié)合糖尿病四診信息數(shù)據(jù)和實(shí)驗(yàn)室指標(biāo)，通過數(shù)據(jù)挖掘辨別證候與癥狀的關(guān)系，歸納糖尿病的辨證規(guī)律，有助于豐富中醫(yī)理論，提高糖尿病證候診斷的準(zhǔn)確率，促進(jìn)中醫(yī)藥產(chǎn)業(yè)化和國際化[3]。

3 常見的數(shù)據(jù)挖掘方法

3.1 Logistic回歸分析 logistic回歸分析是一種概率模型方法，結(jié)果變量要求二分類或多項(xiàng)分類，廣泛應(yīng)用于中醫(yī)證候調(diào)查橫斷面研究和隨訪研究。張倩采用Logistic回歸分析糖尿病周圍神經(jīng)病變患者，發(fā)現(xiàn)陰陽兩虛證的危險(xiǎn)因素是年齡、周圍神經(jīng)癥狀、病程和舒張壓[4]。張倩采用Logistic回歸分析糖尿病周圍神經(jīng)病變患者，發(fā)現(xiàn)陰虛血瘀證與糖化血紅蛋白相關(guān)，陽虛血瘀證與尿白蛋白排泄率相關(guān)；陰虛風(fēng)動證與血清總膽固醇和血肌酐相關(guān)；痰瘀滯絡(luò)證與血肌酐相關(guān)[5]。范譯丹采用Logistic回歸分析2型糖尿病患者合并非酒精性脂肪肝患者，發(fā)現(xiàn)肝腎陰虛證與三酰甘油和體質(zhì)指數(shù)相關(guān)，氣陰兩虛兼瘀證與三酰甘油相關(guān)[6]。Logistic回歸的優(yōu)點(diǎn)對自變量類型不做要求、系數(shù)的可解釋性等；其缺點(diǎn)是當(dāng)樣本含量過少時(shí)，估計(jì)的方程不穩(wěn)定，結(jié)果無法解釋；也會出現(xiàn)擬合過度的問題，適用于大樣本的中醫(yī)證候臨行病學(xué)調(diào)查資料。

3.2 因子分析 因子分析是由英國心理學(xué)家C.E.Spearman提出，以指標(biāo)間的相關(guān)矩陣為基礎(chǔ)，探索支配多個(gè)指標(biāo)相關(guān)關(guān)系的有限個(gè)潛在因子的一種非線性多元統(tǒng)計(jì)分析方法，是高維度數(shù)據(jù)降維的一種統(tǒng)計(jì)分析方法。因子分析找到能準(zhǔn)確反映2型糖尿病癥狀的潛在因子，將每個(gè)因子歸納為某一證候因素，具有指導(dǎo)臨床實(shí)踐的價(jià)值。而證候要素是通過辨識證候的病位和病性，來確定證名的基本要素[7]。目前，2型糖尿病尚未形成統(tǒng)一的證候要素共識，多數(shù)學(xué)者借助因子分析來提取2型糖尿病證候的要素。王佳笑采用因子分析對2型糖尿病合并高血壓病患者的癥狀進(jìn)行分析，提取7個(gè)病性要素：氣虛、陰虛、陽虛、血瘀、陽亢、濕痰和熱盛[8]。龔燕冰采用因子分析對2型糖尿病患者的癥狀進(jìn)行分析，提取出6個(gè)病性要素：陰虛、氣虛、血瘀、濕熱、熱盛和氣滯，病位為肝、脾、腎[9]。孟慶揚(yáng)采用因子分析對2型糖尿病合并血脂異?；颊叩陌Y狀進(jìn)行分析，提取出4個(gè)病性要素：陰虛、陽虛、氣虛、痰，病位為腎、肝和脾[10]。齊方洲采用因子分析對糖尿病早期微血管病變患者的癥狀進(jìn)行分析，提取出11個(gè)病性證素：氣虛、陰虛、陽虛、熱、濕、燥、血瘀、氣滯、氣郁、氣逆和血虛，病位為腎、肝、脾、肺和胃[11]。曹晶晶采用因子分析對糖尿病視網(wǎng)膜病變患者的癥狀進(jìn)行分析，提取10種病性要素：陰虛、氣虛、血瘀、陽虛、痰、血虛、精虧、氣滯、濕和熱[12]。趙靈燕采用因子分析糖尿病患者中醫(yī)四診信息，提取出陽虛證、陰虛證和氣虛證[13]。歸納出2型糖尿病的證候要素以陰虛為本，燥熱為標(biāo)，虛證表現(xiàn)氣虛、血虛、陰虛和陽虛4種類型，實(shí)證表現(xiàn)為血熱、血瘀、火旺和濕熱?？梢钥闯觯蜃臃治龅膬?yōu)點(diǎn)是根據(jù)糖尿病的原始指標(biāo)的信息進(jìn)行重新組合，找出影響變量的共同因子，并通過旋轉(zhuǎn)使得因子更具有可解釋性，對應(yīng)于某一證候；其缺點(diǎn)是易出現(xiàn)估計(jì)方法選擇不當(dāng)，導(dǎo)致估計(jì)結(jié)果失真。

3.3 聚類分析 聚類分析根據(jù)物以類聚的原理，將本身沒有類別的數(shù)據(jù)聚集成不同的類別，將性質(zhì)相近的事物歸為一類，將性質(zhì)差別較大的歸入不同的類，并對每一個(gè)這樣的類進(jìn)行描述的一種統(tǒng)計(jì)方法。因此，聚到同一個(gè)組中的樣本應(yīng)該彼此相似，而屬于不同組的樣本應(yīng)該足夠不相似。組內(nèi)的相似性越大，組間差別越大，聚類就越好。在證候研究中，聚類分析可對疾病的癥狀和體征等信息進(jìn)行統(tǒng)計(jì)學(xué)分析，客觀地進(jìn)行分類。采用聚類分析探索2型糖尿病證候，從數(shù)據(jù)中挖掘出其自然類別，依據(jù)各個(gè)指標(biāo)之間的相關(guān)系數(shù)，建立有統(tǒng)計(jì)學(xué)依據(jù)的證候關(guān)聯(lián)，把高度的同質(zhì)性一組癥狀和體征聚為一類。目前，采用聚類分析對2型糖尿病證候規(guī)律分析方面取得一些共識。鞏璇采用聚類分析對2型糖尿病患者進(jìn)行聚類，聚為脾腎氣虛證、陰虛熱盛證、肝腎陰虛證、陽虛血瘀證和氣陰兩虛夾痰濕證[14]。牟新采用聚類分析對2型糖尿病患者進(jìn)行聚類，聚為痰瘀化火證、氣陰兩虛夾瘀證、肝胃火盛證、腎陽虛證和肝氣郁滯證[15]。張志龍采用聚類分析對2型糖尿病患者進(jìn)行聚類，聚為痰濕血瘀證、陰陽兩虛證、血瘀水停證、氣陰兩虛證、脾虛濕盛證和陰虛熱盛證[16]。楊江成采用聚類分析對2型糖尿病患者進(jìn)行聚類，聚為氣虛證、陽虛證和陽虛水泛證[17]。孟慶揚(yáng)采用聚類分析對2型糖尿病合并血脂異?；颊哌M(jìn)行聚類，聚為腎陽氣虛證、肝腎陰虛夾濕熱證、胃氣滯證、脾腎陰陽兩虛夾心氣血虛證和氣滯血瘀證[10]。張錦明采用聚類分析對2型糖尿病患者進(jìn)行聚類，聚為氣虛證、陰虛證、血瘀證、濕證和熱證[18]。林蘭采用聚類分析對2型糖尿病患者進(jìn)行聚類，聚為陰虛熱盛證、氣陰兩虛證、陰陽兩虛證、濕熱證、痰濕證、血瘀證和氣滯證[19]。周迪夷采用聚類分析對2型糖尿病患者的癥狀進(jìn)行聚類，聚為氣虛證、陰虛證、氣陰兩虛證、陰陽兩虛證、血瘀證、濕熱證和郁熱證[20]。聚類分析可以為2型糖尿病證候的分類提供客觀依據(jù)，具有一定的可行性及科學(xué)性。聚類分析的優(yōu)點(diǎn)是直觀、結(jié)論形式簡明；其缺點(diǎn)是樣本量較大時(shí)，要獲得聚類結(jié)論有一定困難，無法準(zhǔn)確對應(yīng)于某一證候。

3.4 決策樹 決策樹是一種以樹結(jié)構(gòu)形式表達(dá)進(jìn)行預(yù)測的數(shù)據(jù)挖掘方法，是證候的量化與客觀化研究的數(shù)據(jù)挖掘工具之一。結(jié)點(diǎn)有兩種類型：根結(jié)點(diǎn)和葉節(jié)點(diǎn)。通過從根結(jié)點(diǎn)一直到達(dá)葉子結(jié)點(diǎn)的路徑轉(zhuǎn)換，生成簡單易懂的分類規(guī)則。趙靈燕采用決策樹對2型糖尿病檢測指標(biāo)數(shù)據(jù)進(jìn)行分析，提取出痰濁證的核心指標(biāo)是尿素氮、白細(xì)胞、平均紅細(xì)胞體積、超敏C反應(yīng)蛋白、紅細(xì)胞和甲狀腺素，建立了痰濁證決策樹模型，其靈敏度為75.47%、特異度為76.22%，正確率為75.90%[21]。采用決策樹分析2型糖尿病痰濁證的檢測指標(biāo)，有利于2型糖尿病證候客觀化研究。決策樹的優(yōu)點(diǎn)是能快速地學(xué)習(xí)證候特征，分類準(zhǔn)確率高；訓(xùn)練集數(shù)據(jù)量較大的情況下，決策樹模型效率較高，穩(wěn)定性好。其缺點(diǎn)是容易過度擬合問題，忽略屬性之間的相關(guān)性。

3.5 關(guān)聯(lián)規(guī)則 關(guān)聯(lián)規(guī)則是一種挖掘隱藏在數(shù)據(jù)集中的不同事件之間的關(guān)聯(lián)和相關(guān)性。如果兩項(xiàng)或多項(xiàng)事件之間存在關(guān)聯(lián)，那么其中一項(xiàng)的屬性可以依靠其他屬性值進(jìn)行預(yù)測。關(guān)聯(lián)規(guī)則是用來分析癥狀之間的關(guān)系，以支持度與置信度來量化高頻癥狀之間的相互關(guān)系，并作為一組關(guān)鍵癥狀組合來評判糖尿病。趙艷青采用關(guān)聯(lián)規(guī)則挖掘出2型糖尿病15組癥狀群，如口渴喜飲—視物昏花—五心煩熱—目睛干澀，五心煩熱—?dú)舛虘醒浴诟裳试锏?，癥狀與脈象組合如睛干澀—脈細(xì)澀，五心煩熱—脈細(xì)數(shù)，癥狀與舌象組合如氣短懶言—舌胖。采用關(guān)聯(lián)規(guī)則辨識糖尿病中醫(yī)證候，為糖尿病的中醫(yī)證候分型提供了一種新的研究思路[22]?？梢钥闯?，關(guān)聯(lián)規(guī)則的優(yōu)點(diǎn)是可以產(chǎn)生清晰有用的結(jié)果；其缺點(diǎn)關(guān)聯(lián)分析輸出的規(guī)則數(shù)量較多，且多數(shù)并無利用價(jià)值，給關(guān)聯(lián)規(guī)則的解釋帶來難度。

3.6 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)以神經(jīng)元為運(yùn)算單位，模擬生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與功能的特點(diǎn)，建立算法數(shù)學(xué)模型對分布式數(shù)據(jù)并行信息進(jìn)行處理，完成對信息的加工與處理的一種統(tǒng)計(jì)方法。人工神經(jīng)網(wǎng)絡(luò)有強(qiáng)大的非線性處理能力，采用合適的學(xué)習(xí)算法，對糖尿病四診信息數(shù)據(jù)進(jìn)行準(zhǔn)確地處理，達(dá)到糖尿病證候診斷的目的。近年來，人工神經(jīng)網(wǎng)絡(luò)預(yù)測2型糖尿病證候是人工智能發(fā)展的新趨勢，被廣泛應(yīng)用于糖尿病證候數(shù)據(jù)分析中。采用神經(jīng)網(wǎng)絡(luò)建立糖尿病診斷預(yù)測模型，可以輔助診斷糖尿病。吳燎采用BP神經(jīng)網(wǎng)絡(luò)對糖尿病患者的癥狀分析，構(gòu)建糖尿病診斷預(yù)測模型，正確率達(dá)到95%[23]?？梢钥闯觯斯ど窠?jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是具有容錯性和自組織性，可學(xué)習(xí)和自適應(yīng)不知道或不確定的數(shù)據(jù)，能夠同時(shí)處理定量和定性數(shù)據(jù)；其缺點(diǎn)是把一切問題的特征都變?yōu)閿?shù)字，把一切推理都變?yōu)閿?shù)值計(jì)算，其結(jié)果易丟失信息；輸出結(jié)果難以解釋，會影響到結(jié)果的可信度和可接受程度。

3.7 結(jié)構(gòu)方程模型 采用結(jié)構(gòu)方程模型研究糖尿病證候，把證候看成潛在變量，四診信息看成外顯變量，建立糖尿病證候的預(yù)測模型，衡量證候與癥狀的關(guān)系，有助于指導(dǎo)糖尿病證候診斷。柴可夫采用結(jié)構(gòu)方程模型對糖尿病早期微血管病變患者的四診信息進(jìn)行分析，構(gòu)建了氣陰兩虛證、肝腎陰虛證、濕熱困脾證、陰陽兩虛證、脾腎陽虛證和脾虛氣滯證模型。其中氣陰兩虛證的癥狀有氣短、心悸、自汗、少氣懶言、困倦乏力、視物模糊、兩目干澀、盜汗、潮熱、烘熱、顴紅、手足心熱和大便干結(jié)[24]?？悑I采用結(jié)構(gòu)方程模型構(gòu)建病位證素組合的模型，發(fā)現(xiàn)肝脾兩臟關(guān)系最為密切，脾腎其次，再者肝腎、肝胃、腎胃；陰虛與實(shí)熱相關(guān)性最高[25]。楊曉南采用結(jié)構(gòu)方程模型構(gòu)建2型糖尿病氣陰虧虛證和四診信息的模型，氣陰虧虛證的癥狀有神疲、四肢乏力、胸悶、自汗、咽干、面色蒼白、口干、神疲、舌淡紅和脈弱。結(jié)構(gòu)方程模型可以分析證候與癥狀的關(guān)系，為2型糖尿病證候分析提供了客觀依據(jù)[26]。結(jié)構(gòu)方程模型的優(yōu)點(diǎn)是允許自變量和因變量存在測量誤差，可提供總體模型檢驗(yàn)和獨(dú)立參數(shù)估計(jì)檢驗(yàn)，可處理變量的多重相互關(guān)系；其缺點(diǎn)是由于假設(shè)誤差項(xiàng)不相關(guān)，導(dǎo)致結(jié)果不能如實(shí)反映實(shí)際情況。

3.8 貝葉斯網(wǎng)絡(luò) 貝葉斯網(wǎng)絡(luò)是一種基于概率推理的圖形化網(wǎng)絡(luò)的統(tǒng)計(jì)分析方法。它包括網(wǎng)絡(luò)結(jié)構(gòu)和概率推理兩部分，用概率測度的權(quán)重表達(dá)變量間的相互關(guān)系。貝葉斯網(wǎng)絡(luò)是由一個(gè)節(jié)點(diǎn)集合和一個(gè)節(jié)點(diǎn)間的有向邊集合組成的有向無環(huán)圖，能將不確定的信息進(jìn)行學(xué)習(xí)和推理，有助于辨識證候。龔燕冰采用貝葉斯網(wǎng)絡(luò)分析2型糖尿病合并腦病、腎病、高血壓病患者，發(fā)現(xiàn)2型糖尿病合并高血壓病，空腹血糖、餐后2 h血糖和糖化血紅蛋白異常者陰虛為主；2型糖尿病合并腦病，空腹血糖、餐后2 h血糖異常以氣虛為主；2型糖尿病合并腎病，空腹血糖異常者以陽虛為主[27]。龔燕冰采用貝葉斯網(wǎng)絡(luò)分析2型糖尿病患者，發(fā)現(xiàn)空腹血糖異常的患者以陰虛熱盛多見，餐后2 h血糖異常的患者以陰虛多見，糖化血紅蛋白異常的患者以陰虛熱盛多見，血脂異常者以氣虛為主，血壓異常者伴見血瘀[28]。劉瑜采用貝葉斯網(wǎng)絡(luò)分析2型糖尿病合并脂代謝紊亂病歷，發(fā)現(xiàn)濕痰、血瘀貫穿2型糖尿病合并脂代謝紊亂始終，主要方劑有丹參飲、玉女煎、生脈散和六味地黃湯[29]。貝葉斯網(wǎng)絡(luò)可以揭示癥狀與證候間的復(fù)雜關(guān)系，有助于早期診斷2型糖尿病。可以看出，貝葉斯網(wǎng)絡(luò)的優(yōu)點(diǎn)是具有方向性，用簡明的圖形方式定性的表示事件之間復(fù)雜的因果關(guān)系，比較適合于解決中醫(yī)診斷問題；其缺點(diǎn)是在屬性之間相關(guān)性較大時(shí)，分類效果不好。

3.9 支持向量機(jī) 支持向量機(jī)是以達(dá)到結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則，通過將非線性數(shù)據(jù)賦予高維特征性，構(gòu)造出最優(yōu)分類超平面的一種統(tǒng)計(jì)方法。闞紅星采用支持向量機(jī)識別2型糖尿病氣陰兩虛夾瘀證的舌圖像，其靈敏度為93.85%，特異度為62.79%，正確率為79.63%[30]。說明采用支持向量機(jī)法分類識別舌圖像，有助于診斷患者中醫(yī)證型。支持向量機(jī)的優(yōu)點(diǎn)是在小樣本高維數(shù)據(jù)上具有分類精度高的特點(diǎn)，解決二分類識別問題，可有效彌補(bǔ)傳統(tǒng)算法中維數(shù)過多的缺陷；其缺點(diǎn)是容易出現(xiàn)過擬合問題，對缺失數(shù)據(jù)敏感。支持向量機(jī)用于解決小樣本、非線性及高維模式識別的問題。

4 結(jié)語

近幾年，中國2型糖尿病具有病因復(fù)雜和危險(xiǎn)因素多的特點(diǎn)，其患病率呈現(xiàn)逐年增高的趨勢。中醫(yī)藥在治療糖尿病患者方面發(fā)揮了重要作用，中醫(yī)臨床醫(yī)生和科研人員以全新的視角利用數(shù)據(jù)挖掘方法分析糖尿病癥狀與證候、實(shí)驗(yàn)室與證候指標(biāo)之間的關(guān)系，分析糖尿病證候與癥狀之間的關(guān)聯(lián)，揭示糖尿病數(shù)據(jù)蘊(yùn)藏的規(guī)律，尤為重要。目前，盡管存在2型糖尿病的辨證標(biāo)準(zhǔn)不統(tǒng)一和證候術(shù)語欠規(guī)范等諸多問題，很多學(xué)者已經(jīng)達(dá)成2型糖尿病的證候特征研究的共識。2型糖尿病的虛證表現(xiàn)氣虛、血虛、陰虛和陽虛，實(shí)證表現(xiàn)為血熱、血瘀、火旺和濕熱，主要包括肺熱津傷證、胃熱熾盛證、氣陰兩虛證、腎陽氣虛證、氣虛證、痰濕證、血瘀證、腎陰虧虛證和陰陽兩虛證等常見證型。學(xué)者以中醫(yī)理論為基礎(chǔ)，采用數(shù)據(jù)挖掘技術(shù)分析2型糖尿病的證候特征，以客觀數(shù)據(jù)的形式輔助醫(yī)生進(jìn)行糖尿病證候識別，為臨床醫(yī)生診療服務(wù)提供了科學(xué)依據(jù)，從而提高糖尿病證候診斷的準(zhǔn)確性和客觀性，促進(jìn)現(xiàn)代醫(yī)學(xué)和中醫(yī)學(xué)有效融合，有助于2型糖尿病證候研究規(guī)范化和科學(xué)化，為其他疾病證候研究提供了新的思路。