大數(shù)據(jù)技術(shù)在中藥材資源優(yōu)化配置中的應(yīng)用

郭春麗，吳國(guó)華，顧若濤，林嘉穎，陳鵬程

(1.廣東財(cái)貿(mào)職業(yè)學(xué)院 信息技術(shù)學(xué)院，廣東 廣州 510445；2.廣東財(cái)貿(mào)職業(yè)學(xué)院 現(xiàn)代教育技術(shù)與實(shí)訓(xùn)中心，廣東 廣州 510445；3.廣東財(cái)貿(mào)職業(yè)學(xué)院 總務(wù)處，廣東 廣州 510445)

中醫(yī)藥作為我國(guó)獨(dú)特的醫(yī)療資源、潛力巨大的經(jīng)濟(jì)資源、具有原創(chuàng)優(yōu)勢(shì)的科技資源、優(yōu)秀的文化資源和重要的生態(tài)資源，對(duì)社會(huì)經(jīng)濟(jì)的發(fā)展有重要的作用[1]。在抗擊新型冠狀病毒肺炎疫情中，中醫(yī)藥再一次向世人證實(shí)了其顯著的療效。而中藥材作為中醫(yī)藥事業(yè)傳承和發(fā)展的重要物質(zhì)基礎(chǔ)[2]，它的規(guī)范存儲(chǔ)、養(yǎng)護(hù)、運(yùn)輸是促進(jìn)中藥材產(chǎn)業(yè)健康發(fā)展的重要保障。

2015年1月，商務(wù)部印發(fā)了《關(guān)于加快推進(jìn)中藥材現(xiàn)代物流體系建設(shè)指導(dǎo)意見》，指出到2020年基本建成中藥材主要產(chǎn)銷區(qū)為流通節(jié)點(diǎn)的物流基礎(chǔ)設(shè)施和流通網(wǎng)絡(luò)，配套建設(shè)規(guī)?；瘋}庫設(shè)施，實(shí)現(xiàn)中藥材物流的跨區(qū)域、規(guī)模化、集約化經(jīng)營(yíng)[3]。截至2019年底，11家中藥材物流實(shí)驗(yàn)基地完成現(xiàn)場(chǎng)認(rèn)證，67個(gè)基地正在建設(shè)中，規(guī)劃中的藥材倉儲(chǔ)量272萬噸[4]。物流示范基地主要是實(shí)現(xiàn)產(chǎn)區(qū)藥材的收儲(chǔ)[5]，很少考慮到從產(chǎn)區(qū)到銷區(qū)的成本。而中藥材的下游企業(yè)中藥廠，作為中藥材的主要銷區(qū)，它們所處的位置影響著中藥材資源配置的高效。因此，如何結(jié)合中藥材的主要產(chǎn)銷區(qū)，優(yōu)化資源的配置是具有現(xiàn)實(shí)意義的難題。

本文通過梳理“藥廠-中成藥-中藥材”三者的關(guān)系，運(yùn)用大數(shù)據(jù)技術(shù)從大量中藥配方入手，挖掘出現(xiàn)次數(shù)最多的單個(gè)或組合中藥材，再通過以核心藥材為原材料的藥品，統(tǒng)計(jì)出藥廠，從而計(jì)算出使用頻率高的中藥材在全國(guó)的主銷區(qū)，最后結(jié)合主要產(chǎn)銷區(qū)，為優(yōu)化資源的配置提供一種精準(zhǔn)的方法。

1 大數(shù)據(jù)技術(shù)介紹

大數(shù)據(jù)技術(shù)是指對(duì)海量、異構(gòu)、復(fù)雜的數(shù)據(jù)通過采集、存儲(chǔ)、清洗、分析與挖掘、展現(xiàn)等方式進(jìn)行加工和支撐，從而發(fā)現(xiàn)有用的或有意思的規(guī)律和 結(jié)論，實(shí)現(xiàn)數(shù)據(jù)的增值。

一般處理流程有五個(gè)環(huán)節(jié)，主要介紹如下：①數(shù)據(jù)采集：常見的采集方式有網(wǎng)絡(luò)爬蟲、傳感器、日志記錄等；②數(shù)據(jù)存儲(chǔ)：一般有關(guān)系型數(shù)據(jù)庫、Excel、分布式數(shù)據(jù)庫，可根據(jù)數(shù)據(jù)量的大小進(jìn)行選擇，方便數(shù)據(jù)的讀寫；③數(shù)據(jù)清洗：對(duì)缺失、錯(cuò)誤、重復(fù)、異常等 “臟”數(shù)據(jù)進(jìn)行處理，提高數(shù)據(jù)集的質(zhì)量；④數(shù)據(jù)分析：常用的分析方法有聚類、分類、關(guān)聯(lián)規(guī)則等，運(yùn)用算法對(duì)數(shù)據(jù)進(jìn)行挖掘和分析；⑤數(shù)據(jù)展現(xiàn)：對(duì)分析的結(jié)果用圖表的形式進(jìn)行展現(xiàn)，更清楚地呈現(xiàn)分析的結(jié)論。

2 中藥材資源優(yōu)化配置的框架

目前，中藥材流通節(jié)點(diǎn)通過收集當(dāng)?shù)貐^(qū)域內(nèi)分散農(nóng)戶手中的中藥材，進(jìn)行集中儲(chǔ)存規(guī)范入庫、按需配送以及配套安全監(jiān)控，實(shí)現(xiàn)中藥材資源的配置。

2.1 邏輯框架

本文以中藥廠作為中藥材的主要銷區(qū)，整體配置業(yè)務(wù)如圖1所示。

圖1 中藥材資源配置業(yè)務(wù)邏輯

可以看出，流通節(jié)點(diǎn)作為基礎(chǔ)倉儲(chǔ)場(chǎng)所，既可以存儲(chǔ)，也可以根據(jù)賣方需求進(jìn)行發(fā)貨。這樣極大程度保證資源的合理配置和中藥材的質(zhì)量安全。中藥廠在國(guó)家藥監(jiān)局公開備案，具備GMP生產(chǎn)資質(zhì)后，從中藥材種植者或中間商采購中藥材，進(jìn)一步加工生產(chǎn)中成藥，再以渠道或代理的方式進(jìn)行銷售?，F(xiàn)在信息發(fā)達(dá)，網(wǎng)上都可以檢索每家中藥廠生產(chǎn)的中成藥種類，每種中成藥的成分信息，即以哪些中藥材作為原材料。

2.2 技術(shù)框架

根據(jù)配置業(yè)務(wù)邏輯，采用大數(shù)據(jù)技術(shù)進(jìn)行優(yōu)化，技術(shù)框架如圖2所示。

圖2 技術(shù)框架

2.2.1 數(shù)據(jù)采集 數(shù)據(jù)采集是基礎(chǔ)，中藥材、中成藥、中藥廠信息在網(wǎng)上都能檢索，通過技術(shù)手段可以收集起來。

2.2.2 數(shù)據(jù)存儲(chǔ) 主要看數(shù)據(jù)量的大小，這里由于數(shù)據(jù)量最多上百萬條，選擇關(guān)系型數(shù)據(jù)Mysql存儲(chǔ)。

2.2.3 數(shù)據(jù)清洗 處理“臟”數(shù)據(jù)，包括重復(fù)值、缺失值、錯(cuò)誤值、異常值，比如數(shù)據(jù)中混雜的有西藥，屬于異常值，需要對(duì)其進(jìn)行刪除操作。

2.2.4 數(shù)據(jù)分析 通過分析中成藥的成分信息，統(tǒng)計(jì)出現(xiàn)頻數(shù)多的中藥材，再計(jì)算使用核心藥材的中成藥，然后檢索生產(chǎn)這些中成藥的藥廠，從而根據(jù)藥廠所在的區(qū)域得出主銷區(qū)。最后結(jié)合主要產(chǎn)銷區(qū)，給出資源配置優(yōu)化的方案。

2.2.5 數(shù)據(jù)呈現(xiàn) 對(duì)分析的結(jié)果進(jìn)行呈現(xiàn)，再分析其結(jié)果的正確性。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)過程

3.1.1 數(shù)據(jù)采集 采集中藥材、中成藥、藥廠的信息，分別見表1、表2、表3。其中藥廠包括生產(chǎn)中藥和西藥的藥廠，藥廠生產(chǎn)的藥品見表4。

表1 中藥材主要信息

表2 藥廠主要信息

表3 藥品主要信息

表4 藥廠生產(chǎn)的藥品

最終，共收集了1 759條中藥材標(biāo)準(zhǔn)信息、10 679條藥品信息(含少量西藥)以及8 289家藥廠信息，存儲(chǔ)到Mysql數(shù)據(jù)庫中。

3.1.2 數(shù)據(jù)清洗 由于中藥材名稱是有限且統(tǒng)一的，藥品的成分是0個(gè)或多個(gè)中藥材的配伍，這是一個(gè)典型的多模式串識(shí)別問題，本文采用Aho-Corasick算法進(jìn)行數(shù)據(jù)清洗，具體步驟如圖3所示。

圖3 清洗步驟

需要注意的是，中藥材名稱有一些是包含關(guān)系，比如茯苓、土茯苓，但它們屬于不同的中藥材，清洗時(shí)要避免將土茯苓識(shí)別成為土茯苓和茯苓兩味藥材以造成數(shù)據(jù)的二次“污染”。

對(duì)重復(fù)、缺失的數(shù)據(jù)，以及不含中藥材的藥品數(shù)據(jù)進(jìn)行刪除處理后，共有7 038條中成藥數(shù)據(jù)，成分信息里中藥材之間用逗號(hào)進(jìn)行分隔。表5列出部分清洗前后的數(shù)據(jù)。

表5 清洗前后的數(shù)據(jù)(部分)

3.1.3 數(shù)據(jù)挖掘 選用關(guān)聯(lián)規(guī)則的模式增長(zhǎng)算法即FP-growth算法來計(jì)算核心藥材，并發(fā)現(xiàn)核心藥材之間的隱含關(guān)系與規(guī)律。

首先，計(jì)算藥品中每味中藥材出現(xiàn)的頻次，即頻繁項(xiàng)集為1的藥材，結(jié)果見表6。這里支持度取0.07，大于支持度的單項(xiàng)集時(shí)核心藥材。

表6 單項(xiàng)集(部分)

可以看出甘草、當(dāng)歸、茯苓、川芎、黃芪、黃芩等是使用頻數(shù)高的中藥材。甘草作為“中藥之王”，具有補(bǔ)氣功效等作用[6]，當(dāng)歸具有補(bǔ)血活血等作用[7]，茯苓具有利水滲濕、健脾寧心的作用[8]，黃芪素有“東北小人參”之稱，是補(bǔ)中益氣要藥[9]。核心藥材與在感冒類、脾胃類清熱類、肺炎類、增強(qiáng)免疫等細(xì)分領(lǐng)域的研究結(jié)果是一致的[10-13]。

其次，查詢使用核心藥材的中成藥，也就是檢索出成分含有核心藥材的中成藥，藥名是唯一的。

然后，統(tǒng)計(jì)生產(chǎn)這些中成藥的藥廠，再根據(jù)藥廠位置歸屬到所在省份/自治區(qū)/直轄市。由于本文采集的中藥廠分布在全國(guó)31個(gè)省/自治區(qū)/直轄市，每個(gè)區(qū)域?qū)χ兴幉姆N類使用數(shù)量的情況如圖4。

注：顏色越深代表使用的中藥材類型數(shù)量越多，圖中可明顯看出內(nèi)蒙古、吉林、河北、黑龍江、江西四個(gè)省/自治區(qū)的藥廠是中藥材的主要銷區(qū)。圖4 使用的核心藥材類型數(shù)量、分布地圖

最后，挖掘核心藥材之間的關(guān)聯(lián)關(guān)系。中成藥一般都是多味中藥材配伍，挖掘出關(guān)聯(lián)關(guān)系強(qiáng)的潛在中藥材組合。頻繁項(xiàng)集為2，最小支持度和置信度分別為0.05、31%，結(jié)果見表7，頻繁項(xiàng)集為3時(shí)，最小支持度和置信度分別為0.025、45%，結(jié)果見表8。

表7 最大頻繁項(xiàng)集為2時(shí)的關(guān)聯(lián)關(guān)系

表8 最大頻繁項(xiàng)集為3時(shí)的關(guān)聯(lián)關(guān)系

3.2 結(jié)果分析

從表7結(jié)果可知，核心藥材間的關(guān)聯(lián)關(guān)系能夠同時(shí)滿足最小支持度和置信度的要求，表明核心藥材間存在強(qiáng)關(guān)聯(lián)規(guī)則。藥品成分中有川芎、白芍、當(dāng)歸三味中藥材，則以上藥材同時(shí)出現(xiàn)的頻率為2.83%；另外，挖掘結(jié)果顯示含有川芎、白芍的所有中成藥中有90.05%的概率會(huì)出現(xiàn)當(dāng)歸，出現(xiàn)桔梗的藥品中有62.8%的概率出現(xiàn)甘草，陳皮的藥品中有45.92%的概率出現(xiàn)甘草，白芍的藥品中有41.89%的概率出現(xiàn)甘草。這種強(qiáng)關(guān)聯(lián)關(guān)系既表明藥材間存在配伍的規(guī)律，也為流通節(jié)點(diǎn)對(duì)中藥材的資源配置提供了一種優(yōu)化方法，即在配置桔梗、陳皮、白芍、茯苓的區(qū)域，可同時(shí)配置甘草，同理，在配置川芎、白術(shù)、黃芪的區(qū)域，可考慮同時(shí)配置當(dāng)歸。

另外，從圖4可以看出，使用的核心藥材類型數(shù)量多的地區(qū)集中在華北、華東、華中、西南和西北地區(qū)，而青藏、新疆、江蘇、海南等地區(qū)相對(duì)少一些。這與中藥材的道地產(chǎn)區(qū)氣候、土壤等自然環(huán)境有很大關(guān)系?？祩髦镜萚14]研究得出不同區(qū)域分布的道地藥材，如表9。

表9 不同區(qū)域分布的常見中藥材

將上表中藥材的道地產(chǎn)區(qū)與本文分析的核心藥材主要銷區(qū)結(jié)合起來，江西屬于白芍、白術(shù)、茯苓、丹參等核心藥材的中心產(chǎn)區(qū)，也是藥材使用類型最多的一個(gè)區(qū)域，所以在選擇大規(guī)模倉儲(chǔ)、物流中心節(jié)點(diǎn)時(shí)，可考慮在江西地區(qū)作為中藥材的綜合地區(qū)。而內(nèi)蒙古中部地區(qū)是生產(chǎn)甘草的道地產(chǎn)區(qū)，也是甘草的主要使用地區(qū)，則此區(qū)域的流程節(jié)點(diǎn)以甘草為主，同樣，河北地區(qū)可以以黃芪、黃芩為主。

主產(chǎn)地與主銷區(qū)的結(jié)合，既可以發(fā)揮道地產(chǎn)區(qū)的優(yōu)勢(shì)，保證中藥材的質(zhì)量，也可以科學(xué)地將道地產(chǎn)區(qū)藥材倉儲(chǔ)到離銷售區(qū)域最近的位置，縮短銷售的時(shí)間、物流、經(jīng)濟(jì)等成本，為中藥材資源的優(yōu)化配置提供高效的途徑。

4 結(jié)語

本文運(yùn)用大數(shù)據(jù)技術(shù)，采集中成藥、中藥材、藥廠等信息，利用Aho-Corasick算法對(duì)中成藥的成分信息進(jìn)行清洗，再用FP-growth算法挖掘核心藥材之間的關(guān)聯(lián)關(guān)系，統(tǒng)計(jì)出核心藥材的主銷區(qū)。結(jié)合核心藥材的道地產(chǎn)區(qū)和主銷區(qū)，為中藥材的資源配置提供了一種優(yōu)化的方法。

在研究過程中，核心藥材的類型數(shù)量是主要考慮因素，下一步工作可以加入藥廠對(duì)中藥材的使用量這一因素。因?yàn)樗帍S有自己的主打藥品，成分中的前幾個(gè)中藥材一般是藥品的主要原材料，這樣預(yù)估使用量可以為優(yōu)化方案提供更全面的依據(jù)。