基于無監(jiān)督學(xué)習(xí)的心系疾病核心癥狀群提取研究

姜榮榮，李娉婷，楊濤，3

（1.南京中醫(yī)藥大學(xué)護理學(xué)院，江蘇 南京 210023；2.南京中醫(yī)藥大學(xué)人工智能與信息與信息技術(shù)學(xué)院，江蘇 南京 210023；3.江蘇省中醫(yī)外用藥開發(fā)與應(yīng)用工程研究中心，江蘇 南京 210023）

中醫(yī)將心腦血管疾病稱之為心系疾病，由于發(fā)病率高、致殘率高和死亡率高，其已成為世界最大的公共衛(wèi)生問題[1，2]。中醫(yī)藥在心腦血管疾病診治方案具有一定的優(yōu)勢，特別是在慢病調(diào)理、疾病防治方面具有特色[3，4]。中醫(yī)臨床講求“四診合參、辨證論治”，即醫(yī)生通過“望聞問切”收集患者的臨床信息，通過中醫(yī)理論進行思辨，分析總結(jié)證候，并給出相應(yīng)的治療方案。其中“證”可以認為是針對“核心癥狀群”的抽象概念，把握了“核心癥狀群”就可以把握“證”的本質(zhì)[5]。由于心系疾病病種較多，病理演化復(fù)雜，臨床上往往出現(xiàn)多臟腑病變，表現(xiàn)極為復(fù)雜，給臨床診療帶來困難。迫切需要根據(jù)真實世界的臨床實際情況，分析總結(jié)心系疾病的核心癥狀群，進而更好地把握心系病證，為中醫(yī)臨床診療提供依據(jù)。當前，癥狀群研究已成為醫(yī)學(xué)界高度關(guān)注的熱點之一。國外學(xué)者Dodd 等較早提出了癥狀群研究，主要指2 個及2個以上的癥狀同時出現(xiàn)的情況[6]。之后學(xué)者們在腫瘤[7]、免疫系統(tǒng)疾病[8]、重大慢性疾病[9]等復(fù)雜性疾病方面進行了大量研究。國內(nèi)很多學(xué)者也圍繞疾病癥狀群進行了研究和探索[10-12]。大部分研究關(guān)注具體的癥狀群識別結(jié)果，較少有研究關(guān)注癥狀群識別的模式和方法。鑒于此，本研究提出利用無監(jiān)督學(xué)習(xí)[13]開展核心癥狀群提取研究，以心系疾病為例，實現(xiàn)相應(yīng)核心癥狀群的識別和提取，以期為心系疾病癥狀規(guī)律發(fā)現(xiàn)和臨床診療提供支撐。

1 資料與方法

1.1 數(shù)據(jù)來源 本研究的實驗數(shù)據(jù)來源于南京中醫(yī)藥大學(xué)第一附屬醫(yī)院/江蘇省中醫(yī)院、南京中醫(yī)藥大學(xué)國醫(yī)堂門診部、南京中醫(yī)藥大學(xué)玉承堂中醫(yī)門診部醫(yī)療機構(gòu)的病歷資料庫，搜集了2000-2020 年的心系疾病醫(yī)案，排除臨床表現(xiàn)描述過少、重要信息缺失的病案，最終共納入1741 診次心系病案。

1.2 方法 將聚類和主成分分析等無監(jiān)督學(xué)習(xí)方法[14，15]的思想融入核心癥狀群提取中，設(shè)計相應(yīng)的核心癥狀群提取方法，整個過程包括4 個核心步驟。將原始樣本進行數(shù)據(jù)清洗，對癥狀表述進行統(tǒng)一和規(guī)范；以行為不同病歷樣本，列為癥狀，將規(guī)范后的文本記錄轉(zhuǎn)化為0-1 矩陣數(shù)據(jù)；采用離差標準化方法將數(shù)據(jù)轉(zhuǎn)化為[-1，1]內(nèi)的數(shù)值。采用輪廓系數(shù)法[16]確定最佳分類數(shù)目，利用K 均值對樣本進行分類。針對每一類樣本，分析不同主成分數(shù)目對應(yīng)的累計貢獻度，根據(jù)累計貢獻度閾值確定主成分數(shù)目。提取每一類樣本的主成分，并根據(jù)載荷系數(shù)閾值篩選癥狀群，并根據(jù)中醫(yī)理論對癥狀群進行分析，見圖1。

圖1 核心癥狀群提取流程

2 結(jié)果與分析

2.1 樣本聚類

2.1.1 輪廓系數(shù)變化情況 對樣本進行輪廓系數(shù)分析，當聚類簇的數(shù)目增大時，輪廓系數(shù)呈現(xiàn)先增大，后減小并在一定范圍內(nèi)波動的情況。當簇的個數(shù)為3 時，輪廓系數(shù)最大，見圖2。

圖2 輪廓系數(shù)變化情況

2.1.2 輪廓系數(shù)和樣本分布 設(shè)定聚類數(shù)目為3，利用K 均值聚類算法對樣本進行聚類，樣本被自動分成3 類，其中，每一類包含的樣本數(shù)分別為566 例、549 例和626 例。聚類輪廓系數(shù)分布見圖3a，每一類樣本在二維空間上的分布情況見圖3b，從圖中可以看出，樣本在二維空間上的分布較為雜亂，根據(jù)輪廓系數(shù)可以將樣本進行有效分類，但仍存在同一類別下樣本輪廓系數(shù)差異較大，其中輪廓系數(shù)較小的樣本往往處于類別交接處。

圖3 輪廓系數(shù)和樣本分布

2.2 核心癥狀群提取

2.2.1 主成分累計貢獻 對每一類數(shù)據(jù)進行主成分數(shù)目探查，見圖4。以0.7 作為累計貢獻閾值，最終得到第一類主成分數(shù)目為14（對應(yīng)的累計貢獻率為0.7014），第二類為10（對應(yīng)的累計貢獻率為0.7000），第三類為13（對應(yīng)的累計貢獻率為0.7086）。按照主成分數(shù)目探查結(jié)果，設(shè)定合適的主成分數(shù)目，并進行主成分分析，提取主成分載荷矩陣。

圖4 主成分累計貢獻

2.2.2 核心癥狀群 癥狀的載荷系數(shù)越大，其對相應(yīng)主成分的影響越大（重要性越高）。設(shè)定載荷系數(shù)閾值為0.8，提取所有大于等于該閾值的癥狀，最終得到核心癥狀群，其中括號內(nèi)的數(shù)值為癥狀對應(yīng)主成分的載荷系數(shù)?！邦悇e1”共提取了14 個主成分（見表1），癥狀數(shù)量最多的為5 個，最少為1 個，其中F2、F7 對應(yīng)的癥狀均為“下肢浮腫（1.00）”?！邦悇e2”共提取了10 個主成分（見表2），癥狀數(shù)量最多的為3 個，最少為1 個。“類別3”共提取了13 個主成分（見表3），癥狀數(shù)量最多的為2 個，最少為1 個。

表1 “類別1”的核心癥狀群

表2 “類別2”的核心癥狀群

表3 “類別3”的核心癥狀群

3 總結(jié)

“類別1”是心氣虛證和心陽虛證對應(yīng)的核心癥狀群，F(xiàn)11“[胸痛（1.00），心悸（0.99），氣喘（0.94），脈弦（0.93），動則尤甚（0.83）]”是一個較為典型的心氣虛證的表現(xiàn)，其他諸如F1、F2[F7]、F3、F4、F6、F10 等是較為典型的心陽虛證的表現(xiàn)。F5、F8、F9、F12、F13、F14 是心氣虛證或者心陽虛證經(jīng)常伴隨出現(xiàn)的次要癥狀。心氣虛證和心陽虛證在中醫(yī)理論上是非常接近的證型，僅僅是病情輕重的差別，心氣虛證可以進步一發(fā)展為心陽虛證。“類別2”是心脾氣虛證對應(yīng)的核心癥狀群，氣虛會出現(xiàn)神疲、乏力、胸悶、頭暈等癥狀，進一步影響到心脾會出現(xiàn)失眠、納呆等癥狀?！邦悇e3”是心火亢盛證對應(yīng)的核心癥狀群，心火亢盛會出現(xiàn)心悸、胸痛、胸悶、失眠、舌紅、苔黃、脈弦等癥狀，心火亢盛，上沖腦絡(luò)，會出現(xiàn)頭暈等癥。癥狀群能夠基本反映常見心系病證的特點，可以為臨床中醫(yī)病證的規(guī)律總結(jié)提供客觀依據(jù)。