【科普】数据挖掘与中医

数据挖掘（data mining,DM）作为一门融合了机器学习、人工智能和数理统计等的新型学科技术,它弥补了人类思维认识与计算的不足,人们利用不同 的DM方法对不同领域的数据进行挖掘分析,可发现各领域内的新知识。目前,常用的DM技术有贝叶斯网络、人工神经网络、关联分析、聚类分析、判别分析、随机森林等。通过 DM 技术可以预测未来的行为和趋势,发现隐含、有潜在价值的知识,使 社会更好地发展。在中医药领域内引入DM技术, 可以使其发展更规范、更科学,也为中医药事业的发展带来新活力。

1.中医诊断的研究

中医诊断所收集的临床数据既复杂又无序,易受各种主观因素（认知水平、思维方式、研究方法等）影响,故缺乏系统又规范地总结与分析。目前,DM 技术在中医证候、中医四诊等 方面应用较为广泛,其可规范中医诊断,使中医诊断 更为准确、客观。

2.中医方剂的研究

方剂是理法方药的数据集合,有其独特的配伍规律及方证关系。方剂中药物的剂量、药味的随证加减也有一定规范,但因涉及的数据庞大,靠传统研究方法很难对其进行全面又系统的分析,而运用DM技术对中医方剂的数据信息进行分析,挖掘出常用药物及高频药对,总结其配伍规律,不仅为新处方的研究奠定基础,也为临床疾病诊治提供一定帮助。

3.名中医临床经验的研究

名中医经验传承以往主要以中医院校的教育、师带徒言传身教、纸质或电子文献的总结等方式,但其均有一定的局限性,难以全面系统地传承名中医的学术思想及临床经验。而将各名中医的处方数据采用不同DM方法分析研究,总结常用药物、核心处方、临床诊治经验,能使 名中医经验及思想的总结与传承更加完善、规范。

1.中药药性的研究

中药药性体系庞大且复杂, 其研究多倾向于文献和实验研究。当代学者通过搜 集考证文献、经典书籍, 并整理分析文献中的药性研究成果, 进一步发掘和完善中药药性体系,但文献研究的方法耗时、耗费人力,研究成果具有主观 性,需进一步完善;同时,研究者也可对药性开展实验研究,但得到的实验数据时有偏差,而引入DM技术研究中药药性可减少损耗,提高准确性和研究值。

2.中药图谱的研究

中药图谱非常复杂,传统图谱的研究缺乏多角度、全方位的特性,而DM技术,可以凸显出中药材指纹图谱的多维多息特征, 可以从不同角度展示中药材的特征。

1.针灸取穴规律的研究

针灸腧穴的选择及配伍对临床治疗疾病的疗效影响甚大。传统针灸治疗中,针灸医师凭借自身对疾病及腧穴的认识、自身临床经验等为患者选取腧穴,其治疗欠缺规范,而使用DM技术,可以分析总结疾病的腧穴选取规律,使临 床治疗更准确、规范。

2.针灸方法选择与应用的研究

临床针灸治疗可以选取刺灸法、头针、刺络放血等不同方法,通过DM技术分析其各自的适应证及临床优势,为今后临床针灸方法的选取奠定了基础。

未来,可将DM技术渗入到中医药信息学方面;也可将DM技术与中药药理相结合,为今后新药的开发奠定基础; 可建立中医诊断、方剂、中药或针灸的研究模型等, 提高DM技术的针对性和实用性,使中医药数据更加信息化、现代化,从而为今后中医药的发展带来新机遇。