论文部分内容阅读
中医处方学是研究选药处方规律的一门学科。其概念包括了辨证、立法、选药、处方四个环节。其核心部分在于辨证时分清主证、兼证和次要症状,依据辨证的结果和治则选择对应的立法,选药时依据立法选择适当的药物、处方时依据处方结构分清主药、辅药和佐使药,即“方从法出,法随证立”。中医处方学是在方剂学的基础上逐步发展形成的,二者有着密切的关系。方剂学是以古今成方为研究对象,而中医处方学是以处方法为研究对象,“方”是历代医家针对不同疾病而创制的经验,具个性特长,而“法”是从一定数量有关联的方剂中,总结提炼出来的共性规律,对方有提纲挈领的统帅作用,这一方一法正如文章与语法一样,充分体现了个性与共性的辨证关系。法与方的结合,是理论与实践的统一。本课题以处方法宏观量化分析研究为切入点,旨在探讨如何为处方法研究提供定量化的分析手段,使基于经验的认识在新技术的参与下走向定量化分析。处方法宏观量化分析方法的建立,采用人工智能与决策支持系统相结合的技术方法,来实现基于方剂信息综合量化分析基础上的方剂处方法示例学习。方剂信息综合量化分析包括:方剂组成药物药量分析、方剂的综合药性分析、方剂的综合药味分析、方剂的综合归经分析、方剂的综合功效分析、方剂的主治证候分析、方剂的处方结构分析等几部分;示例学习包括示例方剂的学习,规则的生成,判定方剂的验证三部分。本系统共由五个子系统组成:生成系统、控制系统、库管理系统、对话系统(输入系统)、解释系统(输出系统)。其中的核心部分主要由数据库、知识库和模型库三部分构成,以下分别加以介绍。数据库: ◆中药数据库:包括药名、药效、用量范围、性味归经等数据,共收录常用中药500种 ◆方剂数据库:包括方名、来源、病证、功效、组成等数据 ◆功效数据库:包括常用中药所涉及的功效,共计170个 ◆证候数据库:包括常见中医证候,共计242个 ◆药对数据库:包括常用的药对16对知识库: ◆药效关系知识库:以中医方剂理论中关于“七情”等药物配伍关系的认识为依据,把方剂中不同药物功效间的相互作用归纳为6种:无关、相同、单向协同、双向协同、强抑制和弱抑制,并运用数学和逻辑方法,建立了一系列运算公式予以表达。本系统异效关系规则共有170*170条 ◆效证关系知识库:依据中医关于方证对应关系的基本认识,把170个功效中部分单一功效转换成相应的证候;或以两个相关功效的组合为基本单位,再转化成相应的证候,以此类推,约有300余条。模型库:◆量效分析模型<WP=5>系统分析中把药物在方剂中的实际用量称为"绝对药量"。每个药物都有一定的用量范围,因为药物的质地、性味、采集部位的不同,方中各药用量也会各有差异,且相同剂量下的不同药物,各自发挥的效能均不相同,故药物在方剂中的实际用量没有直观的可比性。为此我们提出了“相对药量"的概念,并以之作为性、味、归经、药效等因素量化处理的指标依据。 ◆药效分析模型 系统在两药效相互作用强度的计算中,引入“贴近度”的概念。贴近度是指两种药物在性、味、归经和药效等因素的综合方面贴近程度,按照同气相求,异气相斥的原理,贴近度越大的药物间的协同作用也越大,反之贴近度越小的药物间的拮抗作用就越大。它可以增加在计算药效关系时的权重,使计算的结果更为准确。◆ 方剂组成结构模型 根据处方法对方剂组成结构的定义,结合方剂学的内容,对方剂的组成结构制定了一系列的判定规则,在方剂信息宏观综合量化的基础上,对方剂的组成结构进行分析。 ◆示例学习模型示例学习是一种自动获取知识的机器学习方法,示例学习的实质是从最特殊的一组事例中归纳出能适合于更大范围的一般的分类规则。这是一个从特殊到一般的过程。示例学习用于处方法分析所要完成的任务,就是从用户指定的一组同类典型方剂出发,自动形成该类方剂的特征描述,归纳出分类规则,用以进行新方剂类属的预测,为对处方共性规律认识提供信息支持。示例学习一般由数据预处理、归纳规则、规则评价改进(即后处理)三部分组成。为提高系统的运行效率和规则的准确性与可行性,本系统在预处理时使用了最优特征集选择算法,增加了后处理,并在后处理中使用了极大极小规则。 利用本系统进行方剂信息综合量化分析,系统可提供有关方剂药物相对药量、方剂的综合性、味、归经、功效、主治证候、组成结构等多方面的量化信息,并通过系统的解释功能予以解释;在对方剂信息综合量化分析的基础上,可通过示例学习方法,实现方剂处方法类属的判别分析。以辛温解表法为例,依据《方剂学》教材,选择了11首典型的辛温解表方剂作为示例方剂提供给系统学习,得出相应的规则,并从《伤寒论》、《金匮要略》及《中医方剂大词典精华本》共计15430首方剂中选择出178首具有解表功效的方剂,利用生成的辛温解表法的规则进行判别分析。结果表明,从横向来看,对于所生成的规则,五项(综合药性、综合药味、综合归经、综合功效、主治证候)完全符合的敏感性为66.20%,特异性