论文部分内容阅读
摘要：目的 基于数据挖掘方法对《伤寒论》方证进行知识挖掘。方法 采用中医处方智能分析系统（CPIAS）对《伤寒论》112首方剂的知识点进行量化表达。结果 初步实验效果较好，机器的认识与传统《伤寒论》的认识基本相符，吻合率高达98%。结论 本研究实现了《伤寒论》方证的君、臣、佐、使排序，气、味、归经规律及辨证处方规律等方面的知识挖掘。
关键词：数据挖掘；中医处方智能分析系统；伤寒论；方证
中图分类号：R2-05；R222.2 文献标识码：A 文章编号：1005-5304（2012）04-0031-04
《伤寒论》一书为仲景传世之作，其112方组方周密、配伍严谨、选药精当、疗效卓越，沿用至今，亘古不衰，被称之为“方书之祖”。历代医家莫不重视《伤寒论》的研究，在继承的基础上多有发挥。方证知识研究是《伤寒论》研究的热点，从古至今，研究者从多方面对其进行探讨，取得了诸多成就。利用数据挖掘方法研究《伤寒论》方证，实现方证知识的定性、定量化表达，是研究《伤寒论》辨证论治理论体系新的切入点。
本研究采用“中医处方智能分析系统”[1]（CPIAS）对《伤寒论》112首方剂进行知识点量化的解读分析，目的是挖掘和发现《伤寒论》112首方剂的知识点，并进行量化表达；观察CPIAS分析的结果是否与《伤寒论》的认识相符；同时对CPIAS分析功能进行总结，以发现问题，改进设计。
1 数据采集与标引
方剂来源于刘渡舟教授主编的《伤寒论校注》[2]，并参考《伤寒论讲义》[3]，将其转换为电子文档并进行预处理后，选择原文中带有方药和症状、体征描述的条文195条，涉及方剂112方。
由于中医学对同一个药名、药物功效、方名、症状、证候等数据有多种不同的表述方式，因此需要对其进行一致化、规范化处理。将《伤寒论》112方录入CPIAS，按照系统的要求，对处方病证、症状、功效、归类及方剂组成等方面进行标引解析。
2 数据挖掘步骤
2.1 药物对方剂贡献度计算
将方剂录入CPIAS系统中，首先计算方剂中各药物的作用强度（近似中医“君、臣、佐、使”的概念），简称为“药量强度计算”。该环节中，应用了我们研制的“药量强度的计算模型[4]”。
该步骤的意义在于：把方剂药物的“操作量”（药物的实际用量，单位“g”）转换成方剂药物的“信息量”（药物对方剂的贡献度，为无纲量），从而使方剂药物的信息量具有可比性，实现方剂内各药物贡献度的比较（也可用于方剂与方剂之间的比较）。
2.2 方剂药性的定性定量计算
方剂药性包括方剂综合的药气（寒热温凉）、药味（酸苦甘辛咸）、药物归经（12经）等数据，因此有定性、定量的分析问题。以“药量强度计算”的结果为基础，对方剂综合的药气、药味和药物归经进行计算，分别简称为“药气计算”、“药味计算”、“药物归经计算”，其计算的结果均具有可比性。该步骤的意义在于：从总体上把握方剂的药性，使其所具有的知识能得到集合和量化的表达。
2.2.1 综合药气强度的表达 根据药量强度计算的结果，可算出方剂每个药物的药气强度，各味药的药气强度具有可加和性，加和的结果为整个方剂的药气强度，并可依据强度的大小进行药气排序。药物的四气主要分为大寒、寒、微寒、凉、平、微温、温、热、大热9类，为了能表示出其程度的差别，将大寒、寒、微寒和凉分别记录为-1、-0.9、-0.6和-0.3，大热、热、温和微温分别记录为1、0.9、0.6和0.3，平性记录为0。这样各药气间就具有可加和性，各药气强度乘以各自的系数后进行加和即可算出综合药气的强度，加和结果>0提示整体药气偏温，加和结果<0提示整体药气偏凉，加和结果=0提示整体药气为平性。
2.2.2 药味强度的表达 根据药量强度计算的结果，可算出方剂每个药物的药味强度，各味药的药味强度具有可加和性，加和的结果为整个方剂的药味强度，并可依据强度的大小进行药味排序。
2.2.3 归经强度的表达 根据药量强度计算的结果，可算出方剂每个药物的归经强度，各味药的归经强度具有可加和性，加和的结果为整个方剂的归经强度，并可依据强度的大小进行归经排序。
2.3 方剂功效及筛选的计算
以“药量强度计算”的结果为基础，对方剂功效进行计算，简称为“功效计算”，在此环节中介入了不同药效关系的知识，同时我们提出了“药物贴近度”的概念及其算法，以解决药效与药效间在发生关系时的效应强度计算。根据中医“方证相应”的认识，我们认为方剂功效的释放是有针对性的，其依据应该是临床表现，因此系统以临床表现为依据对方剂功效进行筛选，简称为“功效筛选”。
该步骤的意义在于：计算出方剂的所有功效，并进行量化排序，从而挖掘出方剂的主要功效所在；集合出方剂针对当前病证的功效，并进行量化排序，从而发现当前方剂主要释放出的功效。
2.4 预测方剂适应证
中医辨证之“证”是由“证素”（可以理解成组合成“证”的要素，包括病因、病机、病位等内容）构成的，因此在预测该方剂的适应证时，先要进行所涉及证素的计算，系统以“功效筛选”为基础，介入功效与证素关系的知识，计算出“证素”。然后依据证素与证的对应关系，预测出该方剂的“适应证”。
该步骤的意义在于：由“功效-证素-证”的关系挖掘出该方适应证的过程，符合中医辨证论治的原理；对适应证的序列计算，可以发现该方剂对临床病证的综合判断指向。
2.5 方剂对症状体征关注度的分析
根据“功效筛选”的结果，对所记述的临床症状进行序列计算，可以挖掘出“方剂对症状体征的关注度”。
该步骤的意义在于：从方剂对症状体征的关注度，可以挖掘出方剂所关注的主症，同时提示医者遇到该病证时要解决的主要问题。 3 结果与评价
本研究共实现了《伤寒论》112首方证知识的定性、量化表达，实验结果与《伤寒论》传统认识进行比较，吻合率高达98%。现以麻黄汤为例示范挖掘及评价的过程。
3.1 原文文献
太阳病，头痛，发热，身疼，腰痛，骨节疼痛，恶风，无汗而喘者，麻黄汤主之。
麻黄汤方：麻黄（三两，去节）、桂技（二两，去皮）、甘草（一两，炙）、杏仁（七十个，汤去皮尖）
上四味，以水九升，先煮麻黄，减二升，去上沫，内诸药，煮取二升半，去滓，温服八合，复取微似汗，不须啜粥，余如桂枝法将息。
麻黄汤方解：本方中麻黄辛温发汗、解表散寒，更兼宣肺平喘之功，且用量最大，故为君药；桂枝辛温，为解肌祛风之要药，并协同麻黄以增强解表发汗之力，是为臣药；杏仁宣肺平喘，协同麻黄以增强平喘功效，故为佐药；炙甘草量小不碍麻桂走表之功，意在补益中焦，固护汗源，更能调和诸药，故为使药。诸药合用，起发汗解表，宣肺平喘之效。
3.2 数据预处理
症状体征：头痛、发热、身痛、腰痛、关节痛、恶风、无汗、喘、脉浮。
药物组成：麻黄15 g，桂枝10 g，炙甘草5 g，杏仁11 g。
3.3 分析结果
3.3.1 麻黄汤药物贡献度结果分析 由表1可知，麻黄汤中麻黄的贡献度最高为君，桂枝其次为臣，杏仁为佐，炙甘草贡献度最小为使。计算机分析的结果与《伤寒论》的认识完全相符。
3.3.4 麻黄汤方剂适应证预测结果 证素及方剂适应证的取值一般以首位证素或适应证贡献度的半衰值为底限，由表7可知，麻黄汤主要关注的证素为寒邪、其次关注的为肺气逆、胃气逆、肺不宣，说明寒邪是影响麻黄汤证的主要因素。由表8可知，麻黄汤所关注的方剂适应证主要有风邪袭肺证及寒邪外感证。这些都与《伤寒论》的认识相符。
3.3.5 麻黄汤对症状体征排序的关注度 主要关注的症状、体征（也就是所谓的主症）应以首位症状、体征排序贡献度的半衰值为底限，由表9可知，麻黄汤证第35条主要关注的是头痛、身痛、脉浮、无汗、恶风、发热等明显属于太阳表证的的症状，其次才关注喘，最后关注关节痛及腰痛。头痛、身痛、脉浮、恶风、发热的贡献度高说明本证为太阳表证，而无汗的贡献度高提示为表实证，与《伤寒论》的认识相符。
4 结论
上述结果表明，采用数据方法挖掘《伤寒论》方证知识，初步实验效果较好，机器的认识与传统《伤寒论》的认识基本相符。通过CPIAS，可分析出《伤寒论》各方剂的君、臣、佐、使，总结《伤寒论》方剂的气、味、归经规律及《伤寒论》的辨证处方规律，并可探讨“主症”与该方证之间的关系。与传统的方剂分析方法相比，CPIAS分析过程最大限度地避免了主观因素的干预，因此分析结果可信度大大提升，且通过对具体知识点的量化使分析结果具有可比性。
参考文献：
[1] 任廷革，高全泉，刘晓峰，等.中医方剂功效及适应证候信息的智能处理方法[J].中南大学学报：自然科学版，2007，38（增刊1）：633-637.
[2] 刘渡舟.伤寒论校注[M].北京：人民卫生出版社，1991.
[3] 李培生，刘渡舟.伤寒论讲义[M].上海：上海科学技术出版社，1985.
[4] 高全泉，任廷革，刘晓峰，等.中医方剂药物相对药量改进计算模型[J].海南师范大学学报，2008，21（4）：362-366.
（收稿日期：2011-08-22，编辑：华强）
关键词：数据挖掘；中医处方智能分析系统；伤寒论；方证
中图分类号：R2-05；R222.2 文献标识码：A 文章编号：1005-5304（2012）04-0031-04
《伤寒论》一书为仲景传世之作，其112方组方周密、配伍严谨、选药精当、疗效卓越，沿用至今，亘古不衰，被称之为“方书之祖”。历代医家莫不重视《伤寒论》的研究，在继承的基础上多有发挥。方证知识研究是《伤寒论》研究的热点，从古至今，研究者从多方面对其进行探讨，取得了诸多成就。利用数据挖掘方法研究《伤寒论》方证，实现方证知识的定性、定量化表达，是研究《伤寒论》辨证论治理论体系新的切入点。
本研究采用“中医处方智能分析系统”[1]（CPIAS）对《伤寒论》112首方剂进行知识点量化的解读分析，目的是挖掘和发现《伤寒论》112首方剂的知识点，并进行量化表达；观察CPIAS分析的结果是否与《伤寒论》的认识相符；同时对CPIAS分析功能进行总结，以发现问题，改进设计。
1 数据采集与标引
方剂来源于刘渡舟教授主编的《伤寒论校注》[2]，并参考《伤寒论讲义》[3]，将其转换为电子文档并进行预处理后，选择原文中带有方药和症状、体征描述的条文195条，涉及方剂112方。
由于中医学对同一个药名、药物功效、方名、症状、证候等数据有多种不同的表述方式，因此需要对其进行一致化、规范化处理。将《伤寒论》112方录入CPIAS，按照系统的要求，对处方病证、症状、功效、归类及方剂组成等方面进行标引解析。
2 数据挖掘步骤
2.1 药物对方剂贡献度计算
将方剂录入CPIAS系统中，首先计算方剂中各药物的作用强度（近似中医“君、臣、佐、使”的概念），简称为“药量强度计算”。该环节中，应用了我们研制的“药量强度的计算模型[4]”。
该步骤的意义在于：把方剂药物的“操作量”（药物的实际用量，单位“g”）转换成方剂药物的“信息量”（药物对方剂的贡献度，为无纲量），从而使方剂药物的信息量具有可比性，实现方剂内各药物贡献度的比较（也可用于方剂与方剂之间的比较）。
2.2 方剂药性的定性定量计算
方剂药性包括方剂综合的药气（寒热温凉）、药味（酸苦甘辛咸）、药物归经（12经）等数据，因此有定性、定量的分析问题。以“药量强度计算”的结果为基础，对方剂综合的药气、药味和药物归经进行计算，分别简称为“药气计算”、“药味计算”、“药物归经计算”，其计算的结果均具有可比性。该步骤的意义在于：从总体上把握方剂的药性，使其所具有的知识能得到集合和量化的表达。
2.2.1 综合药气强度的表达 根据药量强度计算的结果，可算出方剂每个药物的药气强度，各味药的药气强度具有可加和性，加和的结果为整个方剂的药气强度，并可依据强度的大小进行药气排序。药物的四气主要分为大寒、寒、微寒、凉、平、微温、温、热、大热9类，为了能表示出其程度的差别，将大寒、寒、微寒和凉分别记录为-1、-0.9、-0.6和-0.3，大热、热、温和微温分别记录为1、0.9、0.6和0.3，平性记录为0。这样各药气间就具有可加和性，各药气强度乘以各自的系数后进行加和即可算出综合药气的强度，加和结果>0提示整体药气偏温，加和结果<0提示整体药气偏凉，加和结果=0提示整体药气为平性。
2.2.2 药味强度的表达 根据药量强度计算的结果，可算出方剂每个药物的药味强度，各味药的药味强度具有可加和性，加和的结果为整个方剂的药味强度，并可依据强度的大小进行药味排序。
2.2.3 归经强度的表达 根据药量强度计算的结果，可算出方剂每个药物的归经强度，各味药的归经强度具有可加和性，加和的结果为整个方剂的归经强度，并可依据强度的大小进行归经排序。
2.3 方剂功效及筛选的计算
以“药量强度计算”的结果为基础，对方剂功效进行计算，简称为“功效计算”，在此环节中介入了不同药效关系的知识，同时我们提出了“药物贴近度”的概念及其算法，以解决药效与药效间在发生关系时的效应强度计算。根据中医“方证相应”的认识，我们认为方剂功效的释放是有针对性的，其依据应该是临床表现，因此系统以临床表现为依据对方剂功效进行筛选，简称为“功效筛选”。
该步骤的意义在于：计算出方剂的所有功效，并进行量化排序，从而挖掘出方剂的主要功效所在；集合出方剂针对当前病证的功效，并进行量化排序，从而发现当前方剂主要释放出的功效。
2.4 预测方剂适应证
中医辨证之“证”是由“证素”（可以理解成组合成“证”的要素，包括病因、病机、病位等内容）构成的，因此在预测该方剂的适应证时，先要进行所涉及证素的计算，系统以“功效筛选”为基础，介入功效与证素关系的知识，计算出“证素”。然后依据证素与证的对应关系，预测出该方剂的“适应证”。
该步骤的意义在于：由“功效-证素-证”的关系挖掘出该方适应证的过程，符合中医辨证论治的原理；对适应证的序列计算，可以发现该方剂对临床病证的综合判断指向。
2.5 方剂对症状体征关注度的分析
根据“功效筛选”的结果，对所记述的临床症状进行序列计算，可以挖掘出“方剂对症状体征的关注度”。
该步骤的意义在于：从方剂对症状体征的关注度，可以挖掘出方剂所关注的主症，同时提示医者遇到该病证时要解决的主要问题。 3 结果与评价
本研究共实现了《伤寒论》112首方证知识的定性、量化表达，实验结果与《伤寒论》传统认识进行比较，吻合率高达98%。现以麻黄汤为例示范挖掘及评价的过程。
3.1 原文文献
太阳病，头痛，发热，身疼，腰痛，骨节疼痛，恶风，无汗而喘者，麻黄汤主之。
麻黄汤方：麻黄（三两，去节）、桂技（二两，去皮）、甘草（一两，炙）、杏仁（七十个，汤去皮尖）
上四味，以水九升，先煮麻黄，减二升，去上沫，内诸药，煮取二升半，去滓，温服八合，复取微似汗，不须啜粥，余如桂枝法将息。
麻黄汤方解：本方中麻黄辛温发汗、解表散寒，更兼宣肺平喘之功，且用量最大，故为君药；桂枝辛温，为解肌祛风之要药，并协同麻黄以增强解表发汗之力，是为臣药；杏仁宣肺平喘，协同麻黄以增强平喘功效，故为佐药；炙甘草量小不碍麻桂走表之功，意在补益中焦，固护汗源，更能调和诸药，故为使药。诸药合用，起发汗解表，宣肺平喘之效。
3.2 数据预处理
症状体征：头痛、发热、身痛、腰痛、关节痛、恶风、无汗、喘、脉浮。
药物组成：麻黄15 g，桂枝10 g，炙甘草5 g，杏仁11 g。
3.3 分析结果
3.3.1 麻黄汤药物贡献度结果分析 由表1可知，麻黄汤中麻黄的贡献度最高为君，桂枝其次为臣，杏仁为佐，炙甘草贡献度最小为使。计算机分析的结果与《伤寒论》的认识完全相符。
3.3.4 麻黄汤方剂适应证预测结果 证素及方剂适应证的取值一般以首位证素或适应证贡献度的半衰值为底限，由表7可知，麻黄汤主要关注的证素为寒邪、其次关注的为肺气逆、胃气逆、肺不宣，说明寒邪是影响麻黄汤证的主要因素。由表8可知，麻黄汤所关注的方剂适应证主要有风邪袭肺证及寒邪外感证。这些都与《伤寒论》的认识相符。
3.3.5 麻黄汤对症状体征排序的关注度 主要关注的症状、体征（也就是所谓的主症）应以首位症状、体征排序贡献度的半衰值为底限，由表9可知，麻黄汤证第35条主要关注的是头痛、身痛、脉浮、无汗、恶风、发热等明显属于太阳表证的的症状，其次才关注喘，最后关注关节痛及腰痛。头痛、身痛、脉浮、恶风、发热的贡献度高说明本证为太阳表证，而无汗的贡献度高提示为表实证，与《伤寒论》的认识相符。
4 结论
上述结果表明，采用数据方法挖掘《伤寒论》方证知识，初步实验效果较好，机器的认识与传统《伤寒论》的认识基本相符。通过CPIAS，可分析出《伤寒论》各方剂的君、臣、佐、使，总结《伤寒论》方剂的气、味、归经规律及《伤寒论》的辨证处方规律，并可探讨“主症”与该方证之间的关系。与传统的方剂分析方法相比，CPIAS分析过程最大限度地避免了主观因素的干预，因此分析结果可信度大大提升，且通过对具体知识点的量化使分析结果具有可比性。
参考文献：
[1] 任廷革，高全泉，刘晓峰，等.中医方剂功效及适应证候信息的智能处理方法[J].中南大学学报：自然科学版，2007，38（增刊1）：633-637.
[2] 刘渡舟.伤寒论校注[M].北京：人民卫生出版社，1991.
[3] 李培生，刘渡舟.伤寒论讲义[M].上海：上海科学技术出版社，1985.
[4] 高全泉，任廷革，刘晓峰，等.中医方剂药物相对药量改进计算模型[J].海南师范大学学报，2008，21（4）：362-366.
（收稿日期：2011-08-22，编辑：华强）