构造以中医论病情分析决策系统

1構造以中醫論病情分析決策系統DesignaSupportDecisionSystemforChineseMedicineCommentPathologicalAnalysis王昌斌陳清坤[e-mail]@ms54.hinet.net南華大學資訊管理學系碩士班摘要隨著科技進步，高品質的醫療服務是民眾的期望，在中、西醫學思維路線及表達工具的差異，中醫系統中大都屬於隱藏性的知識，如何從各種資料庫及相關資料中、找出病情各種相關性的症狀從而歸納出它們可能的病情，則可幫助中醫師在診斷時之決策參考，是本研究主要問題與目的。本研究提供整合型決策支援系統以資料倉儲為基礎，使用知識挖掘、資料探勘的技術及決策系統來建構病情分析決策支援系統；確定決策診斷知識方法下，將病患病情診斷分析法則經貝氏分類法產生疾病屬性歸類規則並經網路學習除錯與認知後，以決策樹產生診斷規則，導出診斷規則知識模型，再用診斷規則知識模型來驗證病情分析結果，其中使用資訊科技技術，若以此延伸運用到各個領域，將有很大發展空間。最後，我們以一些實例用以驗證此模型及診斷規則之準確性，期望對中醫診斷系統提供另一思考方向。關鍵詞：資料探勘,診斷規則,決策樹,診斷規則知識模,病情分析決策系統壹、前言中國醫藥論述,是我國人民長期同疾病抗爭豐富的經驗總結、也是我國文化遺產的一個重要部份。在通過長期的醫療實踐,它逐步形成並發展成為獨特的中醫學、藥理根基，而歷史上中醫與西醫的產生皆立足在共同的人體結構及產生的疾病，但兩者所描述此結構與疾病時卻用了兩套不同的思維模式及語言系統。由於中西醫學思惟路線及表達工具的差異，造成兩者在文獻解讀溝通上的困難，如中醫說臟腑的「氣血」運行，西醫則說「血液在血管內由心臟的壓縮而循環」，基本性質尚可會通；中醫說臟腑的「熱、火氣」，西醫則說微生物引起的「發炎」，兩者有重疊處，但偏重各有不同；中醫說五臟各有「燥症」，西醫則言及淚水、唾液的分泌不足，並沒有用統一的字眼來說明其病因。2中醫發展至能了解致病的所有外邪（風、寒、暑、濕、燥、火）與掌握上述諸邪在人體分佈的位置（以五臟為中心的經、腑、臟結構），用以說明所有疾病產生的原因並具備治癒此等疾病的能力。所以形成人體的疾病及治病；疾病各起有病因，治病其各有法，才能將疾病治癒痊。但上述的大都是屬於隱藏性知識，如能隨著資訊科技的進步與發展，將傳統中國醫學從病歷儲存到各種醫學影像或是診斷、治療等等所形成的醫學多媒體資料庫，在經過各前置層次的分析而產生各層次的法則知識後，將醫學多媒體資料庫及相關性的隱性知識，運用資訊科技技術轉換成有條理易懂的顯性知識；而醫師如能藉此更有效運用於臨床和基礎醫學研究，那將有相當大的正面意義，也能大幅度提升醫療服務品質及人們對中國醫藥認知。貳、研究方法我們先討論病患病情診斷分析的情況，首先病患發生不舒服現象，中醫師根據病患的表象，研判病患疾病的部位、人體狀況、以及病患本身基本資料（年齡、職業、習慣、、、等）等相關資訊，藉由中醫師的專業醫學知識對病患的詢問其不舒服狀況，以確定病患的疾病位置及研判病患的疾病輕重緩急，及聽取病患講話的喉音及呼吸聲，憑藉醫師過去的經驗進行其病情的輕重判斷，再藉由病患的左右手的寸、關、尺脈絡現象，依病患的虛、實、燥、熱（五行陰陽論述）來診斷疾病真正部位、病況，再運用四診合參給予辨證論治，由上述的診斷分析可大概推測病患導致疾病的方向，再經過病情分析後才確定導致疾病的原因及治療方向，詳如中醫論病情分析之流程（如圖1）依上述所言，我們歸納幾個決策診斷規則，此決策診斷規則是本研究重點，首先以關聯資料選取資料庫並分別以資料關聯分析，再由陰陽、五行論述與貝氏分類法產生疾病屬性歸類規則樹，經過五行與五臟的關聯變化產生診斷規則資料來建構決策樹，再以病情診斷分析法則關聯到產生診斷知識模型表做為研究步驟。最後以肝臟疾病為例作為診斷準確率之評估以及將所得結果用中醫學之理、藥理之知識加以解釋詳如資訊診斷流程圖（如圖2）所示。3圖1以中醫論病情分析系統之流程圖（資料來源：本研究）是是否是否是否是（一）中醫論病情之病因（二）以中醫論病情對人體之（三）中醫論人體之陰陽分析（四）中醫論病情之病理分析（五）中醫論來診斷與治療分析1.陰陽五行論述2.氣血津液經絡論述3.病因論述4.病機論述預防與法則論述1.整體觀念2.辨證論治分析3.辨證論治之運用4.辨證論治之過程5.辨證論治之觀念1.人體之陰論2.人體之陽論3.人體之易經1.發病2.傳變3.預后1.運用在診斷2.運用在治療（六）中醫論對病情症狀之1.結論2.建議1.結論2.建議4圖2決策診斷知識方法（資料來源：本研究整理）緊接著我們依（圖2）決策診斷資識方法，將分佈在各地資料倉儲之中醫論對陰陽、五行分析、五行五臟關聯變化分析、五行論對人事物屬性分析、四心診斷分析等等資料以關聯資料選取產生以下資料法則：病情分析法則、各種疾病屬性資料、診斷規則資料、人事物歸類屬性法則、四心診斷模型資料、診斷決策法則等等知識法則陳存於知識庫；再分別以下列步驟：貝氏分類法、決策樹、人事物屬性規則模型表、四心診斷規則知識模型、診斷規則知識模型等作為研究步驟；其中以疾病屬性歸類規則樹及診斷規則作為研究步驟關鍵界面，詳如（圖3）病情分析決策系統研究步驟流程圖所示。資料庫關聯資料選取診斷規則知識模型建立討論及建議顯示決策結果1.各類病情分析之結果。2.診斷模式的解釋。3.診斷準確率評估。4.實例驗證之評估。貝氏疾病分類法5圖3研究步驟流程圖（資料來源：本研究）（四）研究關鍵介面（三）研究步驟步驟一步驟二步驟三步驟四步驟五（一）（二）資料倉儲知識庫管理（資料來源）（產生法則）中醫論之陰陽、五行分析病情分析各種疾病屬性資料診斷規則決策診斷規則人事物屬性規則模四心診規則知識五行論對人事物屬性分人事物歸類屬性法則四心診斷四心診斷模型資診斷規則知識模型診斷規則知識模型被建貝氏分類法診斷決策法則五行五臟關聯變化分析疾病屬性歸類規則樹6以下依研究步驟一到五來逐步說明：步驟一、貝氏分類法以病患的病情在中醫論之陰陽、五行之病情分析法則下：如病情之病因、病情對人體之觀點、人體之陰陽分析、病理分析、診斷與治療分析、病情症狀之總結及建議等產生各種疾病屬性資料，因貝氏分類法是利用各類別已知的屬性〈attributes〉機率值及各類別之事前機率，計算新疾病例於各類別的機率，最後比較各類別的機率，機率最大者則該疾病例分於此類別。但是眾多的分類法中，貝氏分類法能事先依據研究者經驗，對資料先提出事前機率分配〈priorprobability〉，當資料蒐集完成後，會修正事前機率分配，使之成為事後分配機率〈posteriorprobability〉，而研究者必須建立一些決策準則，然後，利用事前及事後機率分配，對各種可能情況推估預期結果，將這些可能情況和預期結果加以整合判斷，以作為分類的依據【22】。所以貝氏分類法能利用過去的資料，建立分析之模式，以協助未來預測或分類的工作。基於貝氏分類法的特性與較難處理連續數值的問題，本研究希望能利用貝氏學習網路理論，將連續的屬性值分割成離散的屬性值，以克服分界的困難，因此，建立貝氏學習網路，而貝氏學習網路的推論主要過程是藉由新資訊的取得根據貝氏定理(Bayes'theorem)調整各相關節點存在狀態的機率值；綜合上面所描述的貝氏疾病屬性歸類及貝氏網路學習除錯與認知下形成各類疾病屬性規則樹，其規則樹形狀如下敘述：依陰陽論對人體疾病屬性來區分，陽在上、陰在下，以貝氏分類為樹枝上下分叉原則，用五行論述對人體疾病屬性為規則樹的枝幹數、經人事物對人體屬性推展分枝，構成自然界對人體屬性擴展樹葉。步驟二、決策樹決策樹是根據五行分類歸屬與五臟關聯變化分析下，使用五臟與五色、五音、五味等屬性分類歸納其關聯、及五行相生、相剋來說明人事物之間與五臟相互資生和相互制約的關係、並表達五行生剋是人事物運動變化的正常規律也是屬於人與自然界的生理現象，運用相生規律：如相生即遞相資生、助長、促進之意、再以五行之間互相滋生和促進的關係稱之為五臟相生、又五行（五臟）相生的次序是：木生火，火生土，土生金，金生水，水生木。木（肝）,火（心）,土（脾）,金（肺）,水（腎）、以次資生，循環無盡等等；在相生關係中，任何一行都有「生我」，「我生」兩方面的關係、最後以四心診斷合參為依據整合診斷規則資料，在「生」與「剋」的規律及乘侮變化下產生決策樹所需求的診斷規則資料。7再依診斷規則資料來建構決策樹，其構造說明簡單如1~3說明：假設一組診斷規則資料所組成的集合N，其中有K種疾病類別（Class），及},....,,,{321iKKKKN=，在建構決策樹時有三種情形可能發生：1當N中的所有診斷規則資料都屬於同一種類別iK時，所建構的決策樹只包括一片樹葉，此片樹葉的所有資料。2當N中沒有任何診斷規則資料時，所建構的決策樹依然只包含一片樹葉，此片樹葉代表的疾病類別則由集合H以外的診斷規則資料決定。3當N中包含多種疾病類別的診斷規則資料時，則將集合H根據某種屬性分割成多種子集合N1,N2…..,Ni，每個子集合儘可能包含一種疾病類別的的資料。N所建構的決策樹包含一個判斷節點及n個分枝，每一個子集合的診斷規則資料分別對應H的一個分枝。但因時間、氣候、季節的變化，產生稀疏或是含有雜訊時，利用此種方式所建構的決策樹通常越超過於配合診斷規則資料（OverfitstheData），因而要修剪決策樹，在修剪過程的標準是根據預估錯誤率（PredictedErrorRate）的值作為判斷條件。它的方法是從樹的底部（樹葉）往上測試每一個節點所形成的子樹，若是將子樹以一個樹葉代替後所得到的錯誤預估率較低，則將子樹修剪成為樹葉，否則將保留原來的子樹。決策樹經過修剪後即建立決策樹的疾病分類模型，疾病分類模型除了要具有高正確率之外最好也能夠擁有簡單易懂的規則它的基本作法如下：假設有一條診斷規則為Z：IfCondition=XThenClass=Y而另一個比Z更一般化的診斷規則Z_為：Z_：IfCondition=X_ThenClass＝Y_條件集合X_為條件集合X去除某一條件F的結果寫為X_=X-F。而滿足或不滿足條件F在類別Y與不在類別Y的資料個數，則以（表1）表示表1滿足條件F屬於分類Y的個數類別Y其他類別滿足條件FG1Q1不滿足條件FG2Q2（資料來源：本研究）8步驟三、人事物的屬性診斷規則模型表是由五行論述對人事物屬性的歸類以天人相對應系統、將自然界的各種事物和現象以及人體的生理病理現象按其屬性進行歸納、再將人體的生命活動與自然界的事物和現象聯繫起來，形成了聯繫人體內外環境的五行結構系統等等產生人事務屬性歸類法則再與診斷規則產生如（表2）人事物屬性診斷規則模型表表2人事物的屬性診斷規則模型（資料來源：本研究）步驟四、四心診斷規則模型表是依四心診斷分析產生四心診斷模型資料如（表8）所示。以下依四心診斷分析分別以1~5如（表3.4.5.6.7）模型說明：自然界人體五色五味五氣五音五化時間五方五季五行五臟六腑五官情志形體五聲五液五臭變動1青酸風角生平旦東春木肝膽目怒筋呼淚臊握2赤苦暑徵長日中南夏火心小腸舌喜脈笑汗焦憂3黃甘濕宮化日西中長夏土脾胃口思肉歌涎香嘎4白辛燥商收日入西秋金肺大腸鼻悲皮毛哭涕腥咳5黑鹹寒羽藏夜半北冬水腎膀胱耳恐骨呻唾腐慄數位時代下軟體元件統治關係之演變11.以「木」為主環化生青色,而「肝」為主環化生青色。表3肝臟屬性規則模型（資料來源：本研究）2.以「火」為主環化生赤色,而「心」為主環化生赤色。表4心臟屬性規則模型自然界人體五色五味五氣五音五化時間五方五季五行五臟六腑五官情志形體五聲五液五臭變動2赤苦暑徵長日中南夏火心小腸舌喜脈笑汗焦憂（資料來源：本研究）3.以「土」為主環化生黃色,而「脾」為主環化生黃色。表5脾臟屬性規則模型自然界人體五色五味五氣五音五化時間五方五季五行五臟六腑五官情志形體五聲五液五臭變動3黃甘濕宮化日西中長夏土脾胃口思肉歌涎香嘎（資料來源：本研究）4.以「金」為主環化生白色,而「肺」為主