数据挖掘与神经网络在中医慢性胃炎治疗中的应用

1. 项目背景与研究价值

慢性胃炎作为消化系统常见疾病，中医治疗强调辨证施治与个体化用药。传统中医临床经验主要依靠师徒传承和个人积累，这种模式存在知识传递效率低、难以规模化等局限。随着医疗信息化发展，电子病历系统积累了海量临床数据，为系统性挖掘中药配伍规律提供了可能。

本研究创新性地将数据挖掘技术与中医临床实践相结合，通过分析两家三甲医院近8年的慢性胃炎住院病历数据（共计2214例），运用频数分析、聚类算法、关联规则挖掘等方法揭示中药配伍的内在规律。同时构建了基于Resblock模块优化的BP神经网络模型，实现从临床症状到中药处方的智能预测。

提示：本项目所有分析均基于脱敏后的结构化病历数据，不涉及患者隐私信息。数据处理环节已通过人工复核和标准化流程确保质量。

2. 数据准备与预处理

2.1 数据来源与特征

研究采用双中心数据设计，分别来自：

• 医院A：2016-2024年数据，共1582例，用于规律挖掘
• 医院B：2013-2021年数据，共632例，用于模型训练

数据集包含364个临床特征（症状、体征、舌脉等）和469种中药，构成一个高维稀疏矩阵。原始数据以Excel格式存储，包含以下关键字段：

• 患者基本信息（年龄、性别等）
• 中医四诊信息
• 实验室检查结果
• 中药处方（药物组成、剂量）
• 疗效评价

2.2 数据清洗流程

数据清洗是确保分析质量的关键环节，我们采用多阶段处理策略：

python复制import pandas as pd
import re
from tqdm import tqdm

def clean_herb_name(text):
    """标准化中药名称"""
    # 去除剂量信息（如"黄芪10g"→"黄芪"）
    text = re.sub(r'\d+\.?\d*[gml]?', '', str(text))
    # 统一异体字（如"栝楼根"→"瓜蒌根"）
    herb_map = {'栝楼':'瓜蒌', '元胡':'延胡索'}
    for k, v in herb_map.items():
        text = text.replace(k, v)
    return text.strip()

# 读取原始数据
raw_data = pd.read_excel('clinical_records.xlsx')

# 中药名称标准化
tqdm.pandas(desc="Cleaning herb names")
raw_data['herb_cleaned'] = raw_data['中药名称'].progress_apply(clean_herb_name)

# 保存处理结果
raw_data.to_excel('cleaned_data.xlsx', index=False)

关键处理步骤：

1. 剂量信息分离：将"黄芪10g"拆分为"黄芪"和剂量"10"
2. 别名统一：建立别名映射表，规范中药名称
3. 缺失值处理：对重要特征采用多重插补法
4. 异常值检测：基于3σ原则识别异常剂量

注意：实际项目中我们发现约12%的处方存在书写不规范问题，如"二陈汤加减"这类组方描述，需要人工复核或使用NLP技术进一步处理。

3. 频数分析与核心用药发现

3.1 高频药物统计

对7375个用药实例进行分析，得到以下核心发现：

频数分布呈现典型的长尾特征（见图1），前20味药覆盖了约85%的用药实例，符合"核心药物+辅助药物"的中医组方特点。

3.2 功效类别分析

将高频药物按功效分类，发现以下规律：

• 理气药（陈皮、柴胡等）占比最高（32.6%）
• 健脾药（白术、党参等）次之（28.4%）
• 清热药（黄连、黄芩等）占19.7%
• 活血药（丹参、当归等）相对较少（12.3%）

这一分布与慢性胃炎"脾虚气滞为本，湿热瘀血为标"的病机特点高度吻合。

4. 聚类分析与方剂规律挖掘

4.1 K-means聚类实现

采用肘部法则确定最佳簇数，当k=9时出现明显拐点：

python复制from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

# 数据标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(herb_matrix)

# 肘部法则
wcss = []
for i in range(1, 21):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(X_scaled)
    wcss.append(kmeans.inertia_)

plt.plot(range(1,21), wcss, marker='o')
plt.xlabel('簇数')
plt.ylabel('WCSS') 
plt.title('肘部法则确定最佳簇数')
plt.show()

4.2 聚类结果解读

9个簇的临床解释性评分及代表药物：

实操心得：聚类结果需结合中医理论解读。我们发现簇2可解释性低，经核查是该簇包含多种证型的过渡状态药物，后续可通过增加临床症状特征改善聚类效果。

5. 关联规则挖掘

5.1 Apriori算法实现

设置最小支持度0.1，最小置信度0.8，挖掘中药配伍规律：

python复制from mlxtend.frequent_patterns import apriori
from mlxtend.frequent_patterns import association_rules

# 创建药物共现矩阵
herb_cooccurrence = pd.crosstab(index=df['处方ID'], columns=df['中药名称'])

# 挖掘频繁项集
frequent_itemsets = apriori(herb_cooccurrence, min_support=0.1, use_colnames=True)

# 生成关联规则
rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.8)

# 筛选提升度>1的有效规则
significant_rules = rules[rules['lift'] > 1].sort_values('confidence', ascending=False)

5.2 关键规则分析

支持度TOP5规则：

这些规则揭示了临床常用药对，如"茯苓-陈皮-半夏"组合源自经典方剂二陈汤，适用于痰湿型胃炎。

6. Resblock优化BP神经网络

6.1 模型架构设计

python复制import torch
import torch.nn as nn

class ResBlock(nn.Module):
    def __init__(self, in_channels):
        super().__init__()
        self.linear1 = nn.Linear(in_channels, in_channels*2)
        self.linear2 = nn.Linear(in_channels*2, in_channels)
        self.lrelu = nn.LeakyReLU(0.1)
        
    def forward(self, x):
        residual = x
        out = self.linear1(x)
        out = self.lrelu(out)
        out = self.linear2(out)
        out += residual
        return self.lrelu(out)

class HerbPredictor(nn.Module):
    def __init__(self, input_dim, output_dim):
        super().__init__()
        self.resblock1 = ResBlock(input_dim)
        self.resblock2 = ResBlock(input_dim)
        self.fc = nn.Linear(input_dim, output_dim)
        self.sigmoid = nn.Sigmoid()
        
    def forward(self, x):
        x = self.resblock1(x)
        x = self.resblock2(x)
        return self.sigmoid(self.fc(x))

模型特点：

• 双Resblock结构缓解梯度消失
• LeakyReLU激活函数避免神经元死亡
• Sigmoid输出层适配多标签分类

6.2 训练与评估

采用二折交叉验证，关键指标：

避坑指南：低频药物预测效果差的问题，我们采用以下解决方案：

1. 样本加权：根据频次倒数调整损失函数权重
2. 数据增强：基于关联规则生成合成样本
3. 分层抽样：确保每折包含各类药物

7. 临床应用建议

基于研究结果，我们开发了临床辅助决策模块的工作流程：

1. 症状输入：医师录入患者主要症状（如"胃痛、嗳气"）
2. 证型推断：模型输出可能的证型分布（如"肝气犯胃 65%"）
3. 药物推荐：
   • 核心药物：根据频数分析推荐高频药物
   • 配伍建议：基于关联规则推荐常用药对
   • 个性调整：结合聚类结果提供不同证型的特色用药

实际应用中发现，该系统可缩短年轻医师的处方决策时间约40%，同时使处方配伍合理性提升28%（基于专家评审结果）。

8. 局限性与改进方向

当前研究的不足之处：

1. 数据局限性：样本来自两家医院，可能存在地域偏倚
2. 特征工程：未充分挖掘症状时序关系和轻重程度
3. 模型解释性：神经网络决策过程仍为"黑箱"

后续优化计划：

• 建立多中心协作网络，扩大数据来源
• 引入图神经网络捕捉药物相互作用
• 开发SHAP等可解释性工具辅助临床理解

所有代码和数据处理流程已开源，研究者可基于实际需求调整参数。特别提醒，临床应用前需在当地数据上进行验证性训练，以适配不同地区的用药习惯差异。