決策樹原理應(yīng)用于中醫(yī)證候?qū)W研究*

趙鐵牛 ，楊曉南 ，王惠君 ，于春泉 ，孟靜巖

（1.天津中醫(yī)藥大學(xué)中醫(yī)學(xué)院，天津 300193；2.天津市紅橋區(qū)中醫(yī)醫(yī)院內(nèi)科，天津 300132）

中醫(yī)辨證是醫(yī)師在錯(cuò)綜復(fù)雜的臨床表現(xiàn)中通過望、聞、問、切四診和各種辨證等手段收集信息，綜合分析，辨清疾病特異病因、病理變化、發(fā)生發(fā)展規(guī)律，透過現(xiàn)象找出疾病的本質(zhì)，抓住病變的根本機(jī)制，做到治病求本，使辨證治療更具有針對(duì)性。在一定意義上，證候的診斷是一個(gè)在多種方案中如何進(jìn)行選擇決策的問題。決策樹解決的核心問題就是數(shù)據(jù)分類，根據(jù)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中。在實(shí)際應(yīng)用過程中，決策樹可以分析定性數(shù)據(jù)的各種屬性，找出最有分辨能力的屬性，把數(shù)據(jù)庫劃分為多個(gè)子集，直到所有子集包含同一類型的數(shù)據(jù)，最后得到的決策樹能對(duì)新的例子進(jìn)行分類，并預(yù)測(cè)新數(shù)據(jù)將屬于哪一個(gè)組[1]。這樣，決策樹不僅可以從臨床診斷數(shù)據(jù)中辨析證候與癥狀間的復(fù)雜關(guān)系，總結(jié)歸納中醫(yī)專家的辨證規(guī)律并模擬其診斷推理過程，還可能發(fā)現(xiàn)客觀有用的新知識(shí)以豐富專家經(jīng)驗(yàn)和中醫(yī)理論[2]。筆者對(duì)決策樹的基本原理、可行性分析、應(yīng)用研究現(xiàn)狀、存在的問題及今后的發(fā)展趨勢(shì)進(jìn)行總結(jié)和分析，為中醫(yī)證候診斷提供有力的工具。

1 決策樹的基本原理

決策樹算法在1966年由Hunt EB等人首次提出了概念學(xué)習(xí)系統(tǒng)（CLS）學(xué)習(xí)算法[3]。決策樹運(yùn)用信息論知識(shí)原理對(duì)獲取到樣本的眾多屬性進(jìn)行解析和歸納，并最終形成一種類似于流程圖的樹型結(jié)構(gòu)。樹型結(jié)構(gòu)節(jié)點(diǎn)為樣本的屬性，分支為屬性取值，其中樹的根結(jié)點(diǎn)為樣本中信息量最大的屬性，樹的中間節(jié)點(diǎn)則為每個(gè)子樹包含子集樣本中信息量最大的屬性，將樣本類別取值作為樹的葉節(jié)點(diǎn)。從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的一條路徑形成一條分類規(guī)則。決策樹從節(jié)點(diǎn)來尋找分枝定類的思想就是逐步找到更具有確定類別意義的節(jié)點(diǎn)。其思路是找出最有分辨力的屬性，把數(shù)據(jù)庫劃分為許多子集，然后對(duì)每一個(gè)子集遞歸調(diào)用分枝過程，直到所有子集包含同一類型的數(shù)據(jù)，最后得到的決策樹能對(duì)新的例子進(jìn)行分類[4]。決策樹是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法，它著眼于從一組無次序、無規(guī)則的數(shù)據(jù)中，根據(jù)不同的特征，以樹型結(jié)構(gòu)表示分類或決策集合，產(chǎn)生規(guī)則和發(fā)現(xiàn)規(guī)律，通常用來形成分類器和預(yù)測(cè)模型，可以對(duì)未知數(shù)據(jù)進(jìn)行分類或預(yù)測(cè)等，主要解決實(shí)際應(yīng)用中分類問題，簡(jiǎn)單來說，就是確定對(duì)象屬于哪個(gè)預(yù)定義的目標(biāo)類[5]。決策樹常見的分類算法有ID3、C4.5、IBLE、CART、SLIQ 和 SPRINT 等[6]。

決策樹算法構(gòu)造決策樹來發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)涵的分類規(guī)則。如何構(gòu)造精度高、規(guī)模小的決策樹是決策樹算法的>核心內(nèi)容。構(gòu)造決策樹分兩步：1）根據(jù)訓(xùn)練數(shù)據(jù)集來構(gòu)建決策樹模型。實(shí)際上是一個(gè)從數(shù)據(jù)中獲取知識(shí)，進(jìn)行機(jī)器學(xué)習(xí)的過程。樹代表訓(xùn)練樣本的單個(gè)根節(jié)點(diǎn)開始，使用分類屬性，遞歸地通過選擇相應(yīng)的測(cè)試屬性來劃分樣本，一旦一個(gè)屬性出現(xiàn)在一個(gè)節(jié)點(diǎn)上，就不在該節(jié)點(diǎn)的任何后代上出現(xiàn)，測(cè)試屬性是根據(jù)某種啟發(fā)信息或者是統(tǒng)計(jì)信息來進(jìn)行選擇。2）決策樹的剪枝。對(duì)上一階段生成的決策樹進(jìn)行檢驗(yàn)、校正和修下的過程，主要是用測(cè)試數(shù)據(jù)集中的數(shù)據(jù)校驗(yàn)決策樹生成過程中產(chǎn)生的初步規(guī)則，將那些影響預(yù)測(cè)準(zhǔn)確性的分枝剪除。剪枝后的樹變小、復(fù)雜度降低，在正確地對(duì)獨(dú)立檢驗(yàn)數(shù)據(jù)分類時(shí)效果更快更好[7]。

2 可行性分析

2.1 證候數(shù)據(jù)的特點(diǎn)符合決策樹分析的資料要求 醫(yī)師在辨證過程中，摻雜了過多的主觀因素，證候辨識(shí)缺乏客觀、統(tǒng)一的標(biāo)準(zhǔn)，信息的不完整，給中醫(yī)診斷等造成諸多困難。中醫(yī)學(xué)數(shù)據(jù)復(fù)雜多樣，主要以定性為主，包括二分類變量、名義型變量和有序分類變量，還有一些數(shù)據(jù)屬于連續(xù)性變量；包含了大量的關(guān)于患者的病史、診斷等的臨床信息。ID3算法中要求的數(shù)據(jù)是定性數(shù)據(jù)，在中醫(yī)證候研究中，如果出現(xiàn)連續(xù)性數(shù)據(jù)，就不能直接使用決策樹算法進(jìn)行分類。而C4.5算法不僅繼承了ID3算法的>全部?jī)?yōu)點(diǎn)，還增加了對(duì)連續(xù)數(shù)據(jù)離散化等功能。這樣，決策樹可以同時(shí)處理大量的分類變量、有序變量。當(dāng)遇到連續(xù)性變量時(shí)，需要轉(zhuǎn)化為分類變量、有序變量，但可能會(huì)導(dǎo)致有重要意義的數(shù)據(jù)信息不能完整體現(xiàn)出來。

2.2 決策樹為證候?qū)W研究提供決策工具 決策樹對(duì)中醫(yī)證型研究的數(shù)據(jù)進(jìn)行了探索性分析，得到對(duì)證型鑒別診斷具有重要意義的因素，并對(duì)其重要性進(jìn)行了量化；建立的決策樹能夠較好地對(duì)新病例進(jìn)行判別。決策樹以樹形圖的形式表達(dá)中醫(yī)證候分類結(jié)果，分類規(guī)則比較直觀，且易于理解。在眾多的分類方法中，決策樹歸納分析具有易于提取顯式規(guī)則、計(jì)算量相對(duì)較小、可以顯示重要的決策屬性和較高的分類準(zhǔn)確率等優(yōu)點(diǎn)[8]。在明確顯示對(duì)分類或預(yù)測(cè)有意義的證候信息的同時(shí)，還能生成一些用于分類的規(guī)則，準(zhǔn)確地預(yù)測(cè)新病例的證型。

3 應(yīng)用現(xiàn)狀

3.1 決策樹在中醫(yī)辨證中的應(yīng)用 運(yùn)用決策樹統(tǒng)計(jì)方法對(duì)中醫(yī)證型研究的數(shù)據(jù)進(jìn)行了探索性分析，得到對(duì)證型鑒別診斷具有重要意義的因素，并對(duì)其重要性進(jìn)行了量化；建立的決策樹能夠較好地對(duì)新的樣本進(jìn)行判別。鐘穎等[9]利用決策樹方法，以名老中醫(yī)治療慢性胃炎病歷信息為對(duì)象，從病歷中篩選出辨證為“中虛氣滯”的病歷，從涉及的77種癥狀中篩選出的18個(gè)變量，構(gòu)建能夠判斷癥狀與辨證“中虛氣滯”關(guān)系的決策樹，得出一些對(duì)于目標(biāo)屬性有重要意義的癥狀。如：舌苔和舌質(zhì)顏色、苔質(zhì)的情況，大便便次異常的情況，噯氣、胃脘疼痛的性質(zhì)等，指導(dǎo)中醫(yī)治療慢性胃炎臨床診斷，建立了較為令人滿意的預(yù)測(cè)模型。賀憲民等[10]利用熵的決策樹方法，通過從80個(gè)變量中選出了對(duì)判別的重要性排在前24位的變量實(shí)現(xiàn)對(duì)慢性胃炎脾胃濕熱型、濕濁中阻型、脾胃虛弱型、肝郁氣滯型和其他證型共5個(gè)證型的鑒別診斷，決策樹對(duì)訓(xùn)練集和校驗(yàn)集的87.64%和85.45%，對(duì)檢驗(yàn)集的正確分類率為83%，建立的決策樹能夠較好地對(duì)新的樣本進(jìn)行判別，從而為慢性胃炎的辨證施治提供客觀的依據(jù)。廖曉威等[11]利用增強(qiáng)型ES-ID3決策樹算法對(duì)專家已分類的300例樣本進(jìn)行模型訓(xùn)練，利用增強(qiáng)型ES-ID3決策樹算法和經(jīng)典ID3決策樹算法對(duì)300例訓(xùn)練樣本的67個(gè)中醫(yī)癥狀和體征屬性進(jìn)行分類計(jì)算的比較，經(jīng)典ID3決策樹算法對(duì)肝病數(shù)據(jù)的肝腎不足、肝腎陰虛、肝郁脾虛、脾腎陽虛、濕熱內(nèi)蘊(yùn)、痰熱內(nèi)蘊(yùn)六大證型進(jìn)行分類的結(jié)果正確率只能達(dá)到50%左右，而增強(qiáng)型ES-ID3決策樹算法的>實(shí)驗(yàn)正確率均超過了70%，不僅得到了令人滿意的分類結(jié)果，所提取的關(guān)鍵屬性集合也更精煉，可以減少醫(yī)務(wù)工作者對(duì)患者所需采集病癥特征的數(shù)目，降低醫(yī)務(wù)工作者的工作量。徐蕾等[12]信息熵的決策樹C4.5算法，篩選出影響中醫(yī)辨證分型的26個(gè)重要因素，主要是苔質(zhì)膩，苔質(zhì)薄，面色，胃脘疼痛性質(zhì)，大便便次異常，胃脘脹，口氣等；產(chǎn)生可用于分類的診斷規(guī)則；建立中醫(yī)辨證模型，預(yù)測(cè)慢性胃炎的中醫(yī)辨證分型，為臨床判斷提供了重要的參考價(jià)值。

3.2 決策樹在證候診斷模型研究中的應(yīng)用 利用決策樹構(gòu)建證候的診斷模型，為將基于經(jīng)驗(yàn)的中醫(yī)辨證轉(zhuǎn)向基于數(shù)據(jù)模型的辨證提供了方法，有助于促進(jìn)證候的客觀化診斷。瞿海斌等[13]利用決策樹從290例血瘀證病例的35個(gè)變量中自動(dòng)地提取相應(yīng)的診斷規(guī)則，得到?jīng)Q策樹分類模型并歸納出血瘀證的診斷規(guī)則。利用該模型對(duì)194例血瘀證病例測(cè)試，其結(jié)果為陽性檢測(cè)正確率、陰性檢測(cè)正確率和檢測(cè)正確率分別達(dá)到97.67%、99.07%和98.45%。實(shí)驗(yàn)結(jié)果表明決策樹能自動(dòng)從中醫(yī)病例中歸納診斷規(guī)則，通過決策樹方法還可判斷各證候?qū)τ谘鲎C診斷的貢獻(xiàn)大小。李梢等[14]聯(lián)合采用Logistic回歸和決策樹對(duì)1004例慢性乙肝患者進(jìn)行證候?qū)W調(diào)查和實(shí)驗(yàn)室檢測(cè)，包括88項(xiàng)癥狀、舌脈象、20項(xiàng)體征和14項(xiàng)實(shí)驗(yàn)室指標(biāo)進(jìn)行數(shù)據(jù)分析，構(gòu)建能夠區(qū)分慢性乙肝患者肝膽濕熱證、肝郁脾虛證的診斷模型，辨證診斷準(zhǔn)確率為74.36%，發(fā)現(xiàn)苔白、淡紅舌、鞏膜黃染、兩目干澀、丙氨酸轉(zhuǎn)氨酶（ALT）和HBeAg是鑒別兩證型的有效指標(biāo)組合，提高模型的診斷準(zhǔn)確率，具有一定的辨證意義，有助于促進(jìn)證候診斷客觀化。謝雁鳴等[15]運(yùn)用決策樹對(duì)確診的520例原發(fā)性骨質(zhì)疏松癥患者的四診信息建立了陰虛和陽虛診斷模型，陰虛決策樹診斷模型以五心煩熱、盜汗和便秘3個(gè)變量為主，訓(xùn)練集的正確診斷率為99.72%，陽虛決策樹診斷模型以畏寒肢冷、大便稀溏、腰膝酸軟、頭暈和氣短5個(gè)變量為主，訓(xùn)練集的正確診斷率為99.87%，表明模型效果較好。

3.3 決策樹在證候變化特征分析中的應(yīng)用 決策樹應(yīng)用于中醫(yī)證候?qū)W研究，探索單一證候變化特征及規(guī)律，探討提高辨證準(zhǔn)確性的途徑和方法，對(duì)數(shù)據(jù)支持下的證候動(dòng)態(tài)辨識(shí)客觀化提供依據(jù)。鄒蔚萌等[16]采用決策樹的CART算法，建立CART決策樹模型，驗(yàn)證各個(gè)屬性的分布情況，揭示了缺血性中風(fēng)病急性期火熱證口臭、起病急驟和發(fā)病后迅速出現(xiàn)的神識(shí)改變的特點(diǎn)，為中醫(yī)證候的動(dòng)態(tài)辨識(shí)提供數(shù)據(jù)支持，初步探索了提高辨證客觀性，提供了證候與四診信息之間關(guān)系定量化的方法和途徑。張明雪等[17]運(yùn)用決策樹方法，歸納出冠心病的主要證候要素（寒、痰、氣、瘀、虛等），可以通過冠心病發(fā)病早期重要指標(biāo)“胸劇痛”、“背劇痛”、“緊脈”、“遲脈”、“手足不溫，厥冷”、“手足不溫，近衣被不緩解”來判定“寒邪”這一證候在冠心病發(fā)病和發(fā)展的過程中起著重要的作用。曲淼等[18]運(yùn)用決策樹方法，歸納出冠心病的主要證候要素（寒、痰、氣、瘀、虛等），可以通過冠心病發(fā)病早期重要指標(biāo)“活動(dòng)較多即感心悸”、“活動(dòng)較多即感氣短”、“稍有活動(dòng)即感心悸”、“無乏力”、“稍有活動(dòng)即感氣短”來判斷“心氣虛”這一證候在冠心病發(fā)病和發(fā)展的過程中起著重要的作用。張華[19]運(yùn)用聚類分析和決策樹模型對(duì)風(fēng)、火、痰、瘀、氣虛、陰虛陽亢6個(gè)證候要素如何動(dòng)態(tài)影響病情輕重進(jìn)行直觀地描述，并給出判斷的正確率，探索缺血性中風(fēng)病急性期證候動(dòng)態(tài)演變特征與神經(jīng)功能缺損程度的相關(guān)性，臨床醫(yī)師根據(jù)患者中醫(yī)證候表現(xiàn)預(yù)測(cè)病情嚴(yán)重程度及預(yù)后提供數(shù)據(jù)支持，為病證結(jié)合的研究模式提供一種思路，為臨證判斷病情和指導(dǎo)治療提供依據(jù)。

3.4 決策樹在分析證病信息與療效的關(guān)系中的應(yīng)用 根據(jù)證病信息之間存在非線性的特點(diǎn)，利用決策樹分析方法分析證病信息與中西醫(yī)療法療效的關(guān)系，符合中醫(yī)辨證論治個(gè)體化診療思想，可以提高治療方案使用的針對(duì)性。查青林等[20]利用決策樹模型分析方法，以療效為分層變量，隨機(jī)將數(shù)據(jù)集分為訓(xùn)練集（占75%）和驗(yàn)證集（占25%），對(duì)確診的活動(dòng)期類風(fēng)濕性關(guān)節(jié)炎中藥治療組病例203例和西藥治療組病例194例的的四診信息、疾病診查信息及治療6個(gè)月后的療效信息進(jìn)行挖掘分析。結(jié)果表明，中藥治療組中晨僵、舌淡紅、關(guān)節(jié)壓痛程度、夜尿多4項(xiàng)觀測(cè)指標(biāo)不同組合患者的中藥治療療效有差異;西藥組中舌苔白、C反應(yīng)蛋白、白細(xì)胞數(shù)量和晨僵4項(xiàng)觀測(cè)指標(biāo)不同組合患者的中藥治療療效有差異。通過分析類風(fēng)濕性關(guān)節(jié)炎證病信息與療效的關(guān)系，從證候信息的角度獲得藥物治療的最佳適應(yīng)證，為實(shí)現(xiàn)個(gè)體化治療提供科學(xué)數(shù)據(jù)。

4 問題與展望

由于中醫(yī)證候研究數(shù)據(jù)訓(xùn)練的樣本含量少或決策樹生成產(chǎn)生重復(fù)的子樹時(shí)，決策樹歸納算法會(huì)出現(xiàn)過度擬合，都會(huì)造成產(chǎn)生的決策樹過大，需要修剪決策樹。另外，在決策樹統(tǒng)計(jì)分析中，變量一旦進(jìn)入模型后無法再?gòu)哪Ｐ椭刑蕹?，在變量的選擇上不靈活。因此，采用后剪枝方法，對(duì)生成的決策樹進(jìn)行剪枝，剔除掉一些不重要的候選屬性，避免過度擬合，使最后的結(jié)果更具有客觀性[21]。

雖然決策樹已經(jīng)被研究者嘗試應(yīng)用到中醫(yī)證候研究領(lǐng)域，但尚處于起步階段。中醫(yī)學(xué)者從臨床證侯診斷數(shù)據(jù)中辨析證候與癥狀間的復(fù)雜關(guān)系，為中醫(yī)辨證提供一定的決策支持作用，具有廣闊的應(yīng)用空間和研究?jī)r(jià)值。決策樹在證候研究領(lǐng)域期待解決問題和研究方向：1）決策樹在證侯診斷應(yīng)用中的算法優(yōu)化；2）決策樹和其他方法結(jié)合在證侯診斷中的應(yīng)用；3）決策樹算法與軟件實(shí)現(xiàn)；4）決策樹在證候診斷應(yīng)用中的簡(jiǎn)化方法篩選?？傊谥嗅t(yī)證候研究的實(shí)際工作中，需要中醫(yī)證候研究人員和統(tǒng)計(jì)分析人員加強(qiáng)合作，根據(jù)數(shù)據(jù)類型的特點(diǎn)及數(shù)據(jù)集的大小，選擇合適的算法和軟件實(shí)現(xiàn)，確保中醫(yī)證候研究的質(zhì)量和效率。

[1]龔燕冰，倪 青，王永炎.中醫(yī)證候研究的現(xiàn)代方法學(xué)述評(píng)（一）－中醫(yī)證候數(shù)據(jù)挖掘技術(shù)[J].北京中醫(yī)藥大學(xué)學(xué)報(bào)，2006，29（12）：797-801.

[2]鄒蔚萌，高宏杰，鄒憶懷.決策樹技術(shù)在中醫(yī)證候?qū)W中應(yīng)用研究思路[J].遼寧中醫(yī)藥大學(xué)學(xué)報(bào)，2011，13（2）：126－128.

[3]劉鶯迎.決策樹分類算法的>分析和比較[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2008，18（2）：65-67.

[4]郭玉濱.決策樹算法研究綜述[J].電腦知識(shí)與技術(shù)，2006（2）：155－160.

[5]范明譯.數(shù)據(jù)挖掘?qū)д揫M].北京：人民郵電出版社，2006.

[6]張 彥，劉暾東，李茂青.基于信息論的決策樹算法探討[J].自動(dòng)化技術(shù)與應(yīng)用，2006，25（1）：4-7.

[7]李玲俐.數(shù)據(jù)挖掘中分類算法綜述[J].重慶師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，28（4）：44－46.

[8]季桂樹，陳沛玲，宋 航.決策樹分類算法研究綜述[J].科技廣場(chǎng)，2007，20（1）：9-12.

[9]鐘 穎，胡雪蕾，陸建峰.基于關(guān)聯(lián)規(guī)則和決策樹的中醫(yī)胃炎診斷分析[J].中國(guó)中醫(yī)藥信息雜志，2008，15（8）：97－99.

[10]賀憲民，孟 虹，王憶勤，等.基于熵的決策樹理論及其在中醫(yī)證型研究中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2004，23（5）：57－62.

[11]廖曉威，馬利莊，王 彥.ES-ID3算法及其在中醫(yī)辨癥中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（32）：191－193.

[12]徐 蕾，賀 佳，孟 虹，等.基于信息熵的決策樹在慢性胃炎中醫(yī)辨證中的應(yīng)用[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2004，21（6）：329－331.

[13]瞿海斌，毛利鋒，王 階.基于決策樹的血瘀證診斷規(guī)則自動(dòng)歸納方法[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2005，24（6）：709－711.

[14]李 梢，張寧波，李志紅，等.慢性乙型肝炎患者肝膽濕熱證和肝郁脾虛證的決策樹診斷模型初探[J].中國(guó)中西醫(yī)結(jié)合雜志，2009，29（11）：993-996.

[15]謝雁鳴，朱蕓茵，葛繼榮，等.基于臨床流行病學(xué)調(diào)查的原發(fā)性骨質(zhì)疏松癥中醫(yī)基本證候研究[J].世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化，2007，9（2）：38-44.

[16]鄒蔚萌，崔方圓，龍子弋，等.基于數(shù)據(jù)挖掘的缺血性中風(fēng)火熱證變化特征分析[J].遼寧中醫(yī)雜志，2011，38（6）：1042－1044.

[17]張明雪，曹洪欣，常艷鵬，等.論“寒邪”在冠心病發(fā)病中的作用[J].中醫(yī)藥學(xué)報(bào)，2009，37（3）：1－4.

[18]曲 淼，張明雪，張 蘭，等.論“心氣虛”在冠心病發(fā)病中的作用[J].中華中醫(yī)藥學(xué)刊，2010，28（2）：282-285.

[19]張 華.使用決策樹從中醫(yī)證候量表評(píng)分判斷缺血性中風(fēng)神經(jīng)功能缺損程度[J].遼寧中醫(yī)雜志，2008，35（9）：1317-1319.

[20]查青林，何羿婷，喻建平，等.基于決策樹分析方法探索類風(fēng)濕性關(guān)節(jié)炎證病信息與療效的相關(guān)關(guān)系[J].中國(guó)中西醫(yī)結(jié)合雜志，2006，26（10）：871-876.

[21]張 林，張 昊.決策樹算法分析及其在實(shí)際應(yīng)用中的改進(jìn)[J].銅陵學(xué)院學(xué)報(bào)，2010，9（6）：71-72.