文本挖掘探索再生障碍性贫血证药相应规律＊

张志华，姜 淼，郑 光、3，吕 诚，郭洪涛，吕爱平△

(1.郑州市中医院肿瘤血液科，郑州 450007;2.中国中医科学院中医临床基础医学研究所，北京 100700;3.兰州大学信息学院，兰州 730000)

再生障碍性贫血(aplastic anemia，AA，以下简称“再障”)是血液系统中较为常见的难治性疾病，病因尚不明确，主要以骨髓造血功能衰竭、外周血全血细胞减少为特征，属中医学“血证”、“血虚”、“虚劳”范畴。中医药配合西药治疗再障为临床常用方案，中西医治疗再障的文献在医学文献数据库中已经大量存在。本文利用课题组逐渐成熟的文本挖掘技术[1]，探索再生障碍性贫血证药相应规律。

1 材料与方法

1.1 文本数据收集

在中国生物医学文献数据库(Chinese Bio Medical Literature Database，CBM，http:∥sinomed.cintcm.ac.cn/index.jsp)中以“缺省[智能]:”状态下检索“再生障碍性贫血”，共得到文献6715篇(2011年12月19日检索)，依次下载所有文献并保存。

1.2 本数据处理

将收集来的数据，按照下载的先后顺序整合到一个平面文件(后缀txt)中，以ANSI编码格式保存。然后，利用专有的文本提取工具(软件著作权，软著登字第0261882号，登记号2010SR073409)，对下载的非结构化txt文本数据进行信息提取，保存成格式化的、便于大型关系型数据库(Microsoft SQL Server，以下简称SQL)处理的格式，然后导入SQL中进行下一步的挖掘分析。假设每篇文献的贡献度是相同的，1篇文献中重复出现的关键词只需要计算1次，据此构建基于敏感关键词频数统计的数据分层算法进行数据清洗工作[1]。清洗完毕后的数据，既可以提取挖掘对象的一维频次，也可以得到挖掘对象的二维关系，并进行可视化呈现。抽出不同频次的关键词对，用Cytoscape 2.8免费软件(http://www.cytoscape.org/)进行可视化处理，形成可视化的网络图，然后结合专业知识进行解析。一旦发现不合理的结果，即回溯原文献数据集，如果是噪音，仍按算法进行噪音清洗，直至噪音降到满意为止。最后的结果可视化成图，结合专业知识进行解析。

2 再生障碍性贫血文本挖掘结果的评析

2.1 证候文本挖掘结果

文本挖掘共提取到45个证型，选择前15个列出(括号内为文献篇数，以下同):肾阳虚(77)、肾阴虚(67)、脾肾阳虚(22)、阴阳两虚(22)、肾阴阳两虚(15)、肝肾阴虚(12)、肝血虚(7)、肝血虚证(7)、血虚证(7)、肾阳虚证(6)、气血两虚(6)、阳虚证(6)、阴虚证(5)、脾肾亏虚(4)、肾阴虚证(4)。由于构建词表及挖掘词的包含关系，出现以上结果重复的现象，挖掘词越短，挖掘到的频次越高。结果基本反映了再障证候的特征，肾阳虚、肾阴虚最多，其次为肝阴虚、肝血虚。

进而构建再障证候两两之间网络关系图(图1):图中圆圈内为证型名称，连线代表证候两两之间的联系。证候的连线愈多，代表该证型与疾病的关联程度越高，越处于核心的位置;圆圈越大，代表该证型在文献中出现的频次越高，其权重越大。

图1 再生障碍性贫血中医证候网络图

文本挖掘共提取到84项证候组合，图1为所有证候参与构建的网络图。图1显示，肾阴虚、肾阳虚、阴阳两虚的圆圈最大，其相应的文献频次最高。其中肾阳虚－肾阴虚的频次为61。左侧椭圆外侧为阳虚证候，包括肾阳虚、脾肾阳虚及重复的证候;右侧椭圆为阴虚证候，包括肾阴虚、肝肾阴虚、心肾阴虚及重复的证候。两个椭圆交汇于阴阳两虚等证候。综合来看，再障主要与虚证相关，涉及阴、阳;相关脏腑以肾为主，涉及心、脾、肝。

2.2 症状文本挖掘结果

文本挖掘再障得到的症状，既包含西医临床，也包含中医临床报告的症状。结果共提取到症状92项，选择前15项列出:发热(152)、乏力(77)、功能障碍(33)、头晕(30)、恶心(29)、呕吐(24)、疱疹(24)、畸形(22)、溃疡(21)、瘀斑(21)、面色苍白(20)、纳差(17)、头痛(16)、压痛(16)、咳嗽(15)。回溯原文献，发现其中“功能障碍”为凝血或造血功能障碍;“疱疹”为疱疹病毒，与发病原因相关;“畸形”大多与先天遗传相关性躯体畸形有关;“溃疡”多与口腔、消化道溃疡相关;“压痛”多与胸骨压痛的阳性或阴性相关，是一项诊断性指标。分析以上症状可知，再障是一种以发热、乏力等消耗性症状为主的疾病。

进一步文本挖掘共提取到603项症状组合，构建症状网络图如下。

图2显示，发热、乏力、头晕(头昏、头痛)等为频次较高的症状。其他主要涉及恶心、呕吐、纳差、腹胀、腹痛等消化系统症状(椭圆内)，回溯原文献，发现消化系统症状多为治疗再障的副反应或者无此症状，因此该系统的症状大部分应视为噪音;循环系统(左上方框内)多出现心慌、心悸、胸闷等供血不足的症状;出血症状(右中方框内)以瘀斑、咯血、鼻衄、溃疡等为主;关节症状(左下方框内)以关节的肿、痛为主，如果出现“(胸骨)压痛”与本病相关性大;呼吸系统(右上方框内)以咽痛为常见症状，回溯原文献发现咳嗽、咳痰等为少见症状;中医望诊、舌诊(右下方框内)主要表现为面白、颜面(或下肢)浮肿、舌淡、苔腻等。

图2 再生障碍性贫血症状网络图

综上，再障发病过程中发热、乏力、头晕为核心症状，瘀斑、鼻衄出血、面色苍白、关节疼痛等为常见症状。

2.3 中药文本挖掘结果

图3 再生障碍性贫血中药网络图

文本挖掘共提取到相关中药名称102个，选择前15个排序:皂矾(41)、黄芪(36)、当归(29)、人参(23)、生地黄(23)、熟地黄(16)、阿胶(15)、雷公藤(12)、鸡血藤(9)、川芎(9)、菟丝子(9)、薏苡仁(8)、枸杞子(8)、白术(7)、补骨脂(7)。其中皂矾、雷公藤为异常项，回溯原文献发现，“皂矾”大多为中成药复方皂矾丸，很少作为中药饮片使用;“雷公藤”大多为中成药雷公藤多苷(甙)片，其应用既有治疗再障的文献报道，又有导致再障的案例报告，因此雷公藤制剂是把双刃剑，在使用时应谨慎。通过降噪，再障中药以黄芪、当归、人参、生(熟)地黄、阿胶、鸡血藤等为核心药物，这些药物以补气补血益肾为主。

文本挖掘共提取到中药组合591项，构建中药网络图如下。图3显示，黄芪、当归、生(熟)地黄频次最高，为治疗再障的核心药物，其他阿胶、白术、枸杞子、菟丝子、女贞子、茯苓次之。挖掘到的药物按功能区分:(1)血分药:补血活血药(左上椭圆)最多，补血药以当归、熟地黄、阿胶为核心，活血药以鸡血藤、桃仁、红花为核心;止血药(左下椭圆)以仙鹤草、三七、茜草、白茅根、侧柏叶常用;清热凉血药(右中椭圆)以生地黄、玄参为常见;(2)补气药(下中方框):黄芪、白术、党参、太子参为核心，茯苓健脾;(3)补阳药(右上方框):以菟丝子、补骨脂、鹿角胶为核心;(4)补阴药:以枸杞子、女贞子、墨旱莲、黄精为核心。归纳以上用药，再障的中药治疗以补血补气为主，补阴补阳为辅，总之以补虚为再障治疗的主线。

3 讨论

文本挖掘(Text Mining)技术是以统计数理分析、计算语言学为理论基础，服务于医药、生物、文献研究等学科的新兴交叉学科[2]。应用于中医药领域，文本挖掘能从海量的中医药文献中发现知识，以促进中医临床研究和中药复方研发等多个方面。根据中医理论或专业知识，计算机挖掘中医药文献库与生物医学信息库的非关联知识为中西医结合研究提供了新的思路和途径，其结果更加客观、可重复性强[3]。

本研究针对从CBM收集到相关再障的6715篇文献，采用课题组逐渐成熟的文本挖掘技术[1]，结合回溯原文献，人工阅读降噪，对再障从证候、症状、中药规律方面进行挖掘，挖掘的结果既看到它们在文献中的频次，又可以发现它们各自在关联网络中的分布规律。从挖掘的结果来看，再障是一种主要与虚证相关，涉及阴、阳，相关脏腑以肾为主，涉及心、脾、肝为主的疾病;其发病过程中，发热、乏力、头晕为核心症状，常见瘀斑、鼻衄出血、面白、关节疼痛或浮肿等症状;其中药治疗以补虚为核心，包括补血补气为主，补阴补阳为辅。证候-症状-中药3个方面互相呼应和印证，基本反映了再障这种疾病的证药相应规律。

文本挖掘的结果全部参与网络关系图的构建，更加全面地反映了临床研究的现状。回溯原文献和人工阅读评价，使得结果更加客观。如图3左下角的金银花、黄柏、艾叶、苦参、花椒形成1个小的子网络，回溯再障数据集发现，该文献是研究者对白血病及再生障碍性贫血伴发肛周感染患者在全身治疗的同时，应用该方熏洗肛门局部，治疗痔、慢性肛裂、肛周脓肿等感染[4]。一维频次和二维网络图，从不同角度显示挖掘对象在文献数据集中的分布，均有不同的意义。如中药结果中，一维频次中皂矾最高，文献溯源发现其大多为复方皂矾丸;而在二维网络中就很低，这是因为皂矾很少参与二维网络图的构建。因此，通过这种优化的文本挖掘组合，能够比较客观地总结中医病、证、药的规律，也为中医客观化以及中医临床提供有益的参考。

[1]G Zheng，M Jiang，X He，et al.Discrete derivative:a data slicing algorithm for exploration of sharing biological networks between rheumatoid arthritis and coronary heart disease[J].BioData Min，2011，4:18.

[2]薛为民，陆玉昌.文本挖掘技术研究[J].北京联合大学学报(自然科学版)，2005，19(4):59-63.

[3]S Li，ZQ Zhang，LJ WU，et al.Understanding ZHENG in traditional Chinese medicine in the context of neuro-endocrineimmune network[J].IET Syst Biol，2007，1(1):51-60.

[4]祝颂，李长阳.中西医结合治疗血液病伴发肛周感染[J].实用中西医结合杂志，1997，10(7):657-658.