基于病例大数据的中医“治未病”机器学习方法

王梓民

摘要    本文采用贝叶斯网络对“未病人群”健康检查数据进行及时准确的分析，依据病例大数据，构建机器学习模型，推进健康医疗大数据的应用，从而科学的评估自身健康状况及存在风险，合理的管理健康指标，并及时进行健康干预。本研究提出的方法在一定程度上提高了量化评估结果，缩短建模时间，使临床医生针对特定人群制定相应策略;提高医生工作效率，使新型中医诊疗方法不断继承、创新、发展。

【关键词】中医治未病 贝叶斯算法 病例大数据 机器学习

“上工（医）治未病”最早源自于古典医籍《黄帝内经》。中医“治未病”作为一个中国几千年前就已经提出的概念，不仅彰显了中国传统文化的最高智慧，更体现了中国古代劳动人民对生命的深切关怀和对生命本质的探究。

“治未病”主要思想是医患双方均采取积极主动的措施防止疾病发生、发展、复发，即未病先防、既病防变和瘥后防复。“未病”即现代医学中的亚健康，是指人体处于健康和疾病之间的一种状态，但不符合现代医学有关疾病的临床或亚临床诊断标准。

贝叶斯网络又称信念网络或是有向无环图模型，是一种概率图型模型，是贝叶斯算法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。一个贝叶斯网络是一个有向无环图（DirectedAcyclicGraph，DAG），由代表变量节点及连接这些节点有向边构成。节点代表随机变量，节点间的有向边代表了节点间的互相关系（由父节点指向其子节点），用条件概率进行表达关系强度，没有父节点的用先验概率进行信息表达。节点变量可以是任何问题的抽象，如：测试值，观测现象，意见征询等。适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种控制因素的决策，可以从不完全、不精确或不确定的知识或信息中做出推理。

利用贝叶斯网络实现“治未病”健康普查，构建治未病检测平台，通过患者将自己的实际情况通过终端录入数据库，利用贝叶斯网络对采集到的患者数据进行对比融合，达到在没有医疗专家干预的情况下，结合以往病例和获取的患者数据对其健康状态进行评估，提醒患者一些注意事项或及时就医等等。见图1。

1 中医治未病机器学习模型相关技术研究现状与发展

1.1 治未病研究现状

中医“治未病”思想对亚健康防治包括两层含义：从健康到亚健康的预防和从亚健康到疾病的预防即所谓“未病先防”和“既病防变”。同时他还制定出干预亚健康“治未病”四部曲：

（1）精神调养;

（2）合理饮食;

（3）强身健体;

（4）科学用药。

治未病思想在臨床实践中应用广泛，一些医院治未病中心发展已取得一定的成绩，但仍不能满足居民需求。“治未病”的预防学思想为亚健康的干预指明了方向，要预防亚健康状态的出现，人应学习顺应自然规律，养成良好的生活习惯。由上可见，“治未病”理论与现代医学亚健康的防治有异曲同工之妙，为亚健康的诊断与治疗提供了理论与实践基础。美国疾病控制中心将亚健康人群定义为慢性疲劳综合征。

1.2 病例大数据应用医疗领域现状

随着医疗卫生信息系统和高通量测序等医学诊断技术的高速发展，医疗健康领域正逐步迈入“大数据时代”。医疗大数据包括居民行为健康等基本数据、电子病历、诊疗数据、检测报告、医学影像、经济数据等。美国在2014年6月FDA公共数据开放项目openFDA正式上线，同时也制定了一系列的标准和要求，以保护隐私和跨系统数据交换安全;英国在2013年启动了医疗健康大数据旗舰平台care.date;加拿大在借助移动大数据和互联网技术建立覆盖全国的电子健康档案、建立统一识别系统以及基础架构和标准的研究。我国2006年始开始建设区域卫生信息平台，整合区域范围内医疗机构各类数据，通过十多年的探索在医疗健康大数据方面已经初步具备了基础和规模，如上海率先建设了国内规模最大的三级医院临床信息共享工程——上海医联工程;2015年国务院和国家卫生计生委等有关部门，陆续发布了一系列指导性文件，为医疗大数据的发展提供了良好的政策环境。

2 系统功能模块设计

本系统的功能模块主要包括以下内容：

（1）数据采集：当亚健康人群和患者进行健康问卷调查时，系统会自动将数据存进数据库中，为系统分析出的数据增加可信度。

（2）健康状态辨识及风险评估：建立模型收集个人健康信息与病例大数据对比分析，利用机器学习方法对个人或群体的健康状况进行量化评估及风险评估。

（3）数据统计与分析：机器自动学习，用适当的统计方法，对病例大数据进行分析，提取有用信息形成结论，使临床医生针对特定人群制定相应策略。

（4）健康咨询与指导：整合以往病例得出健康指数与生活饮食习惯的关系，结合实际情况为人们解答健康问题，帮助评估对象了解自身真实健康状况，指导其改变或修正不健康的行为;帮助人们避免消除心理、生理及社会各种非健康因素的影响，以促进身心健康。

（5）健康干预：机器对以往病例进行自动分析，获得普遍规律，并利用规律对未知数进行预测，对健康进行干预，变被动的疾病治疗为主动的疾病防控。形成了针对三大医疗人群（未病先防，既病防变，瘥后防复）、制定和运用五大处方（运动、教育、药物、心理、戒除不良嗜好）的整体模式，使其有计划、有步骤的精准实施。提高医生工作效率;为政府机构的决策提供精准数据。

3 应用方法及示例

3.1 大数据

大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。其具有五种特点（IBM提出）：大量、高速、多样、低价值密度、真实性。数据挖掘，它是数据库知识发现（KDD）中的一个步骤。

3.2 贝叶斯算法

贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。贝叶斯算法基本公式：

其中：P（B）是B的先验概率或边缘概率，不用考虑A方面的任何因素;P（B|A）是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率;P（A）是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率;P（A）是A的先验概率或条件概率，也称作标准化常量。

3.3 贝葉斯网络示例

如图2所示是一个简单的治未病贝叶斯网络示例（以2型糖尿病为例），根据节点及其相互关系、条件概率，贝叶斯网络就可以表达网络中所有节点的概率，并能根据先验概率和节点计算出后验概率和其他节点的概率值。表1为图2对应的条件概率表。

3.4 构建治未病危险因素贝叶斯分析模型示例（以2型糖尿病为例）

如图3所示，其中15个节点分别为1、年龄;2、身高体重（标准：男性标准体重=身高（cm）-105;女性标准体重=身高（cm）-100））;3、运动;4、家族史;5、血脂（标准：总胆固醇：2.8～5.17mmol/L、甘油三酯：0.56～1.7mmol/L、胆固醇脂：2.8～5.17mmol/L）;6、随机血糖（标准：空腹全血血糖：3.9～6.1毫摩/升、餐后1小时：6.7-9.4毫摩/升、餐后2小时：≤7.8毫摩/升）;7、空腹血糖;8、餐后2h血糖;9、葡萄糖剂量检测;10、糖化血红蛋白检测;11、尿常规;12、尿微量白蛋白测定;13、眼底;14、胰岛素释放试验;15、是否患有糖尿病。

4 结果

本项目预期结果，预计系统走入医院、社区，虽然在个别医院已经有类似“智慧医疗”的便民系统，但是这种“智慧医疗”有两点不足：一是只能在医院内部使用;二是中医“智慧医疗”市场占有率微乎其微。我们的系统改善了这两点不足，数据库的数据进一步完善和累加，大大增加系统估算的准确率，也加强了互联网与传统中医之间的联系。

5 结束语

2016年10月25日，中共中央、国务院印发《“健康中国2030”规划纲要》，其主题是“以促进健康为中心，健康优先、共建共享、预防为主，全方位、全周期维护人民健康，提高全民人均健康预期寿命、主要健康指标和总体健康水平”。

世界各国医疗保健战略逐步从疾病主导型向健康主导型转变。当前疾病谱出现的变化，西药的毒副作用明显，药源性、医源性疾病的防控，以及器质性、慢性非传染性疾病日增，新型流行性、传染性疾病不断出现;医药科技的局限，环境污染的危害，生理和精神亚健康，医疗保健费用负担巨增。世界卫生组织指出，健康不仅是躯体没有疾病，还要心理健康、社会适应良好和有道德。修补医学的缺陷日益凸显，现代医学模式正由生化医学向“生物—心理—社会—环境”模式转变。推行中西医并重，充分发挥中医治未病的独特优势，为群众提供中医健康咨询评估、干预调理是新型中医学领域不断继承与创新的发展方向。

参考文献

[1]A. N. Terent' yev and P. I. Bidyuk. METHOD OF PROBABILISTIC INFERENCE FROM LEARNING DATA IN BAYESIAN NETWORKS. Cybernetics and Systems Analysis，2007，391-396.

[2]王琦.中医治未病解读[M].北京：中国中医药出版社，2007，108-118.

[3]王丹.治未病理论应用及发展现状研究进展[J].中国保健营养（中旬刊），2012（08）：568-569.

[4]王超，高祺.亚健康态的中医理论基础[J].中华中医药学刊，2007，25（10）：2143.

[5]何以蓓，寿芳，张秀峰.亚健康的中医认识及防治措施[J].浙江中医学院学报，2001，25（06）：13-14.

[6]史鸣奇.大数据在健康医疗领域的应用发展研究[J].科技视界，2017（07）：11-12+22.

[7]胡大一.中国心脏康复的现状与发展思路[J].中国实用内科杂志，2017，37（07）：581-582.

[8][英]Viktor Mayer-Schönberger.大数据时代（Big Data：A Revolution That Will Transform How We Live，Work， and Think）.浙江人民出版社，2012（12）.

[9]朱雪彤，钱秀娟，孙薇薇，侯宪春，陈广生，王永利.面向普适健康监测的心脏病分析方法[J].计算机工程与应用，2018，54（01）：159-165+203.