中医证型关联规则挖掘

• 背景与挖掘目标

在医学上，癌是指起源于上皮组织的恶性肿瘤，是恶性肿瘤中最常见的一类。相对应的，起源于间叶组织的恶性肿瘤统称为肉瘤。有少数恶性肿瘤不按上述原则命名，如肾母细胞瘤、恶性畸胎瘤等。一般人们所说的“癌症”习惯上泛指所有恶性肿瘤。应用中医药治疗癌症已成为公认的综合治疗的方法之一，并且中医药治疗乳腺癌有着广泛的适应性和独特的优势。大部分情况下，提升患者的免疫力，进一步减少患者在放疗、化疗过程当中的副反应，确定“先证而治”的方向，为后续治疗打下基础。同时减少手术并发症,有效地提高患者的生存治疗,延长患者生存期。

根据已有数据实现以下目标：

1. 借助数据，挖掘患者的症状与中医证型之间的关联关系
2. 对截断治疗提供依据，挖掘潜性证。

• 分析方法与过程

本文采用问卷调查的方式收集数据，运用数据挖掘技术对搜集的数据进行数据探索与预处理，形成建模数据，采用关联规则算法，挖掘各中医证素与乳腺癌TNM之间的关系。

中医证型关联规则挖掘主要包括以下步骤：

1. 以问卷调查的方式对数据进行收集，并将问卷信息整理成原始数据；
2. 对原始数据集进行数据预处理，包括数据清洗、属性规约、数据变换；
3. 利用数据采用关联规则算法，调整模型输入参数，获取各中医证素与乳腺癌TNM分期之间的关系。
4. 对模型结果进行分析，最后输出关联规则结果。

1. 数据预处理

在收回的问卷中，存在无效的问卷，为了便于分析，需要对其进行处理。如图8-2所示。

1. 属性规约

1. 数据变换

由于Apriori关联规则算法无法处理连续型数值变量，为了将原始数据格式转换成合适建模的格式，需要对数据进行离散化。

原始数据集经过数据预处理后，形成建模数据如8-15所示。

1. 中医证型关联规则模型

首先设置建模参数最小支持度、最小置信度，输入建模样本数据。然后采用Apriori关联规则算法对建模的样本数据进行分析，通过模型参数设置的最小支持度、最小置信度以及分析目标作为条件，如果所有的规则都不满足条件，则需要重新调整模型参数，否则输出关联规则结果。本文选取的输入参数为：最小支持度为6%、最小置信度75%。

1. 模型分析

由表8-16分析可以得到如下结论：

1. A4、3→H4支持度最大，达到7.85％，置信度最大，达到87.96％，说明肝气郁结证型系数处于[0.259，0.35]和肝肾阴虚证型系数处于[0.355，0.607]范围内，TNM分期诊断为H4期的可能性为87.96％，而这种情况发生的可能性为7.85％。2) C3、F3→H4支持度为7.53％，置信度为87.50％，说明冲任失调证型系数处于[0.289，0.415]和肝肾阴虚证型系数处于[0.355，0.607]范围内，TNM分期诊断为H4期的可能性为87.50％，而这种情况发生的可能性为7.53％。
2. 综合以上分析，TNM分期为H4期的三阴乳腺癌患者证型主要为肝肾阴虚证、热毒蕴结证和肝气郁结证，H4期患者肝肾阴虚证和肝气郁结证的临床表现较为突出，其置信度最大达到87.96％。

1. 模型应用

Ⅳ期患者肝肾阴虚证和肝气郁结证的临床表现较为突出，其置信度最大达到了87.96%，且肝肾阴虚证临床表现都存在。所以当Ⅳ期患者出现肝肾阴虚证之表现时，应当选取滋补肝肾、清热解毒类抗癌中药，以滋养肝肾为补，清热解毒为攻，攻补兼施，截断热毒蕴结证的出现，为患者接受进一步治疗争取机会。

1. 思考与实验总结

本案例采用聚类的方法进行数据离散化，读者可以自己上机实验其他的离散化方法，如等距、等频、决策树、基于卡方检验等，试比较各个方法的优缺点。

  8.拓展思考 

利用本文数据，采用Apriori关联规则算法，分析中医证型系数与病程阶段、转移部位和确诊后几年发现转移三个指标的关联分析。

分析中医证型系数与病程阶段、转移部位和确诊后几年发现转移三个指标的关联分析，把“TNM分期”换成对应要关联的数据即可。