数据挖掘技术在名老中医经验传承中的应用述略

数据挖掘技术在名老中医经验传承中的应用述略

蓝家荣

1.浙江中医药大学附属湖州中医院内科 浙江湖州 313000

2.浙江中医药大学基础医学院 浙江杭州 310053

摘 要：数据挖掘技术逐步表现为智能化发展趋势，其中人工智能应用在西医当中的范围较广，其人工智能分析可在疾病早期诊断、评估、治疗、医疗资源管理等方面具备显著效果，针对中医药以及人工智能结合提供价值参考，有利于实现云老中医经验教学继承，促进中医药领域的信息化发展。

关键词：名老中医；传承；数据挖掘技术；策略

中医药属于中华传统文化当中的重要传承瑰宝。其中将实践以及中医理论结合名老中医经验进行传承，可推动中药发展，促进中医新途径，其中以师徒传承、院校传承以及工作站等形式作为主要传承方式，创新方面具备一定缺陷。各类客观条件以及效果评价标准缺乏属于主流传承方式当中应解决的问题。其中数据挖掘一般由海量非有序数据，通过算法进行其中信息知识搜索、数据挖掘，依靠软件技术能够逐步探索，为促进名老中医诊治医院提供重要指导意义[1]。本次对于数据挖掘在名老中医经验传承方面的应用效果展开总结分析。

1.数据挖掘工具

SPSS属于数据自动处理、对接以及统计功能为一体的软件。通过描述统计线性模式以及回归分析等广泛应用在各类学习算法分析统计当中，其中通过大数据场景，在名医经验当中挖掘处方应用的频次、配偶，其中关系到各类聚类特点以及关联强弱，逐步集成统计算法以及机器学习，其功能与SPSS的重合性相对偏高，能够将现有的处理方法应用在数据库当中。结合回归分析以及属性选择方法统计的各方面情况，获得症状药物之间的关系探讨，其中SPSS相比相关编程语言在时间序列分析、线性建模的统计分析场景当中属于数据分析图像化的有效工具，其可实现中医医案数据挖掘工作效率提高，但学习成本相对偏高。通过基础库能够构建可视化挖掘平台，分析统计并将结果显示。中医传承辅助系统当中能够通过数据录入、管理查询以及分析结果传输、网络可视化展示等功能为一体的中医传承，其中不断辅助平台，通过聚类分析、频次统计等方法进行处理，并深入挖掘，可获得组方规律、高频用药、核心处方，同时，针对方剂分析关键功能，在此基础上能够结合系统复杂药物组合分析[2]。

2名老中医经验学习数据分析办法。

相关性分析可对于数据结合规律挖掘以及复原统计。例如，其中频数分析针对于总数据依据标准结合分组，并统计各个组内当中的个体数。通常应用分析中药频率、高频中药性味归经等方法。关联规则一般由大量数据研究中发现，可满足一定条件的项目，隐藏关联并分析其中的中药关系及配伍禁忌，不断挖掘疾病症候中药的潜在规律性。聚类分析当中直接对于样本当中的各类事物进行比较，分析挖掘其中蕴含的各类组合及配伍核心，药物因子分析可及时解释原始指标当中的方差以及相关性，对于确定的变量，例如，症状通过主成分分析方法进行处理，解释变量是否具备可靠性。人工神经网络为模拟大脑工作机制的重要模型，其中脑神经网络的处理结构通行针对于疾病症候分析对比预测。

3数据库智能化学习方向

3.1疾病早期诊断评估

大部分慢性疾病发病过程相对隐秘，出现明显症状时一般为晚期或疾病不断进展，错过最佳治疗时期，因此，疾病早期诊断具备重要意义。医学影像检查为疾病诊断的辅助方法。与人工智能结合应用范围较广，通过去噪自编码器构架的自动特征进行探索以及相关噪声容忍度的整体优势可通过大量训练相关病灶，并区别良性结节、恶性结节。通过人工智能内镜超声有利于结合大量图像训练进行识别，其具备较高的安全性，无侵入性风险，自动结合相应诊断，使出血感染情况降低，复杂的神经退行性疾病捕捉身体微弱异常信号，为早期评估诊断的重要思路。其中人工智能通过无线电信号反射能够从环境当中进行特定的呼吸信号捕捉，并识别预测帕金森病。名老中医经验学习领域当中能够通过四诊系统人工智能模型结合疾病、鉴别诊断其中通过图像升级系统，红外感应系统相关信息的自动化采集更加安全可靠。同时，将主观化的问题数据变量可量化的机器进行采集，通过标准化、高质量四诊数据分析，结合名医医案数据库，提取其中适配度较高的处方设定临床高效指标，对于新方法及疗效进行验证，能够更加深层全面的对于名医经验智能化传承，不断挖掘个体优秀个体经验[3]。

3.2疾病治疗策略

制定及改善疾病治疗策略方面一般为人工智能系统第一代，促进医学的4P模型，为患者提供自主权。同时，关注大数据分析以及临床决策，对其中的治疗诊断算法进行分析，提高疗效，积极减少医疗错误，同时，重症监护室数据库基础上不断开发计算模型，模拟患者的运动轨迹，使其中的治疗环境模型能够动态分析所有处方，并计算治疗方案的回报，但大型数据库存在长期稳定的良好训练其整体的应用率较低。第二代系统预计将增加进展概念及生物疾病发展动态变化过程，注重改善生物过程，并通过分析数据进行诊断、预测及治疗。首层提供数据的可录入药物以及非药物干预相应处方，护理人员在程序当中输入各类药物的方剂以及应用时间，并对此程序随机数产生批准范围引入其中剂量、时间的可变性。第二层一般为闭环系统，依据第一层患者对于治疗的反应结合调整剂量以及给药时间的相应范围，对于此系统学习，将每个患者的个体信息并全部导入其中算法并形成确定的有意义疗效参数以及个人参数。第三层应将疾病的变异性及相关性有效调整纳入到治疗算法当中，例如，心率变异性应用在慢性心脏病患者当中，为患者选取适宜的动态。

小结

综述，本文名老中医经验学习以及传承方面问题展开分析，名老中医经验学习以及传统挖掘技术的研究较多。常规挖掘工具以及分析方法梳理并结合人工智能分析应用在医学当中，可针对于中医药领域数据挖掘的智能化学习发展方向及展望进行预测。

参考文献

[1]雷黄伟,徐佳君,杨朝阳,等. 基于数据驱动的名老中医学术经验智能化传承研究[J]. 中国中医基础医学杂志,2021,27(07):1111-1113+1144.

[2]吴林伟,王雁南,李素丽. 数据挖掘技术在名老中医经验传承中的应用进展[J]. 中华中医药学刊,2022,40(04):115-118.

[3]易天霞,宋程,唐蔚,等. 数据挖掘技术应用于名老中医经验传承的研究概况[J]. 湖南中医杂志,2021,37(08):201-204.

基金项目：浙江省中医药科技计划项目（2023ZF047）