病机有向图模型及其ISO-R组合法则

2014-04-26郑秀丽何成诗张艺凡孙剑锋

亚太传统医药 2014年18期

关键词：有向图病性病位

许强，郑秀丽，何成诗，张艺凡，孙剑锋，陈骏

(成都中医药大学，四川成都 610075)

病机有向图模型及其ISO-R组合法则

许强，郑秀丽，何成诗，张艺凡，孙剑锋，陈骏

(成都中医药大学，四川成都 610075)

中医病机体现着病位、病因、病性等基本辨证要素，是一组基本辨证要素的规律集合。但一组基本辨证要素的任意集合不一定能构成病机，只有满足特定的组合规律才能构成病机。因此，一组基本辨证要素集合成病机的核心在于其内在的特定组合规律。借鉴数学中有向图的数据结构，引申探讨病机的有向图数学表达模型，并在该模型的基础上探讨构建基本辨证要素以及构成病机的组合规律(即ISO-R法则)，为中医构建中医智能辨证医理模型提供新的数学方法。

病机；有向图；ISO-R法则；智能辨证；基本辨证要素

有向图是计算机应用发展中的一项重要数据结构，其本质为研究具有相互关系(如因果关系)的元素集合，已广泛渗透应用于逻辑学、人工智能、工程造价等各个研究领域[1-2]。近年来，有学者将该理论引入中医学领域，如在中药药理学研究中，网络药理学的发展取得了较大突破，而网络流理论的本质为图论的分支，网络的本质为带权的有向图[3]，但该理论在中医学的其他领域中应用尚少。笔者发现，中医病机的规律特点与有向图是很好的结合点，因此，本文旨在探讨通过有向图的数据结构，构建病机的数学表达模型，进而探索新的中医智能辨证数学方法。

1 病机中医学定义

中医理论认为，病机指疾病发生、发展与变化的机制。“病机”一词首见于《素问·至真要大论》，后又有学者将其解释为“病之机要”。随着中医理论的不断发展，病机的定义逐渐被大家阐释为机体病理变化的一般规律[4]。按照上述定义，病机包括两方面的内容：病理变化本身及其相互之间的关系，而这种关系包含两两病理变化之间的局部关系与所有病理变化之间的整体关系。

《中医医学百科·中医学》指出：证是“综合分析了各种症状和体征，对于疾病处于一定阶段的病因、病位、病性以及邪正双方力量对比各方面的病理概括”。故证有以下两方面的特点或属性：一是证反映了疾病的病因、病位、病性以及邪正相争的状况和趋势[5]；二是证具有时相性特点，或者说证具有动态变化的特点，证的时相性与动态性是相互联系的[5]。

根据上述证的特点与属性，显然，辨证的关键和基本要求，即是确定疾病的病位、病因与病性[5]。现代临床上，将由病因、病位、病性等基本辨证要素相互组合而构成的证名作为比较完整、规范的名称已成为共识[5]。任何复杂的证都是由病位、病因与病性等辨证要素排列组合构成的[6]，如{肝，胆，湿热}组合构成肝胆湿热证型，{心，血虚}组合构成心血虚证型等。中华人民共和国国家标准《中医临床诊疗术语—证候部分》，共收录了临床常见证800条，而这800条证候名无一例外都是由病位、病性、病因等50项左右的基本辨证要素组合而成[5]。

2 病机有向图定义

病位、病因与病性等辨证要素构成了基本病机，而任何复杂病机都是由基本辨证要素排列组合而成，但并非各个基本辨证要素都可以任意排列组合，其必须符合一定的组合规则，这种组合规则是建立在两两基本辨证要素之间的相互关系基础之上。因此，病机的组合包含的核心内涵要素有三：一是基本辨证要素集合；二是基本辨证要素关系集合；三是组合规则。换句话说，任何复杂病机均可表达为以下有序三元组：{基本辨证要素集合，基本辨证要素关系集合，组合规则}[1-6]，而这个表达式恰好符合有向图的定义。

2.1 基本辨证要素集合

中医理论体系下，基本辨证要素主要包括病因、病位、病性等，笔者根据模型需要确定了107项基本辨证要素。分别为：①基本的病因或病性：如风邪、里热、阴虚等，总共32项，选自《常见症状中医鉴别诊疗学》[5]；②基本的复合病因：如痰湿等，总共12项，选自《常见症状中医鉴别诊疗学》[5]；③基本的病位-病性或病位-病因组合：如肝阴虚、胃热等，总共63项，选自《中医诊断学》脏腑辨证篇目[4]。

2.2 基本辨证要素关系集合

笔者将基本辨证要素之间的两两关系称之为基本辨证要素关系，在研究中，基本辨证要素关系可分为：因果关系、并列关系、从属关系三种关系类型。

①因果关系：以符号“→”表示，如气滞→血瘀。

②并列关系：以符号“||”表示，如肝阴虚||肾阴虚(对应于肝肾阴虚这一证候)。

③从属关系：以符号“?”表示，如气虚?肺气虚。

2.3 组合规则(即ISO-R法则)

传统中医人脑辨证的本质为根据症状推导病机的“归因”推理过程，“归因”即将每个症状的原因进行综合分析，从而最终得出一个共同的原因。当每个症状对应的基本辨证要素相同时，辨证是合理的；然而，当每个症状对应的基本辨证要素不相同，且这些基本辨证要素关系的递归能够通过一个共同的基本辨证要素解释余下的基本辨证要素时，辨证也是成功的。

有向图理论可为整个辨证模型提供数学基础。病机为一组基本辨证要素的集合，集合中的所有元素必须满足能够通过基本辨证要素关系的递归得到一个共同的基本辨证要素。由有向图理论分析，递归得到一个共同的基本辨证要素，表现为通过基本辨证要素关系的传递，存在有且仅有的基本辨证要素与其余的基本辨证要素都是可达的。如果我们将该有向图通过邻接矩阵存储，从图的存储结构上讲，递归得到一个共同的基本辨证要素表现为有向图中有且仅有一个入度[1-2]为0的结点((IS there the Only Root)简称ISO-R法则)，故ISO-R==1表示“归因”成功，ISO-R==0表示“归因”失败。

2.4 病机的有向图抽象数据类型定义

图1 抽象数据类型定义病机-有向图

抽象数据是指一些数据以及对这些数据所进行的操作的集合。病机的有向图抽象数据类型定义如图1所示，定义完成的有向图简称病机-有向图。如图所示，病机的本质为基本辨证要素集合的排列组合，即数据对象V与数据关系R[1-2]。但任意的排列组合不一定能构成病机，只有符合ISO-R法则(即核心操作P)时才能构成病机。通过病机的有向图模型，我们能够运用数学方法直接判断给定的基本辨证要素集合是否能够构成病机。

3 病机有向图模型的价值与意义

数学模型的价值在于将抽象的事物通过数学方法表达，最终通过计算机实现，病机的有向图模型为中医与数学、计算机等学科的交叉提供了新的思路。

目前中医智能辨证系统领域多以模糊数学为工具，通过模糊聚类分析、模糊综合评判、简单模式识别(最大隶属原则法)和复杂模式识别(海明距离，贴近度)等方法将待求症状组与后台预存的标准证型进行匹配，并最终筛选出匹配度最高的标准证型为待求症状组的证型。在该辨证模型下，系统或开发者必须穷尽列举并存储临床中可能的各种标准模式，从而产生了“证型爆炸问题”。如朱文峰老师在其研究中存取了1 500个标准证名模式，并采取了“调阈”“兼容”等方法，利用空间度量法、变换减维(或增维)法等形成了500多个演绎证名模式[2]。但正如朱文峰老师所言，这种静态列举存储的标准证名模式远远不能覆盖临床[7]。

而在有向图的数据模型中，我们只需静态列举存储标准的基本辨证要素(约100条左右)以及基本辨证要素之间的相互关系，然后运用ISO-R法则动态生成病机。相比目前智能辨证系统中穷尽列举标准证名模式的方法，ISO-R法则完全回避了证型爆炸问题[7]。