基于文本挖掘探讨系统性红斑狼疮证治规律

郭洪涛，冯福海，李松伟，郑 光，王济华

(1.河南中医学院第一附属医院，河南 郑州 450000； 2.兰州大学信息学院，甘肃 兰州 730000)

·医史文献·

基于文本挖掘探讨系统性红斑狼疮证治规律

郭洪涛1，冯福海1，李松伟1，郑 光2，王济华1

(1.河南中医学院第一附属医院，河南 郑州 450000； 2.兰州大学信息学院，甘肃 兰州 730000)

目的：探讨系统性红斑狼疮的证治规律。方法：在中国生物医学文献服务系统中收集系统性红斑狼疮的文献数据，采用基于敏感关键词频数统计的数据分层算法，挖掘整理系统性红斑狼疮的中医证候、症状、中药规律。这些结果通过一维频次及构建网络图进行展示。结果：系统性红斑狼疮常见证候有热毒炽盛、肝肾阴虚等；核心症状是发热、关节疼痛、乏力等；中药治疗以黄芪、白芍、甘草、生地黄、白术、青蒿、茯苓、当归等为核心用药。结论：系统性红斑狼疮多热、虚证，少寒证，症状中发热最常见，清热解毒为基本治法。

文本挖掘；数据分层算法；系统性红斑狼疮/分析；证候

系统性红斑狼疮 (systemic lupus erythematosus，SLE)是一种多因素参与、多系统和多脏器受损的慢性自身免疫性结缔组织病。我国SLE的患病率约为40/10万，患病人群总数超过百万[1]。由于该病至今病因未明，因此仍无根治的方法，SLE患者一旦发病需终身维持治疗。近年来，随着疾病诊断和治疗方法的不断改进以及病因寻找的进展，SLE患者的生存率显著提高。我国中、西临床医生及科研工作者报道关于系统性红斑狼疮的文献量亦急剧增加，大量存在于现有数据库中。本研究运用文本挖掘技术[2，3]，结合文献回溯，对现有中文文献进行挖掘整理，探讨系统性红斑狼疮的证治规律。

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 BioMedical Literature Database，CBM，http://sinomed.cintcm.ac.cn/index.jsp)中以“缺省”状态下检索“系统性红斑狼疮”，共得到文献16818篇(检索日期：2014年6月10日)，依次下载所有文献并保存。

1.2 文本数据处理

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)里面，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)，对下载的非结构化的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中进行下一步挖掘分析。假设每1篇文献的贡献度是相同的，1篇文献中重复出现的关键词，只需要计算一次，据此构建基于敏感关键词频数统计的数据分层算法[2，3]，进行数据清洗工作。

清洗完毕后的数据，既可以提取到挖掘对象的一维频次，也可以得到挖掘对象的二维关系，进行可视化呈现，即抽出不同频次的关键词对，用Cytoscape 2.8软件进行可视化处理，构建可视化的网络图。然后结合专业知识进行评析，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 系统性红斑狼疮文本挖掘结果的评价和分析

2.1 证候文本挖掘结果

共提取到中医证候43项，选取大于等于6的证候文献频次，按证候在文献出现的频次高低列出(括号内为文献篇数，下同)：肾阴虚(43)、肝肾阴虚(32)、阴虚内热(30)、热毒炽盛(30)、肾阳虚(26)、脾肾阳虚(26)、气阴两虚(15)、风湿热痹(9)、血瘀证(7)、阴虚证(6)、阳虚证(6)、肾阳虚证(6)。

由上可见，肾阴虚、肝肾阴虚、阴虚内热、热毒炽盛频次最高，均与系统性红斑狼疮相关，为其常见证型。而这些证型多为虚证、热证，少见寒证，与其疾病发展特点相符。进而构建证候两两之间网络图(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 系统性红斑狼疮中医证候网络图(PS≥2)

文本挖掘共提取到155组证候，图1为系统性红斑狼疮文献中相关证候大于等于2的网络分布图。图中热毒炽盛、肝肾阴虚、阴虚内热与疾病关联程度最高，权重也大，处于核心位置。归纳这些证候，系统性红斑狼疮以热、虚证为其证候特点。

2.2 症状文本挖掘结果

症状共提取到140项，选取前10项按文献频次高低列出：发热(479)、(口腔)溃疡(192)、关节痛(189)、强直(117)、头痛(102)、疱疹(100)、腹痛(97)、咳嗽(95)、关节疼(94)、乏力(94)。

以上症状是从数据集中抽提的，既包含西医临床，也包含中医临床报告的症状，因此频次较高。由上可见，系统性红斑狼疮以发热、(口腔)溃疡、溃疡关节疼痛为核心症状，其中发热最高。头痛、乏力、咳嗽、疱疹、腹痛等为常见症状。

进一步构建症状两两之间网络图(图2)：

图2 系统性红斑狼疮症状网络图(PS≥12)

文本挖掘共提取到1323组症状，图2为系统性红斑狼疮文献中相关症状大于等于12的网络分布图。图中发热、关节疼痛、乏力为最核心症状，发热-关节痛两者的文献频次为102。由上可见，系统性红斑狼疮是一种以发热、关节疼痛、乏力、(口腔)溃疡为核心症状，涉及消化、循环、呼吸、皮肤等多系统症状的疾病。

2.3 中药文本挖掘结果

中药共提取到158项，按文献频次高低(选择前15项)：雷公藤(63)、黄芪(31)、白芍(29)、甘草(27)、生地黄(26)、白术(24)、青蒿(23)、茯苓(21)、当归(20)、天冬(20)、柴胡(19)、人参(18)、黄芩(17)、大黄(15)、玄参(14)。回溯原文献数据集，发现雷公藤均为雷公藤多苷、雷公藤多甙，因此，此处的雷公藤主要为中成药制剂，应视为噪音；天冬回溯文献均为为天冬氨酸氨基转移酶，因此天冬为噪音，应予剔除。通过以上方法降噪后，发现黄芪、白芍、甘草、生地黄、白术、青蒿、茯苓等为治疗系统性红斑狼疮的高频中药。

进而构建中药两两之间网络图(图3)：

文本挖掘共提取到2 179组中药，图3为系统性红斑狼疮文献中相关中药频次大于等于8的高频网络分布图。图中甘草、白术、茯苓、当归、生地黄、玄参、知母、桔梗、犀角、黄芩、芍药等为核心药物。

图3 系统性红斑狼疮中药网络图(PS≥8)

3 小 结

文本挖掘(Text Mining)技术是以计算语言学、统计数理分析为理论基础，服务于生物、医药、文献研究等学科的新兴的交叉学科[4]。应用于中医药领域，根据中医理论或专业知识，计算机能够文本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新的思路和途径，并且结果更加客观，可重复性强[5]。

通过对16 818篇“系统性红斑狼疮”文献进行文本挖掘，得到系统性红斑狼疮证候、症状、中药等挖掘结果，是对中医治疗系统性红斑狼疮比较全面的总结。中医证候方面，挖掘到肾阴虚、肝肾阴虚、阴虚内热、热毒炽盛等证候频次较高，归纳系统性红斑狼疮多热证、虚证，寒证较少。症状方面，挖掘出系统性红斑狼疮核心症状是发热、(口腔)溃疡、关节疼痛，进而归纳得出系统性红斑狼疮是一种以发热、(口腔)溃疡为主要症状，涉及消化、呼吸、神经等多系统症状的疾病。然而皮疹、皮损等SLE的重要表现的症状没有挖掘到，与挖掘词表中没有该症状有关，也说明挖掘仍需进一步完善。中药治疗，以甘草、白术、茯苓、当归、生地黄、玄参、知母、桔梗、犀角、黄芩、芍药等为核心药物，这些药物以清热解毒为主。其中甘草出现的频次较高，与文献量大及用药习惯有关。通过挖掘发现，系统性红斑狼疮证候与症状，证候与中药，两两之间能够相互呼应和印证。

文本挖掘的结果，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。同时，结合回溯原文献数据集，人工阅读评价，使得结果更加客观。因此，通过这种优化的文本挖掘组合，能够比较客观地总结疾病的证治规律，也可以为中医客观化，以及中医临床提供有益的参考。

[1]叶冬青.红斑狼疮[M].北京：人民卫生出版社，2006：15-16.

[2]Zheng G,Jiang M,He XJ,et al.Discrete derivative: a data slicing algorithm for exploration of sharing biological networks between rheumatoid arthritis and coronary heart disease[J].Bio Data Min,2011,23(4):18.

[3]郭洪涛，郑光，赵静，等.基于文本挖掘分析甲型H1N1流感的中医药治疗特色[J].世界科学技术-中医药现代化，2011，13(5)：772-776.

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

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

(编辑 田晨辉)

1001-6910(2015)03-0047-03

R593.24+1

B

10.3969/j.issn.1001-6910.2015.03.25

2014-09-24