基于DAM_XGCN 的疾病辅助诊断模型

陈 燕，龚庆悦，李铁军，王红云，鲍剑洋，胡孔法

（1.南京中医药大学人工智能与信息技术学院,江苏南京 210023；2.南京中医药大学第二附属医院（江苏省第二中医院），江苏 南京 210017；3.南京中医药大学 护理学院，江苏 南京 210023）

0 引言

自神经网络［1］提出以来，相关学者从多角度拓展神经网络研究，如在深度神经网络中加入残差块［2］、利用深度神经网络模型分析少样本数据［3］、含注意力机制的卷积神经网络识别语音情感［4］、保持聚类结构的属性网络表示学习［5］等。2005 年，图神经网络（Graph Neural Network，GNN）［6］被提出，GNN 是一种可直接应用于图的神经网络，即利用神经网络分析图结构数据、图表示学习［7］等。它有多种类型，如图卷积神经网络（Graph Convolutional Net⁃works，GCNs）［8］、图注意力网络［9］、图时空网络［10］等。相关研究表明，卷积神经网络［11-12］适用于分析中医数据，例如分析患者声音数据［13］以辅助闻诊决策，分析舌象数据以获得患者中医体质类别［14］，对中医舌苔颜色进行分类研究［15］。

乙肝小三阳、乙肝大三阳在一定情况下易相互转化［16］，若未及时确诊，将增加患肝癌等疾病的风险。近年来，针对算法模型辅助诊断乙肝的研究引起了医学界关注，例如构建ARIMA 模型与BP 神经网络模型预测乙型肝炎发病率［17］、通过贝叶斯网络模型分析美沙酮维持治疗门诊患者特征和HBsAg 阳性影响因素［18］等。与传统复杂网络分析方法［19］相比，图卷积神经网络［20-21］可解决实体间时序关联信息无法充分学习等问题。

本文选取江苏省名医整理的182 例乙肝患者诊治临床医案，进行中西医指标特征分析［22］，通过XGBoost 与GCNs相结合的疾病辅助模型（Disease Auxiliary Monitoring Model Based on XGBoost and GCNs，DAM_XGCN）分析异常指标网络（含有同一位患者多次诊治时指标的波动信息）。该模型可辅助医生诊断决策，且推荐波动显著的指标项，便于医生快速掌握患者疾病异常变化，以期为中西医诊疗研究提供新的技术路线与研究思路。

1 相关工作及定义

1.1 图卷积神经网络

利用图卷积神经网络进行分类时，输入数据为N 个节点对应F 个特征的0-1 矩阵H∈RN×F、P 个节点连边的拓扑表A∈RN×P，输出结果为各节点属于不同类别的概率Z∈RN×2。其定义为：

本文采用两层图卷积神经网络，网络结构分为3 个部分：输入层、两个卷积层、输出层。

1.1.1 输入层

由医案信息经过格式化处理得到医案节点的特征表信息，每个节点对应1 次就诊记录，附有异常指标特征值（异常值取1，正常值取0）；同一位患者前后就诊医案具有相关性，由此构建医案拓扑表A。

1.1.2 卷积层

为使孤立点（没有任意1 个节点与之相连接，即该患者有且仅有1 次就诊记录）也可获取相似邻近节点信息，本文采取双层图卷积层。图卷积层第一层设置如下：输入为N个节点、d 个特征信息（参数d 的值由XGBoost 模型得到的重要性指标数确定），输出为d 个16 维特征并作为图卷积层第二层输入；第二层输出为16 个2 维特征（第一维对应乙肝小三阳，第二维对应乙肝大三阳）。

1.1.3 输出层

根据训练后的模型给出验证集中每一节点属于两种疾病的概率，根据“优准确率”原则得到验证集中各医案节点疾病诊断结果（0 表示乙肝小三阳，1 表示乙肝大三阳）。

1.2 拉普拉斯变换

图卷积神经网络不仅对特征矩阵信息进行卷积处理，还对拓扑表A 进行拉普拉斯处理，具体操作步骤如下：

（1）拉普拉斯变化。增加节点自连接，以获取自身信息，计算如式（3）所示。

（2）拉普拉斯归一化。消除离群特征值，使特征值更加均匀化，计算如式（4）所示。

1.3 双向反馈策略

本文在图卷积神经网络第二层设计前反馈机制，有3个关键步骤：①通过修正线性单元（Rectified Linear Unit，ReLU）激活函数［11］，在第一卷积层训练后得到的节点特征值中所有负数作归0 化处理；②进入第二卷积层训练后，得到节点特征值存为message；③计算message 损失值，如式（5）所示。

为多次迭代训练后得到最佳训练模型，在每次迭代后增加1 个后反馈机制，评价当前迭代得到的模型梯度值，从而进一步优化网络模型。

1.4 参数更新机制

图卷积神经网络中需要更新的参数主要有两个：权重W 和偏移量B。模型在第1、2 卷积层中设计各层需要的参数，即W1、B1和W2、B2，并通过ReLu 函数激活。在神经网络模型中一般采用梯度下降法［23］更新权重，即在一个方向上调整模型参数值，更新公式为：

在梯度下降基础上，为使训练的网络稳定收敛，Mo⁃mentum 算法［24-25］基于梯度移动指数作加权平均，优化相同方向的训练、弱化相反方向的震荡，加速随机梯度下降。更新公式为：

本文采用自适应矩估计（Adaptive Moment Estimation，Adam）算法［26］，Adam 同时具有Momentum 算法与均方根传递算法优点，根据各参数学习速率动态调整该参数梯度一阶矩估计与二阶矩估计。更新公式为：

2 模型构建

DAM_XGCN 模型构建主要分为3 个阶段，详见图1。阶段一为异常指标网络图构建，通过XGBoost 模型筛选重要性大于100 的异常指标特征，并进行格式转化得到数据集H 与A；阶段二为疾病诊断决策，依次设计d×16 卷积层、16×2 卷积层，并通过前/后反馈机制筛选得到最优模型；阶段三为最优指标组合筛选，通过“优准确率”原则得到诊断疾病的关键指标组合。

Fig.1 DAM_XGCN model structure图1 DAM_XGCN 模型结构

2.1 异常指标网络构建

本文实验所用数据取自三甲医院名医精心筛选的乙肝诊治临床医案，预处理后构建中西医异常指标网络图，包括556 条诊次记录。每条诊次记录中含有4 类指标，共计30 种指标项（频次大于10，见表1）。

Table 1 Index items表1 指标项

对由指标类两两组成的58 种二维指标组合（频次大于10）、由指标类三三组合的8 种三维指标组合（频次大于4），以及一维指标组合共计96（58+8+30）种诊断指标组合作XGBoost 重要性排序分析。1 个节点代表1 位患者的1 次诊断记录，节点属性特征即指标组合信息，节点连边记录患者前后诊断关系，由此构建特征表H 与拓扑表A，具体操作见算法1。

算法1：异常指标网络构建

2.2 疾病诊断决策

图卷积神经网络经多次调试，确定最优初始化参数值，如表2 所示。

Table 2 GCNs training parameters表2 GCNs 训练参数

该阶段核心是对两层图卷积层作训练，利用Pytorch 工具将训练参数加入到训练模型中进行迭代epoch=2 400 次，获得最佳参数值。具体操作如算法2 所示。

算法2：疾病诊断决策

2.3 最优指标组合筛选

指标组合筛选采用“优准确率”原则，从阶段2 得到的所有指标组合中筛选出诊断乙肝小/大三阳最优的指标组合。具体操作如算法3 所示。

算法3：最优指标组合筛选

Input：一、二、三维指标组合的划分结果评价指标

Output：最佳指标组合

a）遍历一、二维指标组合

（a）获得每维组合在验证集得到的准确率集合acc_val，并做升序处理；

（b）按照“优准确率”法取出该维最佳指标组合GOOD。

b）遍历GOOD、三维指标组合

同a）中的（a）（b）步骤得出所求的最佳结果。

3 实验与结果分析

3.1 交/差集划分

筛选重要性大于100 的一、二、三维指标组合，即所求差集，如图2 所示。一维指标组合有虚脉、淡红舌、细脉等，二维指标组合有数脉+腻苔、弦脉+肝（肝结节、肝光点密等）、虚脉+淡红舌等，三维指标组合有弦脉+ALT+肝、薄苔+r-GT+脾等。

Fig.2 Combination association of different set index图2 差集指标组合关联

表1 中未出现在图2 中的指标（重要性小于100）是在两大患者群中波动区分度不显著的异常指标，即所求交集。比较一、二、三维指标交集结果，发现包含缓脉指标，由此分析得出，两大患者群前、中期均出现缓脉现象。

3.2 差集分级

对比分析DAM_XGCN 与支持向量机、逻辑回归、贝叶斯、随机森林、XGBoost 等传统机器学习模型诊断结果准确率，如图3 所示，得出DAM_XGCN 模型效果最优，准确率最高为二维指标组合的0.72。

Fig.3 Histogram of prediction accuracy of 7 models图3 7 种模型预测准确率直方图

二维指标组合的重要性排序等级如图4 所示，统计前20 种指标组合，其中90%为脉诊指标与舌诊指标组合，由此推断乙肝小、大三阳病情波动与患者脉象、舌象变化关系更为密切。其中，排名前三对应的临床医案诊断特点：数脉+腻苔组合，几乎全部出现在乙肝大三阳中，且诊治中、后期出现频次较多；弦脉+肝（肝结节、肝光点密等）组合，以乙肝小三阳患者为主；虚脉+淡红舌组合，主要出现在乙肝小三阳患者诊治前、后期及乙肝大三阳患者中期。

Fig.4 Two-dimensional index combination classification图4 二维指标组合分级

4 结语

本文整理三甲医院名医记载的乙肝小、大三阳患者医案数据，以中西医指标（舌诊指标、脉诊指标、肝功能生化指标、彩超指标）作为图节点特征，采用DAM_XGCN 模型作诊断预测。

DAM_XGCN 辅助医生从多指标异常变化及时诊断乙肝小/大三阳患者程度，可用于确诊前的乙肝小/大三阳筛查工作。将XGBoost 与GCNs 有机组合的DAM_XGCN 模型同时具有XGBoost 特征选择优点和GCNs 学习网络图中特征实体属性与实体间关联的优势。一方面，可以将临床医案中纵向时序信息（同一位患者的前后诊断医案）与横向关联信息（不同指标类组合的关联信息）加入到模型中训练学习；另一方面，在训练过程中可视化阶段性结果，例如指标重要性排序结果、一/二/三维指标组合的交/差集结果。较传统机器学习诊断预测模型，本文采用DAM_XGCN 模型划分效果最佳，准确率高达72%。

为进一步提高基于DAM_XGCN 模型划分两大患者群的准确率，接下来将一方面细化数据实体信息，扩充数据；另一方面优化DAM_XGCN 模型，考虑结合元路径异质网络、重叠患者群发现等技术，对中西医诊疗中的相关问题作进一步研究。