許 強，鄭秀麗，何成詩，張藝凡，孫劍鋒，陳 駿

(成都中醫(yī)藥大學，四川 成都 610075)

?

病機有向圖模型及其ISO-R組合法則

許 強，鄭秀麗，何成詩，張藝凡，孫劍鋒，陳 駿

(成都中醫(yī)藥大學，四川 成都 610075)

中醫(yī)病機體現(xiàn)著病位、病因、病性等基本辨證要素，是一組基本辨證要素的規(guī)律集合。但一組基本辨證要素的任意集合不一定能構成病機，只有滿足特定的組合規(guī)律才能構成病機。因此，一組基本辨證要素集合成病機的核心在于其內(nèi)在的特定組合規(guī)律。借鑒數(shù)學中有向圖的數(shù)據(jù)結構，引申探討病機的有向圖數(shù)學表達模型，并在該模型的基礎上探討構建基本辨證要素以及構成病機的組合規(guī)律(即ISO-R法則)，為中醫(yī)構建中醫(yī)智能辨證醫(yī)理模型提供新的數(shù)學方法。

病機；有向圖；ISO-R法則；智能辨證；基本辨證要素

有向圖是計算機應用發(fā)展中的一項重要數(shù)據(jù)結構，其本質為研究具有相互關系(如因果關系)的元素集合，已廣泛滲透應用于邏輯學、人工智能、工程造價等各個研究領域[1-2]。近年來，有學者將該理論引入中醫(yī)學領域，如在中藥藥理學研究中，網(wǎng)絡藥理學的發(fā)展取得了較大突破，而網(wǎng)絡流理論的本質為圖論的分支，網(wǎng)絡的本質為帶權的有向圖[3]，但該理論在中醫(yī)學的其他領域中應用尚少。筆者發(fā)現(xiàn)，中醫(yī)病機的規(guī)律特點與有向圖是很好的結合點，因此，本文旨在探討通過有向圖的數(shù)據(jù)結構，構建病機的數(shù)學表達模型，進而探索新的中醫(yī)智能辨證數(shù)學方法。

1 病機中醫(yī)學定義

中醫(yī)理論認為，病機指疾病發(fā)生、發(fā)展與變化的機制?！安C”一詞首見于《素問·至真要大論》，后又有學者將其解釋為“病之機要”。隨著中醫(yī)理論的不斷發(fā)展，病機的定義逐漸被大家闡釋為機體病理變化的一般規(guī)律[4]。按照上述定義，病機包括兩方面的內(nèi)容：病理變化本身及其相互之間的關系，而這種關系包含兩兩病理變化之間的局部關系與所有病理變化之間的整體關系。

《中醫(yī)醫(yī)學百科·中醫(yī)學》指出：證是“綜合分析了各種癥狀和體征，對于疾病處于一定階段的病因、病位、病性以及邪正雙方力量對比各方面的病理概括”。故證有以下兩方面的特點或屬性：一是證反映了疾病的病因、病位、病性以及邪正相爭的狀況和趨勢[5]；二是證具有時相性特點，或者說證具有動態(tài)變化的特點，證的時相性與動態(tài)性是相互聯(lián)系的[5]。

根據(jù)上述證的特點與屬性，顯然，辨證的關鍵和基本要求，即是確定疾病的病位、病因與病性[5]?，F(xiàn)代臨床上，將由病因、病位、病性等基本辨證要素相互組合而構成的證名作為比較完整、規(guī)范的名稱已成為共識[5]。任何復雜的證都是由病位、病因與病性等辨證要素排列組合構成的[6]，如{肝，膽，濕熱}組合構成肝膽濕熱證型，{心，血虛}組合構成心血虛證型等。中華人民共和國國家標準《中醫(yī)臨床診療術語—證候部分》，共收錄了臨床常見證800條，而這800條證候名無一例外都是由病位、病性、病因等50項左右的基本辨證要素組合而成[5]。

2 病機有向圖定義

病位、病因與病性等辨證要素構成了基本病機，而任何復雜病機都是由基本辨證要素排列組合而成，但并非各個基本辨證要素都可以任意排列組合，其必須符合一定的組合規(guī)則，這種組合規(guī)則是建立在兩兩基本辨證要素之間的相互關系基礎之上。因此，病機的組合包含的核心內(nèi)涵要素有三：一是基本辨證要素集合；二是基本辨證要素關系集合；三是組合規(guī)則。換句話說，任何復雜病機均可表達為以下有序三元組：{基本辨證要素集合，基本辨證要素關系集合，組合規(guī)則}[1-6]，而這個表達式恰好符合有向圖的定義。

2.1 基本辨證要素集合

中醫(yī)理論體系下，基本辨證要素主要包括病因、病位、病性等，筆者根據(jù)模型需要確定了107項基本辨證要素。分別為：①基本的病因或病性：如風邪、里熱、陰虛等，總共32項，選自《常見癥狀中醫(yī)鑒別診療學》[5]；②基本的復合病因：如痰濕等，總共12項，選自《常見癥狀中醫(yī)鑒別診療學》[5]；③基本的病位-病性或病位-病因組合：如肝陰虛、胃熱等，總共63項，選自《中醫(yī)診斷學》臟腑辨證篇目[4]。

2.2 基本辨證要素關系集合

筆者將基本辨證要素之間的兩兩關系稱之為基本辨證要素關系，在研究中，基本辨證要素關系可分為：因果關系、并列關系、從屬關系三種關系類型。

①因果關系：以符號“→”表示，如氣滯→血瘀。

②并列關系：以符號“||”表示，如肝陰虛||腎陰虛(對應于肝腎陰虛這一證候)。

③從屬關系：以符號“?”表示，如氣虛?肺氣虛。

2.3 組合規(guī)則(即ISO-R法則)

傳統(tǒng)中醫(yī)人腦辨證的本質為根據(jù)癥狀推導病機的“歸因”推理過程，“歸因”即將每個癥狀的原因進行綜合分析，從而最終得出一個共同的原因。當每個癥狀對應的基本辨證要素相同時，辨證是合理的；然而，當每個癥狀對應的基本辨證要素不相同，且這些基本辨證要素關系的遞歸能夠通過一個共同的基本辨證要素解釋余下的基本辨證要素時，辨證也是成功的。

有向圖理論可為整個辨證模型提供數(shù)學基礎。病機為一組基本辨證要素的集合，集合中的所有元素必須滿足能夠通過基本辨證要素關系的遞歸得到一個共同的基本辨證要素。由有向圖理論分析，遞歸得到一個共同的基本辨證要素，表現(xiàn)為通過基本辨證要素關系的傳遞，存在有且僅有的基本辨證要素與其余的基本辨證要素都是可達的。如果我們將該有向圖通過鄰接矩陣存儲，從圖的存儲結構上講，遞歸得到一個共同的基本辨證要素表現(xiàn)為有向圖中有且僅有一個入度[1-2]為0的結點((IS there the Only Root)簡稱ISO-R法則)，故ISO-R==1表示“歸因”成功，ISO-R==0表示“歸因”失敗。

2.4 病機的有向圖抽象數(shù)據(jù)類型定義

圖1 抽象數(shù)據(jù)類型定義病機-有向圖

抽象數(shù)據(jù)是指一些數(shù)據(jù)以及對這些數(shù)據(jù)所進行的操作的集合。病機的有向圖抽象數(shù)據(jù)類型定義如圖1所示，定義完成的有向圖簡稱病機-有向圖。如圖所示，病機的本質為基本辨證要素集合的排列組合，即數(shù)據(jù)對象V與數(shù)據(jù)關系R[1-2]。但任意的排列組合不一定能構成病機，只有符合ISO-R法則(即核心操作P)時才能構成病機。通過病機的有向圖模型，我們能夠運用數(shù)學方法直接判斷給定的基本辨證要素集合是否能夠構成病機。

3 病機有向圖模型的價值與意義

數(shù)學模型的價值在于將抽象的事物通過數(shù)學方法表達，最終通過計算機實現(xiàn)，病機的有向圖模型為中醫(yī)與數(shù)學、計算機等學科的交叉提供了新的思路。

目前中醫(yī)智能辨證系統(tǒng)領域多以模糊數(shù)學為工具，通過模糊聚類分析、模糊綜合評判、簡單模式識別(最大隸屬原則法)和復雜模式識別(海明距離，貼近度)等方法將待求癥狀組與后臺預存的標準證型進行匹配，并最終篩選出匹配度最高的標準證型為待求癥狀組的證型。在該辨證模型下，系統(tǒng)或開發(fā)者必須窮盡列舉并存儲臨床中可能的各種標準模式，從而產(chǎn)生了“證型爆炸問題”。如朱文峰老師在其研究中存取了1 500個標準證名模式，并采取了“調閾”“兼容”等方法，利用空間度量法、變換減維(或增維)法等形成了500多個演繹證名模式[2]。但正如朱文峰老師所言，這種靜態(tài)列舉存儲的標準證名模式遠遠不能覆蓋臨床[7]。

而在有向圖的數(shù)據(jù)模型中，我們只需靜態(tài)列舉存儲標準的基本辨證要素(約100條左右)以及基本辨證要素之間的相互關系，然后運用ISO-R法則動態(tài)生成病機。相比目前智能辨證系統(tǒng)中窮盡列舉標準證名模式的方法，ISO-R法則完全回避了證型爆炸問題[7]。

4 結語

癥狀組與癥狀之間存在著集合關系，而在中醫(yī)理論體系下，癥狀與基本辨證要素存在著映射關系，而病機的有向圖模型以及ISO-R法則演繹了基本辨證要素生成復雜病機的動態(tài)規(guī)律，通過以上關系(如圖2)可以完成從癥狀組到病機的辨證過程，該模型為中醫(yī)智能辨證模型提供了新的思路。

圖2 癥狀組與病機的映射關系

[1] 嚴蔚敏,吳偉民.數(shù)據(jù)結構(C語言版)[M].北京:清華大學出版社,1997.

[2] Reinhard Diestel著.于青林等譯.圖論[M].北京:高等教育出版社,2013.

[3] 田玲,曾濤,陳蓉.基于SimRank的中藥“效-效”相似關系挖掘 [J].計算機工程,2008,34(12):242-244.

[4] 王憶勤.中醫(yī)診斷學[M].北京:中國中醫(yī)藥出版社,2004.

[5] 朱文峰.常見癥狀中醫(yī)鑒別診療學[M].北京:人民衛(wèi)生出版社,2002.

[6] 朱文峰.證素辨證學[M].北京:人民衛(wèi)生出版社,2008.

[7] 秦篤烈.中醫(yī)計算機模擬及專家系統(tǒng)概論[M].北京:人民衛(wèi)生出版社,1989.

(責任編輯：尹晨茹)

2014-05-06

成都中醫(yī)藥大學2013年度校基金資助項目

許強(1987-)，成都中醫(yī)藥大學碩士研究生，研究方向為中醫(yī)智能辨證數(shù)字化。

鄭秀麗(1981-)，醫(yī)學博士，成都中醫(yī)藥大學講師，研究方向為中醫(yī)智能辨證數(shù)字化。E-mail：zhengxiuli023@163.com。

TP391.7

A

1673-2197(2014)18-0036-02