王元茂+楊松濤

摘要：中醫(yī)證侯規(guī)范化是中醫(yī)向科學(xué)化和國(guó)際化邁進(jìn)的先決條件，而證侯與癥狀的關(guān)聯(lián)度分析對(duì)證侯規(guī)范化具有至關(guān)重要的作用。針對(duì)證侯及癥狀數(shù)據(jù)量龐大且多呈現(xiàn)非線性復(fù)雜結(jié)構(gòu)的特點(diǎn)，通過引入復(fù)雜系統(tǒng)中的“信息熵”分劃理論，對(duì)三個(gè)實(shí)際應(yīng)用案例進(jìn)行綜合分析，以“證癥”關(guān)聯(lián)度作為證侯規(guī)范化的研究重點(diǎn)，對(duì)熵分劃在“證癥”關(guān)聯(lián)分析中的作用和意義進(jìn)行了深入探討。

關(guān)鍵詞：復(fù)雜系統(tǒng)；證癥關(guān)聯(lián)；信息熵

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）27-0229-03

Abstract：Syndrome standardization is prerequisite for the internationalization of Chinese Medicine， meanwhile， the association analysis of syndrome and symptom plays critical role in syndrome standardization. Information in Chinese Medicine usually present complexity and nonlinear， in order to normalize the complicate system， introducing a dividing theory of information entropy by three case studies， analyzed the association of “Syndrome & Symptom” by how information entropy works in this process.

Key words：Complex System； Syndrome&Symptom Association；Information Entropy

中醫(yī)是我國(guó)傳統(tǒng)文化的優(yōu)秀組成部分，它以“整體觀念”和“辨證論治”的獨(dú)特思想，在醫(yī)學(xué)界中產(chǎn)生了深遠(yuǎn)影響。中醫(yī)理論博大精深，相對(duì)于西醫(yī)單一的“還原論”而言，中醫(yī)思想更具有整體性、動(dòng)態(tài)性以及建立在辨證論治基礎(chǔ)上的個(gè)體化診療方法等特點(diǎn)，受到人們?cè)絹?lái)越廣泛的關(guān)注[1]。在傳統(tǒng)中醫(yī)診療過程中，“證”是立法立方的基礎(chǔ)，醫(yī)者將通過四診收集得到的臨床信息進(jìn)行綜合分析以用來(lái)對(duì)證候進(jìn)行判斷，這種非線性的思維方式使得中醫(yī)相較于西醫(yī)能夠更全面的觀察疾病的發(fā)展和機(jī)體的狀態(tài)，從而在診斷和治療的思路上更為廣闊。然而，正是由于中醫(yī)的特殊思維模式使其具有復(fù)雜性、整體性和不確定性等特點(diǎn)，也導(dǎo)致辨證的過程具有模糊性和不確定性，缺乏客觀的生化指標(biāo)，阻礙了中醫(yī)與國(guó)際醫(yī)學(xué)學(xué)術(shù)接軌的進(jìn)程。因此，證候的規(guī)范化研究是中醫(yī)學(xué)從主觀到客觀，從非線性到線性，從定性到定量研究的重要步驟，是將中醫(yī)診療技術(shù)向世界推廣的必經(jīng)途徑。

1 影響中醫(yī)證侯規(guī)范化的要素及本文研究方法

中醫(yī)證侯規(guī)范化包括“癥狀規(guī)范”和“證侯規(guī)范”兩部分，其中四診收集到的“癥狀”、“體征”、“舌脈”等信息是綜合判斷證侯的基礎(chǔ)，因此，癥狀的規(guī)范是證侯規(guī)范的前提，如癥狀名稱以及癥狀程度等。與之相比，證侯規(guī)范包括“證侯分類規(guī)范”、“證侯名稱規(guī)范”以及“證侯診斷標(biāo)準(zhǔn)規(guī)范”三大模塊[2]，涉及的研究范圍也相當(dāng)廣泛。在此過程中，很難寄希望于以一種“萬(wàn)能”的模型或者算法適用于證侯量化工作的所有模塊或進(jìn)程。因此，對(duì)證侯規(guī)范量化的不同步驟、不同變量、不用關(guān)系，應(yīng)該對(duì)應(yīng)采用適應(yīng)性強(qiáng)的更具有相對(duì)性的方法，使得整個(gè)規(guī)范化過程由繁到易、由整到零、各個(gè)擊破。通過對(duì)證侯規(guī)范化三大模塊進(jìn)行分析不難發(fā)現(xiàn)，每一個(gè)模塊都要求將證侯和與其對(duì)應(yīng)的癥狀集進(jìn)行關(guān)聯(lián)，通過將較易量化的癥狀變量與較難量化的證侯信息進(jìn)行聯(lián)結(jié)作為證侯量化的引線。如張春和[3]在提及證侯名稱規(guī)范化的研究重點(diǎn)時(shí)指出“證侯是疾病發(fā)生過程中某一階段機(jī)體對(duì)內(nèi)外致病因素的綜合反映，在宏觀上表現(xiàn)為特定的癥狀、體征（舌象、脈象）的有機(jī)組合”，以及在討論證侯診斷規(guī)范化時(shí)認(rèn)為“主癥”、“次癥”以及“舌象、脈象”是中醫(yī)證侯構(gòu)成的三大要素。由此可見，證侯的規(guī)范化離不開癥狀，而中醫(yī)癥狀與證侯是多對(duì)多的關(guān)系，即多個(gè)癥狀組合對(duì)應(yīng)一個(gè)證侯，同時(shí)多個(gè)證侯也可能包含同一個(gè)癥狀，加之不同患者的體征體質(zhì)的不同，使得通過預(yù)先設(shè)定模型的方式進(jìn)行證癥關(guān)聯(lián)分析變得困難。另外，根據(jù)中醫(yī)對(duì)疾病和證侯的關(guān)系認(rèn)識(shí)，同一種疾病也可表現(xiàn)為不同的證侯，每一個(gè)證侯又可能出現(xiàn)于不同疾病的發(fā)展過程。因此，不同于傳統(tǒng)的線性研究方法，本文將證候以及與之相關(guān)的癥狀、體征等數(shù)據(jù)看作離散變量，通過引入復(fù)雜系統(tǒng)中的“信息熵”分類方法將中醫(yī)復(fù)雜系統(tǒng)看做若干離散的變量，從中研究證侯變量及癥狀變量之間的非線性復(fù)雜關(guān)系，并結(jié)合已有的三例以熵分劃方法為研究方式對(duì)具體中醫(yī)病癥證候分析的應(yīng)用案例，總結(jié)出熵分類在研究證癥關(guān)系中的作用。

2 信息熵分劃方法

在關(guān)于生物、醫(yī)學(xué)、人腦等研究領(lǐng)域中，復(fù)雜系統(tǒng)是由任意多個(gè)子系統(tǒng)組成的具有任意結(jié)構(gòu)的系統(tǒng)，其中以“熵”定義的關(guān)聯(lián)度是復(fù)雜系統(tǒng)的核心概念，同時(shí)也是研究中醫(yī)證候復(fù)雜系統(tǒng)的子系統(tǒng)相關(guān)性的主要衡量度。在我們的世界中，有包括長(zhǎng)度、質(zhì)量、溫度等諸多對(duì)客觀事物的度量單位，而“熵”可以看作是信息的一種度量，是隨機(jī)變量不確定性的測(cè)度。以熵定義復(fù)雜系統(tǒng)中子系統(tǒng)間的關(guān)聯(lián)度，對(duì)于一個(gè)復(fù)雜系統(tǒng)，若將其看做由離散隨機(jī)變量構(gòu)成的離散信息源，并組成了若干子系統(tǒng)，則可以將其表示為一個(gè)矢量[4]：

S = （S1，S2，…，Si，…，Sp）

其中Si={Sia ，i=1，2，…，p ；a=1，2，…，q}是描述系統(tǒng)特性的變量。我們令Ci（i=1，2，…，p）為Si分類的集合，其中Ci的第a個(gè)元素Cia=a，即Ci={1，2，…，a，…，k}，k≦q，并令na為Si屬于Ci第a類的數(shù)量，則在S中，Si的熵H（Si）為

H（Si，Sj）為Si與Sj的聯(lián)合熵，nab表示Si屬于Ci的第a類且Sj屬于Cj的第b類的數(shù)量。若S中任意兩個(gè)子系統(tǒng)，則為Si和Sj之間的關(guān)聯(lián)度。在此基礎(chǔ)上，西廣成[5]又提出了對(duì)于復(fù)雜系統(tǒng)分劃要求的最低準(zhǔn)則：

并引入關(guān)聯(lián)度系數(shù)從而消除Si與Sj的分類數(shù)或量級(jí)對(duì)于的影響，取值0和1之間。結(jié)合關(guān)聯(lián)度矩陣畫出信息連通圖，通過寬度正比于的有向線，將大的Si和Sj進(jìn)行連線，從而得關(guān)聯(lián)度較高的變量集，即關(guān)聯(lián)度較高的子系統(tǒng)。依照該方法將原系統(tǒng)S進(jìn)行處理，使原本離散的變量通過關(guān)聯(lián)度相互之間產(chǎn)生了聯(lián)系并形成一個(gè)子系統(tǒng)，子系統(tǒng)與子系統(tǒng)間繼續(xù)進(jìn)行關(guān)聯(lián)度測(cè)算，得出子系統(tǒng)間的關(guān)聯(lián)分析，最后以此為依據(jù)分劃整個(gè)復(fù)雜系統(tǒng)S。

3熵分劃方法在證癥關(guān)聯(lián)分析中的應(yīng)用

在中醫(yī)證侯數(shù)據(jù)系統(tǒng)中，“證”與“癥”數(shù)據(jù)離散混雜在一起，若采用信息熵分劃算法應(yīng)用其中，則無(wú)需提前設(shè)計(jì)分劃模型，只需計(jì)算各數(shù)據(jù)變量Xi的H（Xi）以及H（Xi，Xj），其中（i，j=1，2...n），通過關(guān)聯(lián)程度形成對(duì)應(yīng)子系統(tǒng)，如某個(gè)癥狀集S1，以此為基礎(chǔ)對(duì)應(yīng)分析與其關(guān)聯(lián)度最高的另一個(gè)子系統(tǒng)，如某個(gè)證侯或兼證集Sj，從而可以得到癥狀與證侯的關(guān)聯(lián)。本章將以此為研究方向，對(duì)三例已有研究成果進(jìn)行分析，并最終討論熵分劃方法在證癥關(guān)聯(lián)分析中的作用。

3.1 熵分劃方法在抑郁癥癥狀與證侯關(guān)聯(lián)分析中的應(yīng)用

西廣成[6]等在熵分劃算法的基礎(chǔ)上，采用分級(jí)定量的方法，對(duì)604例采集到的抑郁癥病例進(jìn)行癥狀關(guān)聯(lián)分析實(shí)驗(yàn)。在該實(shí)驗(yàn)中，共收集癥狀變量100個(gè)，包括精神癥狀如“悲觀”、“膽怯易驚”等18個(gè)，軀體癥狀如“手足心熱”、“自汗”、“烘熱”等52個(gè)，舌象癥狀如“白苔”、“少苔”等19個(gè)和脈象癥狀如“脈浮”等11個(gè)。通過綜合分析，對(duì)抑郁癥數(shù)據(jù)中的兩個(gè)癥狀變量進(jìn)行關(guān)聯(lián)度系數(shù)的運(yùn)算，得到兩兩癥狀間的關(guān)聯(lián)度系數(shù)矩陣。以自汗、烘熱癥狀為例，得出自汗癥狀屬于烘熱癥狀的關(guān)聯(lián)集合且關(guān)聯(lián)度排位第二，同樣烘熱癥狀也排在自汗癥狀的關(guān)聯(lián)集合第三位。根據(jù)N級(jí)變量的進(jìn)一步分析，發(fā)現(xiàn)手足心熱癥狀同自汗及烘熱癥狀關(guān)聯(lián)度也很高，從而認(rèn)定這三類癥狀是抑郁癥癥狀系統(tǒng)的一個(gè)有效分劃，并屬于證侯中的熱證。依照該模式，將所分劃的大部分集合對(duì)應(yīng)連線至中醫(yī)證侯中的相關(guān)證，從而將分劃結(jié)果與中醫(yī)理論的辯證意義聯(lián)系起來(lái)。

3.2 熵分劃方法在慢性腎功能衰竭癥狀與證侯關(guān)聯(lián)分析中的應(yīng)用

王天芳[7]等人在研究慢性腎功能衰竭“證癥”關(guān)聯(lián)分析時(shí)同樣采用信息熵關(guān)聯(lián)度系數(shù)法，從證侯要素入手對(duì)提取的患者四診癥狀進(jìn)行分析。在該研究中，共選取病例樣本601例，涉及“乏力”、“胸悶”、“腰膝酸軟”等16個(gè)癥狀變量，采取兩兩變量及多變量之間的關(guān)聯(lián)度系數(shù)的大小比較，將關(guān)聯(lián)度程度最高的變量聚成一個(gè)集合，從而得出關(guān)于慢性腎功能衰竭癥狀的簇集并對(duì)應(yīng)至相關(guān)的病位及可能所屬的證侯。例如癥狀：“胃寒”、“乏力”、“腰膝酸軟”，病位：“腎”，病性：陽(yáng)虛，可能的證侯：“腎陽(yáng)虛證”，并以此將數(shù)據(jù)集中的癥狀與證侯進(jìn)行分類。

3.3 熵分劃方法在血瘀證癥狀體征規(guī)范化中的研究

王階[8]等人將中醫(yī)診斷與復(fù)雜系統(tǒng)熵分劃算法相結(jié)合，以血瘀證為研究對(duì)象，通過探索復(fù)雜算法研究中醫(yī)證侯診斷的新思路，提升中醫(yī)診斷方法的客觀性和規(guī)范性。在本研究中，共提取血瘀證460例，疾病分類有“心絞痛”、“類風(fēng)濕”、“腦梗死”、“肝硬化”、“月經(jīng)病”等5類常見病，血瘀兼型有“氣虛血瘀”、“氣滯血瘀”、“陰虛血瘀”和“痰濁血瘀”4型。通過對(duì)癥狀與血瘀兼證證型的關(guān)聯(lián)度數(shù)據(jù)統(tǒng)計(jì)，發(fā)現(xiàn)氣虛血瘀癥狀的總體貢獻(xiàn)度要明顯高于其他3類血瘀兼型，氣虛證的貢獻(xiàn)度也大于其他三類亞型，因此判斷氣虛證是伴隨血瘀證的主要證侯，在臨床用藥治療血瘀證的同時(shí)，可以適當(dāng)添加補(bǔ)氣藥會(huì)提高療效。另外，不同的血瘀兼證有各自的特點(diǎn)，也有公共的病癥和體征，然而即使如“舌質(zhì)紫暗”此類公共癥狀，在各自不同的血瘀部位所占的權(quán)重也不同。因此，在治療過程中需注意不同部位血瘀證的不同癥狀，從而針對(duì)性的用藥治療。此研究不僅發(fā)現(xiàn)了證候與癥狀的關(guān)聯(lián)度，同時(shí)將疾病、部位、以及兼證證型作為子系統(tǒng)進(jìn)行熵分劃研究，使得熵分劃方法在證侯規(guī)范化研究中的應(yīng)用更加全面，也進(jìn)一步驗(yàn)證了熵分劃在面對(duì)多維離散數(shù)據(jù)時(shí)的分劃準(zhǔn)確度。

3.4 研究結(jié)果

數(shù)據(jù)挖掘與中醫(yī)藥結(jié)合是近年來(lái)的研究熱門，在一般的數(shù)據(jù)挖掘辦法中，一個(gè)變量往往只能隸屬于一個(gè)變量集，反映到證侯變量中即一個(gè)中醫(yī)臨床癥狀只能屬于一組癥狀群，通過證侯與癥狀群的聯(lián)系，這就意味著一個(gè)癥狀只可以對(duì)應(yīng)一個(gè)可能的證侯。中醫(yī)證侯與癥狀以及體征之間不是簡(jiǎn)單的一對(duì)一關(guān)系，而是一種多對(duì)多，集合對(duì)集合的非線性關(guān)系。在這種情況下，引入信息熵分劃方法可以有效地分析疾病、證侯、癥狀之間的復(fù)雜關(guān)系，原因在于使用該方法對(duì)原系統(tǒng)進(jìn)行的劃分是完全按照離散變量之間的關(guān)聯(lián)度系數(shù)大小劃分，沒有固定的線性公式，分劃算法與數(shù)據(jù)的適應(yīng)性良好。如案例一中將三種癥狀變量通過熵關(guān)聯(lián)度分析集合為某一個(gè)癥狀集（子系統(tǒng)），并通過癥狀集和對(duì)應(yīng)聯(lián)結(jié)度較高的證侯系統(tǒng)進(jìn)行比較，得到關(guān)聯(lián)度較高的證侯集，從而達(dá)到癥狀與證侯的多對(duì)多關(guān)聯(lián)比對(duì)；在案例二中，通過多變量間的關(guān)聯(lián)度分析，不僅得到了癥狀與證侯的關(guān)聯(lián)度分析，同時(shí)在熵分劃過程中產(chǎn)生了表示病位的子系統(tǒng)，并得到了該系統(tǒng)與證侯間的關(guān)系；案例三則將兼證作為新的子系統(tǒng)加入分析，通過提取貢獻(xiàn)度最高的子系統(tǒng)，發(fā)現(xiàn)氣虛證是伴隨血瘀證的主要證侯，從而達(dá)到證侯與證侯之間的關(guān)聯(lián)分析，使臨床用藥治療更加全面。

4 結(jié)束語(yǔ)

綜上所述，如圖1左所示，在信息離散度和復(fù)雜度較高的中醫(yī)證侯系統(tǒng)中，癥狀變量與證侯信息混雜在一起，而熵分劃的作用是將左圖的離散轉(zhuǎn)化成右圖的關(guān)聯(lián)，即將癥狀變量通過關(guān)聯(lián)度集合成多個(gè)癥狀集合，并將癥狀集合與關(guān)聯(lián)度較高的證侯要素進(jìn)行聯(lián)結(jié)。在疾病發(fā)展的不同階段，以及患者體質(zhì)的不同，同一個(gè)證侯可能對(duì)應(yīng)不同的癥狀集，而同一個(gè)癥狀集又可能是不同的證侯的癥狀集的一部分，另外根據(jù)原始數(shù)據(jù)集信息維度的不同，通過熵分劃也可分劃出如病位、體征等不同的子系統(tǒng)，使之與病癥和證侯相互作用，進(jìn)一步精確某種證侯所包含的量化要素，為中醫(yī)證侯的規(guī)范化起到至關(guān)重要的作用。

參考文獻(xiàn)：

[1] 鐘濤.基于復(fù)雜系統(tǒng)方法的慢性胃炎中醫(yī)問診證侯建模研究[D].上海：華東理工大學(xué)，2014.

[2] 李方玲，梁嶸.對(duì)中醫(yī)證侯規(guī)范化研究的探討[J].遼寧中醫(yī)雜志，2006，33（4）：386-387.

[3] 張春和.證侯研究規(guī)范化與中醫(yī)全球化[J].云南中醫(yī)學(xué)院學(xué)報(bào)，2011，24（5）：4-7.

[4] Pal N， Pal S. Object-background segmentation using new definitions of entropy.IEEE proceedings on Computers and Digital Techniques，1989，136（4）：284-295.

[5] 西廣成.復(fù)雜系統(tǒng)分劃的熵方法[J].自動(dòng)化學(xué)報(bào)，1987，13（3）：216-220.

[6] 西廣成.復(fù)雜系統(tǒng)方法學(xué)與中醫(yī)證侯建模[M].北京：科學(xué)出版社，2010：91-95

[7] 王天芳，吳秀艷，陳建新，等.基于信息熵關(guān)聯(lián)度系數(shù)法的證侯要素提取研[J].天津中醫(yī)藥，2009，26（4）：274-276.

[8] 王階，李海霞，孫占全，等.基于復(fù)雜算法的中醫(yī)證侯研究[J].北京中醫(yī)藥大學(xué)學(xué)報(bào)，2006，29（9）：581-585.