[发明专利]中医证候的分子解释工具构造方法

说明书

技术领域

本发明涉及计算机技术在中医领域研究中的应用，特别是涉及基于中医病例样本的中医证候分子解释机制，具体是一种中医证候的分子解释工具构造方法，所述分子解释工具用于从分子层面阐释中医证候的机理。

背景技术

中医的发展源远流长，在一些疾病治疗上逐渐形成一套完善的体系。中医对疾病的诊断建立在一套完备的证候理论之上，基于“望闻问切”四诊信息，在症状群基础之上对患者的中医证候做出经验判断。

“证候”是中医学的专用术语，概括为一系列有相互关联的症状总称；即通过望、闻、问、切四诊所获知的疾病过程中表现在整体层次上的机体反应状态及其运动、变化。证，是指对疾病所处的一定阶段的病机概括，或非疾病机体一定阶段的机体状态的概括；候，是指这种病机或状态的可被观察到的外在表现。

中医体系的形成得益于中医学家长期以来实践与经验的积累。在这个过程中，中医名书古籍记载着中医实践者智慧的结晶，推动者中医学的发展。然而，正是由于中医诊断依赖中医专家的经验，不同医师根据从业经历和业务水平的不同，对同一对象会做出不同的判断，这使得中医的诊断具有一定的主观性。缺乏准确的分子解释，是制约中医发展的一大瓶颈。近年来，一些国内外研究者试图在大量中医病例样本数据的基础上，提取出症状与证候之间的关系，对中医证候的诊断加以量化。

目前，中医证候的研究主要集中在对中医病例样本进行学习，并构建用于证候诊断的分类模型。在学习方法的选择上则不尽相同，有些学习算法得到的模型预测准确度较高，而有的模型则相对较低，比较常见的有如下三类方法用于构建证候诊断模型。第一类方法对病例样本进行回归分析，得到证候的判别函数，表征出不同症状的重要性，并用于新病例的预测。第二类根据相关分析对症状进行打分，然后筛选出预测准确度最高的判别函数作为诊断模型。第三类方法采用机器学习的算法(如贝叶斯网络、支持向量机等)对病例样本进行学习，并构建出最优模型，用于新病例的预测。这三类方法都可以得到较高的准确率，但是同时各有一定的局限性。第一类方法往往是基于大批量的样本数据，在小样本的情况下难以保证高准确率，第二类方法的主观性较大，第三类方法在不平衡样本集上的表现欠佳。尽管中医证候的研究在证候分类上取得了不少进展，但是很少有学者从分子层面对中医证候的潜在机理进行阐述。

针对这种情况，有必要对中医证候建立分子解释机制，并构建一系列分子解释工具，利用分子解释工具不仅能根据中医病例样本筛选核心症状，还能对核心症状的分子机制进行分析，从而更好的阐释中医证候的机理。

发明内容

(一)要解决的技术问题

本发明所要解决的技术问题在于提供一种构造基于中医病例样本的中医证候分子解释工具，以便方便地对中医症候的核心症状的分子机制进行阐释。

(二)技术方案

为解决上述技术问题，本发明提出一种中医证候分子解释工具构造方法，以便于从分子层面阐释中医证候的机理，所述方法包括如下步骤：步骤S1：根据中医病例样本数据，计算症状与中医证候之间的信息增益；步骤S2：根据多个不同的信息增益阈值来筛选出多个不同的症状集，并构建基于该多个不同症状集的支持向量机分类模型；步骤S3：将所述多组支持向量机模型中的预测准确率最高的一组支持向量机分类模型对应的症状集作为核心症状；步骤S4：确定所述核心症状对应的表型本体条目以及表型本体条目关联的基因，依据关联基因的出现频率对基因进行排序，并设置一个频率阈值来筛选出频繁基因；步骤S5：根据所述筛选得到的频繁基因和生物通路图数据来构造用于中医证候解释的分子解释工具。

根据本发明的具体实施方式，在步骤S1中，信息增益IG(C|X)根据下面的表达式来计算：