中醫診療專家系統論文

導語：中醫診療專家系統論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】為了解決中醫診療專家系統中知識獲取瓶頸和推理技術應用等問題，把基于案例推理技術用于中醫診療專家系統的知識表示和推理。提出系統模型，介紹了案例推理的基本結構：案例提取網（caseretrievalnets）以及案例提取算法，對系統中案例的學習和修正機制進行了說明，并提出用基于案例的解釋來生成診斷結果的解釋性說明以及輔助構建基于案例的中醫診療輔助教學系統。這種基于案例推理的中醫診療專家系統可以適應不確定、不完全的知識表示，病案案例獲取方便，充分體現中醫經驗在診療過程中的重要作用，是建立中醫診療專家系統的一種新方法。

【關鍵詞】人工智能；專家系統；中醫；基于案例的推理；案例提取網

Abstract：InordertosolveknowledgeacquisitionandreasoningtechnologyissuesinthetraditionalChinesemedicineexpertsystem，thispaperintegratestheCBRtechniqueintotheKnowledge''''srepresentationandreasoningofit.Weputforwardthesystem''''smodelandintroducethebasicframeworkofcasereasoning:caseretrievalnets,andcaseextractionalgorithm.ThispaperalsoexplainsthemechanismofcasestudyandreviseandputsforwardamethodtoexplainthediagnosisresultandtobuildaassistanttutoringsystemofChinesetraditionalmedicinebyusingcase-baseexplanation.Atlast,thispapermakesasummaryoftheadvantagesofthesystem,andputforwardthefurtherresearchanddevelopmentdirections.Itcanadapttouncertainty,incompleteknowledge,convenientaccesstomedicalrecordscase,fullyembodytheimportantroleoftheChinesemedicineexperienceintheclinicprocess.OurmethodisanovelmethodtoestablishatraditionalChinesemedicineexpertsystem.

Keywords：AI；Expertsystem；TraditionalChinesemedicine；Case-basedreasoning；Caseretrievalnets

中醫藥現代化是國家中長期科技發展規劃中具有戰略意義的研究課題。為了適應信息時展要求，促進祖國傳統醫學的傳承和發展，使中醫中藥在國際競爭中更具優勢和特色，利用現代先進的智能的信息技術來解決中醫診斷信息化過程中的關鍵問題，無疑是一項迫在眉睫的基礎性工作。然而，我國在這方面的整體研究水平還較低，多數中醫診療專家系統缺乏足夠的智能性，離臨床使用要求還有很大距離。歸結其原因主要有：沒有從中醫的整體性、系統性來分析和解決問題，僅針對具體病癥分散開發一些小系統［1］；系統結構固定，多采用基于規則的推理，準確性依賴于初始化時專家知識庫的建立，難以適應多變的實際應用環境；沒有很好實現中醫專家知識的自動獲取和學習，對于半結構化和非難以適應結構化診療知識無法很好地表示，存在知識獲取瓶頸；直覺性經驗知識是專家經驗知識的重要組成部分［2］，現有系統的知識獲取和表示形式難以適應中醫知識的這種經驗性。

基于案例的推理（case-basedreasoning，CBR）是將以前解決問題的經驗以案例形式存儲，作為以后的問題解決參考的一種機器學習和推理方法［3］。它在非結構化知識表示上很有優勢，并且在知識獲取上，優于基于規則的表示。在基于案例推理的醫學診療專家系統中，知識的主體是病案案例，在知識獲取和學習上有大量現成的來源。本文將基于案例的推理技術引入中醫診療專家系統的建模中，使用案例表示中醫專家的診療經驗，用案例提取網（caseretrievalnets，CRN）作為案例提取結構，實現案例的提取、學習。系統根據幾千年來眾多中醫名家的診療經驗建立案例庫，以案例推理方法為基礎，模擬中醫專家看病推理過程，針對病人的“望、聞、問、切”四診癥狀，推斷出病人幾種癥候的可能性，并由此提出建議處方，實現智能化的中醫專家診斷過程。

首先提出基于案例推理的中醫診療專家系統的體系結構，介紹了基于案例的推理和案例提取網的概念，說明案例提?。ㄒ布丛\療過程）的實現算法；然后說明了在這種結構下案例的修正、學習和解釋的機制及效用；最后，進行了總結和進一步研究的展望。

1系統框架和案例提取算法

1.1系統框架中醫診斷治療過程是，首先建立病人信息模型，通過“望、聞、問、切”四診來獲取疾病癥狀、體征等臨床信息；其次，根據患者個人信息和癥狀信息，結合中醫理論，給出患者的證型癥候信息及對患者癥狀的解釋，即“辨證”；最后，根據辨證和藥物特征，結合前人方藥經驗，開出藥方，提出相應的治療方案［4，5］?？梢钥闯?，在這個過程中包含兩個推理階段：由疾病的表現得到癥候信息、由證候信息推理得到相應的治療方案和方劑。

有經驗的中醫專家在這兩個階段中除了能夠充分結合多方面的中醫藥理論知識，最重要的一點就是他們還能將各種診療經驗結合在當前疾病的診療上。而這種診療經驗可以轉化為案例的表述，從而利用案例推理實現智能的中醫診療系統。由此，提出將案例推理技術用于中醫診療專家系統開發的思想?；诎咐评淼闹嗅t診療專家系統診斷模型見圖1。

圖1中病人信息包括病人的既往病史、日常生活習慣、體征等內容，CBR推理機根據病人信息和四診癥狀信息進行推理，從診斷案例庫提取的最近似案例送入案例修正模塊，案例修正后輸出即為對當前病案的診斷結果。診斷并治療取得一定效果后，該病案可以被輸入到案例學習模塊，根據病人反饋及診斷案例庫現有案例的情況判斷是否可以作為經驗案例存入診斷案例庫，也即經驗學習。

診斷模塊的輸出是癥候辨證信息，這也是治療模塊的輸入信息。因為基于案例推理的治療模塊與上述診斷模塊結構近似，這里就不贅述了。

1.2案例的表示和案例提取網由于中醫學的學科特性，案例的描述具有極大的不確定性，不能以固定屬性描述的案例結構來表達診療經驗。這里用案例提取網（case-retrievalnets，CRN）作為診療案例的描述和提取結構，以動態屬性結構描述案例，有效解決了上述問題。根據不同的查詢問題，這個網狀結構在內存中動態生成［6］。

圖2是一個CRN的結構圖。CRN中的案例是通過一個叫信息實體（InformationEntities，IEs）的知識單元來描述的。IEs類似于傳統CBR中案例描述的“屬性－值”對，但它是一個原子結構，是CRN中知識的最小單元。通常情況下使用多個IEs來描述一個案例，不同案例由不同的IEs集合來描述。不同IEs之間有相似性關聯，且每個IEs與它要描述的對應案例之間有相關性關聯。

利用CRN解決問題包括以下3個基本步驟：①與待解決問題相關的IEs的激活。在中醫診斷過程中，可以把病人的癥狀信息解析為IEs；在治療方案提出過程，則是具體的癥候描述作為IEs。②CRN中IEs間相似性計算。IEs間的相似性計算提供了類似于傳統CBR中相同屬性的不同值之間的比較。通過IEs之間的相似性，可以得到與問題描述相關的其他IEs的集合，這是一種傳播激活的方式。通過這種方式，擴大了搜索的范圍。③案例相關性計算。根據集合中的各個IEs與各案例的相關度，計算出案例與當前問題的關聯程度。而最終的案例提取就以此為依據。

1.3CRN的建立和案例提取CRN是根據具體問題實時建立的一個網狀結構，然而，要根據問題生成CRN，需要案例庫中存在如下兩個關系：①IEse1和IEse2之間的相似性，用δ(e1，e2)來表示。②IEse和案例描述c之間的相關性，用p(e,c)來表示。

這兩個關系取值可以是［0,1］間的一個小數。根據上面CRN解決問題的基本步驟，相應的CRN構建過程有三個步驟：

第1步，診斷過程中的各種輸入信息（癥狀表現等）可以解析為一個IEs子集。對于案例庫中所有IEs：e，E，癥狀描述中若出現該IEs，則有，否則，有。由于可能有同義詞出現，可以建立一個同義詞表，多個同義詞對應一個IEs。而匹配過程則是先以單個詞為基礎對問題描述進行簡單的字符串匹配或是自然語言理解（NLP）分析，得到一個詞語集合以后，再根據同義詞與IEs的對應關系，將其轉化成為信息實體全集E的一個子集。這一步也是問題的解析過程，得到解析后IEs的集合，也就是＝，是通過存儲在內存中的值來表示它是與問題相關的。

第2步，對于案例庫中每一個IEs：e∈E，計算：

α1(e)=πe〔σ(e1,e)·α0(e1),Λσ(es,e)·α0(es)〕，……(1)

e1～es∈E是問題解析出來的IEs的集合，而πe則是一個加權函數，一般情況下可以采用求最大值或是求和的算法。這一步完成后，針對當前問題的CRN中各個IEs之間的相似性關聯就建立起來了。

通過E1以及上述公式，激活另一些IEs：e∈Es，它們滿足∈Es(e)∈Es0。這個激活過程可以通過以下公式進行無限的擴展：αf(e)=πf［σ（e1＞e)·αf-1(e1)，…，σ（es,e)·αf-1(es)］……(2)

其中，e1～es∈Et-2，且Et-2=eI(e))。是計算時的一個閥值。當這種激活過程只進行了兩步（即只計算到了）時，這種迭代的計算只進行了1次，因此，此時就是CRN的基礎模型BCRN（BasicCRN）。

在傳統CBR中，需要計算案例庫中每一案例與當前問題對應的描述屬性的兩個屬性值之間的相似程度，以反映問題描述與該案例的相似度。在CRN中，計算的值就反映了這樣一種屬性值的相似度，反映出案例庫中案例的“屬性－值”對與所提問題的相關度。

第3步，對于案例庫中每一個案例，計算：

α2（C）=πc［ρ1(e1,c)·α(e1)，…ρ（es,c）·α1（es)］……(3)

其中，πc函數與上述的πe類似，是一個加權函數。這時，IEs之間存在相似性關聯［即α1(c)］，而IEs與案例之間存在相關性關聯（即α1(e)），圖2所示的CRN網絡構建完成。

CRN中每一個α2(c)≠0的案例都是跟當前問題有關聯的案例，只是它們與當前問題關聯程度不同，而α2(c)值，就是案例與當前問題關聯程度的數值表示。這個數值可以稱為關聯值。我們可以提取出關聯值最大的一個或幾個案例作為當前問題解決的參考。在基于案例推理的中醫診療專家系統中，對于診斷過程，根據具體病例信息建立CRN，然后提取出與當前癥狀最相似的以前的案例（存儲著診斷經驗），采用其診斷結果經過案例修正，作為當前病例的建議診斷結果，實現了基于案例推理的診斷。中醫“論治”的治療過程與此類似，這里就不再贅述了。

2案例修正、學習和解釋

2.1案例的修正和學習案例的修正是CBR系統中一個重要的環節［7］。因為提取出來的案例不可能完全與待解決問題吻合，因此，就要根據待解決問題以及一些修正規則，對提取的案例進行改編，以期能更加符合用戶的要求。案例的修正也是基于案例推理系統的一個難點，在中醫專家系統中，中醫學基礎理論是案例修正規則的主要來源，也可以利用人工智能方法提取修正規則，作為案例修正的依據。

在中醫診療專家系統案例的初始化過程中，領域專家要將各種疾病的典型中醫病案案例以標準術語進行描述，形成規范的IEs全集，并初始化相似度和相關度度量，然后知識工程師將這些典型病例輸入系統，構造兩個案例庫：診斷案例庫和治療案例庫。癥狀表現等信息是診斷案例庫的案例描述，而辨證的癥候描述則是診斷案例庫的案例解決；同理，癥候描述是治療案例庫的案例描述，而相應的治療方案和藥方則是其問題解決描述。

在系統使用過程中，具體案例的診療又可以以標準化術語（IEs）描述，根據其治療效果決定是否加入案例庫，成為以后診療的經驗，實現案例的學習。并且，在學習過程中還要避免過于相似的案例存入案例庫，造成案例庫的冗余。

2.2案例的解釋案例的解釋在中醫診療專家系統中有兩個重要的目的，一是面向病患的解釋，用于說明病患癥狀的成因；二是面向系統使用者的解釋，這種解釋通過進一步的改造可以成為基于案例的中醫輔助教學系統。

可以使用中醫學理論規則作為病案案例的解釋，然而，已有研究表明，基于規則的解釋在分類/診斷類型應用中并不優于基于案例的解釋［8］?；诎咐慕忉專╟ase-basedExplanation，CBE）是基于案例的推理與解釋技術的結合，這種結合主要在三個層次上：使用解釋支持CBR的內部過程、利用CBR來生成解釋、使用案例為外部用戶解釋系統的推理結果。在中醫專家系統中，可以提供以前案例診斷過程和結果作為當前病案診斷的解釋，這對于解釋的第二個目的來說很有效果。然而面向病患的解釋還需要有專家規則的輔助才能生成。

基于案例的解釋在診斷過程中還有重要的輔助作用。當患者提供的初始信息及癥狀描述并不完備時，需要醫生對某些可能癥狀進行詢問以進一步明確癥狀表現。這時，需要根據已有的信息找出最應該詢問的問題。參考McSherry在其FirstCase和TopCase系統中采用增量最近鄰方法［9］，在診斷過程中，根據當前已提供信息進行最相似案例查找，然后對這最相似的若干個案例進行比較，找出沒有提供的且差異最大的“屬性－值”對（也即信息實體），據此向病患提出問題，以明確具體癥狀。這其實就是實現了“望聞問切”中的問診。通過這種交互反饋方式，進一步減小了系統誤診的幾率，提高了系統的精度；同時，也有助于使用系統的醫生水平的提高。

3總結和展望

將基于案例推理技術用于中醫診療專家系統是中醫智能診療系統建設的一個新思路，能夠有效解決中醫專家系統在構建過程中的若干問題，總結起來，其優勢主要有以下幾點：對于不確定、不完全和不一致的病患信息有較強的適應能力，并可以利用基于案例的解釋實現問診，以進一步明確癥狀信息，提高診斷精度；案例提取網的結構決定了病案案例的知識獲取非常方便，并且不會影響以前的案例，有效解決了知識獲取瓶頸；大量的古今病案案例也是很好的案例來源；通過基于案例的解釋進一步發展，可以生成中醫診療案例教學系統，幫助年輕醫師迅速提高診療經驗；隨著系統的使用時間增長，案例不斷增加，系統也可以逐漸改善推理性能，適應各種病征而不僅限于某一種或一類疾病。

要建成實際可應用的系統，還應在以下方面進一步完善和發展：望、聞、問、切四診的定量化、數字化研究進一步的深入研究和發展；有助于促進中醫診療專家系統的發展；利用數據挖掘和人工神經元網等人工智能方法從大量病例中挖掘有效的專家規則，用于指導案例的學習和修正；會話式CBR（conversationalCBR）和交互式CBR的研究發展有助于幫助中醫問診的智能化實現；需要找到合適的知識表示方法來表達病案案例中病情發展的時序關系；“1.3”項中的各加權函數常采用最大值或求和的形式，可以考慮利用人工神經元網絡技術求取和表示這些函數及權值信息，以求得更加準確的表達。

【參考文獻】

［1］周昌樂，張志楓.智能中醫診斷信息處理技術研究進展與展望［J］.中西醫結合學報，2006，4（6）：560..

［2］王震宇.人工神經網絡在中醫專家系統知識挖掘中的應用［J］.計算機與數字工程，2006，34（10）：146.

［3］AgnarAamodt,EnricPlaza.Case-BasedReasoning:FoundationalIssues,MethodologicalVariations,andSystemApproaches［J］.ArtificialIntelligenceCommunications，1994，7（1）：39.

［4］章浩偉，朱訓生，楊華元.中醫證候分級推理診斷方法［J］.計算機工程與應用，2005，9：207.

［5］胡東紅，李德華，關景火，等.中醫的四診特征空間與辨證特征空間［J］.北京生物醫學工程，2003，22（4）：286，239，1996.

［6］LenzM.，BurkhardHD.CaseRetrievalNets:Basicideasandextensions［J］.G?rzG，H?lldoblerS(eds)KI-96:AdvancesinArtificialIntelligence.LNAI1137，SpringerVerlag：227.

［7］張光前，鄧貴仕.基于事例推理中差異驅動的事例修改策略研究［J］.計算機應用，2005，25（7）：1658.

［8］CunninghamP.，DoyleD.，LoughreyJ.Anevaluationoftheusefulnessofcase-basedexplanation［A］.Proceedingsofthe5thInternationalConferenceonCBR（ICCBR2003）［J］.Springer，2003：122.

［9］DavidMcSherry.ExplanationinRecommenderSystems［J］.ArtificialIntelligenceReview，2005，24：179.