复杂系统熵网络方法及其在中医肿瘤临床数据挖掘中应用.pdfVIP

复杂系统熵网络方法及其在中医肿瘤临床数据 挖掘中的应用 1 2 2 2 2 杨铭 ，焦丽静 ，陈佩奇 ，王珏 ，许玲 （1. 上海中医药大学附属龙华医院药剂科，2. 上海中医药大学附属龙华医院肿瘤科 上海 200032 ） [摘要] 目的：探索中医肿瘤复杂临床数据挖掘的研究方法。方法：介绍了复杂系统熵网络方法，即 采用基于随机置换检验的互信息方法进行多维的相关性评估，在此基础上建立复杂网络，通过计算网络的 各种统计信息对复杂中医肿瘤临床数据进行挖掘，并对龙华医院 718 例肺癌数据进行了挖掘分析。结果： 复杂系统熵网络方法能够发现中医肿瘤临床数据中的多因素混杂交互效应，对 718 例数据分析结果得到 116 对有协同效应的属性，82 对有拮抗效应的属性，14 个核心协同效应子群属性集，7 个核心拮抗效应子群属 性集，分析结果基本符合临床实际情况。结论：复杂系统熵网络方法能够对复杂中医临床数据进行挖掘， 是进行多因素交互效应分析的有效方法之一。 [关键词]：互信息；随机置换检验；复杂网络；数据挖掘 ；中医肿瘤； 恶性肿瘤是发病率和死亡率增长最快、严重威胁人类健康和生命威胁的疾病之一。因此， 癌症的防治已成为世界范围内亟需攻克的难题之一。中西医结合的规范化治疗已经成为防治 肿瘤的一种重要方法。很多临床研究表明，中医药作为一种有效的肿瘤治疗手段，参与全程 治疗，以多靶点、多途径、多机制作用于机体。 从上个世纪中叶开始肿瘤的现代研究以来，基于有效的临床治疗，中医药治疗肿瘤的积 累了大量的诊治资料，不仅包含了中医治疗的“药-方-证-症” 的信息，同时还包含联合现代治 疗手段的治疗信息。其本质就是一种数据关系，具有复杂性和非线性动态变化的特性。对海 量的肿瘤临床数据的深层挖掘，不仅可以全面系统总结及评估中医药治疗肿瘤的疗效，而且 通过对其中复杂数据的关联分析，可以发现中医药治疗肿瘤的内在规律及其新知识。 近年来，复杂系统方法开始根据中医学应归入复杂性科学的理论对中医药进行研究，并 取得了一些有价值的成果。复杂系统熵聚堆算法[1-3] 虽然表现形式不具有可视化，但是在一 定程度上解决了复杂数据的关联性评估问题。复杂网络方法因为其可视化、可读性强的优势 成为了当今的研究热点。网络的各种统计数据也给研究者提供了丰富的信息，既往研究的结 果显示复杂网络对中医药的复杂数据，特别是药物的配伍规律的知识发现具有相当的优势 [4-7] 。本文提出使用复杂系统熵网络的方法对中医复杂临床数据进行研究，该方法结合了信 息熵关联法与复杂网络法的优点，即采用基于信息熵的互信息方法进行相关性评估，并引入 非参数检验方法 （随机置换检验）自动确定关联度的显著性阈值，在此基础上建立复杂网络， 通过计算网络的各种统计信息对复杂中医肿瘤临床数据进行挖掘。 一、复杂系统熵网络方法 1. 基于随机置换检验（Random Permutation Test，RPT ）的互信息关联法 给定一个复杂临床数据有 n 个属性变量 X1 ，X2 ，…Xn，其概率密度函数分别为 p （x1 ）， p （x2 ），…p （xn ），Xi 和 Xj 的联合概率分布密度为p （xi ，xj ），其中 i，j=1 ，2 ，…n，所 以根据信息论原理，则属性变量Xi 的 Shannon 熵为： H (X ) =−∑ p (x )log p (x ) i i i 属性变量 Xi 与 Xj 的联合熵为： H (X , X ) =−∑ ∑ p (x , x )log p (x , x ) i j i j i j 则属性变量 Xi 与 Xj 的关联系数，即Xi 与 Xj 的互信息为： I (X , X ) H (X ) + H (X ) − H (X , X ) i j i j