中医病证规律下的数据挖掘论文

关键词：中医诊断；数据挖掘；综述由于中医诊断主要根据医生的经验来决定，因此，在临床施治过程中存在较大的主观性和不确定性等问题。在中医诊断领域引进数据挖掘技术，不但符合现在多学科交叉发展的潮流，在解决实际问题上，无疑也是中医客观化进程中的又一催化剂。以下是小编精心整理的《中医病证规律下的数据挖掘论文(精选3篇)》的相关内容，希望能给你带来帮助!

中医病证规律下的数据挖掘论文 篇1：

慢性咳嗽的中医证候规范化及客观化研究进展

摘要：慢性咳嗽是呼吸科门诊的常见疾病。现有研究表明，中医药治疗慢性咳嗽具有独特优势，慢性咳嗽的中医证候规范化研究主要集中在分类规律规范化方面，且成果颇丰，慢性咳嗽的中医证候客观化研究现阶段是以建立动物模型的方式为主要方向。从慢性咳嗽的证候规范化及客观化角度着手，总结慢性咳嗽当前的中医证候规范化及的最新研究进展，以期能为慢性咳嗽临床使用中医药的规范化及客观化提供参考。

关键词：慢性咳嗽;中医证候;规范化;客观化

证候指的是疾病过程中一定阶段的病位、病因、病性、病势及机体抗病能力的强弱等本质有机联系的反应状态，表现为临床可被观察到的症状等[1]。辨证论治是中医学独有的治疗方法，其中辨证是前提和基础，而证候是其理论核心部分[2]。证候的规范化是中医学现代化的基础。谷浩荣[3]等认为中医证候的规范化包括证候的名称、分类规律及诊断标准的规范化。王笑丹[4]等认为中医证候的规范化从证名规范化、症状规范化、辨证模式规范化、证候诊断标准规范化四个方面进行。目前，对于中医证候的名称以及症状的描述均尚未形成规范统一的标准。中医辨证方法繁多，任意一种辨证模式都不尽完善，证候分类规律及证候诊断标准也尚未达成共识。在临床实践中，中医药治疗慢性咳嗽需要建立统一、规范的流程。将中医证候的证名、症状、辨证模式、证候诊断标准规范化，同时建立证候分层诊断模式，并统一到到一脏（或腑）一病性的单证模式，有助于慢性咳嗽的成为一个完整的诊治体系[4]。

在慢性咳嗽的中医证候规范化中至關重要是证候分类规律规范化，同时中医证候的客观化也可使证候研究走向标准化。中医证候的客观化是指应用现代科研方法，寻找证候对应的组织结构、生理病理等的实体改变，包括基于动物模型、病理生理及“组学”的证候实质研究[3]。慢性咳嗽的中医证候规范化及客观化研究，有助于达到建立规范的学科体系的最终目标。

1 慢性咳嗽的中西医概述

在现代医学中，慢性咳嗽的定义为：持续时间超过8周，以咳嗽为唯一或者主要症状且胸片未见明显异常的咳嗽。慢性咳嗽通常表现为咳嗽及咳痰，同时还可伴有鼻咽部的症状。慢性咳嗽的病因涉及多种方面，往往难以明确[5]。其常见病因包括咳嗽变异性哮喘、上气道咳嗽综合征、嗜酸粒细胞性支气管炎、变应性咳嗽和胃食管反流性咳嗽等[6]。患者至门诊就诊时，往往因诊断不明确而反复进行各种检查，或者长期大量使用抗菌药物和镇咳药物，收效甚微并产生诸多不良反应，甚至引起多个系统的并发症，如心血管、消化、神经、泌尿、肌肉骨骼等，长期慢性咳嗽还可能出现如焦虑、尿失禁、晕厥、失眠等症状[7]，对患者的工作、学习和生活质量造成了严重的影响，同时也带来了严重的经济负担。

中医方面，张介宾在《景岳全书》中将咳嗽分为外感咳嗽和内伤咳嗽，外感咳嗽属邪实;内伤咳嗽大多为虚，常兼见邪实与正虚[8]。《咳嗽中医诊疗专家共识意见（2011版）》中将咳嗽证型分为9类，分别为风寒袭肺证、风热犯肺证、燥邪伤肺证、风盛挛急证、痰湿蕴肺证、痰热郁肺证、胃气上逆证、肝火犯肺证、肺阴亏虚证[9]。传统中医学中并无慢性咳嗽病名，因其有病程较长，迁延难愈的临床特点，近现代医家将其归于“久咳”“久嗽”“久咳嗽”等范畴[10]。

2 慢性咳嗽的中医证候规范化研究方法进展

中医药辨治慢性咳嗽历史悠久，前人积累了大量的理论经验[11]。张曦等[12]研究《临证指南医案·咳嗽》中的慢性咳嗽的证素特点后提出：病位辨证方面，除了肺之外，还需要关注肝、脾、胃、肾四方面;病性证素中，气虚、阴虚、痰、热占比较大;与此同时，气滞、气逆、阳虚、瘀阻、风邪也可兼见，其中比例最高的分别是气虚、阴虚;证型方面，肺气虚、胃气虚、胃阴虚、肾气虚、肝郁气滞出现的频率较多。在以上病性及证型中，均以虚为主，其可能的原因是，古代医疗条件有限的情况下，咳嗽容易日久不愈。文献研究是研究中医证候及证素研究的有效方式，但要获得更可靠的研究资料，可能还需与临床实践结合，才能规范地进行下一步研究，达到为慢性咳嗽的中医临床辨治提供充实依据的目标。

因子分析法是现代统计学方法之一，主要方式是将变量以多化简，其可以用来寻找隐藏在那些可测变量中无法直接获得，却直接影响或支配着可测变量的公因子，并估计这些公因子对那些可测变量的影响程度，同时估计这些公因子之间的关联性。用因子分析的方法来看中医，“证候”就是那些隐藏的、起支配作用的因素，“症状”就是机体内在状况的外在表现，是受“证候”支配的外在的因素（变量）[13]。因子分析方法的原理与中医“辨证”的思路较为符合。李佳珊等[14]通过采集618例患者的信息后采用因子分析的方法共提取出12个证素公因子，其中出现较多的因子为：以风为证素的因子（71.05%），以湿热为证素的因子（29.06%），以阳虚为证素的因子（17.98%），以痰为证素的因子（16.32%）;发现慢性咳嗽中4个主要病性证素分别为风（61.81%）、湿热（25.73%）、阳虚（25.73）及痰（17.48%）;4个病位证素为肺、脾、胃及咽。证素的概念可理解为辨证的基本要素，是通过辨别患者的症状及体征等确定疾病的病位和病性，具体思维过程可简要归纳为根据证候辨别证素从而组合成证名，可起到奠定辨证分型的科学、规范化基础的作用。

数据挖掘[15]是指基于海量信息，从繁杂、随机的信息数据中挖掘出潜在规律的过程。数据挖掘技术主要包括频数统计、聚类分析、因子分析、对应分析、关联规则、分类模型、贝叶斯网络、异常点分析等;在中医方面，数据挖掘主要应用于中药方剂配伍规律、症状分析、辨证规律分析三方面[16]。在中医证候方面，可从其基本构成单位（证候要素）入手，挖掘其构成、分布与演变规律，然后再研究组合证候要素的规律[17]。郭德海等[18]检索了CNKI、VIP、万方数据、CBM，检索词层面包含中医和中西医结合后纳入了3157 篇文献，将其中的非结构化文本数据保存到数据库后提取关键词，进行可视化处理后得出以下结论：慢性咳嗽的主要证候要素依次是气虚、痰湿、阴虚、肝火、阳虚、风寒、湿热、血瘀、痰饮、风热、脾虚、肾虚、痰瘀、瘀血、气滞;涉及到的病位要素有肺、肝、脾、肾;主要证候分型依次为肝火犯肺、痰湿蕴肺、肺阴亏虚、虚实夹杂、寒热错杂、气阴两虚、阴虚肺燥、风寒袭肺、风热犯肺;慢性咳嗽的常见症状包括了呼吸系统及消化系统症状等，其中便秘、恶心、呕吐等症状在慢性咳嗽中出现的频率最高，提示慢性咳嗽与脾胃、大肠关系密切。数据挖掘技术充分考虑到中医数据繁杂、模糊、非线性的特点，可从复杂的临床数据中挖掘复杂繁多的证和症关系，寻找隐藏在大数据下的中医知识和规律[19]。

3 慢性咳嗽的中医客观化研究

王丽云等[20]采用卵蛋白致敏，建立咳嗽敏感性增高动物模型，结合形寒饮冷刺激，建立寒饮伏肺中医证候模型，通过两者结合建立慢性咳嗽寒饮伏肺病证结合模型。观察豚鼠一般状态与行为，咳嗽次数，气道阻力，肺组织病理，肺组织瞬时受体电位锚蛋白1（TRPA1）、P物质（SP）、降钙素基因相关肽（CGRP）mRNA表达及肺组织TRPA1、P物质受体（NK-1R）、CGRP蛋白表达，结果证实：采用中西医复合病因干预方法可以成功建立慢性咳嗽寒飲伏肺病证模型，该模型既符合西医发病机制，又可以体现中医证候特征，其可为慢性咳嗽的机制探讨及中药药效机理研究提供较为可靠的模型依据。一般动物模型的造模方法包括西医病因病理、中医病因病机和病证结合三类，也可以根据处理因素的数量将其分为单因素造模和复合因素造模，使用生化制品、中药制剂、调控饲养环境、情志刺激等是常见的造模方法[21]。然而，以建立动物模型方式为基础的中医证候研究仍然面临很多问题，比如动物模型种类不足、实验动物不理想、造模方法不成熟、评价指标不标准等，解决此类问题是未来研究者需要探索的重要方向。

4 小结

慢性咳嗽的中医证候规范化的研究方法有文献研究、因子分析法、数据挖掘法。文献研究是研究中医证候有效方式之一，但是需要与临床实践结合起来。因子分析法以多化简，其原理与中医“辨证”的思路有一定的共通性。数据挖掘法可以总结现有的文献资料，挖掘出慢性咳嗽中医证候的潜在规律。以上方法对中医证候的规范化研究均具有意义，可为中医学现代化奠定基础。

慢性咳嗽的中医证候客观化研究现阶段是以建立动物模型的方式为主要方向，其可为慢性咳嗽的机制探讨及中药药效机理研究提供较为可靠的模型依据，但是现阶段已有的慢性咳嗽证型的动物模型研究仍较少，未来可以继续探究慢性咳嗽证型的对应动物模型。此外，可从病理生理及“组学”方面进行慢性咳嗽的中医证候客观化研究，使慢性咳嗽的证候研究走向规范化与标准化。

参考文献：

[1]中医药学名词审定委员会.中医药学名词[M].北京：科学出版社，2005：3.

[2]谭笑天，郑红光.2型糖尿病肾病中医证候的现代研究概况[J].云南中医中药杂志，2021，42（5）：94-99.

[3]谷浩荣，付桥桥，李小会，等.中医证候研究进展及趋势[J].中华中医药杂志，2020，35（3）：1340-1343.

[4]王笑丹，张培彤.关于证候规范化的思考[J].中华中医药杂志，2017，32（8）：3573-3576.

[5]杨玉兰，李荣庆，杨敏，等.中西医结合治疗慢性咳嗽风邪伏肺证临床观察[J].云南中医中药杂志，2020，41（9）：50-52.

[6]赖克方.咳嗽的诊断与治疗指南（2015）[J].中华结核和呼吸杂志，2016，39（5）：323-354.

[7]杨存珍，陈如冲，李斌恺，等.女性慢性咳嗽患者生活质量及尿失禁调查[J].国际呼吸杂志，2010（9）：391-394.

[8]周仲瑛.中医内科学[M].北京：中国中医药出版社，2007：70-71.

[9]咳嗽中医诊疗专家组.咳嗽中医诊疗专家共识意见（2011版）[J].中医杂志，2011，52（10）：896-899.

[10]史利卿，马建岭，杨凯，等.慢性咳嗽中医病因病机及证候学规律的认识与探讨[J].现代中医临床，2017，24（5）：1-5.

[11]祁向荣，彭江云.彭江云教授辨治慢性咳嗽经验[J].云南中医中药杂志，2020，41（4）：1-3.

[12]张曦，秦蕊，李晓.《临证指南医案·咳嗽》之慢性咳嗽病的证素研究[J].中医临床研究，2020，12（11）：1-4.

[13]李敏静，叶柏春，郭莉，等.基于因子分析法的慢性咳嗽中医证候规律研究[J].浙江中西医结合杂志，2019，29（9）：773-776.

[14]李佳珊，史利卿，马建岭，等.618例慢性咳嗽患者证素特征分析[J].中华中医药杂志，2019，34（7）：3193-3196.

[15]Zhao Y，Xie Q，He L，et al.Comparsion analysis of data mining models applied to clinical research in traditional Chinese medicine.J Tradit Chin Med，2014，34（5）：627-634.

[16]董雪燕，祁烁，姜苗，等.数据挖掘在中医药研究中的应用分析[J].环球中医药，2017，10（3）：364-368.

[17]毕颖斐，毛静远.基于证候要素的病证结合辨治研究思路浅探[J].中华中医药杂志，2017，32（2）：648-650.

[18]郭德海，郑光，张洁，等.基于文本挖掘的慢性咳嗽中医诊治规律研究[J].中国中医药信息杂志，2019，26（10）：101-104.

[19]马梦羽，沈璐，文天才，等.数据挖掘技术在中医诊疗数据分析中的应用[J].中国中医药信息杂志，2016，23（7）：132-136.

[20]王丽云，史利卿，王颖，等.慢性咳嗽寒饮伏肺病证结合动物模型的建立与评价[J].现代中医临床，2021，28（1）：44-50.

[21]马程功，马跃荣.中医药证候动物模型的研究进展[J].成都中医药大学学报，2018，41（1）：119-123.

（收稿日期：2021-09-23）

作者：郑舒婷 张业清

中医病证规律下的数据挖掘论文 篇2：

常见数据挖掘方法在中医诊断领域的应用概况

关键词：中医诊断；数据挖掘；综述

由于中医诊断主要根据医生的经验来决定，因此，在临床施治过程中存在较大的主观性和不确定性等问题。在中医诊断领域引进数据挖掘技术，不但符合现在多学科交叉发展的潮流，在解决实际问题上，无疑也是中医客观化进程中的又一催化剂。作为一门融合人工智能、机器学习和数理统计等方法的新型学科技术，数据挖掘在克服人类本身认知和思维长度的基础上，充分利用海量临床数据，通过模拟临床诊断推理过程来挖掘临床诊断数据中繁杂的证、症关系，对寻求中医专家的辨证规律有重要价值。目前，在该领域涉及到的数据挖掘方法较多，主要有贝叶斯网络、人工神经网络、粗糙集理论、关联分析、决策树、聚类分析、判别分析、支持向量机、多标记学习、随机森林等。笔者现对这些方法的相关应用综述如下。

1 常见数据挖掘方法

1.1 贝叶斯网络

贝叶斯网络是通过简明的图形方式结合统计理论来定性表示变量间复杂因果或概率关系的一种数据分析方法，包括网络集和概率集两部分。该方法具强大的执行高效推理任务的功能，能充分利用先验知识，而使其在诊断领域的应用价值极大。在解决中医定量诊断问题上，其体现出的功能主要表现在：揭示众多症症之间以及症与证间的复杂关系，探究证候的主要症状和次要症状，定量确定其诊断价值，这有助于确定证候诊断的标准和规范，而且建立的证候诊断模型以概率形式给出诊断结果，能有效辅助专家作出决策。因此，该方法对促进中医诊断学发展所做的贡献不可忽视。张氏等[1]对255例肺癌患者证候以症状之间的关联性及关联强度为基础，利用贝叶斯网络概括出了肺癌的证候要素，包括病机要素9个、病位要素5个及病机要素之主要症状与次要症状。曲氏等[2]对611例抑郁症患者的中医证候进行了研究，采用贝叶斯网络对抑郁症中医症状进行评定，发现拟定的中医证型包含了抑郁症的核心症状和周边症状的不同组合方式，体现了抑郁症临床多变的证候特点。范氏等[3]对收集到的1512例类风湿关节炎（RA）患者的临床数据采用基于聚类的贝叶斯网络模型，提取出了RA的7项主特征及4型的类特征，为中医辨证分型及RA中医诊断标准提供了临床依据。龚氏等[4]对2501例2型糖尿病的临床数据运用该方法分析，发现空腹血糖异常患者及糖化血红蛋白异常患者均以阴虚热盛多见，而餐后2 h血糖异常患者则以阴虚多见。王氏等[5]应用此方法通过分析474例血瘀证临床诊断数据进行血瘀证定量诊断，发现了血瘀证的7个关键症状，并与此同时建立“是否血瘀证”的分类器模型，经交叉验证发现此分类器诊断准确率达96.6%。郭氏等[6]认为，证候的复杂性表现为证候各因素之间的高维高阶性，他们运用贝叶斯网络技术对肺系疾病证候构成因素之间关联形式进行了研究，发现各因素间的联结形式是线性相关与非线性相关并存的，它们相互交织，形成复杂的网络结构，表现出典型的非线性特征。

1.2 人工神经网络

人工神经网络是在对人脑神经网络结构认识理解的基础上人工构造的新型信息处理系统。目前的神经网络模型有：用于分类、预测和模式识别的前馈式神经网络模型，用于联想记忆和优化计算的反馈式神经网络模型，以及用于聚类的自组织映射方法。其中前馈式神经网络模型是目前应用最广泛的神经网络之一。对于将其应用于中医诊断领域，陈氏[7]认为，中医学辨证施治本质上就是对众多数据信息进行处理并提取规律的过程，而人工神经网络恰恰具备较好获得数据规律的能力。人工神经网络模型的优势主要体现于其黑箱结构，这赋予人工神经网络强大的非线性拟合能力，使其能够任意精度逼近非线性函数。

但不足的是，在中医研究中，人工神经网络不能进行变量筛选，对其得到的结果也只是局部最优而非全局最优。如李氏等[8]对142例脾气虚弱及肺脾气虚证HIV/AIDS患者的主要实验指标、四诊信息的主要症状和舌象运用Clementine中的特征选择节点进行筛选，建立脾气虚弱和肺脾气虚的人工神经网络模型，发现该模型能较好地诊断艾滋病患者脾气虚弱和肺脾气虚证型，其样本模型训练集诊断的正确率和测试集诊断的正确率分别为87.25%和80.00%。傅氏等[9]认为，运用数据驱动模式建立中风人工神经网络模型，将为进行繁杂多变的中风证候的动态研究、掌握证候的动态演变规律及在不同时点进行疗效评价提供一个新的探索方向。许氏等[10]通过对心血管疾病中医临床信息数据库中的临床信息和证候类别之间的关系进行分析，发现人工神经网络尤其是OCON网络对该病常见的中医证型的识别率最高，其中心气虚证和心阳虚证分别高达92.4%、82.9%。有研究运用人工神经网络分析RA、糖尿病肾病（DN），分别建立RA和DN证候的BP网络模型，并采用三倍交叉验证的方法，发现这2种模型平均诊断准确率分别为90.72%、92.21%[11-12]。余氏[13]通过文献资料和临床资料收集选用人工神经网络等方法开展2型糖尿病证候诊断标准模型建立及对比研究，所建模型在临床数据测试样本的正确辨识率为73%。

1.3 粗糙集理论

粗糙集理论主要用于分析研究不完备数据，这是继概率论、模糊集、灰色理论之后又一个刻画不确定、不完备系统的有力数学工具。基于其具有能有效处理各种不确定、不完备信息的强大能力，有研究者认为将其用于分析中医症状-辨证要素间相关性，建立定性定量标准，有很大前景[14]。其最大优点在于不需要问题所需处理数据之外的任何先验信息，能够在保留关键信息的前提下求得知识的最小表达式。因此，将粗糙集理论引入中医，运用到中医诊断上，将可能是实现中医诊断智能化的又一个发展方向。

陈氏等[15]以450例老年人细菌性肺炎患者在就诊过程中的285项指标为研究对象，采用粗糙集方法对已经过初始数据处理的各数据进行挖掘分析，得到7种中老年肺炎的证候诊断标准，为疗效评价指标提供了客观依据。陈氏等[16]从与原发性高血压相关的古今医案中收集237例病案，对其症状和体征进行数据预处理，运用基于粗糙集理论的KDD决策分析系统Rosetta软件约简病证属性，获取到了原发性高血压肝阳上亢证的专家知识，为进一步研究原发性高血压肝阳上亢证奠定基础。刘氏[17]运用粗糙集理论对脾胃系疾病的证候诊断进行相关研究，建立了可进行辨证分型的计算机软件，并通过这一软件量化标准来判断患者所属证候，为治疗脾胃系疾病辨证提供可靠依据。谢氏[18]建立了一个基于粗集理论的中医诊断专家系统模型，以模拟中医专家诊断的过程。秦氏等[19]把粗糙集应用于中医类风湿证候诊断，并在类风湿病的各证候诊断上应用。

1.4 关联分析

在数据挖掘方法中，关联分析常用来挖掘特征之间或者数据之间的相互依赖关系，对给定的事务数据库找出满足最小支持度和最小置信度的关联规则。与其他数据分析方法不同的是，关联规则的引入，可以从大量貌似繁杂症与证的数据中，找到隐形的关联，极大促进中医诊断学的发展；并且其所得结果清晰有用，同时支持间接数据挖掘；可处理变长的数据，为寻找诊断数据中的隐性关联带来了方便，其计算的消耗量也可以预见[20]。

肖氏等[21]设计了一种基于遗传算法的正相关关联规则挖掘算法，发现胃部不适症状与处方、证候重要关联关系。陈氏等[22]通过对400例肝硬变患者进行关联分析，找出符合最小支持度和最小置信度并形成规则的中医证候气滞/气郁证和血瘀证，这表明肝硬变和气滞证、血瘀证之间关联度非常高。钟氏等[20]采用关联规则的分析算法，探求胃炎症状与“中虚气滞”辨证之间的关系，得到在中虚气滞证中，口干欲饮这个症状对辨证的影响最大。

1.5 决策树

决策树算法是一种逼近离散值函数的方法，常用来形成分类器和预测模型，是建立在信息论基础之上对数据进行分类的一种方法。岳氏[23]通过选取300例确诊为小儿肺炎患者的数据为基础，成功构建了基于决策树算法的小儿肺炎指纹辨证分类模型，准确率达84.5%。钟氏等[20]从中医胃炎数据中筛选出“中虚气滞”的病历，通过决策树，以“中虚气滞”为目标属性，根据病历中症状辨证是否与目标属性相同设置“yes”和“no”两值，再通过设置的训练样例运用ID3算法构建决策树，以判断未知中医证型的病例是否归属“中虚气滞”。查氏等[24]将397例已确诊活动期RA患者随机分为中药和西药治疗组，通过对其初诊中西医症状及检查结果采用决策树进行证病信息和疗效的相关关系探索，得出可从证候信息的角度获得药物治疗的最佳适应证，从而实现个体化治疗。徐氏等[25]对406例慢性胃炎病例用bootstrap抽样扩增，采用基于信息熵的决策树c4.5算法建立中医辨证模型，测试集模型分类符合率为81.25%。

1.6 聚类分析

聚类分析的实质就是聚集数据成类，使类间的相似性最小，而尽可能增大类内的相似性。其优点是：作为一种探索性的统计分析方法，聚类分析方法可以在对数据没有先验知识的情况下对数据资料进行分类，根据数据的内在相似或相关程度，可使得类别内数据“差异”尽可能小，类别间“差异”尽可能大，对中医药领域中的症状组合规律、证候规律等方面的研究具有一定的推动作用。但由于中医证候复杂程度较大，聚类分析在解决这些问题时存在的局限性表现在：①多结果，主观性大。此分析方法无法根据数据内部特点自主确定分为几类，需要研究者依据其学科知识和经验来确定到底聚为几类、聚到哪一类为最佳；此外，选择不同的类间距离和变量间距离的定义方法，结果将大有不同，因此，多次尝试、反复分析对于此类分析方法来说是必须的。②单分配，即变量只能被聚到某一类。在研究症状的聚类问题时，中医的一个症状常需要能被聚到不同的类中，但聚类分析只能将一个症状归入某一个类别里面。

李氏等[26]应用系统聚类的方法对276例乙肝后肝硬化的症状、体征进行分析研究，得出乙肝后肝硬化基本中医证候有湿热内蕴证、肝肾阴虚证、肝郁脾虚证、脾虚湿盛证、脾肾阳虚证、血瘀证、气（阳）虚证共7类。卢氏等[27]通过制定“中医证候临床观察表”，对106例儿童中间型β地中海贫血患者进行中医证候调查，采用聚类分析等统计学方法得出广州地区中间型β地中海贫血患儿中医证候分布特点为气血两虚证>肝肾阴虚证>脾肾阳虚证>阴阳两虚证，这为进一步规范化辨证论治提供了一定依据。何氏等[28]采用临床流行病学的方法，对143例冠心病PIC术后患者的症状、体征等临床资料进行了聚类分析，得出冠心病PIC术后患者证候分为气虚痰浊、肾虚血瘀、肝气郁结、脾气亏虚、心气亏虚、气阴亏虚共6类。黄氏等[29]应用变量聚类分析的数理统计方法，对慢性疲劳综合征（CFS）进行了中医辨证分型，并对收集到的237例CFS患者的症状、舌象和脉象等临床资料进行了变量聚类分析，得出变量聚类分析能帮助CFS在中医证候中合理分为精髓空虚、阴液亏虚、脾肾阳虚和肝火亢盛共4型，解释比例为61.68%。

1.7 判别分析

与其他统计学方法不同的是，判别分析的主要目的是建立一个线性组合，使其可用最优化的模型来概括分类之间的差异。该方法常用来根据已知数据的分类情况判断未知待分析数据的归属问题等，在证候的研究方面应用最广。

胡氏等[30]根据所收集的413例亚健康失眠患者的中医证型对证候变量进行逐步判别分析，建立判别函数式，得出亚健康失眠中医证型判别函数与临床诊断吻合良好，逐一回代法判别总一致率达81.1%。夏氏等[31]对77例慢性再生障碍性贫血（CAA）患者进行辨证分型分组，应用逐步判别分析方法建立CAA中医证型判别方程，筛选出了与判别方程最相关的6个免疫学和血常规指标。郦氏等[32]以脑梗死中医证型标准化研究结果为基础，采用逐步判别分析，建立了脑梗死各证型与观察指标间的数学判别方程。赵氏等[33]对收集符合RA诊断标准的患者按照辨证对变量进行逐步判别分析，建立了一个具有较好的判别效果的判别模型。薛氏等[34]选用已进行频数分析的文献207篇进行肝病证候的判别分析，认为肝郁脾虚证辨证标准难以脱离疾病特点。

1.8 支持向量机

支持向量机是基于统计学习和结构风险最小化原则的学习机器，可以通过核函数将低维输入空间的数据特征投射到高维数据控件，并求得最优分类的超平面。该算法的关键思想是利用核函数把一个复杂的分类任务映射，使之转化成一个线性可分问题。在许多实际学习问题中，它允许扩大的空间维数非常大，在某些情况下可能无穷大，能较好地解决小样本、非线性、高维数和局部最小等问题。支持向量机方法较适用于中医诊断数据的现状和对中医临床经验的总结。

徐氏等[35]以中医心系503个样本为例，利用支持向量机进行中医心系证候分类研究，结果表明，该方法在证候分类中能达到较高的准确率。王氏等[36]以名医诊治冠心病典型医案115例建立冠心病名医诊疗数据库，运用支持向量机方法提取到名医诊治冠心病8个主要证候要素并确定其定量诊断，阐释了证候要素应证组合规律。殷氏等[37]对舌诊数据进行主成分提取，分别建立Logistic回归和支持向量机模型，发现在小样本情况下支持向量机模型更优，敏感度达92.8%，特异度达92.3%。杨氏等[38]精选1个家系虚寒证的相关基因信息，选择间接比较实验方案进行基因芯片实验，对5例虚寒证和5例正常人差异表达基因的表达值进行建模，使用支持向量机、K近邻分类法等方法，将家系中其他人样本带入，发现其能够正确判别。在舌象诊断鉴别上，谢氏[39]依据支持向量机理论，以径向基函数作为核函数构造多分类分类器，将舌象的特征参数作为输入样本，对病证进行分类，并以肝病病证分类做了仿真。

1.9 多标记学习方法

与其他分类方法不同的是，多标记学习方法的每个研究对象不再对应于单一的概念标记，而是由单个示例（属性向量）表示并对应于多个概念标记，即一个样本和多个类标相关联。鉴于现实社会涉及到的很多真实对象往往都具多语义、多分类目标性，如疾病的证候、证型，待分类的文档、网页，生物信息学中的基因等，因此，多标记学习方法的成熟对促进这些领域的发展也就显得十分重要。然而该方法存在的一个主要问题是不能充分利用各训练样本所含概念标记之间的相关性，从而有效提高学习系统的泛化能力；此外，由于其存在复杂程度较大，运用该方法进行研究尚存在降维方法和特征选择方法较少的不足。

针对中医临床证候兼夹的多标记特点，研究人员首次将多标记学习算法引入到中医问诊的客观化研究。该研究将多标记学习结合频次分析，应用于冠心病的问诊证候模型建立，有效提高了诊断模型的识别率；在此基础上，还结合中医数据特点，提出了多标记学习算法（REAL），并结合信息增益等特征选择方法，挑选出常见证候的20个最优特征，显著提高了慢性胃炎的证候的识别率[40-41]。邵氏等[42]运用多标记学习结合混合优化的特征选择算法（HOML），用于冠心病中医问诊数据分析，建立了中医冠心病数据模型，并获得了冠心病问诊症状的最优特征子集。

1.10 随机森林

随机森林是决策树算法的一种改进，其综合思想是组合多棵bootstrap样本建立的决策树的预测，通过投票给出有效的错判率估计、分类器强度、相关性和变量的重要性等指标。该方法对每个被分析的数据都给出了重要性的评分，在某种程度上有利于有效的特征变量的挑选，降低数据维度。随机森林作为一种自然的非线性建模工具，具有很高的预测准确率，能很好地容忍异常值和噪声，不易出现过拟合，降低分类错误率；也不会出现在bootstrap样本中的OOB数据，还能为样本提供一个数据内部估计，可用来高效估计组合分类器中的泛化误差，有助于理解分类精度以及如何提高精度。

洪氏等[43]通过引入随机森林方法，对《慢性疲劳（CF）中医临床症状分级量化表》中的95个症状进行数据编码，选取CF常见证候要素的主要症状并衡量症状对各证候要素的贡献程度，得到了CF脾虚证、心虚证、肝郁证以及气虚证4个证候要素的症状集，将各症状集作为模型输入，各模型预测准确率分别为96.13%、94.75%、95.89%、94.26%。邹氏等[44]借用特定脾虚证临床数据集证明基于特征提取的分类集成模型比其他集成方法具更低的错误率，认为特征提取在降低错误率上作出了明显的贡献，但其结果是否适用于其他小样本数据尚未证实。王氏等[45]通过文献调研，推测使用随机森林提取亚健康关键症状或指标可帮助亚健康状态的判断。

2 讨论

中医临床诊断数据存在的一个显著特点是证候夹兼、数据多而繁杂、各数据之间的关系藏而不现。因此，借助现代化的信息技术手段，综合运用数理统计分析方法以进一步挖掘四诊以及证候之间的隐性关联具有重要意义。然而，在数理统计方法研究发展正处于高峰期的信息化时代，如何根据待分析的数据库的特点选择正确恰当的方法是当前数据挖掘首先要考虑的问题。

一个样本量较大的数据库，当需要进行一定的数据分类时，可能有必要对上述方法进行探索。聚类分析可满足对数据进行一定的症状的组合、证候规律的挖掘；若是在已知数据的分类情况下需要对待分析数据进行分类，判别分析恰有这方面的优势；决策树则在实现数据分类挖掘过程中的可视化方面凸显其优势；随机森林可在决策树的基础上进一步提高有效特征变量的提取率，同时还能避免数据预处理过程中的过拟合现象。当然，在临床数据分析过程中也经常出现数据样本量较小、维度较高等现象，支持向量机方法在中医领域的引进则为这些数据的分析带来新的契机。除了对数据进行分类挖掘外，数据之间的关联讨论也是数据分析必不可少的，尤其在中医诊断中探讨各症、证之间的关联领域的应用；在隐性关联分析的众多分析方法中，多标记学习法有效解决了证候夹兼的现象；粗糙集理论有利于建立定量定向标准；人工神经网络在识别证型上主要体现其强大的非线性拟合能力；此外，在探究症与证关系上，贝叶斯网络还是诊断领域的常用之法，该方法还可帮助我们进一步探讨症状集中的主次症。

总之，集各种数据挖掘方法之长于一体来对某一数据库进行挖掘分析将为中医界数据挖掘技术的成熟带来不可预料的进展。目前，大部分数据挖掘方法都只是被单一采用，即使有同时运用多种挖掘方法进行数据分析，也只是对某一数据系统运用多种方法相互比较，所获得的结果效用度较小。多重方法相互交融、相互补充、综合运用于某一数据分析系统中的研究在在中医领域尚不很成熟，或许可以成为数据挖掘在中医药研究中的进一步的模式和规则，为数理统计在中医药知识的创新和发展中开辟一条新的途径。

参考文献：

[1] 张霆，陈波，马胜林，等.基于贝叶斯网络的肺癌证候研究[C]//庆祝浙江省中西医结合学会成立三十周年论文集粹.杭州：浙江省中西医结合学会，2011：50-52.

[2] 曲森，启盛，包祖晓.贝叶斯网络模型在中医证候研究中的应用[C]//世界中联第三届中医、中西医结合老年医学学术大会论文集.北京：世界中医联合会，2010：61-63.

[3] 范建平，李常洪，吴美琴，等.贝叶斯网络在中医诊断中的应用研究[J].管理科学学报，2008，11（6）：143-150.

[4] 龚燕冰，倪青，高思华，等.Ⅱ型糖尿病主要理化指标与中医证候相关性的贝叶斯网络分析[J].中华中医药杂志，2010，25（1）：3l-33.

[5] 王学伟，瞿海斌，王阶.一种基于数据挖掘的中医定量诊断方法[J].北京中医药大学学报，2005，28（1）：4-7.

[6] 郭蕾，王学伟，王永炎，等.论高维高阶与证候的复杂性[J].中华中医药杂志，2006，21（2）：76-78.

[7] 陈伟青.浅论人工神经网络在中医学上的应用[J].河南中医学院学报， 2004，19（11）：12-13.

[8] 李玉森，施学忠，杨永利，等.人工神经网络在HIV/AIDS患者主要虚证诊断中的应用[J].中华中医药杂志，2012，27（5）：1269-1271.

[9] 傅勤慧，裴建，惠建荣，等.中风证候动态研究现状与展望：数据与模型驱动模式的应用[J].中西医结合学报，2011，9（12）：1292-1300.

[10] 许朝霞，王忆勤，颜建军，等.基于支持向量机和人工神经网络的心血管疾病中医证候分类识别研究[J].北京中医药大学学报，2011，34（8）：539-543.

[11] 白云静，申洪波，孟庆刚.基于共轭梯度下降算法的类风湿性关节炎BP神经网络症候模型研究[J].中国中医药信息杂志，2010，17（3）：96-97.

[12] 白云静，申洪波，孟庆刚，等.基于人工神经网络的中医证候非线性建模研究[J].中国中医药信息杂志，2007，14（7）：3-4.

[13] 余学庆.基于智能计算的2型糖尿病中医证候诊断方法研究[D].北京：北京中医药大学，2007.

[14] 晏峻峰，朱文锋.粗糙集理论在中医证素辨证研究中的应用[J].中国中医基础医学杂志，2006，12（2）：90-93.

[15] 陈楚湘，沈建京，陈冰，等.运用粗糙集理论建立中老年肺炎中医症候诊断标准[C]//第二十九届中国控制会议论文集.上海：中国自动化学会控制理论专业委员会，2010：40-42.

[16] 陈素玲，付爽，高云，等.基于粗糙集理论的原发性高血压肝阳上亢证辨证系统的建立[J].山东中医药大学学报，2010，34（3）：201-203.

[17] 刘泉.粗糙集在脾胃系疾病中医辨证中的应用研究[D].武汉：湖北中医学院，2008.

[18] 谢国明.基于粗集理论的中医诊断模型的建立[J].数理医药学杂志， 2005，18（4）：302-304.

[19] 秦中广，毛宗源，邓兆智.粗糙集在中医类风湿证候诊断中的应用[J].中国生物医学工程学报，2001，20（4）：357-363.

[20] 钟颖，胡雪蕾，陆建峰.基于关联规则和决策树的中医胃炎诊断分析[J].中国中医药信息杂志，2008，15（8）：97-99.

[21] 肖光磊，陆建峰，李文林，等.正相关关联规则及其在中医药中的应用[J].计算机工程与应用，2010，46（6）：227-233.

[22] 陈明，杨慧芳，余蕾.基于关联规则的肝硬变辨证数据挖掘研究[J].河南中医杂志，2009，29（3）：258-260.

[23] 岳路.决策树算法在小儿肺炎中医临床诊断中的研究与应用[D].济南：山东大学，2011.

[24] 查青林，何羿婷，喻建平，等.基于决策树分析方法探索类风湿性关节炎证病信息与疗效的相关关系[J].中国中西医结合杂志，2006，26（10）：871-986.

[25] 徐蕾，贺佳，孟虹，等.基于信息熵的决策树在慢性胃炎中医辨证中的应用[J].中国卫生统计，2004，21（6）：329-331.

[26] 李毅，刘艳，寇小妮，等.乙肝后肝硬化症状学聚类研究[J].中医药导报，2012，18（2）：14-16.

[27] 卢焯明，钱新华.以聚类分析法研究儿童中间型β地中海贫血的中医证候分布规律[J].中华中医药杂志，2012，27（3）：607-611.

[28] 何庆勇，王阶.基于聚类分析的冠心病介入术后中医证候分类及诊断[J].中医杂志，2008，49（10）：918-921.

[29] 黄小波，李宗信，陈文强，等.慢性疲劳综合征的中医证候聚类分析[J].中华中医药杂志，2006，21（10）：592-594.

[30] 胡万华，陈克龙，赵娜，等.亚健康失眠患者中医证型的判别分析[J].中医杂志，2012，53（2）：142-144.

[31] 夏乐敏，王运律.慢性再生障碍性贫血中医证型判别方程的建立与使用[J].中华中医药学刊，2012，30（2）：409-411.

[32] 郦永平，温淑云.脑梗死证型量化分级的判别方程研究[J].中国中医急症，2012，21（1）：81-82.

[33] 赵宝利，黄可儿，赵敏.类风湿关节炎中医辨证分型的判别分析[J].中华中医药杂志，2012，27（1）：240-242.

[34] 薛飞飞，汪南玥.基于判别分析的肝病肝郁脾虚证证候特点的文献研究[J].中华中医药杂志，2011，26（6）：1260-1263.

[35] 徐琎，王亿勤，邓峰.基于SVM的中医心系证候分类研究[J].世界科学技术—中医药现代化，2010，12（5）：713.

[36] 王阶，吴荣，周雪忠.基于支持向量机的名老中医治疗冠心病证候要素研究[J].北京中医药大学学报，2008，31（8）：540.

[37] 殷彬，方思行.脾虚证诊断的数学模型[J].暨南大学学报：自然科学版，2006，26（3）：363-367.

[38] 杨丽萍，黄睿，张洛欣，等.用特征功能模块法挖掘一个虚寒证家系的基因表达谱[J].中华中医药杂志，2010，25（5）：683-685.

[39] 谢铮桂.基于多分类支持向量机的中医舌诊诊断的研究[J].计算机与数字工程，2008，36（11）：60.

[40] Liu GP， Li GZ， Wang YQ. Modelling of inquiry diagnosis for coronary heart disease in TCM by using multi-label learning[J]. BMC Complementary and Alternative Medicine，2010，10：37.

[41] Liu GP， Yan JJ， Wang YQ， et al. Application of multi-label learning using the relevant feature for each label （REAL） algorithm in the diagnosis of chronic gastritis[J]. Evidence- Based Complementary and Alternative Medicine，2012，6：3-5.

[42] 邵欢，李国正，刘国萍，等.多标记中医问诊数据的症状选择[J].中国科学：信息科学，2011，41（11）：1372-1387.

[43] 洪燕珠，周昌乐，张志枫，等.基于随机森林法的慢性疲劳证候要素特征症状的选择[J].中医杂志，2010，51（7）：634-638.

[44] 邹永杰，周继鹏，王桂香，等.基于特征提取的分类集成在脾虚证诊断中的应用[J].计算机应用与软件，2010，27（3）：22-25.

[45] 王利敏，赵歆，陈家旭，等.数据挖掘在亚健康状态研究中的应用展望[J].北京中医药大学学报，2010，33（9）：585-587.

（收稿日期：2012-08-06，编辑：梅智胜）

作者：郑舞 刘国萍

中医病证规律下的数据挖掘论文 篇3：

肺癌中医证型与现代医学分期关系研究进展

摘要：近年来，随着肺癌发病率和病死率的不断升高，中医药在防治肺癌方面的研究取得一定进展。本文就近年来肺癌的中医证型与现代医学分期关系的研究进展做一综述，旨在为后续相关工作的展开提供参考依据。

关键词：肺癌；中医证型；TNM分期；综述

Research Progress in the Relationship Between TCM Syndromes and Modern Medical Staging of Lung Cancer FAN Chun-lei1， LI Ze-geng1， TONG Jia-bing2 （1. Anhui University of Chinese Medicine， Hefei 230038， China； 2. TCM Hospital of Anhui Province， Hefei 230038， China）

Key words： lung cancer； TCM syndromes； TNM staging； review

原发性支气管肺癌（以下简称“肺癌”）是发病率和病死率增长最快、对人群健康和生命威胁最大的恶性肿瘤之一。近50年来，许多国家报道肺癌的发病率和病死率均明显增高，其中男性发病率和病死率均占所有恶性肿瘤的第1位，女性发病率和病死率均占第2位。尽管在肺癌的诊断和治疗方面取得了重大进步，但其预后仍然非常差，总体5年生存率只有15%左右[1]。比较效果研究（即“以患者为中心的结局研究”，patient-centered outcome research）[2]理念的提出与中医学“整体观念”和“辨证论治”的基本思想颇为一致。因此，将中医学与现代医学相结合，探求肺癌治疗的新方法，为肺癌患者综合治疗措施的选择提供依据十分必要。而研究中医肺癌辨证分型与现代医学对肺癌的国际分型之间的关系，有利于推动中医学在治疗肺癌方面的进展。兹就相关研究综述如下。

1 中医分型

目前学术界对肺癌的中医分型尚未统一。如周氏[3]分为瘀阻肺络证、痰湿蕴肺证、阴虚毒热证、气阴两虚证4型，也有学者则分成气阴两虚、阴虚内热、脾虚痰湿、阴阳两虚4型[4]，有人则分为阴虚内热、脾虚痰湿、气阴两虚、气滞血瘀、肺肾两虚5型，且以阴虚气虚居多[5]。周岱翰教授认为，肺癌病位在肺，与脾肾密切相关，故将肺癌分为肺郁痰瘀、脾虚痰湿、阴虚痰热、气阴两虚4型[6]。朴炳奎教授将肺癌主要分为肺气不足型、阴虚内热型、气阴两虚型、气滞血瘀型、痰湿瘀阻型5种证型[7]。孙氏等[8]研究发现，中晚期肺癌单证证型在趋势方面以气虚证、阴虚证、血瘀证、痰证多见。徐振晔认为肺癌的辨证分型以精气两亏证、气阴两亏证、脾虚痰湿证、肺脾气虚证、肺热痰湿证较为多见[9]。刘伟胜认为，肺癌主要可分为热毒炽盛证、气滞血瘀证、气阴两虚证、脾虚痰湿证、阳虚水泛证5种证型[10]。屠氏等[11]研究发现，肺癌中医证型分布具有一定规律性，以肺阴虚证、肺气虚证、瘀阻肺络证、脾气虚证、肺阴虚火旺证为主。杨氏等[12]对207例晚期非小细胞肺癌（NSCLC）中医证型分布的研究发现，晚期（ⅢB及Ⅳ期）NSCLC以气虚痰湿型最多，其次为气阴两虚型、气滞血瘀型、阴虚毒热型及热毒炽盛型。司氏等[13]通过1997年1月-2013年7月中国期刊全文数据库（CNKI）收录的中医及中西医结合治疗肺癌的临床研究和个人经验报告类文献分析得出，肺癌中医证候以气阴两虚、阴虚内热、脾虚痰湿、痰瘀互结、气滞血瘀为主。胡氏等[14]按八纲、气血及脏腑辨证原则对中晚期NSCLC患者进行详细的中医辨证分型分析发现，腺中以气虚证最多，其次为血瘀证、痰湿证、阴虚证；鳞癌以气虚、血瘀证为多见。游氏等[15]通过对303例老年肺癌中医证候分型研究发现，其症状及体征可被归为4个证候因子群，分别命名为脾肾阳虚、痰瘀互结，肺阴亏虚、脾气虚弱，痰热蕴肺、气滞血瘀，阴虚内热、肺气不利4个证型。

2 现代医学对肺癌的分期

现代医学根据解剖学将肺癌分为中央型肺癌、周围型肺癌；根据组织学分类，分为小细胞肺癌（SCLC）和NSCLC，其中NSCLC包括鳞癌、腺癌、细支气管-肺泡癌、大细胞癌、鳞腺癌5类。目前临床肺癌分期标准为2009年第13届世界肺癌大会公布的《国际肺癌分期系统》第7版TNM分期（T原发肿瘤、N淋巴转移分期、M远处转移分期）。TNM分期充分考虑到了肿瘤的大小及其局部浸润蔓延，淋巴转移程度及转移性疾病等因素，为临床分期的确定及手术策略的选择提供了依据[16]，对肺癌患者的预后及生存率有重要意义。研究表明，第7版TNM分期较前对NSCLC的预后判定更有优势[17]。

3 肺癌中医辨证分型与TNM分期关系相关研究

中医临床强调辨证论治，治病求本。所谓的证，是疾病过程中一定阶段的关于病位、病因、病性、病势及机体抗病能力等本质有机联系的反应状态，是对疾病完整性的病理概括。国际TNM分期反映的是肿瘤患者不同阶段的病情程度，可较准确地估计病情。肺癌患者不同中医证型反映疾病发展过程中不同的病理概括，如邪正关系等，故肺癌中医证型与国际TNM分期应存在一定关系[18]。探求中医辨证分型与TNM分期之间的联系是中医学发展的要求，近几年相关研究得到进一步的发展。

姚氏等[19]研究发现，Ⅰ期患者中气虚证占86.9%，气阴两虚证占13.1%；Ⅱ期患者中气虚证占66.7%，阴虚证占28.6%；Ⅲ期患者中气阴两虚证占69.2%，气虚证占28.2%；而阴阳两虚证患者仅1例（2%）。童氏[20]在对54例肺癌患者中医证型与TNM分期的关系研究中发现，痰湿蕴肺型和气滞血瘀型以Ⅰ期肺癌为主，阴虚热毒型以Ⅱ期肺癌为主，而气阴两虚型以Ⅱ期和Ⅲ期肺癌为主。谢氏等[21]对561例肺癌中医证型与TNM分期及病理类型的相关性研究发现，Ⅰ期以痰浊壅肺证多见（37.5%），Ⅱ期以热毒蕴肺证多见（34.4%），Ⅲ期以气阴两虚证多见（28.2%），Ⅳ期以气阴两虚证多见（42.9%）。陈氏等[22]通过文献分析得出，Ⅰ、Ⅱ期肺癌患者主要表现为气滞血瘀证，Ⅲ、Ⅴ期肺癌以阴虚内热证和阴阳两虚证居多。黄氏等[23]对NSCLC根治术后发展到Ⅲ、Ⅳ期患者中医证候的分布规律研究发现，其证候分布多虚实互见，最常见的虚证为气虚证、阴虚证，且在此基础上易合并血瘀证、痰湿或痰热证、气滞证等兼夹证，总以气虚、血瘀、痰湿相兼多见。王氏等[24]研究发现，Ⅰ～Ⅲ期肺癌患者中肺脾气虚证占多数，而Ⅳ期中气阴两虚证较多。周氏等[25]对NSCLC的中西医分型分期相关性研究发现，Ⅰ期证型以气滞血瘀型为主，其次是气虚血瘀型和痰湿阻肺型；Ⅱ期证型以气滞血瘀型为主，其次是气虚血瘀型；Ⅲ期肺癌证型以气阴两虚型为主，其次是脾肺气虚型；Ⅳ期肺癌证型以气阴两虚型为主，其次是脾肺气虚型。黄氏等[26]将140例中晚期肺癌患者分为气虚痰湿、气血瘀滞、阴虚热毒、气阴两虚4证型，并按不同TNM分期对结果进行比较，发现中晚期肺癌患者不同TNM分期的中医证型分布比较差异有统计学意义（P<0.01），ⅡB期患者多见气虚痰湿型（71.4%），ⅢA期则以气血瘀滞证为主（50.0%），ⅢB期多表现为阴虚热毒证型（70.6%），Ⅳ期多集中在气阴两虚型（90.0%）。由此认为不同TNM分期的肺癌患者中医证型分布有差别，中期可见虚实夹杂证，晚期则以虚证为主。河氏等[27]研究发现，ⅢB/Ⅳ期NSCLC中医证型以脾虚痰湿型最多见。杨氏等[28]通过对肺癌中医证型分布特点的研究发现，临床分期与中医证型呈正相关，血瘀证在原发性支气管肺癌各期均最为多见。孙氏等[8]研究发现，Ⅲ期和Ⅳ期肺癌患者单证均以气虚证、阴虚证、痰证、血瘀证多见。总之，尽管目前对肺癌辨证分型尚无统一标准，但总体趋势表现为Ⅰ、Ⅱ期患者以实证为主，Ⅲ、Ⅳ期以虚证居多。

4 讨论

中医辨证分型是对肺癌患者进行个体化治疗的基础，肺癌TNM分期具有普遍性、权威性和国际统一性；且TNM分期充分考虑了肿瘤的大小及其局部浸润蔓延，淋巴转移程度及转移性疾病等因素，为临床肺癌患者治疗方案的选择提供了依据。随着综合治疗逐渐成为肺癌治疗新趋势，将肺癌的中医辨证分型与肺癌TNM分期相统一，将中医的辨证优势与现代医学的TNM分期相结合，是肺癌研究和治疗的必然。近些年随着中西医结合医学的不断发展及对肺癌研究的不断推进，肺癌的中医辨证分型和国际TNM分期相关性的研究也有明显进步，目前研究表明，肺癌的TNM分期与中医辨证分型有一定的关系。但是，由于学术界对肺癌的基本证型缺乏统一认识，导致在肺癌的中医辨证分型与国际TNM分期相关性的研究过程中无统一的中医证候类型，使后续工作较为困难，影响了对各医家的研究成果进行Meta分析，不利于中医学防治肺癌的进一步发展。规范化、统一化是医学研究发展的基础，提高肺癌中医辨证的准确性及统一性是促进中医进一步发展的必然要求，也是提高中医药治疗肺癌疗效的可靠手段。

参考文献：

[1] KIM Y J， DUK-HWAN K. CpG island hypermethylation as a biomarker for the early detection of lung cancer[J]. Cancer Epigenetics Methods in Molecular Biology，2015，12（38）：141-171.

[2] CLANCY C， COLLINS F S. Patient-centered outcomes research institute： the intersection of science and health care[J]. Science Translational Medicine，2010，2（37）：37cm18.

[3] 周仲瑛.中医内科学[M].北京：中国中医药出版社，2003：449-450.

[4] 吴继，刘嘉湘.刘嘉湘扶正治疗肺癌用药经验[J].辽宁中医杂志， 2012，39（4）：617-619.

[5] 崔慧娟，张培宇.张代钊教授治疗肺癌经验[J].中日友好医院学报， 2011，25（1）：57-58.

[6] 邬晓东，姜丽娟.周岱翰教授论治支气管肺癌临证经验特色举要[J].新中医，2014，46（12）：27-29.

[7] 周雍明，朴炳奎.朴炳奎教授治疗肺癌学术经验撮要[J].中国中医药信息杂志，2008，15（S1）：67.

[8] 孙青，夏莹，王景，等.中晚期肺癌中医辨证分型的初步探讨[J].中华中医药杂志，2010，25（10）：1702-1704.

[9] 周卫东，韩丹，徐振晔.数据挖掘徐振晔治疗非小细胞肺癌病案证型特点及用药规律[J].辽宁中医杂志，2014，41（7）：1398-1402.

[10] 谈馨媛，路枝红，吴蕾.等.刘伟胜教授辨治肺癌的经验整理[J].时珍国医国药，2013，24（12）：3032-3034.

[11] 屠洪斌，董志毅，王少墨，等.原发性肺癌中医证型规律与化疗及靶向治疗的相关性研究[J].世界科学技术-中医药现代化，2014，16（9）：1997-2001.

[12] 杨小兵，龙顺钦，邓宏，等.207例晚期非小细胞肺癌中医证型分布特点[J].辽宁中医药大学学报，2013，15（3）：188-190.

[13] 司富春，宋雪杰，陈瑞，等.原发性支气管肺癌中医证候和方药分布规律文献研究[J].中医杂志，2014，55（13）：1146-1151.

[14] 胡小梅，张培彤，杨宗艳，等.非小细胞肺癌不同病理分类与中医证候分布规律关系探讨[J].中国中医药信息杂志，2006，13（12）：19-21.

[15] 游捷，李泰峰，汪霞，等.303例老年原发性支气管肺癌中医证候分型[J].中医杂志，2012，53（16）：1404-1407，1426.

[16] MANFRED， SCHWAB. Encyclopedia of cancer[M]. Berlin：Springer- Verlag Berlin and Heidelberg GmbH & Co，2012：2104-2111.

[17] WANG J， WU N， ZHENG Q， et al. Evaluation of the 7th edition of the TNM classification for lung cancer at a single institution[J]. Journal of Cancer Research and Clinical Oncology， 2014，140（7）：1189-1195.

[18] 李从煌，花宝金.肺癌中医证候研究进展[J].中国中医药信息杂志， 2007，14（8）：95-97.

[19] 姚逸临，田建辉，赵丽红，等.肺癌术后患者证型分布及其与免疫功能、细胞因子关系[J].辽宁中医药大学学报，2014，16（5）：66-68.

[20] 童凤军.肺癌患者不同证型表皮生长因子受体表达的研究[J].浙江中医杂志，2007，42（8）：446-447.

[21] 谢长生，王东建，潘磊，等.561例肺癌中医证型与TNM分期及病理类型的相关性探索[J].浙江中医杂志，2010，45（6）：398-399.

[22] 陈永，乐毅敏.肺癌中医辨证及其与分期、组织学分型关系[J].浙江中医药大学学报，2014，38（3）：366-370.

[23] 黄立中，邹彩亮，何欣，等.非小细胞肺癌术后Ⅲ、Ⅳ期患者的中医证候分布规律初探[J].湖南中医药大学学报，2010，30（11）：48-50.

[24] 王蕾，宁小晓，李和根，等.肺癌患者中医证型与其组织类型临床分期及肿瘤标志物的相关性分析[J].检验医学，2013，28（5）：387-390.

[25] 周建龙，梁静，邓青南.非小细胞肺癌的中西医分型分期相关性研究[J].吉林中医药，2015，35（4）：358-360.

[26] 黄东华，周俊琴，鲁琴，等.140例中晚期肺癌患者中医证型分布规律研究[J].新中医，2013，45（6）：105-106.

[27] 河文峰，廖桂雅，张丽玲，等.121例ⅢB/Ⅳ期非小细胞肺癌中医证型分布[J].辽宁中医杂志，2011，38（12）：2411-2413.

[28] 杨丹，田国庆，王景，等.原发性支气管肺癌中医证型分布特点的研究[J].中国全科医学，2010，13（11B）：3607-3611.

作者：范春雷 李泽庚 童佳兵