ＬＩＳＨＩＺＨＥＮ ＭＥＤＩＣＩＮＥ ＡＮＤ ＭＡＴＥＲＩＡ ＭＥＤＩＣＡ ＲＥＳＥＡＲＣＨ ２００８ ＶＯＬ．１９ ＮＯ．７ 时珍国医国药２００８年第１９卷第７期 性，离临床使用要求还有很大距离。归结其原因主要有：没有从 经验学习。 中医的整体性、系统性来分析和解决问题，仅针对具体病症分散 诊断模块的输出是症候辨证信息，这也是治疗模块的输入信 开发一些小系统…；系统结构固定，多采用基于规则的推理，准 息。因为基于案例推理的治疗模块与上述诊断模块结构近似，这 确性依赖于初始化时专家知识库的建立，难以适应多变的实际应 里就不赘述了。用环境；没有很好实现中医专家知识的自动获取和学习，对于半 １．２案例的表示和案例提取网由于中医学的学科特性，案例的 结构化和非难以适应结构化诊疗知识无法很好地表示，存在知识 描述具有极大的不确定性，不能以固定属性描述的案例结构来表 ｅ—ｒｅｔｒｉｅｖａｌ ｎｅｔｓ，ＣＲＮ）作为 获取瓶颈；直觉性经验知识是专家经验知识的重要组成部分 ， 达诊疗经验。这里用案例提取网（ｃａｓ现有系统的知识获取和表示形式难以适应中医知识的这种经 诊疗案例的描述和提取结构，以动态属性结构描述案例，有效解 验性。 决了上述问题。根据不同的查询问题，这个网状结构在内存中动 基于案例的推理（ｃａｓｅ—ｂａｓｅｄ ｒｅａｓｏｎｉｎｇ，ＣＢＲ）是将以前解决 态生成 。 问题的经验以案例形式存储，作为以后的问题解决参考的一种机 图２是一个ＣＲＮ的结构图。ＣＲＮ中的案例是通过一个叫信 器学习和推理方法 』。它在非结构化知识表示上很有优势，并 息实体（Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｔｉｔｉｅｓ，ＩＥｓ）的知识单元来描述的。ＩＥｓ类似 且在知识获取上，优于基于规则的表示。在基于案例推理的医学 于传统ＣＢＲ中案例描述的“属性一值”对，但它是一个原子结构， 诊疗专家系统中，知识的主体是病案案例，在知识获取和学习上 是ＣＲＮ中知识的最小单元。通常情况下使用多个ＩＥｓ来描述一 有大量现成的来源。本文将基于案例的推理技术引入中医诊疗 个案例，不同案例由不同的ＩＥｓ集合来描述。不同ＩＥｓ之间有相 专家系统的建模中，使用案例表示中医专家的诊疗经验，用案例 似性关联，且每个ＩＥｓ与它要描述的对应案例之间有相关性 提取网（ｃａｓｅ ｒｅｔｒｉｅｖａｌ ｎｅｔｓ，ＣＲＮ）作为案例提取结构，实现案例的 关联 提取、学习。系统根据几千年来众多中医名家的诊疗经验建立案 例库，以案例推理方法为基础，模拟中医专家看病推理过程，针对 病人的“望、闻、问、切”四诊症状，推断出病人几种症候的可能 性，并由此提出建议处方，实现智能化的中医专家诊断过程。 首先提出基于案例推理的中医诊疗专家系统的体系结构，介 绍了基于案例的推理和案例提取网的概念，说明案例提取（也即 诊疗过程）的实现算法；然后说明了在这种结构下案例的修正、 学习和解释的机制及效用；最后，进行了总结和进一步研究的 展望。 、‘ 。： ， 。 ｒ＿Ｌ ＿ 一●一’ １ 系统框架和案例提取算法 图２ ＣＲＮ结构示意图 １．１ 系统框架中医诊断治疗过程是，首先建立病人信息模型， 利用ＣＲＮ解决问题包括以下３个基本步骤：①与待解决问 通过“望、闻、问、切”四诊来获取疾病症状、体征等临床信息；其 题相关的ＩＥｓ的激活。在中医诊断过程中，可以把病人的症状信 次，根据患者个人信息和症状信息，结合中医理论，给出患者的证 息解析为ＩＥｓ；在治疗方案提出过程，则是具体的症候描述作为 型症候信息及对患者症状的解释，即“辨证”；最后，根据辨证和 ＩＥｓ。＠ＣＲＮ中ＩＥｓ问相似性计算。ＩＥｓ间的相似性计算提供了 药物特征，结合前人方药经验，开出药方，提出相应的治疗方 类似于传统ＣＢＲ中相同属性的不同值之间的比较。通过ＩＥｓ之 案 。可以看出，在这个过程中包含两个推理阶段：由疾病的 间的相似性，可以得到与问题描述相关的其他ＩＥｓ的集合，这是 表现得到症候信息、由证候信息推理得到相应的治疗方案和 种传播激活的方式。通过这种方式，扩大了搜索的范围。③案 一方剂。 例相关性计算。根据集合中的各个ＩＥｓ与各案例的相关度，计算 有经验的中医专家在这两个阶段中除了能够充分结合多方 出案例与当前问题的关联程度。而最终的案例提取就以此为 面的中医药理论知识，最重要的一点就是他们还能将各种诊疗经 依据。 验结合在当前疾病的诊疗上。而这种诊疗经验可以转化为案例 Ｉ．３ ＣＲＮ的建立和案例提取ＣＲＮ是根据具体问题实时建立的 的表述，从而利用案例推理实现智能的中医诊疗系统。由此，提 个网状结构，然而，要根据问题生成ＣＲＮ，需要案例库中存在 一出将案例推理技术用于中医诊疗专家系统开发的思想。基于案 如下两个关系：＠ＩＥｓｅ 和ＩＥｓｅ 之间的相似性，用８（ｅ ，ｅ ）来表 例推理的中医诊疗专家系统诊断模型见图１。 示。＠ＩＥｓｅ和案例描述ｃ之间的相关性，用Ｐ（ｅ，ｃ）来表示。 这两个关系取值可以是［０，１］间的一个小数。根据上面 ＣＲＮ解决问题的基本步骤，相应的ＣＲＮ构建过程有三个步骤： 第１步，诊断过程中的各种输入信息（症状表现等）可以解 析为一个ＩＥｓ子集。对于案例库中所有ＩＥｓ：ｅ，Ｅ，症状描述中若 出现该ＩＥｓ，则有，否则，有。由于可能有同义词出现，可以建立 个同义词表，多个同义词对应一个ＩＥｓ。而匹配过程则是先以 单个词为基础对问题描述进行简单的字符串匹配或是自然语言 理解（ＮＬＰ）分析，得到一个词语集合以后，再根据同义词与ＩＥｓ 的对应关系，将其转化成为信息实体全集Ｅ的一个子集。这一 步也是问题的解析过程，得到解析后ＩＥｓ的集合，也就是＝，是 通过存储在内存中的值来表示它是与问题相关的。 图１基于ＣＢＲ的诊断模型 第２步，对于案例库中每一个ＩＥｓ：ｅ Ｅ，计算： 图１中病人信息包括病人的既往病史、日常生活习惯、体征 ０（ｅ１），Ａｃｔ（ｅ ，ｅ）・ ０（ｅ ）］，…… ｌ（ｅ）＝ ［ｏ（ｅｌ，ｅ）・等内容，ＣＢＲ推理机根据病人信息和四诊症状信息进行推理，从 （１） － 一诊断案例库提取的最近似案例送入案例修正模块，案例修正后输 ｅ。～ｅ。 Ｅ是问题解析出来的ＩＥｓ的集合，而 则是一个加 出即为对当前病案的诊断结果。诊断并治疗取得一定效果后，该 权函数，一般情况下可以采用求最大值或是求和的算法。这一步 病案可以被输入到案例学习模块，根据病人反馈及诊断案例库现 完成后，针对当前问题的ＣＲＮ中各个ＩＥｓ之间的相似性关联就 有案例的情况判断是否可以作为经验案例存入诊断案例库，也即 建立起来了。 ・１７６９・ 维普资讯 http://www.cqvip.com 时珍国医国药２００８年第１９卷第７期 ＩＪＳＨＩＺＨＥＮ ＭＥＤＩＣＩＮＥ ＡＮＤ ＭＡＴＥＲＩＡ ＭＥＤＩＣＡ ＲＥＳＥＡＲＣＨ ２００８ＶＯＬ．１９ ＮＯ．７ 通过Ｅ 以及上述公式，激活另 些ＩＥｓ：ｅ ｅＥ ，它们满足ｅ 中，可以提供以前案例诊断过程和结果作为当前病案诊断的解 Ｅ （ｅ）∈Ｅ ０。这个激活过程可以通过以下公式进行无限的扩展： 释，这对于解释的第二个目的来说很有效果。然而面向病患的解 Ｏｔｆ（ｅ）＝１Ｔｆ［ （ｅ１＞ｅ）・ｏｔｆ一１（ｅ１），－一， （ｅ ，ｅ）・ｏｔ ｆ一１（ｅ ）］ 释还需要有专家规则的辅助才能生成。 （２） 基于案例的解释在诊断过程中还有重要的辅助作用。当患 其中，ｅ ～ｅ ｅＥ ，且Ｅ ＝ｅｌ（ｅ））。是计算时的一个阀 者提供的初始信息及症状描述并不完备时，需要医生对某些可能 值。当这种激活过程只进行了两步（即只计算到了）时，这种迭 症状进行询问以进一步明确症状表现。这时，需要根据已有的信 代的计算只进行了１次，因此，此时就是ＣＲＮ的基础模型ＢＣＲＮ 息找出最应该询问的问题。参考ＭｃＳｈｅｒｒｙ在其Ｆｉｒｓｔ Ｃａｓｅ和Ｔｏｐ Ｃａｓｅ系统中采用增量最近邻方法 Ｊ，在诊断过程中，根据当前已 （Ｂａｓｉｃ ＣＲＮ）。 ……在传统ＣＢＲ中，需要计算案例库中每一案例与当前问题对 提供信息进行最相似案例查找，然后对这最相似的若干个案例进 找出没有提供的且差异最大的“属性一值”对（也即信息 应的描述属性的两个属性值之问的相似程度，以反映问题描述与 行比较，该案例的相似度。在ＣＲＮ中，计算的值就反映了这样一种属性 实体），据此向病患提出问题，以明确具体症状。这其实就是实 进一步减 值的相似度，反映出案例库中案例的“属性一值”对与所提问题 现了“望闻问切”中的问诊。通过这种交互反馈方式，的相关度。 小了系统误诊的几率，提高了系统的精度；同时，也有助于使用系 第３步，对于案例库中每一个案例，计算： 统的医生水平的提高。 Ｏｔ２（Ｃ）＝７ｒ ［Ｐ１（ｅ１，ｃ）’Ｏｔ（ｅ１），…Ｐ（ｅ ，ｃ）’ｏｔ１（ｅ ）］…… ３总结和展望 （３） 将基于案例推理技术用于中医诊疗专家系统是中医智能诊 其中，７ｒ 函数与上述的丌ｌ＿类似，是一个加权函数。这时， 疗系统建设的一个新思路，能够有效解决中医专家系统在构建过 对于不确 ＩＥｓ之间存在相似性关联：即Ｏｔ （ｔ ）］， ＩＥｓ与案例之间存在相 程中的若干问题，总结起来，其优势主要有以下几点：关性关联（即Ｏｔ （ｅ）），图２昕示的ＣＲＮ网络构建完成。 定、不完全和不一致的病患信息有较强的适应能力，并可以利用 ＣＲＮ中每一个Ｏｔ，（Ｃ）≠０的案例都是跟当前问题有关联的 基于案例的解释实现问诊，以进一步明确症状信息，提高诊断精 案例，只是它们与当前问题关联程度不同，而Ｏｔ （Ｃ）值，就是案例 度；案例提取网的结构决定了病案案例的知识获取非常方便，并 与当前问题关联程度的数值表示：这个数值可以称为关联值。 且不会影响以前的案例，有效解决了知识获取瓶颈；大量的古今 通过基于案例的解释进一步发 我们可以提取出关联值最人的一个或几个案例作为当前问题解 病案案例也是很好的案例来源；决的参考：在基于案例推理的中医诊疗々家系统中，对十诊断过 展，可以生成中医诊疗案例教学系统，帮助年轻医师迅速提高诊 随着系统的使用时间增长，案例不断增加，系统也可以逐 程，根据具体病例信息建立ＣＲＮ，然后提取 与当前症状最相似 疗经验；的以前的案例（存储着诊断经验），采用其诊断结果经过案例修 渐改善推理性能，适应各种病征而不仅限于某一种或一类疾病。 要建成实际可应用的系统，还应在以下方面进一步完善和发 正，作为当前病例的建议诊断结果，实现了基＿ｒ案例推理的诊断。 中医“沦治”的治疗过程与此类似，这里就小冉赘述了。 展：望、闻、问、切四诊的定量化、数字化研究进一步的深入研究和 发展；有助于促进中医诊疗专家系统的发展；利用数据挖掘和人 ２案例修正、学习和解释 ２．１ 案例的修正和学习案例的修正是ＣＢＲ系统［ｆｌ一个重要 工神经元网等人工智能方法从大量病例中挖掘有效的专家规则，的环节 。因为提取出来的案例不可能完全与待解决问题吻 用于指导案例的学习和修正；会话式ＣＢＲ（ｃｏｎｖｅｒｓａｔｉｏｎａｌ ＣＢＲ）和 合，因此，就要根据待解决问题以及一些修正规则，对提取的案例 交互式ＣＢＲ的研究发展有助于帮助中医问诊的智能化实现；需 进行改编，以期能更加符合川户的要求。案例的修正也是基于案 要找到合适的知识表示方法来表达病案案例中病情发展的时序 例推理系统的一个难点，在巾医专家系统中，中医学基础理论足 关系；“１．３”项中的各加权函数常采用最大值或求和的形式，可 案例修正规则的主要来源，也可以利用人一智能方法提取修正规 以考虑利用人工神经元网络技术求取和表示这些函数及权值信 息，以求得更加准确的表达。 则，作为案例修正的依据。 在中医诊疗专家系统案例的初始化过程［ｆ１，领域々家要将各 参考文献： 种疾病的典型中医病案案例以标准术语进行描述，形成规范的 ［１］ 周昌乐，张志枫．智能巾医诊断信息处理技术研究进展与展望［Ｊ］． ＩＥｓ全集，并初始化相似度和相关度度量，然后知识工程师将这 中西医结合学报，２００６，４（６）：５６０． 些典型病例输入系统，构造两个案例库：诊断案例库和治疗案例 ［２］ 王震宇．人工神经网络在中医专家系统知识挖掘中的应用［Ｊ］．计 库。症状表现等信息是诊断案例库的案例描述，而辨证的症候描 算机与数字工程，２００６，３４（１０）：１４６． 述则是诊断案例库的案例解决；同理，症候描述是治疗案例库的 ［３］ Ａｇｎａｒ Ａａｍｏｄｔ，Ｅｎｆｉｃ Ｐｌａｚａ．Ｃａｓｅ—Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ：Ｆｏｕｎｄａｔｉｏｎａｌ Ｉｓ— 案例描述，而相应的治疗方案和药方则是其问题解决描述： ｓｕｅｓ，Ｍｅｔｈｏｄｏｌｏｇｉｃａｌ Ｖａｒｉａｔｉｏｎｓ，ａｎｄ Ｓｙｓｔｅｍ Ａｐｐｒｏａｃｈｅｓ［Ｊ］Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，１９９４，７（１）：３９． 在系统使用过程中，具体案例的诊疗又可以以标准化术语 章浩伟，朱训牛，杨华元．中 征候分级推理诊断力‘法［Ｊ］．计算机 （ＩＥｓ）描述，根据其治疗效果决定是否加入案例库，成为以后诊疗 ４］Ｔ程与应用，２００５，９：２０７． 的经验，实现案例的学习 并且，在学习过程中还要避免过于相 ５］ 胡东红，李德华，灭景火，等．中医的四诊特征空问 辨证特征空间 似的案例存人案例库，造成案例库的冗余： ［Ｊ］．北京牛物医学＿ｒ程，２００３，２２（４）：２８６，２３９，１９９６． ２．２案例的解释案例的解释在中医诊疗々家系统中有两个莺 ６］Ｌｅｎｚ Ｍ．，Ｂｕｒｋｈａｒｄ ＨＤ．Ｃａｓｅ Ｒｅｔｒｉｅｖａｌ Ｎｅｔｓ：Ｂａｓｉｃ ｉｄｅａｓ ａｎｄ ｅｘｔｅｎ— 要的目的，一是面向病患的解释，用ｊ：说明病患症状的成凶；二是 面向系统使用者的解释，这种解释通过进一步的改造可以成为基 于案例的中医辅助教学系统。 ｓｉｏｎｓ［Ｊ］．Ｇ？ｒｚ Ｇ，Ｈ？ｌｌｄｏｂｌｅｒ Ｓ（ｅｄｓ）ＫＩ一９６：Ａｄｖａｎｃｅｓ ｉｎ Ａｒｔｉｆｉ— ｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ．ＬＮＡＩ ｌ１３７．Ｓｐｒｉｎｇｅｒ Ｖｅｒｌａｇ：２２７． 『７］ 张光前，邓贵仕．基于事例推理中差异驱动的事例修改策略研究 可以使用中医学理论规则作为病案案例的解释，然而，已有 Ｊ］．计算机应用，２００５，２５（７）：１６５８． 研究表明，基于规则的解释在分类／诊断类型应用中并不优于基 ［８］ Ｃｕｎｎｉｎｇｈａｍ Ｐ．，Ｄｏｙｌｅ Ｄ．，Ｌｏｕｇｈｒｅｙ Ｊ．Ａｎ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｕｓｅｆｕｌｎｅｓｓ ｏｆ ｃａｓｅ—ｂａｓｅｄ ｅｘｐｌａｎａｔｉｏｎ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ 于案例的解释 。基于案例的解释（ｃａｓｅ—ｂａｓｅｄ Ｅｘｐｌａｎａｔｉｏｎ， Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＣＢＲ（ＩＣＣＢＲ ２００３）［Ｊ］．Ｓｐｒｉｎｇｅｒ，２００３：１２２． ＣＢＥ）是基于案例的推理与解释技术的结合，这种结合丰要在三 ｄ ＭｃＳｈｅｒｒｙ．Ｅｘｐｌａｎａｔｉｏｎ ｉｎ Ｒｅｃｏｍｍｅｎｄｅｒ Ｓｙｓｔｅｍｓ［Ｊ］．Ａｒｔｉｉｆｃｉａｌ 个层次上：使用解释支持ＣＢＲ的【人Ｊ部过程、利用ＣＢＲ来生成解 ［９］Ｄａｖｉ释、使用案例为外部用户解释系统的推理结果。在中医专家系统 Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｒｅｖｉｅｗ，２００５，２４：１７９． ・１７７０・
因篇幅问题不能全部显示，请点此查看更多更全内容