基于文本挖掘技術(shù)發(fā)現(xiàn)鼻炎治療規(guī)律

，，

[作者單位]1.上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院,上海 200433;2.上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院中醫(yī)科,上海 200092

大氣污染問題日益突出，對(duì)人類健康尤其是對(duì)呼吸系統(tǒng)的威脅越來越嚴(yán)重。鼻炎作為主要的呼吸道疾病之一，其全球發(fā)病率約為10%～25%；我國高發(fā)地區(qū)已達(dá)37.9%[1]，且呈逐年上升趨勢(shì)。鼻炎發(fā)病率高、病程長(zhǎng)、容易反復(fù)發(fā)作且難治愈，引起的鼻塞、頭痛、記憶力衰退、食欲不振、失眠、易疲倦等給患者工作、學(xué)習(xí)和生活都帶來了巨大影響。

隨著信息技術(shù)的高速發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)資源呈爆炸式增長(zhǎng)。網(wǎng)絡(luò)中存在大量的文本數(shù)據(jù)，傳統(tǒng)的信息檢索技術(shù)不能滿足用戶需求。文本挖掘作為數(shù)據(jù)挖掘的一個(gè)分支，從非結(jié)構(gòu)化或者半結(jié)構(gòu)化的文本中檢索信息，并將提取的知識(shí)呈現(xiàn)給用戶。近年來，文本挖掘技術(shù)在醫(yī)療健康領(lǐng)域的運(yùn)用逐漸成為研究熱點(diǎn)。

本文基于在線醫(yī)療網(wǎng)站的醫(yī)患互動(dòng)信息和中國知網(wǎng)的文獻(xiàn)信息，采用文本挖掘技術(shù)，發(fā)現(xiàn)鼻炎及其并發(fā)癥的常用中西藥、非藥物治療規(guī)律。

1 文獻(xiàn)綜述

文本挖掘技術(shù)能抽取分散在文本數(shù)據(jù)中未被發(fā)現(xiàn)的、有價(jià)值的、能被用戶理解的知識(shí)，隨著自然語言處理技術(shù)的進(jìn)步，近年發(fā)展迅速。國外基于文本挖掘技術(shù)的醫(yī)學(xué)疾病研究應(yīng)用廣泛，但由于漢字分詞、數(shù)據(jù)來源的限制，現(xiàn)階段國內(nèi)并沒有普遍的研究與應(yīng)用。

1.1 文本挖掘在醫(yī)學(xué)研究中的應(yīng)用

隨著醫(yī)療信息文獻(xiàn)數(shù)據(jù)庫的建立和完善，目前很多國內(nèi)學(xué)者青睞基于文獻(xiàn)數(shù)據(jù)利用文本挖掘技術(shù)研究某種中藥成分(如玉屏風(fēng)散[2]、青風(fēng)藤[3]等)的用藥規(guī)律，研究某種病(如慢性腎臟疾病[4]、乙型肝炎[5]等)的中醫(yī)治療用藥規(guī)律，以及對(duì)中藥的病證方藥相應(yīng)規(guī)律[6]等的研究。由于中醫(yī)藥自身注重藥材、藥方的特點(diǎn)，學(xué)者基于文本挖掘技術(shù)對(duì)中醫(yī)藥的研究較多，西醫(yī)方面的文章較少。在數(shù)據(jù)來源上，多來自中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(CBM)，來自網(wǎng)絡(luò)的數(shù)據(jù)源則較少使用，也未與臨床數(shù)據(jù)相結(jié)合。在國外，有許多基于網(wǎng)絡(luò)和社會(huì)媒體數(shù)據(jù)相關(guān)的研究，如進(jìn)行疾病監(jiān)測(cè)和生物事件的探測(cè)[7]，提取藥物不良反應(yīng)信息[8]，探索自我披露健康信息支持公共健康監(jiān)測(cè)和醫(yī)療保健[9]，監(jiān)控濫用處方藥[10]等。

1.2 當(dāng)前文本挖掘研究鼻炎的方式

國內(nèi)相關(guān)文獻(xiàn)中并無實(shí)質(zhì)的基于文本挖掘的鼻炎治療研究，目前研究主要采用三種方式。第一種是以文本數(shù)據(jù)作為數(shù)據(jù)來源做數(shù)據(jù)挖掘，把文本數(shù)據(jù)轉(zhuǎn)成數(shù)值數(shù)據(jù)來處理。蘇奎國等[11]以《中醫(yī)方劑大辭典精選本》作為方劑基本信息來源采集文本，結(jié)合《中華醫(yī)典》《方劑學(xué)》做文本篩選，挖出治療變應(yīng)性鼻炎的方劑信息；韓東岳等[12]在PubMed、Embase、中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫、中國知網(wǎng)數(shù)據(jù)庫、萬方數(shù)據(jù)庫和維普全文期刊數(shù)據(jù)庫中檢索采集關(guān)鍵詞為鼻炎、過敏性、變應(yīng)性、穴位敷貼的文獻(xiàn)，通過閱讀文獻(xiàn)的題目、關(guān)鍵詞和摘要篩選文獻(xiàn)，結(jié)合《經(jīng)絡(luò)腧穴學(xué)》和《中藥學(xué)》做數(shù)據(jù)清理后把數(shù)據(jù)錄入Excel做詞頻統(tǒng)計(jì)，運(yùn)用SPSS軟件進(jìn)行分層聚類挖掘出穴位貼敷治療鼻炎的選、配穴規(guī)律和用藥規(guī)律。第二種是采用文獻(xiàn)計(jì)量學(xué)的方法進(jìn)行研究。如劉妮波等[13]對(duì)《中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫》中關(guān)于鼻炎相關(guān)的醫(yī)學(xué)科技論文進(jìn)行分析，分別從載文量、高頻作者、研究機(jī)構(gòu)和關(guān)鍵詞等方面進(jìn)行深度挖掘；王鵬等[14]檢索CNKI 2006—2010年間的針灸治療鼻炎研究的全部文獻(xiàn)，采用文獻(xiàn)計(jì)量學(xué)方法進(jìn)行統(tǒng)計(jì)分析。第三是基于現(xiàn)成文本分析軟件進(jìn)行分析。如宋立家等[15]收集CNKI中運(yùn)用中醫(yī)藥方劑治療變應(yīng)性鼻炎的文獻(xiàn)，篩選并建立方劑數(shù)據(jù)庫，運(yùn)用中醫(yī)傳承輔助平臺(tái)軟件挖掘其中的用藥規(guī)律。

2 方法與數(shù)據(jù)

2.1 方法

主要使用文本挖掘方法，分為文本采集、文本預(yù)處理、文本分析、知識(shí)獲取和相關(guān)性分析5個(gè)過程。

文本采集：從中國知網(wǎng)導(dǎo)出相關(guān)文獻(xiàn)，從在線醫(yī)療網(wǎng)站上抓取醫(yī)患互動(dòng)論壇的問答帖。

文本預(yù)處理：將文本轉(zhuǎn)化成文本挖掘工具可以處理的形式，去掉不需要的部分，主要包括文本分詞和文本清洗。文本分詞的準(zhǔn)確性和質(zhì)量好壞對(duì)后繼工作有很大影響，分詞僅針對(duì)中文，需要導(dǎo)入專業(yè)研究相關(guān)的詞典以提高分詞質(zhì)量；文本清洗是把分詞后的文本去除對(duì)研究無意義的停用詞，如標(biāo)點(diǎn)符號(hào)、連詞、助詞、語氣詞等，避免干擾后續(xù)文本挖掘，另外也要考慮同義詞和近義詞的合并。

文本分析：用詞頻統(tǒng)計(jì)、特征提取等方法，找出一些特征以便分析使用。

知識(shí)獲?。航Y(jié)合專業(yè)知識(shí)對(duì)整理分析后的文本進(jìn)行解釋，獲取有用的知識(shí)。

相關(guān)性分析：從一個(gè)同類或不同類的文檔集合中尋找某些關(guān)鍵詞之間的相關(guān)性，根據(jù)某兩個(gè)或多個(gè)詞同時(shí)出現(xiàn)的頻率找出相關(guān)系數(shù)。相關(guān)系數(shù)主要通過詞頻統(tǒng)計(jì)來計(jì)算，例如包含氯雷他定的文本數(shù)有100個(gè)，同時(shí)包含粉塵螨的文本有50個(gè)，二者相關(guān)系數(shù)為0.5=50/100。本文用相關(guān)性分析方法分析鼻炎常見并發(fā)癥的思路步驟是：篩選出含有鼻炎的某個(gè)常見并發(fā)癥的文本，在這些文本中查找癥狀或藥物名詞進(jìn)行合并和抓取原詞；統(tǒng)計(jì)詞頻和計(jì)算相關(guān)系數(shù)。

同時(shí)，使用文獻(xiàn)研究法梳理文本挖掘在醫(yī)學(xué)中的研究現(xiàn)狀，綜述當(dāng)前文本挖掘研究鼻炎的方式，并對(duì)比驗(yàn)證本文的一些研究結(jié)論。

2.2 數(shù)據(jù)

2.2.1 文本數(shù)據(jù)采集

綜上所述，在初中英語教學(xué)中，做好教學(xué)目標(biāo)設(shè)計(jì)尤為重要，教師應(yīng)該從明確教學(xué)目標(biāo)設(shè)計(jì)依據(jù)、加強(qiáng)自身目標(biāo)設(shè)計(jì)意識(shí)、掌握正確的目標(biāo)設(shè)計(jì)方法與策略等方面有效設(shè)計(jì)好課堂教學(xué)目標(biāo)，有效保證課堂教學(xué)質(zhì)量，提升學(xué)生綜合素質(zhì)與能力。

文本來源于中國知網(wǎng)CNKI、好大夫在線網(wǎng)(http://www.haodf.com)和尋醫(yī)問藥網(wǎng)(http://www.xywy.com)。中國知網(wǎng)的內(nèi)容以數(shù)據(jù)庫形式進(jìn)行有序管理,有明確的來源、出處，內(nèi)容可信度很高，可以作為學(xué)術(shù)研究、科學(xué)決策的依據(jù)；好大夫在線網(wǎng)和尋醫(yī)問藥網(wǎng)是我國當(dāng)前醫(yī)療信息較為完備，用戶較多的醫(yī)患互動(dòng)平臺(tái)。

選用八爪魚采集器獲取醫(yī)患互動(dòng)文本。分別在好大夫在線網(wǎng)站和尋醫(yī)問藥網(wǎng)鼻炎專題“患者咨詢”下提取文本，每條文本內(nèi)容包括發(fā)帖時(shí)間、性別、年齡、標(biāo)題、病人描述、醫(yī)生回答；在中國知網(wǎng)中以主題詞“鼻炎”為搜索條件搜索到1950年2月至2016年2月間的相關(guān)文獻(xiàn)，導(dǎo)出題名、關(guān)鍵詞、摘要；最終醫(yī)患互動(dòng)平臺(tái)采集到文本37 809條，中國知網(wǎng)采集到文本19 318條，共計(jì)57 127條文本數(shù)據(jù)(已去重)。

將相關(guān)文獻(xiàn)的文本數(shù)據(jù)拆分為title,keyword,summary 3個(gè)數(shù)據(jù)集，合并兩個(gè)醫(yī)患互動(dòng)論壇數(shù)據(jù)，然后拆分病人咨詢文本數(shù)據(jù)和醫(yī)生診斷文本數(shù)據(jù)，得到patient_desc和doctor_diag數(shù)據(jù)集。

2.2.2 文本數(shù)據(jù)處理

新詞典的安裝及特殊新詞的手動(dòng)添加是兩項(xiàng)很重要的工作。下載搜狗細(xì)胞詞庫，使用深藍(lán)詞庫轉(zhuǎn)換工具2.0版本，將.scel的搜狗細(xì)胞詞庫格式轉(zhuǎn)換成.txt格式。文本處理中特征詞的定義將決定最后分詞質(zhì)量的好壞。由于事先沒有一個(gè)相對(duì)完整的特征詞，這里主要對(duì)采集文本進(jìn)行觀察，在網(wǎng)絡(luò)上搜集相關(guān)信息，然后針對(duì)藥品、非藥物治療手段定義特征詞(例如藥品的特征詞如噴霧、噴劑、顆粒、沖劑、他定、西替、咪唑、滴鼻液、鼻炎水、膠囊、片等，非藥物的特征詞有激素、針灸、清洗、治法、清潔、清除、充血?jiǎng)?、鹽水、洗鼻、冷水、慢跑、鍛煉等)，并把這些特征詞加入到自定義詞典中。

Keyword數(shù)據(jù)集中的文本是由一個(gè)個(gè)詞語組成，不需要分詞，直接對(duì)keyword數(shù)據(jù)集做文本清洗；title、summary、patient_desc和doctor_diag中的文本均為句子，需要分別進(jìn)行分詞處理。將之前提取的keyword關(guān)鍵詞也加入到詞典中，然后基于詞典使用Rwordseg包進(jìn)行分詞處理和文本清洗。

3 結(jié)果

3.1 詞頻統(tǒng)計(jì)

詞頻統(tǒng)計(jì)分別見表1-表3，圖1-圖3。從表1-表3，圖1-圖3可見根據(jù)頻次由多到少治療鼻炎相關(guān)的西藥依次是氯雷他定、粉塵螨、布地奈德、西替利嗪、輔舒良等，根據(jù)頻次多少治療鼻炎用的中藥依次是玉屏風(fēng)散或顆粒、蒼耳子等。 在鼻炎的非藥物治療手段的關(guān)鍵詞中，“針灸”的詞頻最高，然后依次是糖皮質(zhì)激素、生理鹽水、脫敏療法、激素、免疫療法、減充血?jiǎng)?、針刺、按摩等，中西醫(yī)結(jié)合療法詞頻也較高。鼻炎并發(fā)癥發(fā)病較高的依次是鼻竇炎、氣管炎、咽炎、中耳炎、肺炎等。

表1 鼻炎的治療藥物及詞頻

表2 鼻炎的非藥物治療方法及詞頻

表3 鼻炎的并發(fā)癥及其詞頻

圖1 鼻炎的藥物治療方法詞云

圖2 鼻炎的非藥物治療方法詞云

圖3 鼻炎的并發(fā)癥詞云

3.2 相關(guān)分析

基于詞頻統(tǒng)計(jì)的分析，以采集到的原始文本(病人描述+醫(yī)生描述)為單位，選擇鼻炎最常見三種并發(fā)癥(鼻竇炎、氣管炎、咽炎)為對(duì)象，分析某個(gè)并發(fā)癥的癥狀和治療用藥特點(diǎn)。各并發(fā)癥狀及相關(guān)用藥見表4-表9。癥狀表示的是鼻炎并發(fā)某種并發(fā)癥的癥狀。如表4中，鼻粘膜問題是鼻炎并發(fā)鼻竇炎的表現(xiàn)癥狀，目前基于我們的數(shù)據(jù)樣本看，與其他癥狀相比，鼻炎并發(fā)鼻竇炎的相關(guān)度高，是表現(xiàn)得比較多的癥狀；與鼻炎并發(fā)鼻竇炎相關(guān)的用藥，蒼耳子的使用沒有通竅鼻炎片多，并發(fā)癥的相關(guān)程度排在第二。

表4 鼻炎并發(fā)鼻竇炎相關(guān)癥狀

表5 鼻炎并發(fā)鼻竇炎相關(guān)用藥

表6 鼻炎并發(fā)氣管炎相關(guān)癥狀

表7 鼻炎并發(fā)氣管炎相關(guān)用藥

表8 鼻炎并發(fā)咽炎相關(guān)癥狀

表9 鼻炎并發(fā)咽炎相關(guān)用藥

4 討論

4.1 鼻炎及其并發(fā)癥的中西藥物和非藥物療法

研究發(fā)現(xiàn)，中藥蒼耳子被普遍應(yīng)用于鼻炎的治療，對(duì)緩解鼻塞、鼻炎、抑制變態(tài)反應(yīng)具有一定的療效，但蒼耳子具有一定毒性，超過劑量或長(zhǎng)期使用可致神經(jīng)系統(tǒng)及肝腎損害，需要在醫(yī)生指導(dǎo)下謹(jǐn)慎、小劑量使用。

中藥方劑玉屏風(fēng)由黃芪、白術(shù)、防風(fēng)組成，具有益氣固表抗過敏的功效，大量臨床研究證實(shí)“玉屏風(fēng)顆?！被颉坝衿溜L(fēng)散”治療鼻炎療效確切，是治療鼻炎的重要中成藥之一。

中醫(yī)外治療法被廣泛應(yīng)用于鼻炎臨床。如針灸通過辨證取穴，可應(yīng)用于過敏性鼻炎的急性期和緩解期，有良好療效[16]；穴位敷貼通過中藥藥物或者遠(yuǎn)紅外磁熱材料，刺激相應(yīng)穴位，療效好、無針刺痛苦，是代替?zhèn)鹘y(tǒng)針灸的外治方法，經(jīng)臨床證明療效顯著；鐘娟等[17]確認(rèn)了針刺、艾灸、推拿、拔罐、刺血療法、穴位埋線、耳穴壓丸等鼻炎的非藥物治療的有效性。但我們的數(shù)據(jù)里，拔罐、刺血、埋線等療法的頻次較低或未出現(xiàn)，尚待進(jìn)一步探究。

糖皮質(zhì)激素主要用于急性感染、自身免疫性和過敏性疾病，可以明顯緩解哮喘、鼻炎的氣道炎癥。

利用生理鹽水沖洗鼻腔可以獲得較好療效，趙秀華[18]和劉杰等[19]等認(rèn)為生理鹽水沖洗對(duì)小兒鼻炎更加有效。

隨著醫(yī)學(xué)的進(jìn)步，免疫療法和脫敏療法逐漸成為研究的熱點(diǎn)，通過調(diào)節(jié)免疫進(jìn)而間接治療鼻炎，從詞頻上來看，這個(gè)治療思路更容易被患者接受。

鼻炎的并發(fā)癥較多，依次為鼻竇炎、氣管炎、咽炎、中耳炎、肺炎等，前三個(gè)并發(fā)癥均有咳嗽、流涕、鼻出血等癥狀，除共有癥狀外，經(jīng)詞頻統(tǒng)計(jì)，鼻炎并發(fā)鼻竇炎還有嗅覺減退、呼吸困難等癥狀。鼻炎并發(fā)咽炎可伴有下鼻甲肥大、扁桃體肥大等。通過區(qū)分鼻炎并發(fā)癥，可指導(dǎo)臨床精準(zhǔn)用藥。

文本挖掘發(fā)現(xiàn)治療鼻炎并發(fā)鼻竇炎藥物有：鼻炎片、蒼耳子、糖皮質(zhì)激素、布地奈德等。由于鼻炎與鼻竇炎常常相伴發(fā)生，同為鼻腔內(nèi)黏膜炎癥，僅僅是發(fā)病部位不同，因此鼻炎并發(fā)鼻竇炎的相關(guān)藥品與鼻炎的藥品一致。

鼻炎并發(fā)氣管炎的治療藥物為磺胺類藥物、糖皮質(zhì)激素、鵝不食草等，鼻炎并發(fā)咽炎藥物有咽喉噴劑、地氯雷他定、抗組胺藥等。

4.2 本研究的創(chuàng)新性

目前中醫(yī)藥人研究治療鼻炎的用藥規(guī)律時(shí)基本上都是基于文獻(xiàn)數(shù)據(jù)庫。雖然文獻(xiàn)數(shù)據(jù)更具有權(quán)威性，但已被人為處理過。

國外的研究成果證明，網(wǎng)絡(luò)數(shù)據(jù)在醫(yī)學(xué)某方面應(yīng)用的有效性，直接從網(wǎng)上抓取的數(shù)據(jù)更新及時(shí)，具有客觀性、先進(jìn)性以及臨床價(jià)值。因此，本文在研究方法和數(shù)據(jù)源選擇方面進(jìn)行了新的嘗試,驗(yàn)證網(wǎng)絡(luò)數(shù)據(jù)源的可用性和運(yùn)用文本挖掘技術(shù)的可行性。

4.3 本研究的局限性

本文存在以下4個(gè)方面的局限性。

4.3.1 醫(yī)生的回答權(quán)威性不足

文本數(shù)據(jù)源中2/3來自醫(yī)患互動(dòng)論壇的醫(yī)患問答。盡管回答問題的醫(yī)生都是在全國各地醫(yī)院持證問診的醫(yī)生，但是無法與患者面對(duì)面診斷，對(duì)疾病或患者信息了解得不夠全面，可能導(dǎo)致醫(yī)生的回答權(quán)威性不足。

4.3.2 文本挖掘分詞的準(zhǔn)確性和有效性有待提高

研究課題涉及了大量醫(yī)學(xué)方面的專業(yè)知識(shí)。由于經(jīng)驗(yàn)不足，在文本挖掘的分詞過程中對(duì)專業(yè)字典的構(gòu)造不夠理想，會(huì)影響分詞的準(zhǔn)確性和有效性，使得個(gè)別干擾詞匯出現(xiàn)。

4.3.3 特征詞的定義存在主觀性

文本處理中特征詞的定義基于觀察和分析，具有主觀性，定義好壞會(huì)影響分詞的質(zhì)量，進(jìn)而影響研究結(jié)果。以后要研究更為科學(xué)合理的特征詞提取方法，減少主觀隨意性，避免遺漏。

4.3.4 文本數(shù)據(jù)量有限

文本數(shù)據(jù)量不夠大，不能夠完全覆蓋龐大的鼻炎患者群體，詞頻統(tǒng)計(jì)未必能精準(zhǔn)地反映出相關(guān)信息，得到結(jié)論可能會(huì)有偏差。

5 結(jié)語

治療，特別是中醫(yī)治療，多強(qiáng)調(diào)單個(gè)臨床試驗(yàn)的療效情況。挖掘技術(shù)能從大量散在的臨床試驗(yàn)中，把握共性的規(guī)律，為今后指導(dǎo)臨床用藥或標(biāo)準(zhǔn)化臨床治療提供參考。本文嘗試基于網(wǎng)絡(luò)數(shù)據(jù)和文獻(xiàn)數(shù)據(jù)用文本挖掘方法來研究鼻炎問題，只是對(duì)新數(shù)據(jù)源、新方法的初步探索，希望拋磚引玉，引發(fā)更多的思考和研究。