面向腦卒中防治知識圖譜的風(fēng)險評估與分類*

嚴(yán) 越 鄭 靜 林德南 呂 果 倪士光 袁克虹

(清華大學(xué)深圳國際研究生院深圳 518055) (深圳市醫(yī)學(xué)信息中心深圳 518000) (清華大學(xué)深圳國際研究生院深圳 518055)

1 引言

腦卒中是常見腦血管疾病，俗稱“中風(fēng)”，由腦部血管突然破裂或血管阻塞引起，對應(yīng)國際疾病分類ICD-10標(biāo)準(zhǔn)編碼號為I64.X04。從全球范圍看，我國卒中終生風(fēng)險及卒中引發(fā)疾病負(fù)擔(dān)位居世界第1，風(fēng)險高達(dá)39.3%[1]。從國內(nèi)角度看，腦卒中是我國成年人致死、致殘首位病因，具有發(fā)病率高、致殘率高、死亡率高、復(fù)發(fā)率高、經(jīng)濟(jì)負(fù)擔(dān)高的特點(diǎn)，伴發(fā)病年輕化、普遍化等不良趨勢[2]。病患確診腦卒中后，通常只能控制難以根治。因此需要充分發(fā)揮基層醫(yī)護(hù)人員作用，做好評估篩查，有效規(guī)避卒中風(fēng)險，做到“早預(yù)防，早治療”[3]。但是腦卒中危險因素預(yù)測與及時監(jiān)控困難，基層醫(yī)護(hù)人員對此缺乏工具。針對腦卒中高危人群的篩查常用ABCD2,美國國立衛(wèi)生研究院卒中量表(National Institute of Health Stroke Scale，NIHSS),Rankin, Barthel量表等[4]，但復(fù)雜、耗時耗力；FAST等評價方法[5]較簡單但難以滿足需求。目前尚缺乏對我國或亞洲人種族危險因素綜合排序研究，也未定量考慮危險因素間的耦合關(guān)系。

2 腦卒中防治知識圖譜可視化構(gòu)建

2.1 構(gòu)建方法

2.1.1 總體思路 首先對相關(guān)實(shí)體和關(guān)系進(jìn)行定義，綜合數(shù)據(jù)源給出第1層(頂層)實(shí)體節(jié)點(diǎn)；其次在領(lǐng)域知識幫助下歸納抽取頂層實(shí)體之間關(guān)系；再次對每個實(shí)體向下抽取節(jié)點(diǎn)，用共詞分析法[6]、半監(jiān)督機(jī)器學(xué)習(xí)方法[7]進(jìn)行文本挖掘以確定節(jié)點(diǎn)，直到能夠獲取實(shí)體屬性為止[8]。腦卒中防治醫(yī)學(xué)節(jié)點(diǎn)(Prevention Entity, PE)指腦卒中疾病在防治方面可唯一標(biāo)識的醫(yī)學(xué)實(shí)體或?qū)傩?，通常出現(xiàn)在文本數(shù)據(jù)、電子病歷、調(diào)研結(jié)果表單等各種渠道中。實(shí)體節(jié)點(diǎn)的父節(jié)點(diǎn)必須為實(shí)體或主題節(jié)點(diǎn)，子節(jié)點(diǎn)可為實(shí)體或?qū)傩?。腦卒中防治醫(yī)學(xué)關(guān)系(Prevention Relationship, PR)表示不同腦卒中防治醫(yī)學(xué)實(shí)體或?qū)傩蚤g發(fā)生的事實(shí)關(guān)系，可表示為PR(PEi，PEj)或PR(PEi，PAi)，其中PEi，PEj為腦卒中防治醫(yī)學(xué)實(shí)體，PAi為腦卒中防治醫(yī)學(xué)屬性。

2.1.2 概念層構(gòu)建 首先定義頂層主題詞、整合并篩選高頻主題，總結(jié)出6方面主題詞并將其作為腦卒中防治知識圖譜概念層的頂層實(shí)體節(jié)點(diǎn)，分別為患者實(shí)體、危險因素實(shí)體、篩查手段實(shí)體、健康指導(dǎo)實(shí)體、癥狀表現(xiàn)實(shí)體與預(yù)防方式實(shí)體。將危險因素作為知識圖譜核心實(shí)體，整理出9種腦卒中防治醫(yī)學(xué)關(guān)系類型：has、instance of、attribute of、take、control、influence、improve、test、lead。大致可分為跨層與同層兩種，見表1、圖1。

表1 9種腦卒中防治醫(yī)學(xué)關(guān)系

圖1 腦卒中防治知識圖譜概念層結(jié)構(gòu)

2.1.3 節(jié)點(diǎn)提取路徑 除頂層外的節(jié)點(diǎn)都需由文本挖掘識別與命名。針對不同數(shù)據(jù)類型采取不同處理方式，見圖2。對文獻(xiàn)采用共詞分析法[6]挖掘危險因素實(shí)體及內(nèi)在聯(lián)系；對病例和調(diào)研結(jié)果等采用表單解析法[9]挖掘?qū)嶓w。最后對挖掘到的實(shí)體進(jìn)行匯總與篩選，逆向剔除不合語言規(guī)則的危險因素[10]并請專家把關(guān)。

圖2 節(jié)點(diǎn)提取實(shí)現(xiàn)路徑

2.2 構(gòu)建過程

2.2.1 數(shù)據(jù)預(yù)處理 (1)數(shù)據(jù)采集。為保證圖譜內(nèi)容專業(yè)全面，數(shù)據(jù)來源涵蓋電子病歷與調(diào)研結(jié)果、學(xué)術(shù)論文與醫(yī)療教材、政府報告與規(guī)范指南3類。采用愛愛醫(yī)專業(yè)醫(yī)學(xué)平臺獲取有效病例54則，中國知網(wǎng)(China National Knowledge Infrastructure，CNKI)獲取學(xué)術(shù)期刊文獻(xiàn)1 222篇，調(diào)研有效問卷數(shù)量共計257份，獲取人民衛(wèi)生出版社《神經(jīng)病學(xué)》第8章腦血管疾病以及醫(yī)生培訓(xùn)的腦卒中癥狀識別及院前急救教材6份，近3年中國腦卒中防治報告及14份規(guī)范指南。(2)數(shù)據(jù)清洗。用文本整理器整合格式、實(shí)現(xiàn)大小寫與全半角轉(zhuǎn)換等。構(gòu)建用戶字典使摘要分詞結(jié)果更準(zhǔn)確[11]，共導(dǎo)入機(jī)器和手工匯聚形成的406條用戶字典幫助機(jī)器進(jìn)行分詞。爬取1 208條常用中文停用詞，通過機(jī)器學(xué)習(xí)最終建立包含1 555條詞條的停用詞表庫，剔除對挖掘無意義的詞語[12]。

2.2.2 挖掘特征詞 (1)構(gòu)建共詞矩陣。清洗后得到474個待處理詞，詞頻篩選后得到249條高頻詞。采用Ochiia系數(shù)將每個數(shù)值都除以與之相關(guān)的兩個關(guān)鍵詞總頻次開放的乘積，用Transport函數(shù)進(jìn)行轉(zhuǎn)秩，得到相似矩陣。為降低統(tǒng)計誤差，將危險因素相似矩陣轉(zhuǎn)化為表示兩詞間差異程度的相異矩陣，數(shù)值大說明代表詞間距離大、相似度低。(2)文本挖掘。采用自下而上的合成聚類初步判定代表詞間關(guān)聯(lián)程度，再用主成分分析法確定最少能反映原始數(shù)據(jù)的公共因子，碎石圖結(jié)果保留45個特征值大于1的因子。對旋轉(zhuǎn)后的主成分因子載荷系數(shù)矩陣調(diào)用Abs函數(shù)求其絕對值，篩選大于0.5對命名有幫助的主成分命名因子。(3)篩選及輸出候選特征詞。因疾病及藥物醫(yī)學(xué)術(shù)語詞性構(gòu)成規(guī)則難以總結(jié)，故采用逆向語言規(guī)則法[10]，過濾不能作為危險因素實(shí)體的噪音詞語，如方位詞、連接詞等。以可干預(yù)危險因素為例的部分節(jié)點(diǎn)梳理結(jié)果，見表2。

表2 以可干預(yù)危險因素為例的部分節(jié)點(diǎn)梳理

2.2.3 存儲與可視化 Neo4j在乳腺癌等醫(yī)學(xué)知識圖譜[13]的繪制中已被驗(yàn)證適用于生物醫(yī)學(xué)領(lǐng)域，數(shù)據(jù)存儲到Neo4j后共得到節(jié)點(diǎn)165個、關(guān)系168條。關(guān)鍵危險因素權(quán)重以屬性方式存儲，見圖3。

圖3 知識圖譜整體可視化效果

3 基于腦卒中防治知識圖譜的風(fēng)險評估模型

3.1 模型架構(gòu)

3.1.1 多可干預(yù)危險因素耦合作用模型 腦卒中疾病規(guī)律尚未完全探明，依賴作用的未知性增大致病因素模糊度。利用圖譜所挖掘的典型危險因素，構(gòu)建多可干預(yù)危險因素耦合作用模型，見圖4。模型從疾病因素、生活方式和其他方面因素考慮子系統(tǒng)之間相互作用。

圖4 多可干預(yù)危險因素耦合作用模型

3.1.2 影響因子 從知識圖譜節(jié)點(diǎn)中歸納出表現(xiàn)力好、影響突出的9個因素：在生活方式層次下的節(jié)點(diǎn)有F11(吸煙)、F12(酗酒)、F13(飲食不當(dāng))；疾病因素層次下的節(jié)點(diǎn)有F21(高血壓)、F22(糖尿病)、F23(心臟病)；其他因素層次下的節(jié)點(diǎn)有F31(心理狀況)、F32(經(jīng)濟(jì)狀況)、F33(教育程度)。

3.1.3 相互作用矩陣 在矩陣主對角線上放置所有腦卒中風(fēng)險影響因子，其值表示該風(fēng)險因子會對腦卒中風(fēng)險產(chǎn)生影響的程度。多個影響因子相互耦合作用則放置在次對角線位置，其值表示因素之間耦合作用對我國居民患腦卒中風(fēng)險的影響程度，見圖5。

圖5 相互作用矩陣

3.2 因子系數(shù)計算方法

關(guān)系矩陣中的Pi,j表示第i個風(fēng)險影響因子單獨(dú)對腦卒中致病的影響，根據(jù)式(1)-(3)計算影響整體或個體腦卒中風(fēng)險性的第i個影響因子權(quán)重k。其中，n表示腦卒中風(fēng)險的主要影響因子數(shù)量；SR(i) 表示風(fēng)險因子i自身風(fēng)險系數(shù)和與對其他影響因子產(chǎn)生耦合作用的系數(shù)之和；SC(i)則表示風(fēng)險因子i自身風(fēng)險系和與其他因子對i因子產(chǎn)生耦合作用的系數(shù)之和。再據(jù)式(4)進(jìn)一步計算整體或個人的可控危險因素程度。Vi表示某個腦卒中風(fēng)險因子i參數(shù)的值:Ui=Pi,i/(max-min)。SD是根據(jù)多個影響因子計算得到的用于評價腦卒中患病風(fēng)險性的無量綱數(shù)值，稱為可干預(yù)因素下的腦卒中評價系數(shù)[14]。

(1)

其中：

(2)

(3)

最后：

(4)

3.3 求解因子系數(shù)示例

采用專家半定量取值法分別對節(jié)點(diǎn)間不對等耦合作用打分，獲得9×9相互作用矩陣。按照可控危險因素影響作用大小和強(qiáng)烈程度劃分為5級，采用無量綱數(shù)值0-4來定量表達(dá)無影響、弱影響、中等影響、強(qiáng)影響和極強(qiáng)影響作用。通過醫(yī)院專家打分，每個數(shù)值分別表示可控危險因素i作用于可控危險因素j而對整體腦卒中患病風(fēng)險產(chǎn)生的影響。計算影響整體腦卒中患病風(fēng)險性的第i個可控危險因素的權(quán)重k，見表3。根據(jù)式(4)得到居民總體SD值為0.044 22，屬中等風(fēng)險范圍，可作個人腦患卒中風(fēng)險的基準(zhǔn)參考。構(gòu)建模糊層次分析模型不僅能對群體情況作出判斷，還能預(yù)測個人腦卒中風(fēng)險，將群體或個人腦卒中評價系數(shù)SD值等距分為極弱風(fēng)險、弱風(fēng)險、中等風(fēng)險、強(qiáng)風(fēng)險和極強(qiáng)風(fēng)險5個等級，依照等級規(guī)范及時采取防治措施。

表3 腦卒中可干預(yù)危險因素權(quán)重及排序

4 結(jié)果分析與危險因素分類

4.1 極值分析

4.1.1 最易影響其他可控危險因素 即酗酒，不僅其自身對于腦卒中有極強(qiáng)影響作用，還會誘發(fā)高血壓、心臟病等嚴(yán)重疾病，而這些疾病本身也是腦卒中發(fā)病的重要危險因素，故會造成負(fù)面效果極強(qiáng)的多因素耦合作用。

4.1.2 最易被其他因素所影響因素 即高血壓，故高血壓防控需要從多方面入手。心理狀況是作用最明顯的腦卒中可控危險因素，一方面其對吸煙、飲酒等不良生活習(xí)慣因素產(chǎn)生作用，另一方面腦卒中急性發(fā)病與此高度相關(guān)。從數(shù)據(jù)與病例中屢次出現(xiàn)的“情緒激動時起病”可知不能忽視心理健康，建議學(xué)會調(diào)節(jié)情緒、降低壓力，在需要時尋求情感支持。

4.2 危險因素分類

從相互作用角度將危險因素分成3類：SR>SC、SR≈SC、SRSC類因素。對其他腦卒中可控危險因素的影響明顯大于其被別的因素所影響，是腦卒中防治的真正源頭。主要包括酗酒(33∶15)、吸煙(27∶15)、飲食習(xí)慣(23∶16)，多為生活習(xí)慣，故對這類危險因素做好防控有重大意義。(2)SR

5 結(jié)論

5.1 主要研究成果

本文初步構(gòu)造面向腦卒中防治的知識圖譜，集成多種疾病相關(guān)知識資源，有效地將龐雜數(shù)據(jù)資源轉(zhuǎn)化為結(jié)構(gòu)化、可視化知識。進(jìn)而提出一種便于推廣的風(fēng)險預(yù)測模型，綜合模糊層次分析法和耦合理論優(yōu)點(diǎn)，能綜合考慮、定量描述危險因素相互作用關(guān)系，提出將危險因素按SR與SC分類，而非單方面強(qiáng)調(diào)對疾病因素管控。面向知識圖譜構(gòu)建的風(fēng)險評估模型可成為普通群眾自查風(fēng)險的有效工具和基層醫(yī)護(hù)人員診斷的輔助工具。

5.2 未來研究方向

知識圖譜逐步與醫(yī)療領(lǐng)域結(jié)合，能夠解決當(dāng)前醫(yī)療電子數(shù)據(jù)龐雜、知識管理困難的問題。國內(nèi)乳腺癌、乙肝等少數(shù)疾病已經(jīng)開始嘗試構(gòu)建知識圖譜[13,15-17]，但構(gòu)建方法與標(biāo)準(zhǔn)不統(tǒng)一、真實(shí)數(shù)據(jù)應(yīng)用較少[18-19]。中文醫(yī)學(xué)知識圖譜起步較晚，在覆蓋疾病種類、數(shù)據(jù)質(zhì)量等方面仍有發(fā)展空間，應(yīng)加強(qiáng)與國外醫(yī)學(xué)圖譜的連接[20]。腦卒中等高危疾病研究有待加強(qiáng)[21]，需進(jìn)一步探索醫(yī)學(xué)知識的自動提取技術(shù)[9]。應(yīng)發(fā)揮知識圖譜精準(zhǔn)快速查詢普及防治知識的優(yōu)勢，成為腦卒中互答、診斷輔助等系統(tǒng)的基礎(chǔ)[22-23]，服務(wù)于基層臨床評估。腦卒中發(fā)病年輕化、普遍化等不良趨勢逐漸顯現(xiàn)，快速節(jié)奏與壓力對青壯年人群生活方式產(chǎn)生的負(fù)面影響需加強(qiáng)重視。各年齡階段人群均需做好腦卒中防治工作，在群體基礎(chǔ)上針對個人情況進(jìn)行調(diào)整，從根源進(jìn)行防治。