【摘要】 疾病中医食疗普及应用的关键是应症辨证处方和建立大众化处方咨询交流平台，本文主要阐述了通过在互联网上基于模糊模式识别等原理设计并建立疾病食疗咨询系统（百姓医药源）的方法，实现症状-辨证分型-处方-调整适应证的智能化应用过程，即普通人在西医确诊疾病的前提下输入能够理解感知的症状体征指标后，咨询系统输出最可能有效的食疗处方排序，并通过实际使用效果反馈来进行系统修正完善。初步应用证明该系统具有一定的实用性。
【关键词】 模糊数学； 模糊模式识别； 互联网； 食疗； 药膳； 专家系统
【Abstract】 The key to the general application of the medicated dietary therapy are prescription by syndrome differentiation and establishment of massive prescription consulting platform， this article mainly elaborates theory based design of fuzzy pattern recognition and the method of establishment of the medicated dietary therapy consultation system on the Internet （），to achieve symptoms-syndrome differentiation-prescription-adjustment process of intelligent application. After the input of appreciable and intelligible symptom under western medical diagnose， the consulting system calculates most effective therapeutic diet prescription sequence. And the self-calibration and self-perfection could be realized through the actual effect feedback. Preliminary application suggests that the system is practical on some level.
【Key words】 Fuzzy mathematics； Fuzzy pattern recognition； Internet； Diet therapy； Medicated diet； Expert systems
“病后吃什么”几乎是所有患者和家属在疾病确诊后的康复过程中必须面对的问题，中医食疗基于食药同源、食养同功的机理[1]，在辨证基础理论及学术思想指导下“辨证施食”，充分发挥各类食物功效，达到防病治病、养生康复的目的，是最具中国特色的自然疗法和易于普及的中西医结合疗法。多年来临床效果证明能够缓解症状、减少用药、加速康复，尤其对于慢性机能性疾病的调理，在药物过度治疗的现今，对人们的健康具有深远的影响。中医食疗在经历几千年实践发展后，积累了无数的食疗处方和丰富的治疗经验，但现实中人们需要时常无处搜寻适宜的处方或缺少医生应症性指导而达不到应有的效果，构建一个无需具备医学专业理论知识和经验、并且随时可以便捷的进行咨询交流的大众化操作平台，互联网专家系统无疑是最好的选择。
1 互联网专家系统的构建
百姓医药源网（）是面向普通大众制作的互联网疾病食疗处方咨询系统，初步设计理念是疾病确诊人群在互联网平台上进行非医学专业性的简捷操作后，迅速获得食疗处方智能提示，并可通过交流平台进行应用经验交流，系统具备各处方适应证自动修正功能。具体操作过程是普通使用者在西医诊断明确后，通过互联网平台（电脑或手机）选择性输入能够感知和理解的症状体征，系统经过处理输出最可能有效的食疗处方排序和详细使用说明。处方初始数据是根据处方已知的使用经验录入的，在以后的应用中利用使用者的信息反馈逐步校正适应证，进而发挥处方最佳疗效，淘汰无效处方，不断进行系统自我完善。使用者避免了需专业理论指导的辨证论治过程，并可随病情变化及时调整治疗方案。
系统设计的关键是构建辩证分型的数学模型。中医证的概念是疾病发展过程中某一个阶段的病理属性的概括，具有病不变而证常变的特点，临床症状作为证的诊断依据是模糊的、非量化不确定的，相互之间以及与病和证之间是非线性关系；因此辨证过程是一种不确定的、主观性的、经验性的模糊模式的辨别过程，适宜引入模糊模式识别方法这种近年来模糊理论与模式识别理论结合而形成的知识识别方法，应用于辨证分型能够体现出其良好的系统柔性处理能力[2-6]。另外各临床症状对于辨证论治过程的影响不同，采用具备定量和定性特点的层次分析法（AHP）进行权重分配，对系统的准确性具有重要作用[7]。
目前系统输入160余种疾病，涉及医学专业规范以全国高等医药院校系列规划教材为参考。下文以鼻前庭炎为例就咨询系统的最优处方选择设计原理和过程进行探讨。
2 模糊模式识别和层次分析法的基本原理和方法
2.1 模糊模式识别基本理论和方法 模糊数学是研究现实世界中存在的各种模糊现象和关系的学科，模糊模式识别是其中一种通过构建已知若干模型即标准模型库为参照，对待识别对象进行归类的方法，也可看作模糊集合间的进行相似性比较的过程。在实际应用中可利用计算机模拟人脑的形象思维和模糊逻辑思维来进行系统数据结构的辨识，从而解决模糊信息的分类问题。
贴近度是度量两个模糊集合接近程度的数量指标，常用的贴近度计算方法有：海明贴近度、欧几里得贴近度、最大最小贴近度、算数平均贴近度、测度贴近度、模糊贴近度。
择近原则：设Ai，B∈F（X），i=1，2，…，n，若，则判断B与Aio为同类，其中B为待识别对象，Aio为标准模式。
本文涉及内容属多属性模糊信息问题，采用多特征模糊模式识别法[3，8-9]，步骤为：（1）确定论域；（2）通过研究对象的特征选择，建立标准模型库和标准模型及待识别对象的隶属函数；（3）应用层次分析法确定特征性指标的权重分配；（4）模糊模式识别算法：两个模糊子集间贴近度计算方法。离散型隶属函数采用模糊贴近度计算公式（公式1）：，其中：
HgtA=sup{A（x）∣x∈X}是模糊集合A的高度（峰值），DpnA=inf{A（x）∣x∈X}是模糊集合A的深度（谷值）；两个模糊向量集合族贴近度计算方法：待识别对象B与标准模式Ai之间贴近度Si应用加权贴近度计算公式（公式2）： ；（5）根据多个特性的择近原则进行识别排序。
2.2 层次分析法基本概念和算法 层次分析法（AHP）是一种把定性与定量分析相结合的多目标决策方法。通过对复杂、不易量化的问题进行层次分解，构建一个层次结构模型，对同层次各因素采用两两比较的方法确定出相对于上一层目标的权重，步骤有：（1）建立层次关系模型和指标比较表；（2）对同一层次因素进行两两比较，应用Saaty1-9标度法进行赋值，并形成判断矩阵[10]；（3）采用方根法计算判断矩阵各指标的权重，并进行一致性检验，具体算法见3.2。
3 建立模糊模式识别模型
3.1 以鼻前庭炎为例建立模糊模式识别指标体系（特征集、标准模型、隶属函数） 以鼻前庭炎患者为讨论对象x，其全体构成论域U，鼻前庭炎常见中医辨证分为两型：A1（阴虚血燥），A2（肺热上蒸），为U上的两个模糊子集，构成证型的标准模型库Ai={A1，A2}（i=1，2）。根据中医专家的辩证分型要点（从病因、病性、病位、病势、邪正状态方面考虑），并参考国家技术监督局发布的中医临床诊疗术语症候部分（GB/T16751.2-1997），以及西医诊断特征性指标进行特征选择，梳理出并简化达到普通文化水平的患者或家属能够感知和理解的特征性症状组：Ai1（病程）、Ai2（鼻腔症状）、Ai3（鼻前孔及上唇皮肤），证型Ai（i=1，2）的辨别是由特征性症状组决定的，每一个症状组都是特性类似的症状归为一类综合症状的模糊子集，因此Ai=（Ai1，Ai2，Ai3）是一个模糊向量集合族。设待识别病人的证型为Bi=（Bi1，Bi2，Bi3）（i=1，2），证型识别结果为Bi（i=1，2）排序，由证型Ai可知Bi也是一个模糊向量集合族[11]。
根据文献记录和病历统计分析，形成表1资料，表中参数（%）为证型Ai（i=1，2）条件下统计症状发生频数获得的隶属频率，可理解为隶属度。各指标参数量纲和数量级相同，不做数据规格化处理，见表1。
对于每位患者来讲，各症状组中的症状只能出现一种，如病程（Ai1）症状组子集中出现的症状只能是{x11，x12，x13}中的一个，即发病1周内、1～4周、反复不愈只能出现其中一种情况，因此标准证型的隶属度是由各症状组中高发症状的隶属频率决定，而待识别对象证型则是由标准证型和具体症状双重因素决定。
设标准模型库Ai的隶属函数为：
q、r、s是由标准模型库Ai前提下待识别患者的证型，Bi在各症状组中所表现症状对应的隶属频率位置，在不同的标准证型条件下隶属频率取值不同，例如：患者症状为（1～4周，两者都有，均有）=（x12，x23，x33）（q=2，r=3，s=3），由表1知在证型A1前提下，B1=（B11，B12，B13）=（x12，x13，x33）=（0.18，0.15，0.17）；A2为B2=（0.22，0.14，0.18）。
3.2 应用层次分析法确定权重 在中医辨证论治过程中，疾病表现出的症状和轻重缓急具有不同的临床意义，本系统在症状组层次进行指标权重分配。将症状组指标依次记为Cj=（C1，C2，C3）（j=1，2，…，n，n=3），根据专家在辨证中各症状组对证型的重要程度按Saaty1-9标度法进行两两比较赋值，形成表2及判断矩阵C。
3.3 应用多特性择近原则进行证型和食疗处方排序 通过贴近度公式1、2计算待识别那种证型Bi与标准证型库Ai贴近度，并按照多特性择近原则排序，即可得患者最有可能的证型排序。中医诊疗过程是通过辨证分型进行立法处方，如已知应用于证型A1（阴虚血燥）的食疗处方为Q1（天冬蜂蜜膏）、Q2（桑叶菊花饮），A2（肺热上蒸）为Q3（杏仁牛奶丸）、Q4（桃叶敷剂），将食疗处方取代标准模型库Ai（i=1，2）构成新的标准模型库{Q1，Q2，Q3，Q4}，那么排序为A1、A2可推断食疗处方的初始排序为Q1、Q2、Q3、Q4，这里Q1与Q2、Q3与Q4隶属度是相同的，在以后的实际应用中通过调整隶属频率进行适应证契合，大样本的应用将使隶属频率趋于稳定；另外结合有效率（有效人数/总使用人数）等方法，使处方应用达到最佳疗效，处方有效率低于一定水平，则进行删除淘汰。这种沉淀经验的过程，符合中医经验性医学的特点。
3.4 隶属频率修正方法 目前设定使用者的反馈信息分为效果等级评估和描述性评论两种。根据描述性评论的合理性等因素建立使用者可信度因子CF评价（参考确定性理论）；效果等级分为“有效”、“一般”、“无效”，标定相应的数值。通过两者结合计算调整症状隶属频率的幅度（0<隶属频率<1），并设计过滤网避免恶意或随意性评价对系统的损害，由于篇幅关系不作详述。
3.5 网站建设 网站制作以mySql 5.5数据库建立动态和静态知识库、规则库，服务器端数据处理采用PHP语言编程，浏览器端的交互采用HTML5，能够兼容各种浏览器，可在智能手机（已试运行）、PC和平板电脑上使用。
4 应用举例
举例：一位待识别证型鼻前庭炎患者，症状表现发病2周，感觉鼻腔轻度灼热痒痛，自我观察鼻唇沟周围皮肤红肿并干燥粗糙。依据表1症状表现为（x12， x23，x33）。由待识别对象Bi（x）的隶属函数：B1=（B11，B12，B13）=（x12，x23，x33）=（0.18，0.15，0.17），B2=（B21，B22，B23）=（0.22，0.14，0.18）；由标准模型库Ai（x）的隶属函数：A1=（A11，A12，A13）=（0.74，0.75，0.71），A2=（A21，A22，A23）（0.72，0.77，0.74）。
根据公式1两症状组模糊子集间的贴近度计算：q（A11，B11）=1/2[0.18+（1-0.74）]=0.22，同理q（A12，B12）=0.20、q（A13，B13）=0.23、q（A21，B21）=0.25、q（A22，B22）=0.185、q（A23，B23）=0.22。
由公式2分别计算模糊向量集合族A1与B1、A2与B2之间贴近度Si（i=1，2）：S1=W1q（A11，B11）+W2q（A12，B12）+W3q（A13，B13）=0.2×0.22+0.4×0.2+0.4×0.23=0.218；S2=W1q（A21，B21）+W2q（A22，B22）+W3q（A23，B23）=0.2×0.25+0.4×0.185+0.4×
0.22=0.212，见表3。
B1/A1，B2/A2表示在A1，A2前提下B1，B2的隶属函数S1>S2或B1>B2，根据多个特性的择近原则，本例患者证型为A1（阴虚血燥）的可能性最大，其次A2（肺热上蒸）。转化最优处方排序为：Q1、Q2、Q3、Q4，设定50%显示率，得到使用处方Q1（天冬蜂蜜膏）、Q2（桑叶菊花饮）。
5 讨论
在辩证分型层次，设计时考虑到由于使用者的文化程度和医学知识的认知水平造成的症状体征理解不同产生的误差；症状特征性和细化描述设计简化后与医学专业要求有一定距离；缺少脉象等专业指标等。以上导致辨证结果与中医临床医生比较存在较多偏差，特别是存在兼症复合证情况下。初步的修正方法从下述两方面着手，一是最大限度获取使用者的疾病信息，要求系统使用者的交互界面内容设计体现与辨证论治相关的尽可能全面的重要症状信息，将医学专业内容简化到普通人能够理解和表达相匹配的医疗知识水平，提高输入准确性；二是通过在处方层次对症状隶属频率等指标进行修正，来逐步调整完善适应证。初步的实际测试中使用者处方选择结果与中医临床医生辩证处方结果吻合率呈逐步上升趋势，基本达到设计要求。目前使用人群和输入处方有限，进一步的研究有待开展。
疾病食疗需要中医专业理论知识、涉及面广、内容丰富，远远超出医生指导的能力和精力之外，作为民间广泛存在与日常生活息息相关、准确度要求不高的自主性医疗保健方法，本系统有广阔的拓展空间。
参考文献
[1]夏翔，施杞.中国食疗大全[M].第2版.上海：上海科学技术出版社，2006：3-13.
[2]谢季坚，刘承平.模糊数学方法及其应用[M].武汉：华中科技大学出版社，2013：93-123.
[3]张国立，张辉.模糊数学基础及应用[M].北京：化学工业出版社，2011：33-45.
[4]马斌荣.中医专家系统与中医知识库—中医领域计算机软件的开发与应用[M].北京：北京出版社，1997：47-79.
[5]郑舞，刘国萍.常见数据挖掘方法在中医诊断领域的应用概况[J].中国中医药信息杂志，2013.20（4）：103-106.
[6]朱小虎，邹季.模糊数学在中医药学研究中的应用近况[J].中国中医急症，2013，22（8）：1373-1375.
[7]杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].第2版.北京：清华大学出版社，2008：11-33.
[8]陈振华，余永权，张瑞.模糊模式识别的几种基本模型研究[J].计算机技术与发展，2010，20（9）：32-35.
[9]裴植，郑力.模糊决策属性约简及其在工位评估中的应用[J].工业工程与管理，2011，16（5）：107-110.
[10] Saaty T L.A scaling method for priorities in hierarchical structures[J].J Math Psychol，1977，15（3）：234-281.
[11]贝太学，王涛，乔建滨.基于中医专家系统的评价技术综述[J].信息技术与信息化，2011，16（1）：52-55.
（收稿日期：2014-03-17） （本文编辑：蔡元元）
相关热词搜索： 互联网 食疗 模糊 疾病 理论