基于置信规则库的慢性萎缩性胃炎陈永灿辨证经验挖掘

摘要

[目的]根据名老中医陈永灿(下称陈氏)诊治慢性萎缩性胃炎(chronic atrophic gastritis,CAG)的临床资料和诊疗方案,挖掘基于置信规则库(belief rule base,BRB)的CAG辨证经验.[方法]对症候信息进行编码,将症候"有、无"分别赋值为"1、0",以此建立CAG中医症候信息数据库.将编码后的信息作为CAG辅助诊断模型的输入特征,通过BRB挖掘症候信息与证素之间的关系,利用证据推理(evidence reasoning,ER)融合算法对输入特征进行激活处理并输出结果,最后根据输出的证素结果结合临床实际得到证型.[结果]在收集到的572例CAG病例数据集上对CAG辅助诊断模型进行训练及测试,证实该模型准确率达到79.07％,优于传统的支持向量机(support vector machine,SVM)算法;由预测结果得到的证型主要为脾虚气滞型、寒热错杂型、肝胃郁热型.[结论]CAG辅助诊断模型在实际临床运用中具有可行性,表明人工智能技术有助于名老中医经验的传承和传播.