R语言用关联规则和聚类模型挖掘处方数据探索药物配伍中的规律

原文链接：http://tecdat.cn/?p=997

原文出处：拓端数据部落公众号

---

 

概要

方剂药效与剂量的关系中药不传之秘在于剂量中药配伍规律。拓端数据使用数据挖掘技术对海量的在线医院药物复方历史数据进行智能分析，并从中找出药物配伍的规律。

业务挑战

中医传承过程中，关于生理、病因病机以及疾病的表现和发展规律，都容易记载在书上，也容易理解和传承。然而随着医药科技的不断进步,新特药品的的种类的不断出现,给药物配伍又一次新挑战。同时，为了探索昂贵中药材是否有其他廉价替代品的问题，对药物的配伍规律和性味归经描述来衡量药物的相似度，根据相似度对药物进行聚类。

药物配伍查询解决方案设计

关联规则模型

结合机器学习方法、数据清理、集成、变换和规约等技术对中医药方中原始数据进行了规范化处理，并用关联规则模型对药物配伍关系进行挖掘。

关联规则可以反映一个事物与其他事物之间的相互依存性和关联性使用关联规则挖掘算法,找到中药之间的高频组合以及强关联关系。

得到最常用的药物配伍——对支持度和置信度进行排序

规则前项 规则后项 支持度 置信度 提升度

{附子} => {桂枝} 0.1824324 0.7500000 2.413043[2]

{桂枝} => {附子} 0.1824324 0.5869565 2.413043[3]

{附子} => {白芍} 0.1689189 0.6944444 1.605903[4]

{白芍} => {附子} 0.1689189 0.3906250 1.605903[5]

{牛膝} => {杜仲} 0.1689189 0.6756757 1.754386[6]

{杜仲} => {牛膝} 0.1689189 0.4385965 1.754386[7]

{续断} => {独活} 0.1756757 0.7027027 2.418605[8]

{独活} => {续断} 0.1756757 0.6046512 2.418605[9]

{续断} => {杜仲} 0.1891892 0.7567568 1.964912[10]

用网络图对常用的药物配伍关系进行可视化

聚类模型

更好的区分不同种类的药物配伍关系——聚类

为了解决昂贵中药材的廉价替代品问题，对药物的配伍规律和性味归经描述来衡量药物的相似度，根据相似度对药物进行聚类。通过理疗措施之间的相似性进行聚类，相当于治疗方案空间上的粗粒化。

网络图对每个种类进行可视化

药物配伍查询系统的实现

通过建立适用于临床的药物配伍查询系统,方便医务人员适时适时查询药物配伍及药品信息,促进临床合理用药。

 

最后，随着政府、企业、科研机构加大对智慧医院精准医疗的资源投入，大数据将持续发挥精准医疗发展助推器作用，推动精准医疗产业发展。

 

---

最受欢迎的见解

1.Python中的Apriori关联算法-市场购物篮分析

2.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图

3.用关联规则数据挖掘探索药物配伍中的规律

4.通过Python中的Apriori算法进行关联规则挖掘

5.用关联规则数据挖掘探索药物配伍中的规律

6.采用SPSS Modeler的Web复杂网络对所有腧穴进行分析

7.R语言如何在生存分析与COX回归中计算IDI，NRI指标

8.R语言如何找到患者数据中具有差异的指标？（PLS—DA分析）

9.R语言中的生存分析Survival analysis晚期肺癌患者4例