基于深度神经网络和中西医多维信息融合的T2DM中医证型预测模型研究

摘要：目的：基于深度神经网络（DNN）算法联合2型糖尿病（T2DM）中西医临床真实病例数据，建立证型预测模型并对特征重要性进行分析。方法：采集某三甲医院内分泌科的T2DM患者住院病历数据，包括患者的年龄、性别、典型症状以及理化指标，利用随机森林算法对缺失值进行补全，使用结巴分词器对病历中的症状进行分词并统计出十五种典型症状，结合西医检测指标数据，构建T2DM中西医多维特征融合的证型预测模型。结果：利用DNN构建的T2DM中医证型预测模型，模型的预准确率高达88%。对模型贡献度较高的指标为糖化血红蛋白、空腹血糖、年龄、多食易饥、多饮、多尿等。结论：用DNN构建T2DM的中医证型预测模型是可行的，中西医多维数据的融合分析更贴近临床需求，对提高T2DM临床诊断效率与早期预测准确性具有重要意义。

关键词：T2DM；DNN；中医证型；信息融合

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2023）27-0017-03

0 引言

2 型糖尿病（Diabetes Mellitus Type 2，T2DM）是一种影响全球人类的代谢疾病，全球共有4.15 亿人患有糖尿病，到2040 年可能增加到6.42 亿人[1]。2020 年我国60 岁及以上的老年人口占总人口的18.7%（2.604 亿），其中约30% 的老年人罹患糖尿病且T2DM 占95% 以上。早期筛查、诊断和预防成为实现T2DM 疾病缓解的重要因素[2]。赵灵燕[3]做了T2DM中医辨证分型与临床指标的相关性研究。文玉敏[4]使用关系网络模型、聚类分析等探究糖尿病肾病的方药组成及证候特点；郭奕瑞[5]等应用ANN和logistic回归建立2型糖尿病预测模型。而对证候演变机制、中西医多维特征融合研究有待深入，以提高临床诊断的准确性。而深度神经网络（DNN）作为一种机器学习算法，具有较高的容错性，能够拟合任何复杂函数，具有很强的非线性拟合能力，并获得数据样本的特征规则，同时可以规避主观因素对规律提取过程中的影响，适合于中西医多维信息的非线性建模研究。

1 资料与方法

1.1 数据来源

本研究数据来源于某三甲中医医院内分泌科住院病历数据，筛选中医诊断为“消渴病”，西医诊断为“2型糖尿病”，且病历数据较为完整，包含年龄、性别，病程、症状、中医诊断结论，空腹血糖、餐后血糖、糖化血红蛋白等理化指标。

1.2 数据预处理

1.2.1缺失值处理

首先检测初筛样本表中的缺失值，采用随机森林算法对缺失值进行填充。能更好地反映未知数据的真实性、准确性、可靠性。

1.2.2 异常值处理

数据集中由于各种原因难免有异常值，本研究通过计算均方差来判定是否存在异常值。对于异常值我们采用删除或视为缺失值或用平均值修正来进行处理。

1.2.3 中文分词、词频统计

由于中医的特点，临床上总是会出现同症不同病、同病不同医、同医不同效等医学表述数据不统一的现象。使用结巴分词器对症状进行分词，新建术语词典和停用词词表，并对词频进行统计，筛选出出现频率最高的15个症状作为研究指标，包括多食易饥、多饮、多尿、口干、口渴、口苦、视物模糊、尿有泡沫、四肢麻木、便溏、足烂、胸闷、乏力、皮肤瘙痒、眠差等。为保证模型的收敛效率，本研究从原始表提取7种频数最多的证型进行研究，包括气阴两虚夹瘀、气阴两虚瘀血阻络、气阴两虚、气阴两虚湿瘀互结、湿瘀互结、气虚血瘀、气阴两虚夹湿。最终整理出符合条件的数据共514条，其中男性323例，女性191例，年龄分布在15岁至91岁之间。

1.2.4 数据归一化处理

原始表中样本存在汉字、字符等类型数据，也存在各属性间的数量级相差较大，如年龄、理化指标等。按照深度神经网络对于输入层的要求，需要对研究指标重新编码和归一化处理，将其转化为DNN能够识别的语言。处理规则如下：1）性别：用1代表男性，0代表女性；2）症状：有此症状记为1，无此症状记为0；3）病程：数据做最大最小归一化，使其分布[0，1] 之间;4）糖代谢指标：本研究提取糖化血红蛋白、空腹血糖、餐后2H血糖，对数值进行最大最小归一化处理，使其分布在[0，1]之间；5）证型类别： 对典型证型按序号对应每类编码1～7。

预处理后的数据如表1所示。

1.3 T2DM证型预测模型构建

深度神经网络（Deep Neural Networks，DNN）为包含多个隐藏层的神经网络，可以用较少的参数表示复杂的函数。本研究设计的DNN 结构各层详细情况如下：

1）输入层：输入层指输入到神经网络的数据，输入层的神经元数量等于待处理数据中输入变量的数量。本研究使用年龄、性别、空腹血糖、餐后2H血糖、糖化血红蛋白和15种糖尿病典型症状共20个研究指标作为输入，所以输入层的节点数为20。

2）隐藏层：隐藏层由神经网络中的大多数神经元组成，是处理数据以获得所需输出的核心部分。数据将穿过隐藏层，并由许多权重和偏差调节。深度神经网络的隐藏层数一般来说并不固定，需要根据网络的训练效果来确定。本研究经过多次实验确定隐藏层数为2层，每层的神经元个数分别为10个和9个。

3）输出层：输出层是在神经网络中处理数据的最终产物，可以表示不同的事物。通常情况下，输出层由神经元组成，每个神经元代表一个对象。本研究的输出节点数等于证型类别数，因为选取七种证型进行预测，所以输出节点数为7，每一个输出节点代表一种证型。

4）评估标准：以模型的预测准确率以及对每一类证型预测的精确率、召回率、F1-score来对模型的性能进行评估。

1.4 模型训练

1）确定训练集：选取80%数据集为训练集，其中气阴两虚夹瘀126例，气阴两虚瘀血阻络83 例，气阴两虚83例，气阴两虚湿瘀互结55例，湿瘀互结28例，气虚血瘀22例、气阴两虚夹湿14例。剩下的20%作为测试集。

2）权重初始化：本研究采用随机初始化，使初始权值随机分布在[0，1]之间，这样每一个神经元可以开始就在传递函数变化最大的地方进行迭代。

3）函数选择：输入层、隐藏层各层之间的激活函数均选用Relu函数，并且为了防止模型过度拟合，在模型中加入Dropout数据参数丢弃层，丢弃概率为0.5。隐藏层和输出层之间选用softmax作为激活函数，并使用交叉熵损失函数categorical_crossentropy，另外使用基于随机梯度法的自适应时刻估计（Adam）优化器对随机梯度下降进行优化，模型的迭代次数epochs设为10，batch_size设为24。

4）模型期望输出：因为研究所使用的损失函数为categorical_crossentropy，并且预测结果有7种证型，所以每一个样本所对应的输出为一个7维向量，分别为：气阴两虚夹瘀：Y1 =[1，0，0，0，0，0，0]；气阴两虚瘀血阻络：Y2=[0，1，0，0，0，0，0]；气阴两虚：Y3 =[0，0，1，0，0，0，0]；气阴两虚湿瘀互结：Y4=[0，0，0，1，0，0，0]；湿瘀互结：Y5=[0，0，0，0，1，0，0]；气虚血瘀：Y6=[0，0，0，0，0，1，0]；气阴两虚夹湿：Y7=[1，0，0，0，0，0，1]。最后再采用inverse_transform（）将标准化的数据转换成原始数据。

2 结果

2.1 模型准确率

使用测试集数据对训练好的T2DM证型预测模型进行检验，以评价该模型的性能。模型的迭代次数为171次，预测结果准确率达到88%见表2，模型的预测每一类证型的precision（精确率）、recall（召回率）F1-score见表3。其中精确率表示在被所有预测为正的样本中实际为该证型的概率，召回率表示在实际为正的样本中被预测为该证型的概率，F1-score为精确率和召回率之间的平衡值。

2.2 特征重要性

使用决策树模型计算每个特征变量对于模型贡献度，如图1所示，贡献度从高到低地排列为：糖化血红蛋白、空腹血糖、餐后2H血糖、年龄、多食易饥、多饮、多尿、视物模糊、口干、口渴、四肢麻木、性别等。

3 讨论

本研究以DNN所具有的强大的非线性拟合能力构建T2DM中医证型预测模型，以年龄、性别、症状、糖代谢指标为输入节点，证型为输出结果，并计算各指标对模型的贡献度。同时，对各类型证型独立预测结果显示，气阴两虚夹瘀、气阴两虚湿瘀互结、气阴两虚瘀血阻络、气阴两虚、湿瘀互结的精准率和召回率都较高，而气虚血瘀、气阴两虚夹湿都呈现出精确率较高而召回率偏低的预测结果，原因主要为学习样本偏少，这也说明深度神经网络对于数据样本有较高需求，若样本越大，模型的训练和学习也就更加充分，也能更全面地掌握数据样本的特征和规律。另外通过对特征重要性的计算，发现糖化血红蛋白、空腹血糖、餐后2h血糖这几个特征对模型的贡献度较高，说明糖代谢指标对于证型的分类有着较高的影响；而临床症状中，多食易饥、多饮、多尿，对模型的贡献度高，说明在证型分类的时候，这些中西医指标可以作为临床参考。

随着研究的进一步深入，增加更多的样本量，融合更多研究指标，可以提高证型预测的准确性，可以更好地阐明T2DM中西医特征之间的相互关系，形成中西医结合新的诊疗方案，为中国糖尿病临床智能诊疗提供理论基础。

参考文献：

[1] Sun H， Saeedi P， Karuranga S， et al. IDF Diabetes Atlas： Glob⁃

al， regional and country-level diabetes prevalence estimates

for 2021 and projections for 2045. Diabetes Res Clin Pract.

2022（183）：109119.

[2] Charles MA， Leslie RD. Diabetes： Concepts of β -Cell Organ

Dysfunction and Failure Would Lead to Earlier Diagnoses and

Prevention. Diabetes. 2021，70（11）：2444-2456.

[3] 赵灵燕，毕力夫，赵慧辉，等.147例2型糖尿病患者中医辨证分

型及临床指标相关性分析[J].北京中医药大学学报，2013，36

（7）：480-483.

[4] 文玉敏，董兴鲁，李平.糖尿病肾病证候及用药规律的数据挖掘

研究[J].中华中医药杂志，2015，30（10）：3665-3670.

[5] 郭奕瑞，李玉倩，王高帅，等.人工神经网络模型在2型糖尿病患

病风险预测中的应用[J].郑州大学学报（医学版），2014，49（2）：

180-183.

【通联编辑：闻翔军】