基于置信规则库的慢性萎缩性胃炎陈永灿辨证经验挖掘

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。