基于多标签分类的T2DM证候预测模型研究.pdf

2023 第二十五卷 第三期 Vol.25 No.3 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 基于多标签分类的T2DM证候预测模型研究胡绿慧1，李梓菡2，温川飙1，廖辛2（1.成都中医药大学智能医学学院 成都 611137；2.成都中医药大学附属医院 成都 610072）摘要：目的探究T2DM的中医证侯特征、T2DM发生发展不同病程阶段的证侯分布特征、优化T2DM中医证候诊断模型，为T2DM证候诊断标准的研究提供依据与指导。方法基于国家科技重大专项中医证候生物学技术平台，以大量临床证候数据为研究对象，清洗出1255条有价值的数据。基于条件概率公式对缺失的数据进行数据补全，运用多标签分类学习算法，构建了卷积神经网络模型，对输入为T2DM人性别、年龄、病程、症状等多个属性，预测T2DM证候特征。结果应用传统机器学习算法在未进行数据补全之前，能够达到最高60.82%的准确率。利用全连接神经网络与卷积神经网络抽取数据的高维特征能够较好地提升准确率达64.65%。基于条件概率公式对缺失的数据进行补全，较大程度地提升了传统机器学习算法和神经网络算法的准确率，分别达到72.75%和75.47%。并通过多种传统机器学习算法计算出的不同输入属性对预测值的贡献比例进行统计，得出年龄属性对证候预测结果的贡献最大，达到22.65%，其次是病程。结论基于条件概率的数据补全和CNN的多标签分类学习模型用于T2DM证候诊断研究是可行的和有效的，模型具有较强的泛化力，稍作修改就可用于其它疾病的临床数据分析，为中医智能化提供新的思路。关键词：T2DM 中医证候 多标签分类 CNNdoi:10.11842/wst.20220827004 中图分类号:R-058 文献标识码:A2 型糖尿病（Diabetes mellitus type 2，T2DM）是一种影响全球人类的代谢疾病，根据国际糖尿病联合会的报告，2021年全球20-79岁人群的糖尿病患病率估计为10.5%，到2045年将上升至12.2%1。中医药治疗在综合管理T2DM临床症状、辅助平稳降糖、延缓糖尿病并发症等方面具有独特优势2。T2DM慢性疾病病程中的证候演进受多种危险因素影响，在不同人群、不同病程阶段的疾病转归极为复杂。仝小林等3认为T2DM中医证候三期辩证演进具有“郁-热-虚-损”基本证候演进规律，其中各期又具有“因、位、性、势”多维复杂证素特质。多种中医药治疗被认为具有改善T2DM代谢紊乱的内环境土壤，并且肯定其在综合管理T2DM临床症状、辅助平稳降糖，延缓糖尿病并发症方面具有独特优势4-5。但目前最大的难题仍然是如何进一步准确把握临床证候特点。随着计算机领域大数据和人工智能技术在各行各业的应用，中医药现代化、国际化得到飞速发展。对于T2DM证候的研究，许多学者引入了机器学习算法。李建生等6使用动态科荷伦网络建立2型糖尿病证候诊断标准模型；文玉敏等7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；郭奕瑞等8应用 ANN 和logistic回归建立2型糖尿病预测模型；巩璇等9应用聚类分析算法研究T2DM证候规律；叶桦等10采用人工神经网络算法对糖尿病合并冠心病舌脉象证型进行预测研究。但传统对证候的预测主要基于单标签分类算法居多，而中医证候临床表现复杂多样，主次证 收稿日期：2022-08-27 修回日期：2022-12-16 国家自然科学基金委员会面上项目（82174236）：基于数据湖技术的疾病主客观征象及生物信息 分层特征关联网络 的发现及算法研究以糖尿病为例，负责人：温川飙；四川省科学技术厅国（境）外高端人才引进项目（SYZ202102）：基于人工智能技术的中医治未病思想探究糖尿病早期诊断方法研究，负责人：胡绿慧；四川中医药文化协同发展研究中心一般项目（2021XT21）：基于在线教学平台的中小学生中医药文化科普新模式研究，负责人：胡绿慧。通讯作者：廖辛，中级软件工程师，主要研究方向：中医药信息学。936 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 世界科学技术-中医药现代化中医药数据研究兼杂。要准确把握证候特点，需要引入更有效的机器学习算法来构建预测模型。多标签分类方法主要分为传统机器学习方法和基于深度学习的方法11。传统机器学习方法主要包括问题转换和算法适应方法。这种方法虽然直观高效，但对标签之间的相关性很难捕获，使得模型性能很难达到最优。随着深度学习的发展，一些神经网络模型也被运用到了多标签文本分类 中，如 基 于 CNN 结 构、基 于 RNN 结 构 和 基 于Transformer结构的多标签文本分类方法，相比于传统机器学习方法能有效、自动进行特征提取，还能捕获标签之间的高阶相关性。因此，本文将基于深度学习的多标签文本分类方法应用于 T2DM 证候预测研究中，根据中医临床数据的特点，分析比较了多种传统机器学习模型与卷积神经网络学习模型的效果，并结合临床验证模型的有效性，以及各特征变量对证候预测的贡献率进行研究。1 数据初始化 本文中T2DM病患所属的证候不是唯一的，即病患可能有1-2种证候，所以本文中的T2DM病患证候预测属于多标签分类问题。研究所需数据来自于国家科技重大专项中医证候生物学技术平台，以大量临床证候数据为研究对象，清洗出1255条有价值的数据组成数据集。根据患者的性别、年龄、病程、症状、证候等属性，通过建立多标签分类模型来预测患者最可能的糖尿病证候，以辅助医生临床决策。其中，预测的证候最多取两个值，即患者最多可能患有两种糖尿病证候。本文在T2DM证候数据采集的基础上先对数据进行预处理，用向量(x1,x2,x3,x14)表示患者的性别、年龄、病程、口干口渴、多饮、多尿、乏力、头晕、下肢麻木刺痛、眠差多梦、视物模糊、纳可、大便干结、胸闷气紧14种属性值。其中，病程之后的属性表示病患是否出现该症状。本实验的原始数据中，样本存在字符串类型的属性，无法用深度学习进行建模，并且属性数据间的数量级相差较大，因此需要对数据进行重新编码，除性别、年龄和病程之外的属性用数字0表示未出现该症状，数字1表示出现该症状：性别属性：用0代表女性，1代表男性，用x1表示。年龄属性：原数据是表示真实年龄的数据，与用0或1表示的其他属性数据的量级差距较大，因此这里做最大最小归一化，使数据在分布0,1之间，用x2表示。病程属性：原数据以年为单位，表示病人得病时长，为适应前两个属性的数量级，需要做最大最小归一化，使数据分布0,1之间，用x3表示。证候属性：对数据进行统计得到6种证候，按序对每个证候编码，如表1所示。2 数据分析 数据集在性别、年龄、病程等多个主要属性上具有很好的统计意义。在性别上的统计分布显示男性患者比女性多，如表2所示。在年龄上的统计分布显示在40-80岁的年龄阶段发病较多，如表3所示。在病程上的统计分布显示 5-20年病程的患者较多，如表4所示。数据集中口干口渴、下肢麻木刺痛、眠差多梦、大便干结是4个主要症状，因为空值较少，具有一定代表性，所以我们选取这些症状进行统计分析，排除数据补全后可能带来的影响，如表5所示。实例中，数据编码后得到如表6形式的数据。表1证候编号对照表n(%)证候编号123456证候类别气阴两虚湿热内蕴湿瘀互结痰瘀互结瘀血阻络气阴两虚夹瘀数量320(25.53%)266(21.19%)199(15.86%)180(14.37%)165(13.14%)125(9.91%)符号c1c2c3c4c5c6表2数据集在性别上的统计分布证候气阴两虚湿热内蕴湿瘀互结痰瘀互结瘀血阻络气阴两虚夹瘀男53.88%63.16%60.94%68.97%81.13%52.50%女46.12%36.84%39.06%31.03%18.87%47.50%表3数据集在年龄上的统计分布年龄气阴两虚湿热内蕴湿瘀互结痰瘀互结瘀血阻络气阴两虚夹瘀(0,200.97%0.58%0.00%0.00%0.00%0.00%(20,408.74%7.02%11.72%6.90%6.60%5.00%(40,6050.97%47.95%42.97%46.55%61.32%38.75%(60,8036.41%39.77%36.72%42.24%30.19%48.75%(80,max2.91%4.68%8.59%4.31%1.89%7.50%937 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 2023 第二十五卷 第三期 Vol.25 No.3 基于传统的全连接深度学习并不能有效地学习不同病症特征的相关性，本文的一个主要出发点就是构造不同病症相关性的矩阵。不同于传统的直接使用全连接的深度学习方法，本文先使用向量外积操作将向量转化为矩阵，矩阵中的元素为向量元素彼此间的乘积，从而获取数据各属性间的潜在联系，且能提升数据维度。然后在此基础上类比于图像处理，引入CNN用于处理这样的矩阵信息，能有效地获取局部的特征相关性用于进一步提升网络的表征和学习能力。具体来讲，假设原始样本x=(x1,x2,x3,x14)为1 14的向量，其中x1,x2,x3,x14分别表示样本的性别、年龄及病程等14个属性，则新数据xnew由式(1)给出：xnew=xTx(1)其中，xT为原始样本x的转置，即14 1的向量，因此新数据xnew为14 14的矩阵。用model代表我们建立的模型，最后根据我们的模型和输入的特征值，我们得出患者最可能的糖尿病类别c c1,c2,c3,c4,c5,c6。此过程由式(2)表达：c=model(xnew)(2)3 贝叶斯数据补全 贝叶斯理论是一种广泛应用的统计推断方法，其特点是用概率来表示所有形式的不确定性。随机变量的概率分布表示了贝叶斯学习的结果，并且可以解释成对各种可能性的信任度12。贝叶斯理论可用来预测缺失数据值的概率分布，并根据不同的策略来补全缺失数据。随着计算机技术的发展，贝叶斯理论在各个领域得到了快速的应用和发展，诸如：医疗诊断、社会科学等12-13，并被广泛用于分类分析、数据挖掘等，有效修正变量之间相互依赖关系和不确定性知识的表示和推理。针对本文中清洗出的临床证候数据，由于早期记录的数据项不全面和患者信息填写不完整等原因，大多数据项都存在数据缺失的问题，数据的缺失将会影响模型的训练，进而影响模型预测的准确率。本文基于条件概率公式对缺失的数据进行补全，当症状数据缺失过多时会降低模型预测的准确率，通过实验，当症状数据缺失率超过60%时将该症状剔除可以达到最优的预测效果。本文中只选取缺失率60%的症状进行数据补全，缺失率60%的症状，例如，四肢不温、足烂、心慌、脉弦滑、皮肤瘙痒等将不参加模型的训练和预测。通过筛选得到14个缺失率小于等于60%的症状：性别、年龄、病程、口干口渴、多饮、多尿、乏力、头晕、下肢麻木刺痛、眠差多梦、视物模糊、纳可、大便干结、胸闷气紧。本文中基于条件概率公式对数据进行补全，补全公式为：P(xi|x1,x2,xk,y)=P(x1,x2,x3,xk,xi,y)P(x1,x2,xk,y)其中xi表示需要补全的症状i，x1,x2,xk表示非空的k个症状。根据公式依次对每一位患者缺失的症状数据进行补全。首先选出与患有属于同一证候的且未缺失的症状数据项完全相同的所有患者。再根据这些患者中患有缺失症状的患者和不患该症状的患者数量的比例计算出补全公式的结果，从而补全患者缺失的症状数据。当患者出现该症状的比例0.5时将数据补全为 1（表示患有该症状），否则补全为 0。例如，当前患者属于“气阴亏虚”证候，且“乏力”症状数据缺失。经过计算数据集中有20位患者也属于“气阴亏虚”证候，且其余未缺失症状和当前患者相同。其中，有18位患者患有“乏力”症状，2位患者没有出现表4数据集在病程上的统计分布证候气阴两虚湿热内蕴湿瘀互结痰瘀互结瘀血阻络气阴两虚夹瘀(0,127.67%23.98%15.63%22.41%18.87%8.75%(1,518.45%18.13%19.53%15.52%22.64%13.75%(5,1024.76%27.49%34.38%31.90%32.08%32.50%(10,2024.27%26.90%28.13%28.45%22.64%37.50%(20,max4.85%3.51%2.34%1.72%3.77%7.50%表5数据集在主要症状上的统计分布证候气阴两虚湿热内蕴湿瘀互结痰瘀互结瘀血阻络气阴两虚夹瘀口干口渴84.95%87.72%85.16%87.93%79.25%82.50%下肢麻木刺痛77.18%89.47%91.41%91.38%87.74%92.50%眠差多梦30.58%34.50%35.16%31.90%31.13%32.50%大便干结16.99%16.96%16.41%16.38%20.75%20.00%表6数据格式表序号123性别100年龄0.6538460.1923080.74359病程0.075630.0420170.159664口干口渴011证候编号253938 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 世界科学技术-中医药现代化中医药数据研究“乏力”症状，则P=18/200.5，所以可以认为当前患者患有“乏力”症状，将其缺失的数据补全为1。当数据量足够大时，基本上总能找到符合上述要求的患者，代入补全公式计算出结果。若符合要求的患者数为零，则去掉一个未缺失的症状数据项，即将补全公式中的k减一，再寻找是否有相同症状的患者，若仍未找到则再次去掉一个未缺失的症状数据项，依次类推，直到数据得到补全。4 卷积神经网络模型 卷 积 神 经 网 络（Convolutional Neural Networks，CNN）是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法14-16不同于传统的处理此问题的深度学习方法（简单利用全连接神经网络来进行数据分类）17-20，使用外积的方式将低维数据拓展为相对大的特征图，再使用卷积神经网络抽取高维特征，达到更好的分类效果。4.1卷积神经网络用于本文的两个主要步骤（1）提取数据的深度特征。将输入数据进行一系列的卷积、池化处理，从而得到数据深层的抽象的特征图。（2）由上述得到的特征图作为输入，通过一定深度的全连接网络和有效的分类器层，网络最终输出该样本的分类（预测）结果。4.2网络结构CNN通过卷积及池化操作，自身挖掘数据潜在的关联和特征，此黑盒过程模拟了生物视觉机制，能够有效抓捕数据的特点。全连接层及分类器层是机器学习领域用于分类任务较有效的方式，两者结合能高效地完成分类任务。因此针对T2DM数据特点，结合CNN思想，搭建包含3个卷积层、2个池化层、1个全连接层和 1 个 sigmoid 分类层的卷积神经网络模型，如图1所示。因此，网络的输入数据为xnew，整个网络的前向传播过程可由式(3)确定：(y1,y2,y3,y4,y5,y6)=FC(Max_pooling2(conv3(conv2(Max_pooling1(conv1(xnew)(3)最终网络的输出向量(y1,y2,y3,y4,y5,y6)，向量中每个数据yi代表该样本属于类别i的概率值。因此，样本的预测结果c c1,c2,c3,c4,c5,c6：c=(round(y1),round(y2),round(y3),round(y6)(4)其中round表示对数据进行四舍五入计算，ci=1表示预测结果包含该证候。4.3算法分析本文建立的CNN模型在考虑计算速度和效率的前提下，仍能够实现较高准确率的预测。同时，该模型省去了人工提取数据特征以及分析的繁琐步骤，简化模型的训练及预测过程，在最短的时间内获得最好的效果。另一方面，如果在数据集较少的情况下，深度神经网络由于过拟合等等原因，导致无法呈现出最好的效果。5 实验 5.1实验环境系统类型：Windows 10；CPU 型号：Intel(R)i7-4790；GPU 型 号：NVIDIA GTX 2080Ti；软 件 平 台：Pytorch-1.10.2；Python-3.8.13。5.2实验结果本文将数据集中80%作为训练集，20%作为测试图1本文使用的卷积网络模型结构注：本模型结构包含了卷积、池化和全连接操作。卷积核大小为33步长为1，Max-pooling核大小为22步长为2；经过卷积操作之后我们得到了一个12128的特征图；FC表示全连接层，Outputs sigmoid为分类层。939 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 2023 第二十五卷 第三期 Vol.25 No.3 集。对Random forest算法、Adaboost算法、XGboost算法、BP神经网络以及CNN模型分别进行了实验，以验证集数据分类准确率为指标测试 20次取均值，得到表7实验结果。根据上述结果可以看出，当前工业界中所应用的传统机器学习算法（Random forest、Adaboost、XGboost等）在未经过数据补全之前最高能够达到60.82%的准确率，经过数据补全后都能得到大幅提升，最高准确率达到72.75%，而我们建立的卷积神经网络抽取数据的高维特征在未经数据补全之前能够达到62.63%的准确率，经过数据补全后准确率能够达到75.47%，是数据补全后所有模型中效果最好的。另外针对进行数据补全处理后的CNN模型，对其卷积核大小和步长进行参数敏感度实验，得到图2实验结果。当卷积核大小为33步长为1，池化核大小为22步长为2时，效果最好，此时，随着卷积核和池化层核尺寸增大或者步长变大效果逐渐变差。另一方面，我们利用多种机器学习模型进行了实验，并从模型中取得特征在证候分类任务中的重要性可视化结果，如图3所示。本研究显示，2型糖尿病中医证候以气阴两虚证为最多，其次依次为湿热内蕴、湿瘀互结、痰瘀互结、瘀血阻络、气阴两虚夹瘀证。几乎所有模型均将年龄作为最为重要的特征，年龄对证型的贡献率超过22.65%，不同年龄患者中医证候分布显示，0-40岁以气阴两虚证居多，40岁以后的患者表现为湿热内蕴、淤血阻络、气阴两虚夹瘀证等为主。其次为病程，5年内的病程表现为气阴两虚和湿热内蕴证为主，随着病程的延长，逐渐表现出气阴两虚夹瘀、痰瘀互结、湿瘀互结、淤血阻络证等。临床症状主要是口干口渴、多表7各模型实验结果模型Random forestAdaboostXGboostBP神经网络CNN未进行数据补全的准确率（%）60.8257.0560.7464.6562.63进行数据补全的准确率（%）72.7562.0871.4771.7875.47数据补全准确率提升（%）11.935.0310.737.1312.84图2CNN模型不同参数实验结果940 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 世界科学技术-中医药现代化中医药数据研究饮多尿为主，其次乏力、胸闷气紧、下肢麻木刺痛也表现较多。由此可见，证候与年龄和病程具有较高的相关性，各症状对证候分类有着不同的影响。图中不同模型的特征重要性曲线存在一定的差异可能是由于数据存在一定的噪声，噪声会使得特征失准，加之特征之间具有多重共线性，即特征之间存在非常大的相关性，导致模型的参数估计不太稳定，又因为不同模型的泛化能力不太相同，拟合的函数不太一致。6 讨论 中医的证候诊断体系具有复杂系统的非线性、开放性、模糊性和高维性特征，中医辨证论治、望闻问切的过程，实质上是对大量病患信息作出处理并从中提炼规律的一个过程。如何发掘大量病理现象与中医证候之间的联系和规律，是证候诊断准确性研究的主要难点。以往多采用关联聚类分析或者其他统计学方法，但效果不尽如人意。而基于多标签分类的深度学习方法作为一种智能信息处理系统，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，客观的描述研究现象。因此,可以将其用于中医证候的非线性建模研究。同时，中医临床采集的数据缺失值、异常值多，需要对数据做大量的预处理工作，为了保证后期算法模型的准确性，采用了条件概率补全的方法对原始数据进行了处理。以多种机器学习算法进行建模，最终卷积神经网络算法在T2DM证候预测中具有较高的准确度。以年龄、性别、症状为研究指标，并且为了保证研究的可靠性，本研究的数据全部来自T2DM患者的真实住院病历。最终模型的准确率能够达到75%以上，效果基本使人满意，并能够为临床提供一定的参考。但模型对单独某一类证候的预测效果却不尽相同。其中气虚血瘀证、气阴两虚夹湿证都呈现出精确率较高而召回率偏低的预测结果，原因多为学习样本太少和临床数据缺乏统一标准，比如气虚血瘀证、气阴两虚夹湿证数据集中只有几十例，这也说明卷积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，也能更全面的掌握数据样本的特征和规律。另外通过模型对特征重要性的计算，发现年龄和病程对模型的贡献度较高，说明年龄和病程对证候的分类有着较高的影响，可以作为证候分类的重要参考指标。而通过观察中医症状对模型的贡献度，发现11种症状中，多食易饥、多饮、多尿排在最前列，这也与糖尿病典型症状“三多一少”相吻合。说明“三多一少”不仅是糖尿病的典型症状，也是证候表现的主要影响因素。T2DM中医证候诊断对医生临床决策具有十分重要意义。只有对大量临床数据进行深度分析，运用现图3特征重要性941 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 2023 第二十五卷 第三期 Vol.25 No.3 代人工智能技术，客观探索中医证候规律，加强临床诊断的准确性。本文应用卷积神经网络和几种机器学习算法，建立了深度学习模型进行深度探索T2DM证候规律，并通过条件概率公式对缺失的症状数据项进行补全，极大地提升了模型预测的准确率。从结果可以看出，基于深度学习的T2DM中医证候诊断模型，拓宽了人工智能在中医药领域的应用，为中医证候诊断的研究提出了新的思路和方法。参考文献 21Sun H,Saeedi P,Karuranga S,et al.IDF Diabetes Atlas:Global,regional and country-level diabetes prevalence estimates for 2021 and projections for 2045.Diabetes Res Clin Pract,2022,183:109119.2邹大进,张征,纪立农.缓解2型糖尿病中国专家共识.中国糖尿病杂志,2021,29(9):641-652.3仝小林,刘文科,王佳,等.糖尿病郁热虚损不同阶段辨治要点及实践应用.吉林中医药,2012,32(5):442-444.4刘蕊蕊,岳仁宋,杨茂艺,等.从“痰脂膏浊-土壤变质”论胰岛素抵抗的中医实质.中医杂志,2018,59(19):1699-1701.5杨茂艺,胡志鹏,岳仁宋,等.半夏泻心汤通过调控“肠道菌群-宿主”代谢对2型糖尿病大鼠胰岛功能的影响.中华中医药杂志,2021,36(4):2025-2032.6李建生,胡金亮,王永炎.基于2型糖尿病数据挖掘的中医证候诊断标准模型建立研究.中国中医基础医学杂志,2008,14(5):367-370.7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.中华中医药杂志,2015,30(10):3665-3670.8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.郑州大学学报(医学版),2014,49(2):180-183.9巩璇,马建伟,董静,等.基于聚类分析的2型糖尿病中医证候规律研究.解放军医药杂志,2015,27(9):24-29.10 叶桦,冯全生,严小英,等.基于人工神经网络的糖尿病合并冠心病舌脉象证型预测研究.中华中医药杂志,2020,35(10):5184-5187.11 郝超,裘杭萍,孙毅,等.多标签文本分类研究进展.计算机工程与应用,2021,57(10):48-56.12 沈雪.基于贝叶斯方法的缺失数据补全研究.重庆:重庆大学硕士学位论文,2011.13 慕福林,陈静,骆凯波,等.电力营销缺失数据补全研究.电气应用,2015,34(S1):147-150154.14 叶桦,何黎,胡远樟,等.基于卷积神经网络的2型糖尿病证候分布演化规律研究.时珍国医国药,2021,32(6):1522-1524.15 赵书颖,张新雅,李运伦.基于决策树及神经网络的高血压病阴阳两虚证诊断模型的研究.中华中医药学刊,2019,37(5):1120-1123.16 司富春,李亚楠.糖尿病的中医证型分布和方药规律分析.中医研究,2009,22(8):13-16.17 Wang Y P,Xu A L.Zheng:A systems biology approach to diagnosis and treatments.Science,2014,346(6216):S13-S15.18 Qi M.LightGBM:A Highly Efficient Gradient Boosting Decision Tree.Neural Information Processing Systems.Curran Associates Inc,2017.19 Wang P,Chen Z.Traditional Chinese medicine ZHENG and OMICS convergence:A systems approach to post-genomics medicine in a global world.OMICS,2013,17(9):451-459.20 文志华,夏帅帅,刘东波,等.中医智能辨证诊断技术的演进与问题探讨.世界科学技术-中医药现代化,2021,23(11):4298-4304.Research on Syndrome Prediction Model of T2DM based on Multi-label ClassificationHu Lvhui1，Li Zihan2，Wen Chuanbiao1，Liao Xin2(1.School of Intelligent Medicine,Chengdu University of Traditional Chinese Medicine,Chengdu 611137,China；2.Hospital of Chengdu University of Traditional Chinese Medicine,Chengdu 611137,China)Abstract:ObjectiveTo explore the TCM syndrome characteristics of T2DM,the syndrome distribution characteristics of different stages of T2DM occurrence and development,optimize the TCM syndrome diagnosis model of T2DM,and provide basis and guidance for the research of T2DM syndrome diagnosis standard.MethodsBased on the national science and technology major special TCM syndrome biology technology platform,with a large number of clinical syndrome data as the research object,1255 valuable data were cleaned out.Based on the conditional probability formula to complete the missing data,a convolutional neural network model is constructed by using the multi label classification learning algorithm to predict the syndrome characteristics of T2DM patients with multiple attributes such as gender,age,942 Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology 世界科学技术-中医药现代化中医药数据研究course of T2DM and symptoms.ResultsUsing traditional machine learning algorithms,the highest accuracy rate was 60.82%before data completion.Using full connected neural network and convolutional neural network to extract high-dimensional features of data can better improve the accuracy of 64.65%.Completing the missing data based on conditional probability formula greatly improves the accuracy of traditional machine learning algorithm and neural network algorithm,reaching 72.75%and 75.47%respectively.According to the conduct statistics of the contribution ratio of different input attributes to the predicted value calculated by various traditional machine learning algorithms,the age attribute has the largest contribution to the syndrome prediction results,reaching 22.65%,followed by the course of disease.ConclusionThe data completion based on conditional probability and the multi label classification learning model based on CNN are feasible and effective for the diagnosis of T2DM syndrome.The model has strong generalization and can be used for the clinical data analysis of other diseases with slight modification,providing a new idea for the intellectualization of traditional Chinese medicine.Keywords:T2DM,TCM syndrome,Multi label classification,CNN（责任编辑：李青）943