[研究發表摘錄介紹] Multilabel k-nearest neighbor (ML-kNN) 演算法在高血壓辨證分型的應用

[研究發表摘錄介紹] 

Multilabel k-nearest neighbor (ML-kNN) 演算法在高血壓辨證分型的應用

圖2 ML-kNN在不同診斷方法之運算結果

目前研究主流以探討某疾病之中醫證型為主，並希望能藉由中醫藥改善證型，進而改善病情，許多研究者也從文獻分析探討單一疾病的中醫證型分佈，如高血壓、失眠及慢性胃炎……等等。廣東省中醫院歐愛華研究員則探討multilabel k-nearest neighbor (ML-kNN) 演算法在高血壓辨證分型的應用。⁹歐氏由775位高血壓患者中擷取出143項中醫望聞問切及相關基本資料，並以ML-kNN演算出望聞問切四診融合(fusion)運算(Average precision = 0.81)比單一診斷運算的精確度還高(望診：0.80，舌診：0.77，問診：0.79，切診：0.78)，相關結果見圖2，與現今中醫診療模式需四診合參相符合，顯示當診斷資料收集越齊全，則辨證會更精確。

摘錄自Evid Based Complement Alternat Med 與臨床醫學研究部份內容

1. 張清貿, 施柏瑄, 朱學亭, 陳方佩. 該如何理解「證」？- 中醫證型現代研究的定性與定量, 臨床醫學. 2014 (73)：189-195 (in Chinese)
2. Li GZ, Yan SX, You M, Sun S, Ou A. Intelligent ZHENG Classification of Hypertension Depending on ML-kNN and Information Fusion. Evid Based Complement Alternat Med 2012;2012:837245.