随着大数据和人工智能时代的来临,利用机器学习、数据挖掘等技术推动中医的传承与发展已成为迫切需求。当前,中医存在两个重要研究方向:核心处方分析和分子机理分析。核心处方分析面向临床数据,可从个性化诊疗方案中挖掘出治疗疾病的潜在核心处方,指导临床用药。分子机理分析则面向分子靶点,可从微观角度探究疾病发生发展、药物治疗疾病的分子机制。但当前两项研究往往分开进行,缺少将两者有效结合的研究方法,在分析出核心处方后,难以进一步对其疗效进行分子层面的解释,不利于结果的推广和应用。同时,由于目前缺乏专用的分析工具,不仅使得开展研究的学习成本较高、数据预处理时间长及效率低下,而且使得许多拥有宝贵临床数据的普通医生难以参与到研究中来,造成了资源的浪费。因此,利用现代化技术开发一款专门面向中医的集核心处方挖掘与分子机理分析于一体的一站式Web分析平台,为相关研究人员提供专业且高效的研究途径,具有较大的应用前景。本文围绕上述问题展开研究,主要进行了如下几个方面的工作:(1)完成了中医临床核心处方及分子机理分析系统(TCM-CPAMM)的研发与应用。首先,本文通过研究相关分析方法,提出了一种基于复杂网络的、将核心处方分析与分子机理分析有效结合的一体化分析方法。然后,围绕该方法使用Spring Boot、Vue、D3、Cytoscape等多种开发框架及数据可视化库完成了相应系统的研发。最后,使用真实临床病历数据进行了系统应用实验,验证了系统的可靠性和实用性。本系统不仅可为临床研究人员单独提供核心处方分析和分子机理分析的功能,集成的一体化方法更能将两项研究有效结合,在挖掘出核心处方后,可进一步对其疗效的分子机制进行探究,得出更有价值、更有说服力的结论。(2)基于大数据技术完成了对TCM-CPAMM系统部分功能改进。本文通过使用Hadoop、HBase、Hive、Spark等大数据技术,完成了海量数据集成功能的开发,同时也将可能涉及到海量数据的分析方法进行了并行化实现,并开发了分析结果可视化界面,使得系统即便是面对海量临床病历数据依然可完成一体化分析功能。(3)完成了中医临床方剂匹配系统的研发与应用。本文在进行数据处理和系统研发的过程中发现存在大量临床数据缺少处方名称,非常不利于处方相关分析的进行,也导致TCM-CPAMM系统部分功能失效。于是,本文研发了基于配伍规则的中医临床方剂匹配系统,并通过系统应用实验验证了系统命名功能的可靠性。该系统可根据方剂的配伍规则自动为用户上传的数据进行方剂匹配并完成处方命名,节省大量人工命名的时间。