一种基于层次分析法的中药组合分析方法及应用

1.本发明涉及一种中药处方的研究分析方法，尤其涉及一种基于层次分析法的中药组合分析方法及应用。


背景技术：

2.中医药在某些疾病治疗的临床应用中逐渐展现出其独特的优势。例如，非酒精性脂肪肝是一种肝脏疾病，发病率逐年增加。肥胖、代谢综合征等因素导致肝脏损伤和脂肪积聚，引发炎症反应和纤维化。中医药在治疗非酒精性脂肪肝方面具有优势，能够平衡阴阳、改善循环、减轻炎症和纤维化反应，减少脂肪积聚和纤维组织增生。此外，中医药还改善代谢状态、减轻肝脏负担，保护肝功能，延缓疾病进展。因此中医药在非酒精性脂肪肝治疗中具有不可忽视的作用，进一步研究其用药规律具有极大的临床意义。
3.但是中药处方往往成分复杂，在作用成分不明的情况下，采用现代分析手段进行药物研究时困难重重。一种常用的分析手段是分离或制备中药潜在活性组分，从而进一步利用现代分析方法(例如层次分析法)研究这些组分靶点的药理过程和作用。虽然通过提取潜在活性组分的方法可以降低中药靶点研究的复杂程度，但是也存在排除了其他活性组分的可能，导致大量的研发投入失效。另一种分析方法是rstudio，rstudio是一种开源的集成开发环境(ide)，支持多种数据挖掘工具和算法，如特征选择、模式识别和聚类分析，可以通过rstudio进行中药处方数据挖掘，从而获得有效中药组合的分析。但是，利用数据挖掘方法进行中药组合分析只能一定程度上获得初步的挖掘结果，在中药处方分析过程中，rstudio所获得的数据依然是海量的，缺少进一步有效的评价和验证手段。


技术实现要素：

4.发明目的：针对以上问题，本发明提出一种基于层次分析法的中药组合分析方法及应用，能够辅助研究中药用药规律，分析核心中药组合，为新药开发提供了进一步的研究方案和数据参考。
5.技术方案：本发明所采用的技术方案是一种基于层次分析法的中药组合分析方法，基于中药处方数据库，进行药物频次统计，获得药物频率分布；基于中药处方数据库，对整体药材进行关联规则分析，得到药物组合和关联规则分析结果；结合药物组合的关联规则分析结果和层次分析法建立层次结构模型，通过层次结构模型计算得到核心中药组合；所述层次结构模型的方案层为关联规则分析得到的药物组合，所述层次结构模型的准则层为关联规则分析结果中的支持度、置信度和提升度。优选的，对关联规则分析得到的药物组合进行筛选，对筛选后的药物组合作为层次结构模型的方案层。进一步的，所述中药处方数据库的建立过程包括：在医案数据库中以疾病名称作为关键词进行检索，去除方剂组成用量不明确、使用西药、使用中药外敷、使用穴位贴敷的医案，完成处方筛选。
6.通过层次结构模型计算得到核心中药组合，包括构造准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵，根据各判断矩阵，通过层次分析法计算相对于
目标层的准则层权重系数，以及相对于准则层的方案层权重系数，通过一致性判断的权重系数有效；根据准则层相对于目标层的权重系数排序，选择权重系数最高的因素，再将权重系数最高的因素所对应的方案层进行权重系数排序，获得核心药物组合。
7.其中，计算权重系数的过程包括：计算判断矩阵的特征根和特征值向量，提取最大特征根对应的特征向量；将特征向量归一化处理后获得判断矩阵对应的权重系数；对准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵均进行计算。
8.一致性判断过程包括：计算一致性比率指标：其中ri为随机一致性指标，如果cr小于设置阈值，则判断矩阵的一致性通过；否则需要对判断矩阵进行修正后重新计算。
9.构造判断矩阵是采用专家打分的形式，根据重要程度表，对元素两两比较进行打分。
10.本发明提出一种中药处方治疗非酒精性脂肪肝的医案分析方法，该方法采用所述的基于层次分析法的中药组合分析方法来分析中药处方治疗非酒精性脂肪肝的医案。
11.本发明提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于层次分析法的中药组合分析方法。
12.本发明提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于层次分析法的中药组合分析方法。
13.有益效果：相比于现有技术，本发明具有以下优点：本发明结合了药物关联规则分析和层次分析法，将来源于处方数据库的药物关联规则分析结果作为层次分析法的准则层，以此构造判断矩阵。通过各要素之间相互两两比较，并确定各准则层对目标层的权重，实现了药物关联规则分析和层次分析法的交叉验证。本发明将关联规则分析和层次分析模型相结合，创新的提出基于层次分析法的中药组合分析方法，可释放大量的药物组合验证。将该方法应用到非酒精性脂肪肝临床用药研究中，分析结果揭示了非酒精性脂肪肝临床用药的配伍特点和规律，为中医治疗非酒精性脂肪肝疾病提供了实用的临床用药思路。同时，这些研究成果也为新药开发和中药治疗非酒精性脂肪肝的系统化、标准化以及中医药的现代化提供了有价值的数据和参考依据。这对于临床治疗的发展具有重要的意义。
附图说明
14.图1是本发明所述的层次结构模型的结构图；
15.图2是使用rstudio软件所作出现频次》10药物频次柱状图；
16.图3是使用rstudio软件所作关联规则点图；
17.图4是使用rstudio软件所作关联规则平行坐标图；
18.图5是使用rstudio软件所作关联规则分组矩阵图；
19.图6是使用rstudio软件所作关联规则网状图。
具体实施方式
20.下面结合附图和实施例对本发明的技术方案作进一步的说明。
21.实施例1：基于层次分析法的中药组合分析方法
22.本发明所述的基于层次分析法的中药组合分析方法，包括：基于中药处方数据库，进行药物频次统计，获得药物频率分布；基于中药处方数据库，对整体药材进行关联规则分析，得到药物组合和关联规则分析结果；结合药物组合的关联规则分析结果和层次分析法建立层次结构模型，通过层次结构模型计算得到核心中药组合。层次结构模型包括目标层、准则层和方案层，最上层为目标层o，为最佳治疗药物组合；最下层为方案层，为各药物组合；中间层为准则层，将各药对的关联规则分析结果中的支持度c1、置信度c2和提升度c3三个指标作为层次结构模型中的准则层。
23.通过层次结构模型计算得到核心中药组合，包括构造准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵，根据各判断矩阵，通过层次分析法计算相对于目标层的准则层权重系数，以及相对于准则层的方案层权重系数，通过一致性判断的权重系数有效；根据准则层相对于目标层的权重系数排序，选择权重系数最高的因素，再将权重系数最高的因素所对应的方案层进行权重系数排序，获得核心药物组合。
24.构造判断矩阵是采用专家打分的形式，根据重要程度表，对准则层和方案层的元素两两比较进行打分。
25.计算权重系数的过程包括：计算判断矩阵的特征根和特征值向量，提取最大特征根对应的特征向量；将特征向量归一化处理后获得判断矩阵对应的权重系数。对准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵均进行计算。具体的，计算满足aω＝λ
max
ω的特征根与特征向量。式中λ
max
为矩阵的最大特征根，ω为对应于λ
max
的正规化的特征向量，ω的分量ωi即是相应元素单排序的权值。
26.一致性判断过程包括：计算一致性比率指标：其中ri为随机一致性指标，如果cr越接近于0，则可认为判断矩阵的一致性可以接受；否则需要对判断矩阵进行修正。
27.实施例2：基于层次分析法的中药组合分析方法在中药处方治疗非酒精性脂肪肝的医案分析中的应用
28.步骤1：通过检索医案数据库获取中药处方，建立中药处方数据库。
29.对医案数据库进行检索和筛选，获取中药处方治疗非酒精性脂肪肝的医案。具体的，通过古今医案云平台获取中药处方治疗非酒精性脂肪肝的文献，作为专病大数据、消化科、脂肪肝方面的检索条件，检索年限为自建库至2022年10月25日，共得到547个医案。
30.基于中药处方治疗非酒精性脂肪肝的医案(547个)，建立中药处方数据库。具体的，基于中药处方治疗非酒精性脂肪肝的文献，按照纳入排除标准筛查，阅读全文后剔除方剂组成用量不明确者、剔除酒精性脂肪(alcoholic fat，ald)、案例使用西药、中药外敷、穴位贴敷等相关文献，最终筛选出178篇医案，178个中药处方。将178个中药处方中的处方数据录入excel中，数据保存类型为csvutf-8(逗号分隔).csv文件，数据格式详见表1，从而建立中药处方数据库。
31.表1：rstudio分析所需文件格式
[0032][0033]
步骤2：基于中药处方数据库，进行药物频次统计，获得药物频率分布。
[0034]
基于步骤1获得的excel表数据，使用rstudio软件进行药物频次分析，获得药物的频率分布，按照药物频次从高到低排序。图2是本发明基于rstudio软件出现频次》10药物频次柱状图。结果显示：纳入分析178个处方包含285味中药，累及总频次2498次；出现频次》30次的药物有20味，详见表2。使用频次居前10味中药分别为茯苓、柴胡、白术、白芍、半夏、陈皮、山楂、郁金、丹参和枳壳，详见图2。
[0035]
表2：中药治疗非酒精性脂肪肝常用用药情况(频次》20次)
[0036]
[0037][0038]
步骤3：基于中药处方数据库，对178个处方进行关联规则分析。
[0039]
基于药物的频率分布，使用rstudio软件并选择apriori算法进行药物关联规则分析，得到药物组合。关联规则有三个指标，包括支持度、置信度和提升度；支持度是指在数据集中两个药物同时出现的概率。置信度是指在前项药物出现的情况下，后项药物同时出现的概率，并反映了关联规则的可信程度。提升度是指规则中结论项的发生概率相对于在前提条件下独立发生的概率的增加倍数。提升度大于1表示前提条件和结论项之间的正向关联，提升度等于1表示没有关联性，提升度小于1表示前提条件和结论项之间的反向关联。设定最低支持度为0.1，最小置信度0.6，对置信度进行降序排序，结构显示：药对白芍-陈皮＝》柴胡、白术一泽泻＝》茯苓、陈皮-甘草＝》茯苓、陈皮-泽泻＝》茯苓等。这里只是列出组合，没有选取方案层结果组合。其中白术＝》茯苓支持度最高30.9％，详见表3药物关联规则表，其中覆盖度表示规则中的项集在数据集中出现的比例或频率。这个指标通常用百分比来表示。覆盖度可以通过以下方式计算：覆盖度＝(规则的支持度)/(数据集的事务数)
×
100％，和支持度成正比的，分析过程中考虑支持度就可以。使用rstudio软件，编译代码进行数据可视化展示，建立关联规则点图、平行坐标图、分组矩阵图、网状图参见图3～图6。
[0040]
表3：药物关联规则表
[0041][0042]
步骤4：根据步骤3所得的药物组合，结合药对的关联规则分析结果和层次分析法建立层次结构模型，通过层次结构模型得到核心药物组合。
[0043]
通常利用rstudio软件进行关联规则分析得到的数据挖掘结果太多了，没有一个统一的标准去进一步筛选出治疗nafld的有效关联规则结果。本发明通过层次分析法和关联规则药物组合结果交叉验证，通过选择层次结构模型中评价得分较高的几种药物组合，为下一步去用这些药物组合研究治疗这个疾病提供重要数据支撑。
[0044]
步骤4.1，构建层次结构模型，层次结构模型包括目标层、准则层和方案层，其结构如图1所示。最上层为目标层o，目标层是层次结构模型的最顶层，代表研究或决策问题的最终目标，即选择最佳治疗nafld的药物组合。最下层为方案层，即4个影响因素p1(半夏-陈皮＝》茯苓)、p2(白术-陈皮＝》茯苓)、p3(白芍-陈皮＝》柴胡)，p4(白术＝》茯苓)；选择此四个方案的依据：p3、p4为置信度、提升度、支持度值较大的，而p1、p2为排名前6的高频药物，着重考虑；即首先模型评价的准则层是支持度、置信度、提升度，所以考虑这些值靠前的药物组合；其次白芍-陈皮＝》柴胡、白术＝》茯苓，然后半夏-陈皮＝》茯苓、白术-陈皮＝》茯苓，这些药物都是排名前6高频药物，优先考虑模型评价。一般可以选择药物关联规则分析所得的全部药物组合都参与进来作为方案层计算，本实施例为优化计算量，并受限于文字阐述，对于明显的分析出来靠后的药物组合先予以筛除了。中间层为准则层，将各药对的关联规则分析结果中的支持度c1、置信度c2和提升度c3三个指标作为层次结构模型中的准则层。
[0045]
步骤4.2，构造判断矩阵。构造准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵；
[0046]
首先，基于santy的1-9标度方法，通过问卷调查形式，以查阅文献(专家打分)和关联规则结果表数值关联的方式对准则层和方案层的元素分别进行评价，由于同一层元素间存在一个“x比y重要得多”的对比关系，根据1-9标度法，建立评判尺度，见表4。
[0047]
表4：重要程度表
[0048][0049]
对于待比较的因子，一样重要定义为1：1，相对强烈重要为9：1，也可取中间值6：1等，两两比较，形成判断矩阵(判断矩阵是对角线积为1的正反矩阵)。
[0050]
然后，构造准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵。
[0051]
构造准则层相对于目标层的判断矩阵：设准则层包含3个准则，支持度：c1，置信度：c2，提升度：c3。相对于目标层：最佳治疗nafld的药物组合，进行两两比较打分形成准则层相对于目标层的判断矩阵a。
[0052]
选择关联规则的药物组合；
[0053]
支持度c1||置信度c2||提升度c3
[0054][0055]
构造方案层相对于准则层的判断矩阵：每种方案相对于不同准则(支持度、置信度、提升度)进行两两比较打分，形成方案层相对于准则层的判断矩阵b1、b2、b3。
[0056]
相对于支持度的判断矩阵b1：
[0057]
半夏-陈皮＝》茯苓p1||白术-陈皮＝》茯苓p2||白芍-陈皮＝》柴胡p3||白术＝》茯苓p4
[0058][0059]
相对于置信度的判断矩阵b2：
[0060]
半夏-陈皮＝》茯苓p1||白术-陈皮＝》茯苓p2||白芍-陈皮＝》柴胡p3||白术＝》茯苓p4
[0061][0062]
相对于提升度的判断矩阵b3
[0063]
半夏-陈皮＝》茯苓p1||白术-陈皮＝》茯苓p2||白芍-陈皮＝》柴胡p3||白术＝》茯苓p4
[0064][0065]
步骤4.3，通过层次分析法计算相对于目标层的准则层权重系数，以及相对于准则层的方案层权重系数。
[0066]
相对于目标层的准则层重要性排序(提升度、支持度、置信度相当于治疗nafld药物组合的重要性排序)、相对于准则层的方案层的重要性排序(如：相当于提升度的半夏-陈皮＝》茯苓p1|、白术-陈皮＝》茯苓p2|、白芍-陈皮＝》柴胡p3|、白术＝》茯苓p4的重要性排序)。具体计算方法：对于判断矩阵a，计算满足aω＝λ
max
ω的特征根与特征向量。式中λ
max
为矩阵的最大特征根，ω为对应于λ
max
的正规化的特征向量，ω的分量ωi即是相应元素单排序的权值。对于判断矩阵b1、b2和b3，计算步骤相同。以判断矩阵a为例，特征根与特征向量的计算步骤如下：
[0067]
(1)、将判断矩阵a的每一列向量归一化得到(i为行标，j为列标)；对于所述层次分析模型的判断矩阵a的计算如下：
[0068]
[0069][0070]
a归一化后得：
[0071]
(2)、按行求和，得：
[0072][0073]
(3)、将归一化：ω＝(ω1，ω2，
…
ωn)
t
即为近似特征向量；
[0074][0075]
(4)、计算作为最大特征根的近似值；
[0076][0077][0078]
同理计算得：
[0079]
λ
b1
＝4.0766，λ
b2
＝4.0206，λ
b1
＝4.0206
[0080]
步骤4.4，对判断矩阵进行一致性检验，判断步骤4.3得到的权重系数是否有效；
[0081]
判断矩阵的一致性检验的方法包括如下步骤：
[0082]
由于判断矩阵是经两两比较以后得到的正反矩阵，其中第j列是以第j方案为标准对诸方案重要性做出的判断：其中j方案的重要度为1，比j重要的方案重要度大于1，反之则重要度小于1。将第j列元素归一化后得到的向量即是对j方案而言，诸方案重要性的近似权重。由此可把一个n阶判断矩阵看作各方案针对不同方案的n次重要性排序。如果这n次排序结果相同，则认为它具有判断一致性。
[0083]
其中，判断矩阵通常是不一致的，但是为了能用它的对应于特征根的特征向量作为被比较因素的权向量，其不一致程度应在容许的范围内。
[0084]
a)、计算一致性指标：(n阶判断矩阵)，ci值越大，矩阵的不一致程度越严重，ci＝0时，表示矩阵一致。
[0085]
b)查找对应的平均随机一致性指标ri见表5。
[0086]
表5：随机一致性指标ri表
[0087]
n123456789ri000.520.891.121.261.361.411.49
[0088]
c)一致性比率指标(用于确定矩阵的一致性是否在容许范围)
[0089]
如果cr＜0.1，则可认为判断矩阵的一致性可以接受；否则需要对判断矩阵进行修正。
[0090]
对于所述层次分析模型的4个判断矩阵一致性检验如下：
[0091][0092][0093]
ci
b1
＝0.0255，ci
b2
＝0.0069，ci
b3
＝0.0069；
[0094]
cr
b1
＝0.0287，cr
b2
＝0.0077，cr
b3
＝0.0077；
[0095]
所有矩阵均通过一致性检验，其特征向量可作为权向量。
[0096]
步骤4.5，利用层次结构图绘出目标层到方案层的计算结果，进行层次总排序。利用层次结构图绘出从目标层到方案层的计算评价得分结果见表6。
[0097]
表6：层次分析评价得分表
[0098][0099]
由此得出最后结论，对于关联规则药物组合的准则首选提升度、其次支持度、最后是置信度。最终对于治疗非酒精性脂肪肝，首选药物组合白芍-陈皮＝》柴胡，其次白术＝》茯苓、半夏-陈皮＝》茯苓，最后白术-陈皮＝》茯苓。这些分析，我们得到了非酒精性脂肪肝核心药物组合。这些发现为中医治疗非酒精性脂肪肝疾病提供了临床用药思路，并为新药开发、中药治疗非酒精性脂肪肝的系统化、标准化以及中医药的现代化提供了一定的数据和参考。
[0100]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于层次分析法的中药组合分析方法。
[0101]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于层次分析法的中药组合分析方法。
[0102]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0103]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0104]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能。
[0105]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

技术特征：
1.一种基于层次分析法的中药组合分析方法，其特征在于：基于中药处方数据库，进行药物频次统计，获得药物频率分布；基于中药处方数据库，对整体药材进行关联规则分析，得到药物组合和关联规则分析结果；结合药物组合的关联规则分析结果和层次分析法建立层次结构模型，通过层次结构模型计算得到核心中药组合；所述层次结构模型的方案层为关联规则分析得到的药物组合，所述层次结构模型的准则层为关联规则分析结果中的支持度、置信度和提升度。2.根据权利要求1所述的基于层次分析法的中药组合分析方法，其特征在于：通过层次结构模型计算得到核心中药组合，包括构造准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵，根据各判断矩阵，通过层次分析法计算相对于目标层的准则层权重系数，以及相对于准则层的方案层权重系数，通过一致性判断的权重系数有效；根据准则层相对于目标层的权重系数排序，选择权重系数最高的因素，再将权重系数最高的因素所对应的方案层进行权重系数排序，获得核心药物组合。3.根据权利要求2所述的基于层次分析法的中药组合分析方法，其特征在于：计算权重系数的过程包括：计算判断矩阵的特征根和特征值向量，提取最大特征根对应的特征向量；将特征向量归一化处理后获得判断矩阵对应的权重系数；对准则层相对于目标层的判断矩阵以及方案层相对于准则层的判断矩阵均进行计算。4.根据权利要求2所述的基于层次分析法的中药组合分析方法，其特征在于：一致性判断过程包括：计算一致性比率指标：其中ri为随机一致性指标，如果cr小于设置阈值，则判断矩阵的一致性通过；否则需要对判断矩阵进行修正后重新计算。5.根据权利要求2所述的基于层次分析法的中药组合分析方法，其特征在于：构造判断矩阵是采用专家打分的形式，根据重要程度表，对元素两两比较进行打分。6.根据权利要求1所述的基于层次分析法的中药组合分析方法，其特征在于：对关联规则分析得到的药物组合进行筛选，对筛选后的药物组合作为层次结构模型的方案层。7.根据权利要求1所述的基于层次分析法的中药组合分析方法，其特征在于：所述中药处方数据库的建立过程包括：在医案数据库中以疾病名称作为关键词进行检索，去除方剂组成用量不明确、使用西药、使用中药外敷、使用穴位贴敷的医案，完成处方筛选。8.一种中药处方治疗非酒精性脂肪肝的医案分析方法，其特征在于，该方法采用权利要求1～7任一项所述的基于层次分析法的中药组合分析方法来分析中药处方治疗非酒精性脂肪肝的医案。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于层次分析法的中药组合分析方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于层次分析法的中药组合分析方法。

技术总结
本发明公开了一种基于层次分析法的中药组合分析方法及应用，通过检索医案数据库获取中药处方，建立中药处方数据库；进行药物频次统计和关联规则分析；构建层次结构模型，确定准则权重；进行层次单排序和一致性检验；绘制层次结构图并进行总排序。将本发明应用于选择治疗非酒精性脂肪肝的药物组合中，可释放大量实验验证，将不可量化的指标，做同质化转换，再通过比较矩阵分析计算权向量得出各方案的最终得分，将更优方案筛选出来。本发明为中医治疗非酒精性脂肪肝提供了临床用药思路，也为新药开发、中药治疗非酒精性脂肪肝的系统化、标准化及中医药的现代化及提供了一定的数据和参考，对临床治疗的发展具有重要意义。对临床治疗的发展具有重要意义。对临床治疗的发展具有重要意义。


技术研发人员：袁君 丁霄 刘赟 郑程 熊清平 徐若寒
受保护的技术使用者：淮阴工学院
技术研发日：2023.08.01
技术公布日：2023/10/19