search for




 

Eight Confluent Acupoint Combinations Patterns: Data Mining and Network Analysis
데이터마이닝과 네트워크분석을 통한 팔맥교회혈의 배합 패턴 연구
Korean J Acupunct 2023;40:177-183
Published online December 27, 2023;  https://doi.org/10.14406/acu.2023.021
© 2023 Society for Meridian and Acupoint.

Min-Jeong Kwon1* , Da-Eun Yoon1* , Heeyoung Moon1 , Yeonhee Ryu2 , In-Seon Lee1 , Younbyoung Chae1
권민정1*ㆍ윤다은1*ㆍ문희영1ㆍ류연희2ㆍ이인선1ㆍ채윤병1

1Department of Meridian and Acupoints, College of Korean Medicine, Kyung Hee University,
2KM Science Research Division, Korea Institute of Oriental Medicine
1경희대학교 한의과대학 경혈학교실, 2한국한의학연구원 한의과학부
Correspondence to: In-Seon Lee
Department of Meridian and Acupoints, College of Korean Medicine, Kyung Hee University, 1 Hoegi-dong, Dongdaemun-gu, Seoul 02447, Korea
Tel: +82-2-961-2204, Fax: +82-2-963-2175, E-mail: inseon.lee@khu.ac.kr
Younbyoung Chae
Department of Meridian and Acupoints, College of Korean Medicine, Kyung Hee University, 1 Hoegi-dong, Dongdaemun-gu, Seoul 02447, Korea
Tel: +82-2-961-2208, Fax: +82-2-963-2175, E-mail: ybchae@khu.ac.kr
*These authors have contributed equally to this work.
This research was supported by Korea Institute of Oriental Medicine (KSN1812181), Bio & Medical Technology Development Program of the National Research Foundation (NRF) funded by the Korean government (MSIT) (No. RS-2023-00262398), and Institute of Information and Communications Technology Planning and Evaluation (IITP) grant funded by the Korea government (MSIT) [No. RS-2022-00155911, Artificial Intelligence Convergence Innovation Human Resources Development (Kyung Hee University)].
Received October 16, 2023; Revised November 22, 2023; Accepted November 23, 2023.
This is an open access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract
Objectives : One of the crucial combinations of acupoints for treating various disorders involves the Eight Confluent acupoints. The present study aims to investigate the selection patterns of the Eight Confluent acupoints in clinical trials and determine the most frequent pairings through network analysis.
Methods : The frequencies of the Eight Confluent acupoints were extracted from the Acusynth database, which includes data from 421 clinical investigations. We examined the degree distribution, eigenvector centrality, proximity centrality, and betweenness centrality of these acupoint combinations using network analysis.
Results : Data mining revealed that among the Eight Confluent acupoints, PC6 and TE5 were the most commonly applied in the treatment of 30 disorders. Additionally, we identified the most frequently co-occurring pairs of Eight Confluent acupoints by network analysis which included PC6-GV20, SP4-GV4, LU7-LI4, TE5-PC7, GB41-SP6, KI6-BL62, and SI3-BL62.
Conclusions : Through the application of data mining and network analysis, we have elucidated the selection patterns and combinations of the Eight Confluent acupoints. These findings provide valuable insights that can enhance doctors’ understanding of clinical database-driven Eight Confluent acupoint selection patterns.
Keywords: acupoints, data mining, Eight Confluent acupoints, network analysis
서 론

팔맥교회혈(八脈交會穴)은 사지부에서 십이경맥과 기경팔맥이 서로 통하는 여덟 개 경혈로, 상지와 하지에서 한 개씩 배합하여 4개의 쌍을 구성하여 질병을 치유함과 동시에 소속 본경과 기경팔맥의 질병을 치료한다1). 팔맥교회혈은 금원시대 두한경의 『침경지남』에서 ‘교경팔혈(交經八穴)’이라 언급한 것에서 기원한다(1). 후대 의가들은 ‘두씨팔혈(竇氏八穴)‘, ‘기경팔혈(奇經八穴)’, ‘팔법교회팔혈(八法交會八穴)’ 등의 명칭으로 사용하면서, 임상에서 다양하게 활용하며 발전시켜 왔다2). 명대 『의학입문』에 따르면 “팔법은 기경팔혈로 요약되는데, 십이경이 크게 모이는 곳이다. 또한 온몸의 360혈은 손과 발의 66혈이 총괄하고, 66혈은 다시 8혈이 총괄한다”고 하여 팔맥교회혈의 중요성에 대해 말하였다(2). 『동의보감』에서도 『의학입문』의 상기 문장을 인용하며, 침구 치료에서 기경팔혈의 활용을 강조했다. 여덟 개의 경혈 중 상하 두 개씩을 배합하여 인체의 질병부위를 치료하는 경혈조합을 구성하는데3)(Fig. 1), 『침구취영』에서 팔혈의 주치를 개괄하였고, 『침구대성』에서는 내관-공손, 외관-임읍, 열결-조해, 후계-신맥의 상하 배혈법을 설명하고 있다. 『의종금감』에서 내관과 공손의 배합은 심, 흉, 위 부위를 포함한 인체의 전면 부위를, 후계와 신맥의 배합은 인체의 후면 부위를, 임읍과 외관의 배합은 수족소양병인 이후, 협, 견 등 인체 측면 부위를, 열결과 조해는 인후 및 흉격 부위 질환을 위주로 치료한다고 하였다(3).

Fig. 1. Eight Confluent acupoints combinations. The Eight Confluent acupoints include PC6-SP4 (green), LU7-KI6 (blue), TE5-GB41(purple), SI3-BL62 (orange). These acupoints combinations have been widely used a variety of diseases.

임상적 측면에서 경혈 사용 경향을 확인하기 위한 최근 연구로는, 문헌에 기술된 증상이나 질환의 변증패턴과 경혈 간의 관계를 데이터마이닝을 통해 분석하거나4,5), 임상 연구 논문에서 추출한 질환과 경혈 정보를 확률적 추론 방식을 통해 그 관련성을 분석하는 시도들이 진행되어 왔다6,7). 데이터마이닝을 통해 임상 연구에서 활용된 경혈의 특성을 분석하여, 원혈 및 오수혈의 선혈패턴의 특성을 시각화하고 다차원 척도법을 통한 원혈 및 오수혈의 주치 특성을 관찰한 연구가 수행되었다8,9). 네트워크 분석은 복잡한 네트워크에서 수학적 연산을 통해 거시적 패턴을 찾고 중요 특징을 발견하는데 유용한 방법으로10), 이를 경혈 연구에 활용하여 특정 질환, 증상 또는 변증에 경혈이 사용되는 패턴을 파악해볼 수 있다. 다양한 통증 질환에 대한 침 치료 임상 연구에 포함된 경혈 조합에 대해 네트워크 분석을 실시하여 가장 빈번하게 사용되고 중심성이 높은 경혈들을 밝힌 바 있다11). 또한, 최근 기능성 위장장애를 치료하기 위한 경혈 조합에 대해 네트워크 분석을 수행하여 중완, 천추, 족삼리 등이 중심적인 경혈임을 보여준 연구가 있었다12). 팔맥교회혈의 특성에 관한 연구는 고전문헌에 나타난 내관-공손의 배합과 열결-조해의 배합에 대한 문헌적 고찰이 수행된 적이 있으나13,14), 현재까지 임상연구를 통해 얻어진 경혈 정보를 활용하여 팔맥교회혈의 선혈패턴과 배합 특성을 밝히기 위한 데이터마이닝, 네트워크 분석은 시도된 바 없다.

본 연구에서는 팔맥교회혈의 주치 특성을 알아보기 위해 코크란 라이브러리에 포함된 임상연구를 기반으로 구축된 경혈 데이터베이스에서 팔맥교회혈의 질환별 선혈빈도를 계산하였고, 사용된 경혈의 조합에 대해 네트워크 분석을 실시하여 팔맥교회혈이 다른 경혈과 배합되는 주요 패턴을 발견하고 특수혈로서의 팔맥교회혈의 조합이 사용되는지 탐색하고자 한다.

대상 및 방법

1. 팔맥교회혈의 선혈빈도 분석 및 시각화

팔맥교회혈의 선혈 패턴 관련 데이터를 추출하기 위해, 임상연구 기반 경혈정보 데이터베이스인 Acusynth 데이터베이스를 사용하였다7). Acusynth 데이터베이스에는 30개의 다른 질병에 대한 침 치료를 위해 사용된 361개의 표준경혈 사용빈도가 포함되어 있다. 이 중에서 팔맥교회혈에 해당하는 8개의 경혈의 사용빈도 정보를 추출하였다. 특정 질환을 대상으로 한 전체 연구의 수에서 팔맥교회혈이 사용된 임상연구의 수를 나눠, 질환별 팔맥교회혈이 사용된 비율을 계산하였다.

팔맥교회혈의 사용빈도를 8 (팔맥교회혈)×30 (질병종류)의 행렬 형태의 heatmap으로 Orange 소프트웨어 버전 3.35.0 (http://orangedatamining.com)을 사용하여 시각화하였다.

2. 팔맥교회혈 경혈 배합의 네트워크 분석

총 421개의 임상연구에서 팔맥교회혈이 사용된 연구 171개를 추출하여, 각 연구에서 사용한 경혈 조합의 정보를 분석하였다. 네트워크 분석에서 노드는 연구에서 사용된 경혈이며, 노드를 연결하는 엣지는 동시출현(co-occurrence)에 대한 정보고 두 경혈이 연구에서 동시에 사용되었음을 의미한다. 팔맥교회혈에 대한 네트워크 분석은 Gephi 소프트웨어 버전 0.10.1 (http://gephi.org)을 사용하여 수행하였다. 총 171개의 연구에 사용된 경혈 및 동시출현한 정보를 모두 포함하여 1차적으로 201개의 노드(경혈)와 1194개의 엣지(동시출현)로 네트워크를 구축하였고 k-core 알고리즘을 적용하여 필터링하였다. k-core 알고리즘은 네트워크에서 엣지수가 k 이하인 엣지는 제거하는 방법으로 핵심 정보를 탐색하는데 유용한 방법이다. 본 연구에서는 k-core 값을 3으로 필터링하여 최종적으로 71개의 노드, 604개의 엣지로 구성된 네트워크를 얻었다. 시각화 알고리즘은 연결성이 높은 노드를 네트워크 중앙에 배치하는 Yifan Hu proportional layout method를 사용하여, 다른 경혈과 함께 사용되는 빈도가 높아 중요도가 클 것으로 예상되는 경혈이 중앙에 배치되도록 하였다. 또한, 네트워크 상의 중요 경혈을 확인하기 위해, 연결수(degree), 근접중심성(closeness centrality), 매개중심성(betweenness centrality), 그리고 아이젠벡터중심성(eigenvector centrality) 값을 추출하였다.

결 과

1. 팔맥교회혈의 선혈빈도 분석

Acusynth 데이터베이스에 포함된 30개 질환에 사용된 표준경혈 중 팔맥교회혈에 해당하는 8개 경혈의 사용비율을 각각 추출하였다(Fig. 2).

Fig. 2. Data mining of selection patterns for Eight Confluent acupoints. The Eight Confluent acupoints data were extracted from a total of 361 acupoint. The frequency of acupoint use was demonstrated to the 8x30 matrix table (8 acupoints and 30 diseases). Usage frequencies of the Eight Confluent acupoints were visualized in a heat map using Orange Software (version 3.35.0; http://orangedatamining.com). PC6 and TE5 were the most widely used across 30 different diseases.

내관과 외관은 각각 평균 28.6%, 9.9%의 빈도로 사용되어, 팔맥교회혈 중에 가장 높은 빈도로 사용되었다. 팔맥교회혈의 선혈되는 패턴을 각 경혈별로 살펴보면 다음과 같다. 열결의 경우, 평균 6.6%의 비율로 사용되고, 주로 만성 천식(50.0%), 금연(50.0%), 분만시 통증 조절(25.0%) 등의 질환에 사용되었다. 조해의 경우, 평균 5.5%의 비율로 사용되고, 발목 염좌(35.7%), 월경전증후군(33.3%), 신경병리성 통증(33.3%) 등의 질환에 사용되었다. 내관의 경우, 평균 28.6%의 비율로 사용되고, 수근관증후군(83.3%), 월경전증후군(66.7%), 뇌손상(66.7%) 등의 질환에 사용되었다. 공손의 경우, 평균 3.3%의 비율로 사용되고, 신경병리성 통증(33.3%), 기능성 소화불량(14.3%), 과민성 대장증후군(13.3%) 등의 질환에 사용되었다. 후계의 경우, 평균 2.9%의 비율로 사용되고, 신경성 통증(33.3%), 자폐 범주성 장애(16.7%), 편두통(9.1%), 조현병(9.1%) 등의 질환에 사용되었다. 신맥의 경우, 평균 4.2%의 비율로 사용되고, 발목 염좌(35.7%), 신경병리성 통증(33.3%), 불면증(20.0%) 등의 질환에 사용되었다. 외관의 경우, 평균 9.9%의 비율로 사용되고, 뇌손상(100.0%), 편두통(45.5%), 수근관증후군(41.7%) 등의 질환에 사용되었다. 족임읍의 경우, 평균 4.7%의 비율로 사용되고, 신경병리성 통증(50.0%), 고관절 골관절염(20.0%), 편두통(18.2%) 등의 질환에 사용되었다.

2. 팔맥교회혈의 경혈 배합 네트워크 분석

팔맥교회혈을 포함하는 경혈 배합 패턴에 대한 네트워크 분석을 시행하여 71개의 노드와 604개의 엣지로 구성된 네트워크를 시각화했다(Fig. 3). 8개 경혈의 중요도는 내관(PC6, degree=44), 신맥(BL62, n=24), 공손(SP4, n=23), 조해(KI6, n=21), 열결(LU7, n=19), 외관(TE5, n=18), 족임읍(GB41, n=14), 후계(SI3, n=7) 순으로 관찰되었다(Table 1).

Important acupoints among Eight Confluent acupoints using network analysis

Ranking Acupoint Degree Closeness centrality Betweenness centrality Eigen centrality
1 PC6 44 0.54 899.55 0.86
2 BL62 24 0.46 776.96 0.44
3 SP4 23 0.47 404.97 0.50
4 KI6 21 0.45 79.49 0.52
5 LU7 19 0.43 409.73 0.36
6 TE5 18 0.46 640.88 0.31
7 GB41 14 0.42 488.34 0.23
8 SI3 7 0.41 205.59 0.16

Fig. 3. Network analysis of acupoint selection patterns involving Eight Confluent acupoints. PC6, BL62, SP4 played an important role in the acupoint network, which had the highest degree values. Gephi was used for the network analysis with the proportional Yifan Hu layout (http://gephi.org). Acupoints with greater degree were darker, and the weight was indicated by the width of the edges. The numbers of nodes and edges were filtered with a k-core (35.3% of all acupoints with k=3). Eight Confluent acupoints were marked with the red sharp (#) in the network of acupoint combinations.

팔맥교회혈의 경혈 배합은 다음과 같이 나타났다. 내관(PC6)은 백회(GV20, degree=35), 삼음교(SP6, n=10), 대릉(PC7, n=9), 인당(EX-HN3, n=8), 신문(HT7, n=6) 순으로, 신맥(BL62)은 조해(KI6, n=6), 구허(GB40, n=3), 해계(ST41, n=3) 순으로, 공손(SP4)은 관원(CV4, n=2), 신맥(BL62, n=2) 순으로, 조해(KI6)는 신맥(BL62, n=6), 사신총(EX-HN1, n=2), 인당(EX-HN3, n=2) 순으로, 열결(LU7)은 합곡(LI4, n=4), 정천(EX-B1, n=2), 양계(LI5, n=2), 내관(PC6, n=2) 순으로, 외관(TE5)은 대릉(PC7, n=3), 내관(PC6, n=2), 신맥(BL62, n=2) 순으로, 족임읍(GB41)은 삼음교(SP6, n=3), 후계(SI3, n=2), 전곡(SI2, n=2), 신맥(BL62, n=2) 순으로, 마지막으로 후계(SI3)는 신맥(BL62, n=2), 족임읍(GB41, n=2) 순으로 자주 함께 사용되었다. 이 중 팔맥교회혈 간의 조합은 후계-신맥이 있었으나 그 수가 많지 않았다.

고 찰

본 연구는 임상연구 기반의 데이터베이스에서 추출한 정보를 이용하여 팔맥교회혈에 대한 데이터마이닝과 네트워크 분석을 수행하여 선혈빈도와 경혈 배합의 패턴을 관찰하였다. 팔맥교회혈의 선혈빈도는 내관과 외관이 각각 28.6%와 9.9%로 다빈도로 선혈되었다. 내관은 수근관증후군, 월경전증후군, 뇌손상을 포함한 다양한 질환에서 광범위하게 사용되었고, 외관은 뇌손상, 편두통, 수근관증후군 등의 특정 질환에서 다빈도로 사용되었다. 기존 문헌에 의하면, 내관은 심, 흉, 위를 포함한 인체 전면 부위의 질환을 치료하는데 주로 사용되고, 외관은 수족소양병인 이후, 협, 견을 포함한 인체 측면 부위의 질환을 치료하는데 주로 사용되는 것으로 알려져 있다3). 데이터마이닝을 통해 『침구경험방』과 『동의보감』에 기록된 주요 경혈에 대한 주치 특성과 질병의 발생 부위와의 연관성이 조사된 바 있으며5,15), 인체의 질병 발생 부위의 정보를 통해 경혈 주치의 부위적 특성을 관찰하기도 하였다16). 그러나, 본 연구에서는 질병의 발생 부위에 대한 정확한 정보를 알 수 없었으며 데이터베이스에 포함된 질병 및 경혈 정보만으로는 문헌과 일치하는 주치-부위의 연관성을 찾기 어려웠다. 팔맥교회혈의 주치 특성과 신체 부위와의 연계성을 알기 위해서는 추후 질병의 발생 부위에 대한 정보를 포함한 연구가 필요하다.

팔맥교회혈에 대한 네트워크 분석 결과, 내관, 공손, 신맥, 조해의 4개의 경혈이 주요 경혈임을 확인하였다. 가장 조합이 많은 경혈을 분석한 결과, 내관은 백회와, 공손은 관원과, 열결은 합곡과, 외관은 대릉과, 족임읍은 삼음교와, 조해는 신맥과, 신맥은 조해와, 후계는 신맥과 주로 배합되었다. 기존의 문헌에서 제시된 바와 같이 후계와 신맥이 함께 배합되어 사용된 경우가 일부 관찰되기는 했으나, 나머지 팔맥교회혈의 경우, 『의종금감』에서 제시한 내관-공손, 열결-조해, 외관-임읍의 배합이 관찰되지는 않았다. 이는 임상연구 데이터베이스에 포함된 연구들의 경우, 특정 질병을 치료하는데 사용할 경혈을 선택함에 있어 팔맥교회혈의 특성을 직접적으로 고려하여 선혈한 연구가 많지 않은 것에 기인했다고 생각된다. 팔맥교회혈의 배합에 따라 선혈하기 보다 개별 경혈의 특성과 주치를 고려하여 선혈한 것으로 생각된다. 팔맥교회혈의 주요 경혈 배합과 신체 부위와의 연계성에 대한 연구는 질병의 발생 부위에 대한 정보를 포함한 임상연구를 통해 추후 확인할 수 있을 것으로 기대한다.

네트워크 분석을 통해 관찰된 경혈 조합의 패턴을 보면, 내관은 선혈빈도도 높을 뿐만 아니라, 연결수(degree)와 중심성(centrality)의 값이 높아 선혈빈도와 경혈 배합의 측면에서 모두 중요한 경혈로 파악됐다. 반면 외관의 경우, 선혈빈도는 9.9%로 두 번째로 높은 빈도로 사용되었지만 네트워크 분석에서 연결수와 아이젠중심성은 낮은 편으로 분석되었는데, 이는 외관이 사용되는 경우는 많으나 경혈 조합의 차원에서는 상대적으로 중요도가 높지 않음을 의미한다. 이와 달리, 신맥과 공손은 선혈빈도는 각각 4.2%, 3.3%로 비교적 낮지만 네크워크 분석에서 연결수, 매개중심성, 근접중심성과 아이젠중심성이 높은 편으로 나타났는데, 이 결과는 두 경혈의 전체적인 사용 빈도는 높지 않지만 다른 중요한 경혈들과 같이 사용되는 경우가 많아 네트워크 상에서 중요도가 높다는 것을 의미한다. 네트워크 분석을 통해 임상연구에서 팔맥교회혈이 어떻게 사용되고, 어떤 경혈이 팔맥교회혈의 경혈 배합에서 중요한 역할을 하는지 발견할 수 있었다. 그러나 네트워크 분석으로 경혈의 주치 특성에 대한 정보는 밝히지 못하므로, 주치에 대한 이해를 위해서는 추가적인 연구가 필요하다. 또한 네트워크 분석은 개체 간의 상호작용이 활발하고 개별 개체가 전체 네트워크에 미치는 효과가 있을 때 네트워크의 중요한 인자를 추출하기에 적합한 분석 방법으로, 본 연구에서와 같이 상호작용 효과가 크지 않은 데이터의 경우 분석을 통한 해석에 한계가 있다. 그러나 임상의 치료 과정에서 다양한 질환에 다양한 방식으로 경혈이 선택되는 복잡한 관계를 보다 쉽게 설명할 수 있는 도구로써 경혈 선혈의 원리를 이해하는 데 도움을 줄 수 있다. 네트워크 분석 외에도 최근 경혈의 사용패턴을 탐색하기 위해 Apriori 알고리즘과 같은 연관분석이 많이 수행되고 있으나17-19), 본 연구에서 활용하기에는 팔맥교회혈의 출현 빈도가 충분하지 않았다. 추후 연구에서 보다 많은 수의 경혈 정보를 획득한다면, 경혈 배합 패턴을 파악하기 위해 다양한 알고리즘을 적용해 볼 수 있을 것이다.

기존 문헌에서 팔맥교회혈의 내관-공손은 심, 흉 부위의 전면부와 소화기질환, 신경정신과 질환을 주치한다고 알려져 있고13), 열결-조해는 인후, 흉격부위의 비뇨생식계질환과 두면부의 질환에 활용된다고 알려져 있다14). 반면에 본 연구에서 내관은 수근관증후군, 월경전증후군, 뇌손상 등에, 공손은 신경병리성 통증, 기능성 소화불량 등에, 열결은 천식, 금연 등에, 그리고 조해는 발목 염좌, 월경전증후군, 신경병리성 통증 등에 사용된 것으로 나타나, 열결을 제외하고는 주치 특성에 대해 기존 문헌과의 일치성을 찾기 어려웠다. 그러나 공손, 열결, 조해는 사용된 비율이 3.3∼6.6%로 비교적 낮은 편이고, 본 연구에 포함된 질환의 종류도 한정적이므로 주치하는 질환을 충분히 대변하지 못할 수 있다. 또한 기존 문헌과 문헌 연구에서는 개별 경혈의 주치가 아니라 조합으로 사용될 때의 활용에 대해 주로 언급되어 있으나, 연구에 포함된 팔맥교회혈의 경우 팔맥교회혈 특성에 따라 선혈된 경우가 없고, 분석 결과도 팔맥교회혈의 네가지 조합에 대한 결과는 아니기 때문에 직접적으로 비교하기 어렵다는 한계가 있다.

본 연구에서 임상연구 기반의 데이터베이스에 대해 데이터마이닝과 네트워크 분석을 수행하여, 팔맥교회혈의 선혈빈도와 경혈 배합 패턴을 확인하였다. 팔맥교회혈의 각 8개 경혈은 다양한 질환에 서로 다른 빈도와 조합으로 사용되었는데, 그 중 내관과 외관이 가장 높은 빈도로 사용되었으며 경혈 네트워크에서는 내관, 공손, 신맥, 조해가 중요한 경혈로 나타났다. 임상연구를 기반으로 한 데이터베이스를 이용했기 때문에 연구에 포함된 질환의 종류가 한정적이며 실제 임상 현장에서 관찰되는 질환 및 경혈 정보를 충분히 반영하지 못한다는 한계가 있다. 또한 선혈 시 팔맥교회혈의 배합을 고려한 임상 연구가 많지 않아, 특수혈로서 팔맥교회혈의 주치 특성을 이해하기에는 부족하다. 그러나, 이상의 분석을 통해 팔맥교회혈의 중요 경혈들을 확인하고 이들의 경혈 배합의 패턴을 확인할 수 있었으며, 팔맥교회혈의 임상적 특성을 이해하는 데 도움이 될 것으로 기대한다.

결 론

본 연구는 팔맥교회혈의 주치 특성과 사용 패턴을 알아보기 위해 임상 연구 데이터를 기반으로 데이터마이닝과 네트워크 분석을 수행했다. 팔맥교회혈은 수근관증후군, 뇌손상 등을 포함하여 다양한 질환에 사용되고 있으며 각 경혈마다 주로 사용되는 질환이 달랐다. 내관과 외관이 가장 빈번하게 사용되었으며, 경혈 네트워크에서 내관, 공손, 신맥, 조해가 중요도가 높은 경혈로 확인되었다.

Acknowledgement

None.

Funding

This research was supported by Korea Institute of Oriental Medicine (KSN1812181), Bio & Medical Technology Development Program of the National Research Foundation (NRF) funded by the Korean government (MSIT) (No. RS-2023-00262398), and Institute of Information and Communications Technology Planning and Evaluation (IITP) grant funded by the Korea government (MSIT) [No. RS-2022-00155911, Artificial Intelligence Convergence Innovation Human Resources Development (Kyung Hee University)].

Data availability

The authors can provide upon reasonable request.

Conflicts of interest

저자들은 아무런 이해 상충이 없음을 밝힌다.

Footnote

(1) 『鍼經指南』 交經八穴者, 鍼道之要也. 然不知孰氏之所述, 但序云, 乃所室隱者之所傳也.

(2) 『醫學入門』 八法者, 奇經八穴爲要, 乃十二經之大會也. 周身三百六十穴統于手足六十六穴, 六十六穴又統于八穴

(3) 『醫宗金鑑』 公孫二穴, 是足太陰脾經穴也, 通于衝脈; 內關二穴, 此二穴是手厥陰心包絡穴也, 四穴通于陰維脈. 四經會合循行之處, 在胃心胸之間, 故主治胃與心胸之病也. 臨泣二穴, 是足少陽膽經穴也, 通于帶脈; 外關二穴, 此二穴是少陽三焦經穴也, 四穴通于陽維脈. 四經會合連絡之處, 在于目銳眦 耳後 頰 頸 肩之間, 故主治目銳眦 耳後 頰 頸 肩之病也. 後谿二穴, 是手太陽小腸經穴也, 通于督脈; 申脈二穴, 此二穴是足太陽肪胱經穴也, 四穴通于陽蹻脈. 四經會合絡之處, 在于目內眦 頸 耳 肩 膊 小腸 膀胱之間, 故主治目內眦 頸 項 耳 肩 膊 小腸 膀胱之病也. 列缺二穴, 是手太陰肺經穴也, 通于任脈; 照海二穴, 此二穴是足少陰腎經穴也, 四穴通于陰蹻脈, 四經會合系絡之處, 在于肺系 咽喉 胸膈之間, 故主治肺系 咽喉 胸膈之病也.

References
  1. Kim YW, Lim JK. The bibliographical study of eight meridian meeting points. The Journal of Dong Guk Oriental Medicine. 1993 ; 2(2) : 125-41.
  2. Kim JS. A systematic study on palmaekgyohoehyeol. Chosun Universiy, Gwangju, 2011.
  3. Kim JD, Park KH. The literature review of eight meridian meeting points. J Acupunc Res. 1994 ; 11(1) : 499-507.
  4. Lee T, Jung WM, Lee IS, Lee YS, Lee H, Park HJ, et al. Data mining of acupoint characteristics from the classical medical text: DongUiBoGam of Korean Medicine. Evid Based Complement Alternat Med. 2014 ; 2014 : 329563. https://doi.org/10.1155/2014/329563
    Pubmed KoreaMed CrossRef
  5. Jung WM, Lee T, Lee IS, Kim S, Jang H, Kim SY, et al. Spatial patterns of the indications of acupoints using data mining in classic medical text: a possible visualization of the meridian system. Evid Based Complement Alternat Med. 2015 ; 2015 : 457071. https://doi.org/10.1155/2015/457071
    Pubmed KoreaMed CrossRef
  6. Hwang YC, Lee IS, Ryu Y, Lee YS, Chae Y. Identification of Acupoint Indication from Reverse Inference: Data Mining of Randomized Controlled Clinical Trials. J Clin Med. 2020 ; 9(9) : 3027. https://doi.org/10.3390/jcm9093027
    Pubmed KoreaMed CrossRef
  7. Hwang YC, Lee YS, Ryu Y, Lee IS, Chae Y. Statistical inference of acupoint specificity: forward and reverse inference. Integr Med Res. 2020 ; 9(1) : 17-20. https://doi.org/10.1016/j.imr.2020.01.005
    Pubmed KoreaMed CrossRef
  8. Choi DH, Lee S, Lee IS, Ryu Y, Chae, Y. Characteristics of source acupoints: data mining of clinical trials database. Korean J Acupunct. 2021 ; 38(2) : 100-9. https://doi.org/10.14406/acu.2021.007
    CrossRef
  9. Lee S, Ryu Y, Park HJ, Lee IS, Chae Y. Characteristics of five- phase acupoints from data mining of randomized controlled clinical trials followed by multidimensional scaling. Integr Med Res. 2022 ; 11(2) : 100829. https://doi.org/10.1016/j.imr.2021.100829
    Pubmed KoreaMed CrossRef
  10. Bullmore E, Sporns O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nat Rev Neurosci. 2009 ; 10(3) : 186-98. https://doi.org/10.1038/nrn2575
    Pubmed CrossRef
  11. Lee IS, Chae Y. Identification of major traditional acupuncture points for pain control using network analysis. Acupunct Med. 2021 ; 39(5) : 553-4. https://doi.org/10.1177/0964528420971309
    Pubmed CrossRef
  12. Moon H, Ryu Y, Lee IS, Chae Y. Acupuncture treatment for functional gastrointestinal disorders: Identification of major acupoints using network analysis. Integr Med Res. 2023 ; 12(3) : 100970. https://doi.org/10.1016/j.imr.2023.100970
    Pubmed KoreaMed CrossRef
  13. Kim NG, Lee H, Lee BR. The literature study on Nae-gwan and Kongson among eight meridians meeting points. Journal of Haehwa Medicine. 2001 ; 10(1) : 221-35.
  14. Jang JY, Park SY, Hong JA, Jang JI, Kim KS, Kim JH, et al. A literary study on combination of Yeolgyeol (LU7) and Johae (KI6) of Eight Confluent acupoints. Korean J Acupunct. 2006 ; 23(4) : 27-47.
  15. Chae Y, Ryu Y, Jung WM. An analysis of indications of meridians in DongUiBoGam using data mining. Korean J Acupunct. 2019 ; 36(4) : 292-9. https://doi.org/10.14406/acu.2019.034
    CrossRef
  16. Jung WM, Lee SH, Lee YS, Chae Y. Exploring spatial patterns of acupoint indications from clinical data: a STROBE-compliant article. Medicine (Baltimore). 2017 ; 96(17) : e6768. https://doi.org/10.1097/MD.0000000000006768
    Pubmed KoreaMed CrossRef
  17. Zheng Y. An improved apriori association rule for the identification of acupoints combination in treating COVID-19 patients. Comput Intell Neurosci. 2022 ; 2022 : 3900094. https://doi.org/10.1155/2022/3900094
    Pubmed KoreaMed CrossRef
  18. Hsieh PC, Cheng CF, Wu CW, Tzeng IS, Kuo CY, Hsu PS, et al. Combination of acupoints in treating patients with chronic obstructive pulmonary disease: an apriori algorithm-based association rule analysis. Evid Based Complement Alternat Med. 2020 ; 2020 : 8165296. https://doi.org/10.1155/2020/8165296
    Pubmed KoreaMed CrossRef
  19. Wang YC, Wu CC, Huang APH, Hsieh PC, Kung WM. Combination of acupoints for alzheimer’s disease: an association rule analysis. Front Neurosci. 2022 ; 16 : 872392. https://doi.org/10.3389/fnins.2022.872392
    Pubmed KoreaMed CrossRef


December 2023, 40 (4)
Full Text(PDF) Free


Cited By Articles
  • CrossRef (0)

Funding Information
Social Network Service
Services