Current Issue

『상한론』의 조문에 증상이 등장하는 횟수를 집계하기 위해, 선행연구를 바탕으로¹⁷⁾ 『상한론』 증상 사전을 제작하였다. 선행연구를 간략하게 요약하자면, 『상한론』의 조문에서 증상을 추출하여 증상들을 계통별로 분류하고 유사 표현을 통합하여 『상한론』 증상을 체계적으로 정리한 연구로, 임상에서 상한병에 대해 증상을 기록할 때에 그 기준으로 활용하고자 하였다는 의의가 있다. 본 연구는 위 선행논문에서 제시하는 대분류 및 세부분류와 증상을 집계하는 기준을 따랐다. 또한 선행논문의 기준에 따라 원문에 등장하는 증상의 표현을 일부 변경하였다. 예를 들어, 28번에 등장하는 頭項强痛이란 표현은 頭痛과 項强으로 각각 분류될 수 있으므로 따라서 사전에 수록되어 있는 ‘頭痛’과 ‘項强’으로 컴퓨터가 인식할 수 있게 ‘頭項强痛’을 ‘頭痛項强’으로 변경하는 작업을 진행하였다. 한편 증상의 분류를 세밀화하고 선행논문이 다루는 증상보다 더 넓은 범위의 증상을 다루기 위해 선행논문의 기준을 일부 개선하였는데, 이는 다음과 같다. 첫 번째로, 증상의 대분류 중 신경정신과적 증상과 심흉부의 증상을 분리하였다. 선행논문에서는 언어곤란, 수면장애 등 신경정신과적 증상과 심번(心煩), 심계(心悸), 심통(心痛), 호흡기계 증상 등 심흉부의 증상을 같은 범주로 분류하였는데, 서양의학적 기준에서 이는 뇌신경계의 증상과 흉부의 증상으로 나누어지기 때문에 본 연구에서는 이를 구분하였다. 두 번째로, 이전에 어떤 치료를 받고 부작용이 생겼는지(오치(誤治))에 대한 정보를 증상의 범주에 포함하였다. 본 연구에서의 15개의 대분류 중 ‘이전에 받았던 치료’는 선행논문에서 다루지 않았던 내용이다. 이는 엄밀히 말하면 증상이 아니지만, 오치의 유무는 망문문절을 통해 환자로부터 객관적으로 파악할 수 있는 정보이며 특히 『상한론』에서는 많은 조문에서 오치를 중요한 정황 근거로 다루기 때문이다. 따라서 조문에서 설명하는 바를 최대한 반영하기 위해 오치를 광의의 증상에 포함시켰다. 세 번째로, 두항부의 증상 중 ‘어지러움’은 『상한론』에 등장함에도 선행 논문에서 증상에 포함시키지 않아, 본 연구에서 추가하였다. 마지막으로, 본 연구에서는 특정 증상이 증상이 없다고 언급된 경우를 별도의 증상으로 분류하고 이를 구분하여 집계하였다. 이와 같이 개선한 기준을 바탕으로 『상한론』의 증상을 정리한 결과 총 702개의 증상을 15개의 대분류와 82개의 세부분류로 나누었다(Table 1). 한편 본초의 경우, 각 조문의 처방을 본초로 치환하기 위해 각 처방을 구성하는 본초들의 목록으로 처방 사전을 제작하였다.

본 연구에서는 『상한론』 송판(宋板)을 대상으로 분석하였으며, 『상한론』 398개 조문 중 이론에 대한 설명, 금기증 등 처방의 적응증이 아닌 내용은 제외한 처방의 적응증을 설명하는 218개 조문만을 연구 대상으로 선정하였다. 예를 들어, 19번 조문인 ‘凡服桂枝湯吐者 其後必吐膿血也’은 계지탕(桂枝湯)을 복용한 후 나타나는 반응에 대해 서술하고 있으므로, 증상과 그 증상을 치료하기 위한 본초 간의 관계를 연구한다는 주제에 포함되지 않아 분석에서 제외하였다. 그러나 처방에 대해 직접적으로 서술하지는 않지만 중요한 개념을 정의하는 조문은 분석에 반영될 수 있게 하였다. 예를 들어 1번 조문은 처방에 대한 설명이 아닌 태양병을 정의하는 조문이므로 해당 조문을 직접 분석하지는 않았지만, ‘太陽病’이 등장하는 32번 조문의 증상을 집계할 때 1번 조문에서의 태양병의 정의에 포함된 ‘脈浮’, ‘頭痛’, ‘項强’, ‘惡寒’ 증상을 추가로 집계하여 주요 개념을 분석에 활용하였다. 한편 처방의 적응증을 설명하는 조문 중 한 조문 내에서 여러 처방의 적응증을 설명하는 경우에는 해당 조문을 분리하여 독립적인 조문으로 다루었다. 예를 들어 29번 조문에서는 감초건강탕(甘草乾薑湯), 작약감초탕(芍藥甘草湯), 조위승기탕(調胃承氣湯), 사역탕(四逆湯)을 활용해야 하는 경우를 다루는데, 각 처방에 대한 조문으로 나눠 총 4개의 세부조문으로 분리하였다. 이와 같은 과정을 통해 218개의 처방 조문을 245개의 세부 조문으로 분리하였다.

한편 본 연구에서는 조문을 ‘태양병 상편’, ‘태양병 중편’, ‘태양병 하편’, ‘양명병’, ‘소음병’, ‘궐음병’ 총 6개의 ‘단원’으로 분류하였다. 태양병의 내용은 상중하편에 따라 이질적인 내용이 같은 태양병 범주로 묶여 있다는 문제가 있다. 따라서 태양병의 조문을 태양병 상편, 태양병 중편, 태양병 하편으로 재분류하였다. 또한 소양병, 태음병은 해당되는 조문의 갯수가 5개 미만으로 연구결과에 비뚤림(bias)을 만들 우려가 있어 본 연구의 분석 대상에서 제외하였다. 또한 곽란병, 음양역차후노복병은 일반적인 육경의 범주에 포함되지 않아 본 연구에서는 분석 대상에서 제외하였다. 그 결과 태양병 상편 조문 20개, 태양병 중편 조문 74개, 태양병 하편 조문 43개, 양명병 조문 47개, 소음병 조문 25개, 궐음병 조문 19개의 조문을 분석하였다(Table 2).

컴퓨터가 연산할 수 있는 형태의 데이터를 제공하기 위해 증상, 처방 사전을 바탕으로 각 조문을 702차원의 증상 벡터와 89차원의 본초 벡터로 표현하였다. 증상 벡터는 해당 증상이 있으면 1, 없으면 0인 이진형의 702차원의 벡터이며, 본초 벡터는 처방에 해당 본초가 포함되면 1, 없으면 0인 이진형의 89차원의 벡터이다. 그러나 증상 벡터의 경우 0이 많은 희소 벡터(sparse vector)로 과적합(overfitting)의 원인이 될 수 있으므로, 사전의 세부분류를 활용하여 비슷한 증상은 같은 증상으로 통합하였다. 그 결과 각 증상 벡터를 78차원의 이진형 벡터로 재구성하였다.

태양병 상편, 태양병 중편, 태양병 하편, 양명병, 소음병, 궐음병 총 6개 단원을 문서로, 각 증상과 본초를 단어로 TF-IDF를 계산하여 각 단원을 대표하는 증상을 도출하였다. TF-IDF는 문서군이 주어졌을 때 한 문서에서 어떤 단어가 중요한지 나타내는 수치로, 한 문서에서 각 단어들의 절대빈도인 Term Frequency (TF)와 단어가 얼마나 특이하게 등장하는지를 나타내는 Inverse Document Frequency (IDF)의 곱으로 계산된다. 따라서 단어들의 TF-IDF의 패턴이 비슷한 문서는 내용이 비슷한 문서라고 추론할 수 있다. TF, IDF, TF-IDF를 구하는 식은 각각 다음과 같다.

(n_i,j : 단어 t_i가 문서 d_j에서 출현한 횟수, ∑_kn_k,j : 문서 d_j에서 모든 단어가 출현한 횟수)

(|D| : 문서집합에 포함되어 있는 문서의 수, |{d_j|t_i∈d_i}| : 단어 t_i가 등장하는 문서의 수)

이와 같은 계산을 통해 TF는 각 단원에서 특정 단어가 차지하는 비율을 나타내는 반면, TF에 IDF가 곱해진 TF-IDF는 단원 내에서의 단어의 빈도를 반영할 뿐 아니라 해당 단원에서 얼마나 특이적으로 등장하는지를 나타낸다. 본 연구에서는 TF와 TF-IDF 분석 결과를 동시에 제시하여, 절대적인 빈도와 상대적인 빈도를 동시에 비교하였다.

앞서 계산된 각 단원에 대한 증상의 TF를 바탕으로 PCA를 시행하여 고차원 증상 행렬의 정보를 효율적으로 나타내는 차원을 탐색하였으며, 본초의 TF를 PC (Principal component)에 투사하여 조문들의 증상 정보와 본초 정보의 패턴을 시각화하였다. PCA는 주어진 데이터를 가장 잘 설명하는 축을 찾는 방법으로, 각 축을 해석함으로써 데이터에서 가장 설명력이 높은 기준을 찾아낼 수 있다. 본 연구에서는 6차원인 각 증상 및 본초 벡터의 길이가 1이 되도록 정규화한 뒤, 증상 행렬을 2차원으로 축소하여 2차원 평면 상에 각 증상의 정보를 시각화하였다. 이후 본초 벡터를 주성분에 투사하여 각 본초의 정보를 시각화하였다.

각 본초가 어떤 증상과 연관되는지 파악하기 위해 각 증상과 본초 간의 Jaccard score를 계산하고, 이를 바탕으로 네트워크 분석을 시행하였다. Jaccard score의 식은 다음과 같다.

(a_i,b_j는 각각 i번째 증상 벡터와 j번째 본초 벡터)

Jaccard score는 증상-본초 쌍은 증상 벡터와 본초 벡터의 교집합을 합집합으로 나눈 것으로, Jaccard score가 높은 증상-본초 쌍은 두 증상과 본초가 밀접한 관계를 맺고 있다고 추론할 수 있다. 계산된 Jaccard score를 바탕으로 bipartite 네트워크 분석을 시행하였으며, 네트워크 구성에 필요한 Jaccard score의 cutoff는 1000배수 permutation test에서 상위 5%의 Jaccard score로 결정하였다. 또한 구성된 네트워크에서 노드의 eigenvector centrality를 계산하여 보편적인 증상 및 본초와 특이적인 증상 및 본초를 구별하였다. 그래프 G:=(V,E)에 대한 인접행렬 A=(a_v,t)가 주어졌을 때, 노드v의 eigenvector centrality x_v의 식은 다음과 같다.

(M(v)는 노드 v와 연결된 노드들의 집합이며, λ는 상수)

Eigenvector centrality는 해당 노드와 연결된 이웃 노드들이 얼마나 영향력이 있는지를 바탕으로 해당 노드의 영향력을 측정하는 지표로, 값이 클수록 다양한 노드들과 영향을 주고 받으며, 값이 작을수록 제한된 노드에 영향을 주고 받는다는 의미를 갖는다. 특히 해당 노드가 단순히 얼마나 많은 노드와 연결되어 있는지를 나타내는 차수(degree)와는 달리, eigenvector centrality는 해당 노드와 연결되어 있는 노드들의 영향력을 반영하여 계산되기 때문에 네트워크의 전체 형상(topology)을 반영할 수 있다는 장점이 있다.

본 연구의 데이터 분석 및 시각화는 범용 프로그래밍 언어인 Python(v3.6.5)을 이용해 수행되었으며, 네트워크 시각화는 Cytoscape (v3.6.0)를 이용해 수행하였다.

각 단원의 핵심 증상과 본초를 탐색하기 위해 TF 및 TF-IDF를 계산하였다(Fig. 1). 태양병은 상편, 중편, 하편의 증상에 차이가 있었다. 구체적으로 태양병 상편과 중편은 오한, 부맥(浮脈) 두부 통증과 같이 풍한사(風寒邪)에 감응되었을 때 나타나는 증상의 비중이 높았다. 그러나 상편에서는 표허(表虛)의 대표적인 증상인 한출(汗出)이, 중편에서는 발열이 높은 TF를 보여, 상편과 중편이 다루는 상태에 차이가 있음을 나타냈다. 또한 중편과 하편에서는 하법(下法)을 사용하였다는 과거력에 대한 TF가 높아, 병의 기간이 길어지거나 오치했을 때 나타나는 증상을 중편 및 하편에 배치하고 있다는 사실과 일치한다. 특히 하편에서는 심하부의 불편감에 대한 증상의 TF가 높았는데, 이는 태양병 하편에서 결흉(結胸)을 다루는 것과 연관이 있다. 한편 양명병에서는 발열, 한출, 오열(惡熱), 대변난(大便難)과 같은 열사로 인한 증상의 TF가 높고, 소음병과 궐음병은 허맥, 하리, 수족궐냉, 다수면과 같은 허증(虛證)을 구성하는 症의 TF가 높았다. 이는 양병(陽病)과 음병(陰病)의 차이가 허실(虛實)에 있음을 나타낸다. 다음으로 각 단원에 대해 특이적인 증상을 알아보기 위해 TF-IDF값을 분석하였다. 태양병 상편은 경련이 높은 TF-IDF값을 나타냈는데, 이는 태양병 상편에서 계지탕으로 오치 후 양허증(陽虛證)이 생긴 경우를 다루기 때문이다. 태양병 중편에서는 소복부 증상이 특이적이며 이는 태양병 중편이 표사가 입리(入裏)하여 발생하는 축혈증(蓄血證) 등을 다루기 때문이다. 태양병 하편에서는 ‘갈증이 없는’ 경우가 특이적으로 나타났는데, 이는 해당 증상을 양명병 및 소양병과 구분하기 위해 언급하기 때문이다. 양명병, 소음병, 궐음병의 경우 각각 오열, 다수면, 하리가 특이적인 증상으로 등장해 각 단원의 특징을 보인다.

Fig. 1. 
Symptoms and herbs with high term frequency (TF) and term frequency-inverse document frequency (TF-IDF) scores in each chapter.

본초의 경우 태양병 상편과 중편에서는 계지탕의 구성 본초인 감초, 대조, 계지, 생강, 작약이 높은 빈도로 등장하였고, 특히 중편에서는 마황, 반하 등의 본초의 빈도가 높았다. 이와 같은 결과는 태양병 상편과 중편에서 계지탕을 기본으로 가감한 처방을 빈용하기 때문이다. 반면 태양병 하편에서는 인삼-황금-반하 등의 본초 비율이 높아, 울열(鬱熱)을 해소하기 위해 사심탕(瀉心湯)류의 처방을 빈용하는 것을 확인하였다. 양명병에서는 대변 배출을 원활하게 하기 위해 대황, 후박, 지실 등의 본초를 다용하며, 소음병과 궐음병에서는 보양을 위해 부자, 건강 등을 빈용하였다. 다음으로 각 단원의 특이적인 본초를 파악하기 위해 TF-IDF를 분석하였다. 태양병 중편에서는 용골이 높은 TF-IDF를 보이며, 태양병의 초기에 나타나는 열증의 해열에 빈용된다. 갈근과 행인은 태양병 상편 및 중편에서 특이적으로 활용되는 것으로 나타나, 표사 감응 초기에 활용되고 있음을 확인하였다. 이밖에 태양병 하편에서는 감수, 양명병에서는 후박, 소음병에서는 총백, 궐음병에서는 당귀가 높은 TF-IDF를 보였다.

증상 패턴의 다양성을 포착하는 최선의 축을 탐색하기 위해, 증상들의 빈도로 정의되는 6차원의 단원 공간에 PCA를 수행하였다(Fig. 2). PC1에서 가장 크게 분리되는 단원은 태양병 상편과 양명병으로, 태양병 상편에 등장하는 증상과 양명병에 등장하는 증상이 가장 이질적인 것으로 나타났다. 다음으로 PC2를 통해 태양병 상편과 중편에서 등장하는 증상과 소음병 및 궐음병에서 등장하는 증상이 두 번째로 이질적인 것으로 나타났다. 증상을 바탕으로 위의 결과를 해석하였을 때, PC1은 오열, 조열(潮熱), 대변난, 무오한(無惡寒) 등 실열(實熱)로 인한 증상과 계지탕증을 포함한 허증(虛證)을 나누는 축으로 기능한다고 해석할 수 있다. 즉 PC1으로 분리되는 오열, 대변난, 조열, 황달과 같은 실열증의 증상들과 계지탕증으로 대표되는 표허의 증상은 한 단원 내에서 동시에 다루는 경우가 비교적 적다는 의미로, 『상한론』에서는 실열로 인한 증상과 표허로 인한 증상을 구분하여 서술하고 있다고 추측할 수 있다. 더 나아가 『상한론』이 다양한 임상경험을 망라했다는 전제 하에 실열의 증상들과 표허의 증상들은 임상에서 동시에 나타나는 경우가 드물다고 해석할 수 있다. 한편 PC2는 허맥(虛脈), 다수면(多睡眠), 하리(下利), 침맥(沈脈), 수족궐냉 등 허증(虛證)을 구성하는 증상과 부맥, 오풍과 같은 표증(表證)을 구성하는 증상을 구분하는 축으로 기능한다고 해석할 수 있다. PC2로 분리되는 허맥, 맥욕절(脈欲絶), 하리, 수족궐냉과 같은 양허증은 표사(表邪)로 인한 증상과 함께 서술하지 않으므로, 표사로 인한 증상과 양허증의 증상은 동시에 나타나지 않는다고 추측할 수 있다. 또한 증상 공간에서 도출한 PC가 본초 공간에도 적용될 수 있는지 알아보기 위해, 본초 공간을 증상 공간에서 도출한 PC에 투사하여 시각화하였다. 그 결과 본초와 해당 본초의 적응증이 유사한 위치에 배치되었으며, 이는 『상한론』의 증상-본초 관계에 대한 기존 지식과 상당부분 일치하였다. 이를 통해 증상 데이터에서 얻은 PC의 의미가 본초 데이터에서도 적용될 수 있음을 확인하였다.

Fig. 2. 
The principal component analysis is conducted for the 6-dimensional chapter space of symptoms into 2 principal components (PC) space. (A) Symptoms and herbs are projected into PC space. Blue and orange colors indicate symptoms and herbs, respectively. (B) Load vectors of the PC1 (top) and PC2 (bottom) are represented.

각 본초와 증상들의 노드(node)로, 본초와 증상의 동시출현(co-occurrence)을 엣지(edge)로 네트워크를 구성하였다. 엣지의 cutoff를 정하기 위해 『상한론』 전체에 대한 증상 및 본초의 빈도, 각 조문이 포함하는 증상 및 본초의 개수를 보존하되, 각 조문에 해당하는 증상 및 본초는 임의로 선택하여 Jaccard score를 구하는 permutation test를 1000배수 진행하였다. Permutation test를 통해 계산된 Jaccard score 중 상위 5%에 해당하는 Jaccard score는 0.09였으며, 이를 cutoff로 정했다. 구성된 네트워크는 전반적으로 끊어지지 않고 이어져 있으며, 증상과 본초가 다대다 관계를 이루고 있다. 이는 하나의 증상에 하나의 본초가 치료약물로 대응되는 단순한 구조가 아닌, 여러 증상의 유무를 동시에 고려하여 본초를 선택하는 복잡한 관계임을 시사한다. 또한 본 시각화를 통해 기존에 알려진 『상한론』에 대한 지식이 네트워크에 반영되어 있음을 확인하였다. 예를 들어 실열증에 청열지제(淸熱之劑)로 활용되는 백호탕(白虎湯)의 구성 본초인 석고-지모-갱미는 근접한 위치에 군집을 이루고 있다. 마찬가지로 오령산(五苓散)의 구성 본초인 저령-택사-복령, 치자시탕(梔子豉湯)의 구성 본초인 치자-담두시, 각종 사하약(瀉下藥)의 구성 본초인 지실-후박-망초-대황이 각각 군집을 이루고 있어 약대에 대한 정보를 반영하고 있음을 확인하였다. 또한 이들이 치료하는 증상들과 직접적으로 엣지를 형성하고 있어, 본초의 적응증에 대한 정보가 네트워크에 반영되어 있음을 시각적으로 확인하였다.

Fig. 3. 
Visualization of a bipartite network based on Jaccard scores between symptoms and herbs. Blue squares and olive circles indicate symptoms and herbs, respectively. Sizes of nodes indicate frequencies of symptoms or herbs. An edge between nodes indicates a co-occurrence of the symptom and the herb in the same sentences.

Eigenvector centrality 분석을 통해 보편적인 증상과 특이적인 증상을 정량적인 지표를 기준으로 분류하고, 마찬가지로 범 증상에 사용할 수 있는 본초와 특수한 증상에 대해 사용되는 본초를 분류하였다. 발열, 오한 등의 증상은 높은 centrality를 보여 보편적인 증상으로 분류되었는데, 해당 증상들은 태양병의 제강(提綱) 및 상한에 해당되는 증상이다. 또한 갈증이 없거나, 소변이 잘 나오는 상황 등은 낮은 centrality을 나타내고 있어 특이적인 증상으로 분류할 수 있는데, 해당 증상들은 『상한론』에서 예외적인 경우로 나타나는 증상에 해당된다. 본초의 경우 감초, 반하, 인삼, 황금 등이 높은 centrality를 보였으며 이러한 본초는 다양한 증상에 사용되는 본초로 분류될 수 있다. 실제로 감초는 많은 처방에서 화약(和藥)으로 활용되고 반하-인삼-황금은 소시호탕에 포함되는 본초로 임상에서 반표반리증을 포함한 다양한 증상군에 활용되고 있어, 기존의 본초 지식과 일치하는 결과를 보였다. 한편 복령-저령-택사는 『상한론』에서 수습불리(水濕不利)라는 제한된 상황에서만 활용되고 있어 낮은 centrality를 보였다. 『상한론』이 외사에 감응된 뒤 인체의 반응을 기록한 서적이고 외사의 개념이 현대의 외부 항원의 개념과 유사하다는 점을 반영한다면, 증상의 centrality가 높을수록 다양한 감염 상황에서 공통적으로 발생하는 증상일 확률이 높다. 반면 증상의 centrality가 낮을수록 특정 질환에서 나타나는 증상이거나 예외적인 상황일 확률이 높다. 마찬가지로 centrality가 높은 본초는 감염으로 인한 다양한 증상에 보편적으로 활용될 수 있는 약물인 반면, centrality가 낮은 본초는 특정 증상이 있을 경우 활용할 수 있는 약물이라고 추측할 수 있다.

각 본초가 어떤 증상과 높은 상관관계를 갖는지 알아보기 위해 각 본초별로 Jaccard score가 높은 10개의 증상을 시각화하였다(Fig. 4). 계지와 마황은 모두 표사에 감수되었을 때 나타나는 증상에 대해 이용한다는 공통점이 있으나, 계지는 오한과 발열에 연관, 마황은 무한(無汗)과 호흡기계의 증상과 더 연관된다는 차이점이 나타난다. 이를 통해 계지와 마황이 각각 표허증 및 표실증에 이용되는 경향을 확인하였다. 생강과 대조는 상관관계를 가지는 증상이 유사한데, 이는 생강과 대조가 처방을 구성할 때 흔히 “강삼조이(薑三棗二)”로 배합되어 사용되기 때문으로 추측된다. 석고와 지모는 모두 갈증과 구강의 증상(입마름 등)에 사용되고 있는데, 특히 석고는 청열약(淸熱藥)임에도 ‘발열이 없음’과 높은 연관을 보이고 표사와 관련된 증상들과 연관이 있는 반면 지모는 그렇지 않다는 차이점을 보였다. 시호와 반하는 『상한론』에서 배합되는 경우가 많은데, 시호는 반표반리증, 흉협부 증상과 특히 연관이 있는 반면 반하는 소화기계의 증상과 특히 연관이 있었다. 생강, 인삼, 건강, 부자와 같이 함께 온리약으로 분류되는 본초도 연관이 있는 증상군에 차이가 있었다. 생강은 해표약으로 기능하였으며, 인삼은 구토 및 오한, 발열, 신통과 같은 외증(外證)을 대표하는 증상과 연관이 있었다. 한편 건강과 부자는 하리, 수족궐냉, 허맥과 같은 한증(寒證)을 구성하는 증상과 연관이 높았으며 건강은 주로 소화기계의 증상과 관련이 있었다. 수습에 작용한다고 여겨지는 복령, 택사, 백출은 모두 갈증 및 소변불리와 높은 연관을 보였으며, 그 중 복령과 택사는 갈증과 소변불리(小便不利)에 대해 특이적으로 높은 Jaccard score를 보이는 반면 백출은 보다 다양한 증상에 높은 Jaccard score를 보여 백출이 여러 용도로 활용된다고 추측할 수 있다. 대황, 망초, 후박은 모두 대변난, 오열, 발열의 상황에 사용되고 있으며 특히 대황과 망초는 하법을 사용한 뒤 부작용이 나타날 때에도 다시 사하를 유발시키기 위해 사용한다고 추측된다. 청열해독약(淸熱解毒藥) 중 삼황(三黃)이라고 일컬어지는 황련, 황백, 황금도 그 적응증에 다소 차이가 있었다. 황련은 심하부의 불편감, 황백은 전신 피부 변화(황달)에 특이적으로 연관되는 반면, 황금은 심하부 불편감을 포함하여 상초(上焦)-중초(中焦)의 다양한 증상에 활용되었다. 그러나 본 결과를 통해 『상한론』의 제한적인 인식 또한 확인할 수 있다. 현대에는 인삼이 보비폐기(補脾肺氣)하는 대표적인 온보약(溫補藥)으로 알려져 있지만, 『상한론』에서의 인삼은 허증과 연관성이 부족하며 심비(心痺)에 반하 등과 배합되어 사용되고 있어 본초의 효능에 대한 제한적인 인식 역시 확인할 수 있다.

Fig. 4. 
Symptoms with high co-occurrence for each herb. Co-occurrence is calculated with the Jaccard score.