人工智能
——引領中醫學新發展的有效工具＊

李洪崢，高嘉良，王 階

(1.中國中醫科學院廣安門醫院 北京 100053；2.北京中醫藥大學 北京 100029）

人工智能（Artificial Intelligence，AI），即“使一部機器的反應方式像一個人在行動時所依據的智能”，由McCarthy在1956年夏天于達特茅斯會議上第一次提出。此后60余年至今，AI的研究在經歷了3個關鍵十年后，現已進入至第三高速發展期。而AI在醫療領域的應用也因谷歌公司DeepMind團隊全力轉向智慧醫療的決策，在近年間博住更多人眼球。人工智能在西醫學的影像技術、體外診斷技術、手術導航、新藥研發等方面已產生了不少實際應用。但在中醫學領域還有待發展。將傳統中醫藥的寶庫與現代智能技術相結合，不僅有助于促進中醫藥現代化發展，對于保護傳統醫藥文化、規范中醫診療技術、促進中醫診療水平提高等方面也大有裨益。

1 溯流從源·人工智能及其在醫學領域發展

早在計算機出現以前，人類就開始思考將計算機變得智能化的可能性，以期通過智能軟件處理常規勞動，理解圖像或語音，支持基礎科學研究的進行。自1956年AI概念提出，其后20年被認為是AI發展史上第一個黃金時期，處理有明確定義域的基于規則的專家系統是這個時代的主要任務，機器翻譯、定理證明成為了這一時期的主要研究內容[1]。1988年伊始，隨著機器學習的崛起與專家系統的盛行，雅達利游戲、圖像識別、語音理解和人類語言翻譯等智能化產物開始走出研究所，出現在人類生活中，由此進入了AI發展的第二個黃金時期。當下，以谷歌公司DeepMind團隊研發AlphaGo Lee 4:1戰勝李世石、AlphaGo Master 3∶0勝柯潔、AlphaGo Zero訓練72小時后100∶0戰勝AlphaGo Lee為代表，通過機器深度學習的增強、強化學習的結合、計算速度的增加，開啟了AI在問世不足百年后的第三個黃金紀元。

醫學人工智能的緣起相對較晚。20世紀70年代是醫學AI發展的萌芽階段。1974年斯坦福大學醫學實驗計算機研究項目正式成立，AI在醫學分子生物學、臨床醫療診斷和精神病患者思維分析中的應用成為了該項目的重要目標之一[2]。20世紀80年代始，醫學AI進入了重要的奠基階段。1985年召開的第一屆歐洲醫學人工智能會議[3]，1989年創立的醫學人工智能雜志[4]，均為醫學人工智能領域研究成果的廣泛傳播搭建了平臺。在這一階段，基于知識處理的中西醫醫學專家系統深入到臨床各領域，采用知識表示技術和推理技術，輔助醫生解決復雜問題[5]。近年來，隨著AI在各領域的發展與技術革新，醫學AI也進入了快速發展階段。

中醫學與人工智能的結合則始于20世紀70年代，由中國科學院自動化研究所與北京市中醫院關幼波教授合作研制開發“中醫關幼波肝炎診斷治療程序”標志著以知識為中心的專家系統拉開了中醫學智能化的序幕。此后十年，中醫診斷信息智能化的研究得到了高速發展[1]，以疾病診斷為目的的通用診療系統，以中醫專家經驗模擬為途徑的特定疾病診療系統，及以中醫經典古籍發揚作為背景所設計的系統，是計算機技術輔助中醫臨床診斷的一大嘗試。1990年后，隨著AI算法的豐富，中醫專家系統開始與神經網絡模糊邏輯、關系數據庫、多媒體技術進行結合[6]，基于中醫基礎理論，結合數據庫與專家系統的計算機中醫輔助診斷系統隨之問世[7]。近年來，中醫藥AI進入了高速發展新階段。通過結合高光譜成像技術與貝葉斯分類器，協助中醫舌象診斷的舌象分析儀[8]、舌色分析系統[9]不斷更新；采用從單一到多個陣列傳感器定量檢測脈沖的，協助中醫脈象客觀化、可視化的脈象雙感測脈診儀[10]等產物出現。

2 如虎添翼·人工智能在西醫領域應用

西醫學以其完整縝密的理論結構，可視化的診察結果，明確的疾病診斷標準、治療方法，可在疾病診治的各階段與AI技術密切結合。目前人工智能在西醫領域的發展主要在影像學、醫學檢驗、手術輔助等方面。

2.1 人工智能輔助影像診斷技術

AI輔助影像診斷技術，是AI與醫療領域結合中最具發展前景、也是最易出成果的一個項目[11]。目前，影像學技術面臨著從業人員短缺及圖像分析精準度不足的問題。調查顯示[12]，我國醫學影像數據年增長率約30%，但放射科醫師數量年增長率只有約4%。一方面，眾多的影像數據很難得到第一時間的分析，給患者和醫生都帶來了極大負擔；另一方面，人工分析大量的影像學材料，不可避免地會出現經驗判別、精準度不足甚至漏診的情況。通過海量臨床病理特征與檢驗操作結果的分析，在CNN、RNN、GAN技術幫助下，可以實現自動化醫學影像采集，解決醫學圖像分割與分類的問題[13,14]。目前，AI在區別角質細胞癌和良性脂溢性角化病以及區分惡性黑色素瘤和良性痣方面靈敏度可達到90%[15]；中山大學AI研究團隊，利用神經卷積算法對于先天性白內障的圖像診斷準確率達92%[16]；AI模擬傳統的HE染色切片，通過萬張以上圖片訓練，區分腦膠質瘤和非膠質瘤的準確率提到了90%[17]。

2.2 人工智能推動前沿學科發展

AI或將成為人類解密大腦思維模式的得力助手。2018年5月9日《Nature》上發表了英國倫敦大學與DeepMind團隊AI研究員使用深度學習訓練虛擬老鼠模擬人類大腦空間導航能力的研究進展[18]：模擬老鼠自發地產生了類似于哺乳動物大腦中巡航細胞所控制的六邊形活動模式（網格細胞），并且模擬的老鼠能夠使用網格狀細胞編碼在虛擬迷宮中導航，甚至學會了走捷徑出迷宮。通過實驗，網格細胞可以被證明是動物定位自身空間位置的基礎。由此表明，在AI的幫助下，借助計算機人類可以模擬哺乳類動物的大腦活動。隨著AI技術的進一步發展，AI或許是本世紀內測試大腦相關理論假設的最有效工具，協助神經科學家們去完成那些設想過卻從未驗證的理論。

2.3 人工智能在西醫手術方面輔助應用

AI在協助術前診斷、手術評估、輔助手術進行以及術后護理等方面均有極大的應用前景。2000年7月，美國食品及藥物管理局（Food and Drug Administration，FDA）正式批準Intuitive Surgical公司研發的達芬奇（da Vinci）應用于臨床，現在中國也得到了廣泛使用。它擁有普通腔鏡手術所不具備的優勢，如遠程控制、三維影像、動作校正、視線浸入及抖動過濾[19]，降低了傳統腔鏡手術的操作難度，為手術機器人發展奠定基礎。近年來，第三代、第四代達芬奇機器人手術系統已廣泛用于國內泌尿外科、心胸外科、婦科等手術中。研究發現，全機器人遠端胃癌根治術可以實現完整切除病灶，徹底清掃淋巴結[20]；通過19例腎腫瘤患者進行機器人輔助腹腔鏡下射頻消融術患者報告發現，在嚴格把控手術指征的前提下，對于位置復雜的腎腫瘤治療安全有效[21]；一項通過101例患者對比機器人輔助與胸腔鏡肺葉切除術微創效果的研究發現，機器人輔助肺葉切除術也是安全的[22]。AI輔助下的手術機器人為術者帶來了便捷，為患者帶來了安全與精準，其應用將為外科手術帶來新的發展。

3 前途無限·人工智能結合中醫的無量前程

不同于西醫學可通過嚴格的實驗論證、結構化理論進行學習，中醫學體系的形成是直接在臨床實踐中獲取個性化數據，提煉總結為一般性理論，更易受到時代、地域等因素影響。所以，中醫學與AI可以緊密結合的領域應當更為多樣，更便于融入人們生活，也將在協助中醫診斷的同時更加有助于規范中醫診療模式。

3.1 中醫專家系統推動名老中醫經驗傳承

目前，中醫學與AI結合的主要成果分為三類：專家診斷系統、舌診儀、脈診儀。專家系統作為人工智能的重要分支，在與中醫藥結合過程中針對病情單一、診斷明確的疾病療效已非常接近中醫專家診療水平[23]，極大地推動了名老中醫經驗的傳承。目前，根據專家系統所用技術可分為如下5類：案例推理中醫專家系統、人工神經元網絡中醫專家系統、模糊邏輯和人工神經元網絡相結合的中醫專家系統、關系數據庫中醫專家系統、協同式中醫專家系統。而對其的評價方法則為改進的模糊層次分析法、熵權和模糊層次分析法相結合、熵權與灰色理論相結合、層次分析法與灰色理論相結合、集對分析和層次分析法相結合5類。專家系統多采用“臨床信息采集-挖掘提取經驗-臨床應用驗證-機理機制研究-理論指導臨床”模式[24]，通過確定名老中醫臨床診病要素,結構化數據轉化,匯總并建立名老中醫診療信息數據庫,綜合運用聚類分析、關聯規則分析、相關性分析、因子分析[25]等多種數據挖掘方法,實現名老中醫經驗傳承[26]及對名老中醫的經驗整理與初步診療系統的構建。

3.2 人工智能協助并規范中醫診斷模式

專家系統的病例采集步驟規范了臨床醫生問診的內容與層次。中醫四診中的望診與切診同樣受到了AI技術的重視。舌診是中醫望診中不可或缺的步驟，隨著圖像分析技術的日漸成熟，中醫智能化產物舌診儀可根據患者的舌診環境、吐舌姿勢進行調整，多維度采集舌態、完整分析舌象、精確評估舌苔，最終儲存數據并成像[27]。舌診儀的誕生與發展，對于中醫舌象診斷標準的制定奠定基礎。隨著就診患者數目的增加，就診時長的限制，中醫師再難對患者的皮膚、手足、胸腹等進行按切，脈診便逐漸成為了中醫切診的唯一存在。從20世紀50年代朱顏引入杠桿式脈搏描記器至中醫脈診研究中以來，模擬中醫切脈對橈動脈搏動信號采集與整理的工作就在持續進行了。對脈象的采集主要在于壓力、脈動位移、脈管容積、脈動頻率和多種信號綜合5類[28]，根據采集重點的不同出現了各自的相關研究成果。另有無線脈搏檢測系統將中醫的脈象與西醫心電檢測相結合，通過網絡傳送至云端或相關監護系統進行實時監測[29]。

3.3 大數據助力中藥新藥研究發展

AI通過利用大數據和機器學習的方法，在藥物分子挖掘、生物標志物篩查、新藥有效性與安全性測定方面，發揮減少藥物研發成本、提高藥物研發效率、增強新藥安全性的作用。美國Atomwise公司結合IBM超級計算機和人工智能技術模擬藥品研發過程，通過深度學習分析化合物構效關系，早期評估新藥研發風險，極大地縮短了評估時間，大幅度降低藥物研究成本。目前國內新藥研發人員也開始采用此模式。此外，在AI的協助下，通過虛擬篩選技術對藥用物質資源進行篩選，增強甚至取代傳統高通量篩選過程，可降低檢測成本，提高檢測效率。通過計算機模擬技術，進行分子結構、定量構效關系、藥效團模型等藥物設計，推動靶向藥物機制研究[30]也是當前新型靶向藥物研發的重要方式。參考西藥靶向藥物機制研究思路，借助AI技術展開對中藥單體作用機制的研究也是當下中藥新藥研發的一大特色。

4 人工智能在中醫藥發展方面的思考

中醫學與AI的結合剛剛步入正軌，一些極具發展潛力的方面逐漸展現。當前，在中醫+AI方面的研究者，大多按照AlphaGo理念，通過大樣本的“人-機”或者機器自身病例學習經驗，借助概率實現一定的成果。但是想要中醫在真正意義上實現智能化，讓中醫機器人達到中高水平臨床中醫師的能力，不能單純依靠大數據。

首先，目前的中醫專家系統在處理中醫領域相對復雜的疾病時，在信息分類與決策有效性方面仍有發展空間。中醫專家系統在知識表示、推理機制與評價系統上，可參考AlphaGo Zero結合強化學習，取消人類棋譜知識及人工特征克服訓練瓶頸的經驗，不再盲目追求對臨床病歷的知識學習，對學習、監督、評價過程進行調整。其次，當前的中醫AI輔助診斷系統的輸出的診斷結果極大程度上受到了錄入者的干擾，并非對患者癥狀信息的直接利用。對此，引入AI語義識別甚至語音識別技術可在一定程度上解決此問題。

再次，舌象與脈象設備采集數據的能力與分析數據的水平仍處于發展初期，傳感器的精細程度也還相對較低。在提高儀器性能的同時，可適當地與人類生活已普及設備如手機、手環、腕表、胸針、化妝鏡等相結合，普及中醫，惠及群眾。從次，中醫四診中可開發的前景非常廣闊，比如望診中的目診、耳診、手診，聞診的樣本記錄與分析，問診系統的規范化設計，三部脈的切診與循經絡的切診，舌診則可與分子生物學相結合，通過大樣本數據的分析，可形成根據舌苔變化對多種疾病進行預測的成果。最后，關于中醫學數據（知識）轉化（表達）的問題，實現中醫學信息的數據化、標準化是中醫AI發展道路上不可避免的問題。因此，中醫標準化指南與中醫藥治療特定疾病專家共識的發布是刻不容緩的。

有鑒于此，在一定時間內想要實現AI對臨床中醫師的完全取代是有難度的。或可通過如下幾個步驟逐步實現：第一，構建具備規范性診療模式的知識模型；第二，具備中醫辨證論治與辨癥論治相結合思維的計算機診療系統（這個系統或將取代部分一般臨床中醫師）；第三，通過人工智能技術，對于不同治療原則、治療方法、使用藥物進行中醫理論指導下的自行組合，真正具備“使一部機器的反應方式，像一個人在行動時所依據的智能”。

在全世界AI快速發展的道路的今天，或許中醫學還可因其獨特的思維理論與個性化診療特點，免受沖擊，留取一席之地。但不可否認，AI確實可以很大程度上協助醫師進行大量記憶類知識、理論的存儲與檢索，以其獨特的方式協助醫師進行藥物組合從而協助臨床診療。AI的發展依托算法、數據和運算能力三個關鍵要素，因此，中醫的AI發展應首先遵循AI算法規則、有大數據背景支持和強大的運算能力，首要解決需要大量記憶性的中醫學內容，如歷代醫籍醫案、大量的方劑、中藥、腧穴等內容（基礎信息整理與錄入）；其次，需要遵循中醫學特色理論的指導，以中醫理論指導辨證論治、處方用藥、辨經選穴（設置規則）；最后，訓練中醫智能機器人的“變通”能力，使其具備異于訓練者甚至超越訓練者的治療水平（病例訓練）。經由這樣步驟訓練出的中醫智能機器人或可開出與訓練者完全一致的處方，或可相似，或可思路不同但有明顯療效的處方，成為規范中醫藥治療現狀、協助臨床中醫師診療的良好工具。

AI是當前最新一輪科技與產業革命的代表產物，作為未來發展的關鍵技術，為我國經濟社會發展帶來了很多機遇，對于傳統中醫領域也產生了極大的機遇與挑戰。作為醫學、數學、計算機、物理學等領域相關的交叉學科，中醫學甚至整個醫學領域與AI的結合發展，還需要多方面人才的通力合作才可實現。因此，積極借鑒AI最新的研究成果，培養多學科交叉人才，鼓勵并促進中醫藥智能化研究，用中醫藥特色深化AI應用，以AI方式助飛中醫藥現代化進程，創造出AI與中醫藥結合模式下的中國特色醫學體系。