淺析神經元網絡算法在中醫藥真實世界研究中應用可行性*

高 睿 ，劉 智 ，王 輝 ，劉春香 ，夏 彤 ，姚 楊

（1.天津中醫藥大學國際教育學院，天津 301617；2.天津中醫藥大學中醫藥研究院，天津 301617）

近年來，隨著人工智能醫療信息技術快速發展，臨床研究中現實診療環境下的真實世界數據日益豐富，循證醫學研究方法學的需求與人工智能信息技術相融合，開始由理論向應用轉化，真實世界數據開始向臨床研究證據轉化，為中醫真實世界研究發展提供了客觀條件，本文介紹人工智能應用的基本方法及在中醫藥真實世界可能會應用的領域。

1 中醫藥真實世界臨床研究的現狀

隨著時代變遷，21世紀臨床研究的方法學研究也在進步。2016年美國食品藥品監督管理局（FDA）和國際藥物經濟學與結果研究協會（ISPOR）在The New England Journal of Medicine發表文章對真實世界研究進行定義，指在真實醫療環境中排除臨床試驗外開展的所有臨床醫療數據研究[1-2]。中國學術界后續也發表了相關定義，指在真實臨床或家庭醫療環境中開展的臨床醫學研究，為評價某種患者健康的真實影響而開展的治療措施研究[3]。中醫藥臨床研究特點是“辨證論治，方證結合”，可根據患者的實際病情與診療意愿選擇不同的診療方法，這與西方真實世界研究下的精準醫學有著相似的理論。這套理論需要大量的臨床觀察數據對臨床問題進行分析與解釋，或許這就是真實世界研究被中醫藥領域廣泛接受并迅速開展的原因。中醫藥真實世界研究完全遵循循證醫學的理念，在常規醫療條件下，利用日常工作中產生的數據信息開展臨床科研活動，已經成為臨床研究不可分割的一個重要組成部分。中國人口資源眾多，真實世界研究數據極為豐富，可為中醫藥真實世界研究提供充足的科研信息數據，為開展大型中醫藥真實世界研究提供助力。但目前中醫藥真實世界研究正處于起步階段，中醫藥真實世界研究方法稀缺，數據采集方式單一，數據質量不佳，研究者和患者依從性不佳都為中醫藥真實世界研究增加了實施難度，最終影響真實世界研究的結果。因此，如何能在快速、安全、可靠的基礎上獲得大規模的臨床數據并進行相對應的分析、預測是當下開展高質量真實世界研究的前提。

2 中醫藥真實世界研究的特點

當前，國際臨床研究仍然以隨機對照研究作為臨床有效性評價的“金標準”，無論解釋性研究或者實用型研究均采用隨機抽樣方式[4]。而對于中醫藥臨床研究來說，隨機對照試驗顯然是不可被替代的[5]。隨機對照試驗雖然仍被視為高質量的證據，但在中醫藥臨床研究中，由于中醫辨證論治療效評價的特點，可能會產生某些研究結論不一致、研究數據不精確、研究報告出現偏倚等現象，其相應證據級別會被降低，不利于中醫藥臨床研究在世界范圍內的開展。真實世界研究內容包括觀察性研究和試驗性研究[6]，特點如下：1）真實世界研究納入人群廣，對患者的病情限制較低，設計樣本量較大，隨訪時間長。2）不采用隨機化的分組方式，根據臨床的實際選擇進行分組。3）根據真實世界的外部真實性環境進行評價，可獲得較高的真實性數據。4）真實世界研究所獲取的數據為臨床實踐真實數據，不限于電子病歷、醫保數據等真實世界數據信息，可獲得較長時間內的隨訪信息，便于大數據分析與療效評價。

根據以上真實世界研究特點，可發現真實世界研究與中醫藥臨床研究證據評價有極為相似的特點，中醫藥臨床研究“辨證論治，方證結合”的特點就是在以“臨床經驗”為基礎的療效評價前提下進行的證據評價研究[7-9]。而證據評價需要海量數據作為證據來源，中醫藥臨床證據的評價就是建立在極為豐富的中醫藥臨床實踐大規模證據基礎上，也就是以真實世界研究為基礎的臨床評價數據研究。因此，如何將真實世界中的大數據規范化采集并合理優效使用是當前中醫藥臨床研究中急需解決的科學問題。

3 人工智能技術在中醫藥真實世界研究中的應用

3.1 人工智能技術的發展現狀 隨著計算機技術與信息技術的快速發展，人工智能技術逐漸成為計算機領域的翹楚，雖然人工智能技術發展時間較短，發展過程曲折，但人工智能技術已應用在各大領域，并成為各自領域創新發展迫切要應用的一種技術方法。人工智能是指將人類思維中的理論、方法、技術用計算機的開發方式模擬、擴展和延伸在真實世界中以機器語言表達實現的一種科學技術[10-12]。這一概念在1956年被正式提出，并持續發展至今，21世紀初大數據高性能技術應用于各行各業，絕大多數領域都將互聯網+大數據的技術方法作為本行業的突破，力求達到技術突破并解決本行業內存在的傳統行業壁壘。但直至今日，各領域都沒有達到各自目的，只是存儲了大量的數據資源，造成了時間與存儲空間的浪費。本研究認為，大數據技術只是將傳統領域中的數據優效存儲并分類關聯，并未像人類思維的方式預測并解決現實行業中的技術壁壘和難題。但不可否認大數據是實現人工智能技術的前提，人工智能技術利用存在的龐大數據信息開展機器學習，相互推衍快速迭代和進步，其強大的賦能性可解決真實世界中的各種問題。目前，在人工智能領域相對成熟的人工智能技術包括：語音識別、圖像識別、智能機器人等技術。在醫學領域，語音識別、圖像識別技術已相對比較完善，并已應用于醫學臨床實踐，得到有效的結論[13]。

3.2 人工智能技術在中醫藥真實世界研究中存在的問題及未來發展趨勢 中醫證候研究是中醫臨床實踐的基礎與核心，是疾病發生與演變過程的真實反映。真實世界研究中，醫生通過證候與疾病發生的關系為主要切入點可以充分了解患者的病情并針對患者的真實情況進行準確的診療。但目前在中醫藥真實世界實踐中由于中醫證候具有相當的復雜性、模糊性與難操作性，使得醫生在診療時中醫證候辨別不清，未能充分發揮中醫的特點。因此，中醫在真實世界研究中的準確辨證成為亟需解決的重要問題。人工智能大數據真實世界研究主要解決的是在極為復雜的數據中尋找可能存在的相關性，剛好可以解決與中醫真實世界研究中多變復雜的相互關系，為中醫證候辨別提供一種準確的方法。中醫藥真實世界研究領域，特征便是以患者為中心，以數據為導向，精準實現醫療實踐的科學預測與模擬計算[14-15]。而人工智能技術中機器學習技術可解決中醫藥臨床研究診療中“辨證論治，方證結合”的復雜性與多樣性，可精準預測個體化患者可能患有的證候、疾病及可能會應用的方證，為實現中醫藥臨床評價提供助力。機器學習是人工智能領域的一個重要方向，近年來隨著技術的不斷發展，機器學習的技術不斷被快速更新，內容越來越豐富，常見的算法應用包括決策樹算法、人工神經元網絡、深度學習、支持向量機、樸素貝葉斯等，機器學習最重要的功能就是獲得輸入數據分類學習的能力，包括對不同語言、文字的區分以及識別。

3.3 神經元網絡算法的特點和優點 人工神經元網絡是一種模仿動物神經網絡特征進行分布式信息運算的一種特殊數學模型，簡稱“神經元網絡”[16-17]。這種網絡通過調整內部相鄰的節點進行相互快速訪問，可達到信息快速響應處理。神經元網絡算法具有極強的相互學習能力與適應能力，可通過預先學習本主提供的不同類型數據進行學習分析，掌握不同數據類型之間潛在的特征與規律，通過分析這些規律，獲得新的輸入數據來推衍計算得到最終的結果，這種推衍方式被稱為“機器訓練”。這種算法配合大數據的使用可以運用到各種相關的領域，近些年隨著人工智能技術的發展，科學家們根據神經元網絡算法的規律又提出新的具備不同信息處理能力的神經元網絡算法模型，這幾種模型可以分為3個不同的方向[18]：1）根據神經元網絡算法的初衷，探索人類腦神經系統生物的結構、機制，根據結構的演變進行算法的推衍。2）運用計算機制造學中的光學與微電子學科學技術進行神經網絡學的功能網絡構造。3）將神經網絡學理論作為一種解決問題的方法與手段，特別運用于傳統方式無法解決或技術上存在困難的的領域。

神經元網絡算法的優點：1）神經元網絡算法與傳統的計算機算法在計算上有著本質的區別，可以把計算處理器分配到很多細小又相互緊密連接的微處理單元中，各微處理單元計算功能簡單，大量簡單又相互連接的處理單元識別與計算不同類型的數據既便捷、迅速，同時又可滿足計算機硬件更新換代的速度，很大程度上提升了軟件在計算機中運行的速度。2）神經元網絡容錯機制高，若某部分神經元網絡損壞，不會對網絡整體造成特殊的影響，只會降低神經元網絡內部的運行性能，但并不能妨礙神經元網絡的正常工作，即便網絡主體部分受到破壞也不會造成網絡的癱瘓，可充分保障軟件運行的安全機制。3）神經元網絡中的數據存儲信息極度安全，不同類型的定量或定性數據被保存在各種神經元之間的節點權值上，進行分布式神經網絡協同運算處理，各節點之間可以通過訓練樣本與訓練過程進行有效切分，同時通過競爭篩選把學習內容遷移到相鄰的節點，已獲得較多的學習資源，保證數據的存儲安全。4）神經元網絡算法的學習功能強大，可以通過節點連接權值或連接結構學習已知或未知的系統，且自學習功能對未知功能預測有特別重要的意義，應用領域較廣。神經元網絡算法的這些特點和優點，使其在中醫藥臨床研究中得以應用成為可能。

3.4 神經元網絡算法在中醫藥真實世界中的應用模式 神經元網絡算法作為一種自學習、自適應識別技術模型，不需要預先給出大量的經驗數據或算法函數作為參考依據，依靠自身的節點連接自適應機器學習機制就可以形成所需要方法的決策區域[19]。神經元算法的特性由節點所連接的權值、節點拓撲結構、學習與訓練規則來決定。神經元網絡算法可以充分利用不同類型的數據信息互相訓練學習，并且相互映射，獲得更多的信息資源，若網絡狀態發生改變，還可重新調整自適應學習新的規則。

中醫藥從秦漢時期發展至今，之所以還擁有重要的位置，正是秉承了中醫的辨證論治、方證結合的特點。臨床醫生將患者的“望、聞、問、切”結果作為真實世界中臨床診斷的基本數據。隨著5 000多年時間的推移，中醫藥經驗醫學積攢與印證了相當豐富的數據資源，作為整體醫學與精準醫學的代表，中醫藥的數據資源已經具備了大數據的潛在特征[20]。人工智能技術在大數據研究的基礎上可快速實現中醫學在真實世界中關于診斷癥狀、證候與方證的評價。神經元網絡算法為中醫藥真實世界臨床研究提供必需的技術支持，為臨床醫生提供證候診斷、藥物評價等技術方法。在保證診療結果正確的前提下，為醫生提供便利的醫學決策輔助參考方式。

文章重點介紹了基于神經元網絡算法的中醫藥證候辨識如何在真實世界研究中的開展模式（見圖1）。中醫真實世界中，神經元網絡算法可應用于臨床證候的診斷，病癥與疾病對應神經網絡的輸入節點，輸出節點對應著中醫證候，首先利用一組已經被識別的癥狀與疾病樣本進行訓練學習，確定神經元網絡的結構（函數與神經元數目）和基本參數（連接權值）。訓練后，證候模式的分類就是設定一組中醫癥狀，實現患者患病癥狀到痊愈癥狀之間的非線性映射的過程。具體可以分為以下幾步：1）首先獲得一定數量的某中醫學領域患者的學習樣本進行神經元網絡訓練，得到期望的診療效果。2）設定合理的中醫癥狀網絡結構和模型，尤其是網絡中間層神經元個數。3）確定中醫癥狀訓練的樣本集與測試集。癥狀樣本集用于神經元網絡的訓練，測試集用于核查與印證神經網絡訓練的效果是否準確。中醫證候樣本集應該大范圍涵蓋所有可能出現的中醫證候，并具有一定的代表性，同時還必須保證學習的正確性。4）在神經元網絡算法中根據中醫癥狀訓練樣本集，經過測試后的樣本集訓練結果可以作為中醫證候樣本庫用以預測與判斷患者未來可能會產生的中醫證候。

4 結論

圖1 基于中醫癥狀診斷的神經網絡算法

目前，真實世界研究已經逐漸被臨床研究者接受并開展到臨床研究領域和循證醫學實踐中。中醫藥真實世界研究起步較晚，但發展潛力巨大，憑借豐富的人群資源與中醫藥經驗醫學的特點可為世界醫學提供寶貴的醫學知識。21世紀醫學是信息醫學的時代，同樣也是數據引領的時代，人工智能技術的出現可為臨床研究者更加深入解決重大臨床問題與科研難題作出貢獻。神經元網絡算法作為人工智能的核心，將其應用于中醫藥真實世界研究是可行的，其將先進的技術理論與中醫臨床理論相結合，客觀評價與解決中醫藥真實世界研究中辨證方法不可測量、不可重復、不可評價的技術問題，逐步探索并解決中醫藥臨床研究中可能存在的各種技術壁壘與孤島，助力中醫藥臨床研究在世界醫學研究中的位置，為推動中醫藥大健康在人工智能時代的發展提供巨大幫助，具有極其重要的意義。