人工智能對中醫診斷的影響＊

李本岳，李偉榮，潘華峰，王 宏，王 奇＊＊

（1. 廣州中醫藥大學科學創新中心 廣州 510405； 2. 廣州中醫藥大學臨床藥理研究所 廣州 510405）

中醫藥是中華民族在幾千年生產生活實踐與疾病斗爭中形成和豐富的醫學科學。人工智能作為一門計算機科學，已經被運用至中醫藥現代傳承中。滕文龍等[1]對智能中醫醫療診斷系統進行了研究；楊海等[2]將傳統中醫理論與現代智能決策方法、計算機技術相結合，實現了“中醫智能診斷支持系統”的理論基礎分析；陳菊等[3]通過對中醫辨證論治輔助系統軟件的開發，實現了中醫辨證論治在臨床電子病歷中理法方藥的一線貫通。研究者都在嘗試采用人工智能技術解決中醫臨床診斷問題，但是目前還主要集中在中醫藥知識檢索和名老中醫經驗的知識推理系統等方向。2019 年世界人工智能大會在上海舉辦，“未來診室”在人們眼前驚艷登場。未來，更加融合人工智能的中醫診斷即將登場。本研究將通過闡述人工智能技術如何賦能“望聞問切”中醫診斷，試圖為中醫藥智能化提供思路。

1 人工智能助力中醫診斷

人工智能（Artificial Intelligence，AI）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。AI 研究的領域包括機器人、語言識別、圖像識別、自然語言處理和專家系統等[4]。本研究從“望聞問切”入手，將AI 融入到中醫中來，搭建一個AI中醫專家診斷系統。

1.1 大數據和互聯網為AI中醫專家系統構筑基礎

AI 離不開大數據和互聯網。供系統學習中醫藥理論體系，需要搭建一個國家級的中醫藥知識開放共享平臺。未來可以參考美國國家健康數據開發平臺healthdata和英國國民醫療服務體系[5]等來構建一個互聯互通的中醫藥大數據平臺。醫療數據的爆炸式增長使常規儲存手段不能滿足，需要借助大數據和云計算技術使中醫藥數據平臺快速建立。AI 應對爆炸式的醫療大數據具有獨到的優勢。AI 可以通過模糊的邏輯程序對模糊的數據進行有效處理；可以高效、準確地處理數據，提高系統效益；具有強大的識別能力，可以識別和篩選有效的數據[6]。

1.2 “AI中醫專家系統”的搭建

AI 專家系統是一種模擬人類專家解決領域問題的計算機程序系統。AI 專家系統已經被應用于許多疾病的診療中。Lawrence C 等[7]構建的風濕病學人工智能專家顧問系統AI/RHEUM 與風濕病學家臨床醫生共識的“金標準”診斷的一致性已經超過90%。搭建一個專門模擬中醫診斷和學習中醫知識的AI 中醫專家系統首先要進行系統大腦的搭建。AI 最重要的是算力即數據處理能力。因此，要實現AI中醫專家系統的“望聞問切”功能需使用NPU 作為系統的芯片。系統進行基礎的中醫藥理論學習后，接入到名醫名家的診斷場景中，讓系統不斷地學習名醫名家的診斷手法，不斷地自我糾偏和深度學習（Deep learning）[8]。

1.2.1 搭載圖像識別模塊實現“望診”

圖像識別[9]是對圖像進行處理、分析和理解，通過計算機識別不同模式的目標。目前，圖像識別應用最廣泛的是人臉識別和圖像識別。中醫“望診”[10]要求用視覺觀察病人的神、色、形、態、舌象、排泄物、小兒指紋和五官等異常變化。因此，AI中醫專家系統對圖像識別的要求更加嚴苛。圖像識別中的人臉識別技術應用于AI中醫專家系統后，系統可對患者的臉部的異常（面象）以及舌象異常作出判斷。當然，這一切的實現要求系統對患者多次、長期的人臉特征數據采集，以及要求系統學會區分正常生理變化和病理變化。舌診是中醫非常重要的一個診斷方法，而舌象的變化也直接反映了人體臟腑的氣血虛實與正邪消長[11]。教會AI 中醫專家系統舌診將是模擬中醫診斷的關鍵。大量收集舌象圖片建立舌象數據庫，結合中醫舌診基礎理論，有助于AI中醫專家系統的深度學習。中醫望診只是通過觀察患者的外部特征來診斷，內部變化則需要借助一系列的醫學影像[12]數據來診斷。Kermany等[13]以遷移學習模型為基礎，運用海量視網膜OCT 圖像訓練的深度學習模型已經可以在30 s內正確識別脈絡膜新生血管、糖尿病黃斑水腫和玻璃膜疣，并且通過遮擋測試得出為臨床醫生信任的診斷依據。AI 解讀醫療影像具有不易受主觀影響、效率高且誤診率低等特點。通過影像識別技術，AI中醫專家系統可以讀懂醫療影像數據，從而做出更準確的診斷。同時，圖像識別也可以幫助AI 中醫專家系統看形態、看五官等，辨別身體異常狀況。因此，通過圖像識別，AI中醫專家系統不必“司外揣內”了，而是內外都能通過望診模塊了解的一清二楚。

1.2.2 搭載語言識別模塊實現“聞診和問診”

語音識別技術[14]是將人類的語音輸入轉換為一種機器可以理解的語言或者轉換為自然語言的一種過程。在AI中醫專家系統診斷時，要實現系統對患者的“聞和問”，要實現交互問診和聽聲辨病就必須使用語音識別技術，把患者說的話轉化為系統可識別的語言。語言模型的優化[15]將是面臨的一個重大問題，系統不僅要避免噪音環境的影響，還要與患者實現人機交互，更要對患者的語調和聲量等判斷病人的情緒以及可能病變的部位，從而系統要對患者進行問診難度就更加大了。系統不僅要與病人對話，還要用中醫的知識加以判斷后進行更加深入的問診。系統還得避免環境噪音帶來的影響。為了減少噪音魯棒性，Qian Y 等[16]開發了非常深層卷積神經網絡改善語音識別效率。AI 聽聲辨病的優勢已經體現出來。Aydan 等[17]開發的一款云應用程序可以在計算機環境中提取和利用語音的特征進行聲帶疾病診斷。這種診斷快速、準確且經濟。

1.2.3 搭載自然語言處理模塊實現“問診”

自然語言處理（NLP）對于AI 中醫專家系統更是一個關鍵的技術。通過NLP 技術，系統可以對中醫書籍等文本材料進行學習，儲備中醫知識；可以對不同語言的材料進行翻譯處理，從而獲得更多的資料；最重要的是系統可以通過學習，對病人的語義等進行分析后從所構建的資料庫中找到最合適的回答方式和內容跟病人進行交流，模擬中醫的“問診”。AI可以根據患者聲音數據轉化來的機器語言中所包含的主觀句，提取帶有情感色彩的詞語，并對這些詞語進行綜合程度上的衡量和判斷，并予以情感態度傾向的分析[18]。這種對情感態度的判斷可以幫助系統更好地與患者問診，獲取到更多有利于辯證論治的參數。NLP對AI 中醫專家系統的深度學習和更新迭代都起到非常大的作用。

1.2.4 中醫機器人——“AI中醫專家系統”的載體

中醫四診儀代表著中醫的初步機器化。四診儀能模擬“望聞問切”，采集舌象、面象、脈象，并按照流程向患者問診[19]。但是四診儀的智能化程度還非常低，醫療數據采集手段落后，甚至國內外四診儀的建設標準都沒得到統一。因此，為了順利搭載AI中醫專家系統，實現“望聞問切”，以及實現智能識別和學習等功能，需要一個更加智能的機器人載體。這個機器要具備語言識別、圖像識別和自然語言處理能力。除此之外，感受病人的脈搏以及對某些部位的按壓，對病人實施“切診”以及“聞診”中的“嗅”的操作需要搭載一系列精密的傳感器對病人進行參數采集。讓AI中醫專家系統學會脈診，需要搭載脈象動態壓力傳感器。國內外已經有很多對于脈象傳感器的研究，如李淑娟等[20]提出了一種光纖Bragg 光柵（FBG）壓力傳感器和基于相位產生載波（PGC）的干涉式波長解調相結合的傳感器系統，實現了脈象波形信息的探測，可以高保真地還原脈象信息。脈象傳感器還可以使脈象信息電子化。電子化的脈象信息有助于中醫實施遠程切脈，有助于遠程中醫診療的發展。熊國虹等[21]以STM32 為控制核心，搭載多種氣體檢測傳感器，通過NRF24L01 無線模塊將氣體信息傳送到電腦并基于仿生行為的視嗅覺融合污染源搜索策略制造的機器人可以在無光以及光線良好情況下均能搜索到室內氣體污染源。未來，這種仿生技術可以使AI 中醫通過“嗅氣味”來輔助診斷，當然還需要在氣體化學以及電子鼻上面做更多的研究和開發。

2 物聯網搭建AI中醫藥服務場景

物聯網（Internet of Things，LoT）[22]是指用戶和物品之間進行信息交換和通信、通過網絡技術、傳感器技術對所需的信息進行采集，對物品實現識別、跟蹤、定位和管理等功能的一個網絡。LoT 將為AI 中醫藥服務場景的搭建提供基礎條件。

2.1 AI中醫專家系統接入場景

AI 中醫專家系統可以通過接入智能家居構成的LoT 以及車聯網等對患者的健康情況進行實時監測，采集數據回傳數據庫，構建患者個人醫療檔案。收集每個患者的醫療數據后便可以匯成大數據，便可以構建地區的醫療檔案。通過數據庫的數據分析，可以為流行病學提供實時的參考以及可以為疫情的控制提供幫助。為了實現診斷的及時性以及連接的高效性和穩定性，數據傳輸可以采用新興的窄帶物聯網技術（NB-loT）和5G 技術。NB-loT 由于采用蜂窩網絡技術和具有使用消耗帶寬較小的特點已經成為萬物互聯中重要的新興技術[23]。低功耗對于要長期且持續采集醫療數據的智能設備非常適合。而支持多端口輸入與輸出的5G 技術則使我們可以同時開啟多個醫療數據采集傳感器，而且5G 傳輸還可以使醫療數據受到的干擾減少而且使數據安全得到更大的保障。LoT 時刻在產生數據，如果全部數據都上傳到集中式云端服務器進行計算處理便會出現很多問題。數據過大，帶寬有限，會造成傳輸速度過慢影響醫療服務的及時性。同時，由于LoT會產生大量無效的醫療數據，如果全部傳輸至數據中心則會加大中心的處理壓力。因此，可以采用邊緣計算[24]對海量的醫療數據進行初步的計算和過濾。

2.2 遠程AI中醫醫療服務

AI 中醫專家系統借助互聯網技術可以為患者提供遠程醫療服務。患者一旦覺得身體不舒服或者所佩戴的傳感器發現身體出了狀況，系統便會主動聯系患者進行問詢。系統可以隨時對患者異常健康數據進行預警，真正做到“治未病”。為了更好實現醫患交流或者人機交互，可以在客戶端裝備立體全息投影智能設備。3D 全息投影[25]是一種利用干涉和衍射原理記錄并在線真實的三維圖像，是一種無需佩戴眼鏡便可以看到立體的虛擬人物的3D 技術。憑借這個技術以及傳感器回傳的一系列參數，AI中醫專家系統可以遠程對患者進行“望聞問切”，對病情做出初步的判斷后在線聯系附近的醫院進行分診，可以為患者提供最佳的醫療服務。

3 存在的問題

3.1 醫療智能裝備制造未能跟上

目前，國內有很多智能裝備制造的公司。例如，專注語言識別的科大訊飛；專注計算機視覺和深度學習的商湯科技和曠視科技；專注機器人制造的圖靈機器人。但是這些企業目前主要專注于智能醫療的軟件以及系統方面的研究，醫療智能裝備目前還處于比較低的水平。應該結合中醫藥的特色，利用人工智能技術，發展更多協助中醫“望聞問切”和“辨證論治”的智能化設備。結合物聯網和車聯網技術，開發一系列檢測和采集患者健康參數的可穿戴人工智能設備。

3.2 法律層面的問題

在醫療數據采集過程中，難以避免醫療數據信息采集權和患者隱私權的沖突，需要國家制定相關的保護個人健康醫療數據的法律法規，明確電子醫療數據采集過程中的采集、儲存、管理、共享和使用各個環節的權責歸屬。醫療機構要尊重患者的知情權，一切醫療數據的采集務必要告知患者，得到患者的授權后方能進行。

3.3 醫療數據安全性

醫療數據安全性是大數據采集過程中最重要的一環。典型的個人醫療數據包含有關個人的敏感信息，因此，存儲或共享個人醫療數據存在著風險。例如，短DNA 序列可以提供不僅可以識別個體，還可以識別個體親屬的信息。然而醫學數據對于疾病的研究、預防和治療都是必不可少的資源。隨著科技的發展，數據的安全性已經看到了曙光。研究者提出了匿名生成對抗網絡（AnomiGAN）框架，可以改善個人醫療數據隱私的保護[26]。另外，近幾年迅速發展的區塊鏈技術可以應用于患者和醫療機構的醫療數據加密。作為一種完全去中心化的新型技術，區塊鏈的橢圓曲線非對稱加密（Elliptic Curves Cryptography，ECC）、哈希函數、Merkle 樹可以使個人和醫療機構醫療大數據的完整和安全得到充分保障[27]。

4 結語

中醫藥人工智能化能夠使中醫藥在現代科技的助推下更好地傳承與發展，使醫療資源更好地向下延伸，有助于提高疾病的早期篩選和診斷率；能夠促進基本衛生服務均等化和優質化；能夠為醫生提供更有針對性的診療建議；能夠為患者提供更精準化的中醫醫療服務。隨著相關智能裝備制造水平的提高，國家政策的扶持以及百姓對AI中醫藥認可度的提高，未來的AI中醫藥一定會使中醫藥診療和服務更加便捷化、優質化和精準化。