人工智能技術在中醫臨床診療中的應用研究進展

文 杭 黃 麗 劉 江 項敏泓

1.上海中醫藥大學附屬曙光醫院眼科，上海 200120；2.上海中醫藥大學附屬普陀醫院眼科，上海 200062

傳統中醫診斷的過程是通過四診所收集的癥狀、體征等信息進行綜合分析，辨清疾病的病因、病性、病位及邪正關系。從秦漢至今，中醫始終以“望、聞、問、切”作為診療的主要手段，數千年來經受住了歷史的考驗。人工智能是研究和開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新興科學，是計算機發展的產物，已廣泛應用于社會各個領域，在醫療領域更是取得了較大進展[1]。為更好地傳承和發展中醫藥，適應時代需求，中醫藥領域也必將發生數字革命。“將升岱岳，非徑奚為；欲詣扶桑，無舟莫適”，人工智能技術為實現新時代中醫藥的發展提供了契機[2]。

1 人工智能在中醫四診方面的應用

中醫診療技術與人工智能技術的完美結合不僅可進一步擴大人工智能的應用，而且更有望解決中醫診療技術發展的瓶頸問題，中醫診療儀器發展至今，其形式多樣，其中以舌診、脈診、面診方面的研究更為深入[3]。

1.1 舌診儀

望診為四診之首，人工智能在望診方面以舌診的研究最為深入。隨著人工智能技術的發展，各類舌診儀紛紛面世。近年來又不斷升級，充分利用紅外線、血流動力學、光譜、色度學等技術以減少光線和環境對舌象辨識的影響，可最大限度地模擬人眼在觀察舌體時的光譜反應場景[4]。且成像技術由二維發展為三維，使舌象信息獲取更加全面，可清晰體現舌體、舌苔、舌下脈絡，紋理、齒痕等細節，取得很好的臨床效果。闕翼[5]利用舌診儀對冠心病穩定期患者進行舌象分析，得出其在舌色、舌苔、舌形等方面存在共同點。樊威[6]將不同證型胃食管反流患者的舌象進行量化，借助人工智能技術，參照舌象數據庫，可迅速識別患者的舌象特征。燕海霞等[7]利用IP-Ⅰ型舌脈象數字化分析儀觀察經中西醫結合治療后的肺癌患者，顯示治療后患者的潤燥指數、膩腐指數較治療前升高，說明舌脈象參數可作為疾病療效評價的有效指標。

1.2 面診儀

人工智能在面診儀的研發及面色智能識別方面不斷進步。陳振湘等[8]利用紅外熱像儀，對914 名健康人進行歷時10 年的面部觀察，發現面部各臟腑反應區溫度存在差別。金沢生花[9]利用VISIA 面部圖像分析系統，對446 名東京女性進行檢測，證實膚色與體質的相關性。董夢青等[10]采用研發的中醫面診數字化檢測儀對冠心病患者的面色分析發現，不同證型的患者面色的紅色指數、總體面色指數、黑色指數差異有統計學意義。

面色智能識別的基礎是對面部皮膚進行分割以取得面部全局或局部的顏色、紋理等特征，然后通過機器學習等算法進行分類[11]。近年來，人臉圖像分割及區域定位技術不斷完善，劉媛等[12]使用聚類方法和數學形態學運算對人臉細節進行處理，實現了面診圖像自動分割，且通過實驗證實了其準確性、有效性。辛飛祥[13]利用標準化視覺感知采集設備，提取面部的顏色、紋理等特征，并利用典型關聯分析融合診斷特征，體現了感知融合計算對望診現代化的意義。

1.3 脈診儀

脈診客觀化研究始于20 世紀50 年代，形式多樣的脈象檢測記錄儀現已不斷涌現，壓力傳感器由雙探頭、三探頭進化至多探頭，豐富了脈象描述的參數，脈象圖由二維發展為四維，真正實現了模擬中醫把脈[14-15]。此外，B 超和多普勒技術也應用于脈診，可收集血流速度信號，再通過定位提取空間特征，對健康人、膽囊炎及腎病患者的研究證實了其有效性[16]。王宏武等[17]研發的雙感測脈診儀，通過12 個傳感器測量“寸、關、尺”及“浮、中、沉”脈象，不僅模擬脈診的“三部九候”，更是根據橈動脈血管的寬度可對脈壓進行量化。此外，孫冰[18]開發了一種可遠程切脈的儀器，將傳感器檢測到的脈象信息傳至智能終端，然后轉換為虛擬振動信號，醫師手置于模擬震動裝置上即可感知患者的脈象，滿足現代遠程醫療。更有學者將脈診的數字化信息開發到智能手環，其操作簡單、便于攜帶，可實現脈診信息的及時監測和反饋[19-20]。

2 智能診療技術在中醫辨證方面的應用

雖“脈診儀”“舌診儀”“面診儀”等智能診療設備可客觀表達中醫四診信息，但對四診資料的有效辨證也是中醫智能化的重要研究內容。

2.1 智能辨證

智能辨證最早始于專家系統，如關幼波肝病診治專家系統、劉紹武計算機診療系統等，但由于專家系統數據庫局限，數據推理能力十分有限，且為兼顧中醫整體觀念，問診數據較多，程序復雜[21]。此后，各類智能算法在中醫辨證智能化發展中嶄露頭角[22]。郭睿等[23]應用多尺度熵對冠心病患者中醫脈象的復雜性進行研究，為無創診斷技術的發展和推廣打下基礎。吳蕓[24]將人工智能技術—軟計算方法應用于中醫辨證，通過對慢性胃炎、中風的辨證分型結果進行分析，證實了其有一定的臨床診斷價值。

2.2 機器學習算法

隨著技術的發展，機器學習算法為中醫智能辨證注入新的活力。許朝霞等[25]基于支持向量機和人工神經網絡，分析3000 余例心血管疾病患者四診信息及證候類型之間的關系，并構建證候分類模型，其預測準確率高達92.4%，證實支持向量機在證候研究的可行性。王恩成等[26]收集1064 例慢性乙型肝炎患者信息，運用K-means 方法得到脾胃濕熱、肝膽濕熱、肝脾濕熱等8 類證型，辨證結果與專家高度一致。之后衍生出的新型算法也逐漸被應用，蔡曉路[27]將數據挖掘技術中的分類算法引入到類風濕疾病的證候研究中，運用隨機森林方法建模，顯示出模型穩定的特點。馮奇[28]對中醫治療的2 型糖尿病臨床數據建立POMDP模型，證明POMDP 模型可用于挖掘臨床數據中較優的序貫治療方案，為中醫辨證論治及臨床驗證提供知識參考。

2.3 深度學習技術

深度學習技術是一種多層神經網絡學習算法，直接從原始數據中提取特征，不斷自我學習，將繁復的數據進行分層分類，歸納推進，在圖像及語音識別方面獨具優勢[29]。人工神經網絡是基于生理學的智能仿生模型，由大量神經元組成，可提高運算速率，其數據的分布儲存形式利于建立聯想，容錯能力又使其在模糊計算及非線性計算中發揮優勢，符合中醫辨證模式的多元化、非線性統一及模糊性等特點[30-31]。紹尤偉[32]在舌象分類中運用深度學習技術中的深度殘差網絡，不僅有效提升舌象分類的效果，并可直接給出對應的病性診斷，大大提升了臨床工作效率。云儲存與云計算技術解決了海量數據的存儲問題，大量的數據可在瞬間完成集成、統一和共享[33-34]。基于云平臺技術，結合深度學習、機器學習、可視化等技術的“云中醫”健康檢測系統，利用中醫辨證思維，可實時給出疾病的中醫狀態描述[35]。

2.4 微觀辨證

微觀辨證是基于微觀指標的一種病證診斷模式，中醫證候與實驗室指標相結合，將“疾病”“證型”“表型”有機聯系，不僅利于中醫診斷數據化，更利用中醫證候的數字化、客觀化[27]。趙志玥[36]通過研究冠心病合并糖尿病各個階段中醫證候與理化指標的關系，初步篩選出對疾病某一證候有特異性診斷價值的理化指標。劉吉剛[37]對375 例女性高血壓患者證候與理化指標之間的研究，發現痰熱內閉證患者血漿同型半胱氨酸水平較高。

2.5 智能診療技術在健康管理方面的應用

健康醫學是未來醫學的發展趨勢，旨在提供健康咨詢、指導及對健康危險因素干預[38]。結合了人工智能技術的智能狀態辨識系統在健康管理方面有巨大優勢，由上海中醫藥大學自主研發的“便攜式中醫智能鏡”可通過對舌苔、面色的智能辨識，結合問診，給出健康狀態評分，并對患病風險進行評估，且予以飲食、運動、音樂、起居等方面的指導[39]。云計算、云平臺技術為健康管理的數據挖掘提供了條件，通過物聯網、可穿戴設備等智能終端進行信息的采集、監測，統一儲存后每個個體將獲得獨一無二的健康檔案。隨著計算機及網絡系統的升級，多元體質辨識模式、自動辨識模式、遠程體質辨識模式及終身健康辨識模式將成為未來發展趨勢[40]。

2.6 智能診療技術在眼科的應用

人工智能技術目前在眼科的圖像處理方面應用廣泛，尤其在白內障、青光眼、老年黃斑變性及糖尿病視網膜病變等方面均取得較大進展，利用卷積神經網絡進行圖像特征的提取及訓練學習，可實現對眼底圖像的識別[41]。朱娟等[42]利用計算機圖像識別及特征提取算法實現了特發性黃斑裂孔的人工智能診斷。人工神經網絡、遠程醫療、眼底圖像自動診斷、手術機器人、電子助視器、視覺假體等新技術不斷被應用于眼科智能化研究中。

中醫眼科方面，目診的數字化及客觀化也是人工智能的重要應用。文毅[43]基于圖像分析技術，從虹膜特征的提取及分析方面開展虹膜診斷數字化的研究，證實該方法對開展中醫目診臨床研究的可行性。李蕊玲[44]通過對眼睛邊緣提取、瞳孔中心定位、白睛分析及膚色遷移4 個方面的算法研究與創新，探索眼神與膚色的關系，為中醫面診的眼神分析奠定了基礎。

3 小結

傳統中醫發展之路恰逢現代信息技術革命，傳統診療模式與現代精準、高效的人工智能發生碰撞。中醫診療技術與人工智能的完美結合是時代的選擇，也是使中醫保持新鮮活力、可持續發展的契機。人工智能將中醫服務從臨床診療延伸到疾病的預防及保健層面，實現既病先治、未病先防，發揮更大中醫診療優勢。

然而，中醫智能化道路仍面臨挑戰。當前中醫智能診療技術僅局限于科研及少數醫療機構，標準化的中醫術語庫亟待建立，頭面部望診及問診的智能化仍存在部分技術空白，將相對模糊、非線性的中醫辨證原理轉變為被大眾理解的語言符號需要多學科協作。醫學本身就是復雜的生命科學，將人體整體的、動態的疾病信息串聯起來，把控患者的健康態勢，形成宏觀和微觀相結合、定性與定量相結合的技術規范，是未來智能中醫的發展趨勢。