人工智能在中醫治未病領域的研究現狀與發展

楊璠　李連新　陳菊

摘要：目的：中醫藥人工智能成果日漸豐富，越來越成為中醫藥產業發展的新動力。該文對人工智能中醫治未病領域的研究進展、應用情況、存在的問題進行總結，為人工智能中醫藥治未病研究提供幫助。方法：收集近15年中醫健康管理相關文章728篇，篩選出608篇進行重點分析，通過使用CiteSpace文獻處理工具，對文獻進行分析，獲取該研究領域研究熱點為如何通過現代技術促進AI中醫健康管理模式的建立與應用。結果：提出了建立AI中醫健康管理模式是實現治未病的根本途徑，對醫療衛生發展具有重大意義，但是人工智能與治未病的結合還處于萌芽期，面臨著技術、費用、倫理等諸多方面的難題。討論：人工智能與治未病融合逐漸成為醫學界新的研究趨勢，應深入研究治未病智能化實現的途徑與手段，讓健康惠及全民。

關鍵詞：人工智能;治未病;健康管理;預防

中圖分類號：TP18? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）07-0012-04

中醫治未病理論萌芽于西周，形成于《黃帝內經》時期，凝聚著中國古代樸素唯物主義思想以及兩千多年的健康養生理念和實踐經驗，逐步形成了以“未病先防”“欲病救萌”“既病防變”“瘥后防復”為內涵的中醫預防理念。治未病的核心是預防，在機體未出現明顯病理癥狀時，就能預知機體狀態并采取措施，病未發而先治，防患于未然。與現代西方形成的健康管理理念有相似之處，健康管理興起于美國，是基于健康促進及干預技術發展提出的一個新概念，針對個體或群體的健康狀況或健康危害因素進行全面監測、評估、干預和隨訪的過程與理念[1]。近年來，我國明確提出要打造以治未病為主導的具有中醫藥特色的健康保障體系，目的在于調動整個社會的積極性，有效運用有限的資源取得最大的效果，實現全民的健康。由此可見，治未病與健康管理的融合是大勢所趨。

人工智能（Artificial Intelligence，AI）是一個復雜的概念，是對人的意識、思維進行模擬，生產出與人類智能相似的機器，代替人類完成一些復雜的工作。目前AI已廣泛應用于醫療衛生領域[2-3]，醫學影像智能識別系統、智能疾病診斷系統、醫療機器人等，大大提高了醫療效率，減少了不必要的醫療資源浪費。隨著現代疾病譜的改變、社會觀念的轉變以及國家政策的出臺，人工智能與中醫治未病結合是中醫學融入信息化時代、分享信息化的成果，也是提升中醫治未病的水平和療效的重要手段[4]，未來很長一段時間內，治未病都將是醫學界重點研究之一。人工智能作為21世紀最前沿的科學技術之一，必將為中醫治未病的發展提供助力，使中醫學煥發出新的活力。

1 人工智能與中醫治未病結合的背景

1.1 社會需求的改變

健康是人類共同追求的最終目標，隨著現代醫療技術的進步和經濟水平的提高，人們對醫療資源的需求已不僅局限于疾病的診治，還包括心理、社會適應以及道德上的健康。與世界衛生組織（WHO）提出健康的定義相符：“健康不僅是疾病或羸弱的消除，而是體格、精神和社會生活的完全狀態。[5]”倡導的是治病，更是治“未病”，這與中醫治未病理論不謀而合。為適應這種轉變，必須有現代新技術力量的注入。

1.2 政策的支撐

2008年，國家中醫藥管理局啟動“治未病”健康工程方案，拉開了中醫治未病快速發展的序幕;2016年，《“健康中國2030”規劃綱要》再次強調健康建設的重要性，提出以預防為主、中西醫并重，發揮中醫治未病優勢，做到早診斷、早治療、早康復，減少疾病發生，實現全民健康;同年，《“十三五”國家戰略性新興產業發展規劃》中指出要將云計算、大數據、AI等技術廣泛融入社會各個領域，大力推動AI在健康醫療領域的應用;2018年，《關于促進“互聯網+醫療健康”發展的意見》明確了“互聯網+醫療健康”的措施，推進“互聯網+”人工智能應用服務。國家對人工智能和治未病的日益重視，為二者的發展提供了政策上的支撐。

1.3 技術的支持

現代科技特別是AI的發展為醫療行業的發展帶來了契機。AI是20世紀50年代出現的一門新興學科，至今已有70年的歷史，理論體系日漸成熟。2016年，智能機器人AlphaGo的勝利[6]，標志著21世紀AI深度學習領域里程碑式的發展，使AI相關研究應用開始呈現爆發式的增長。語音識別、計算機視覺、自然語言處理技術等都為人工智能在治未病領域的發展提供了技術保障。

中醫領域人工智能相關研究，萌芽于20世紀70年代，中醫專家系統的建立[7]拉開了中醫學智能化發展的開端。近年來，人工智能與中醫的研究處于蓬勃生長期（圖1），這與人工智能技術的成熟和國家政策的支持密不可分。但同時也可以看到，治未病領域的人工智能目前處于萌芽階段（圖2），相關文獻數量較小，且缺乏全面系統化、整體化的研究。如何多元化、多維度、全方面打造治未病智能化體系應是未來醫學重點研究方向。

2 人工智能在中醫治未病領域的具體應用

治未病智能化發展最重要的是打造治未病核心技術，通過現代化手段促進治未病在個體或群體中檢測、診斷、治療上的精準化[8]，針對個人健康狀態進行個性化預防。中醫治未病是對人體生命活動全過程的監測，采取預防或治療手段，防止疾病發生、發展的方法，在疾病預防中有很大的優勢。目前，AI在中醫治未病領域的應用主要包括：AI中醫信息采集、AI醫學影像以及AI基因檢測。

2.1 AI中醫信息采集

中醫信息采集是治未病理論發揮作用的基石，但傳統治未病是在四診信息收集的基礎上，對機體的未病態、欲病態、已病態以及瘥后進行判斷，主要依靠的是醫者的個人經驗和主觀感受，缺乏客觀化的標準[9]。AI的應用則為中醫治未病突破這一發展瓶頸帶來了機會。通過AI及大數據的支持，將中醫信息客觀化、標準化，將中醫感性的信息變為以定量數據來準確衡量[10]。中醫傳統信息采集方法包括望、聞、問、切，從局部與整體雙管齊下。結合AI，望診有基于中醫藥知識圖譜的舌像診療系統[11]、基于sLDA方法和SVM算法建立的膚色識別模型進行膚色五色識別[12]。平安好醫生借助AI建立的智能問診系統，能夠實現聽音辨病。問診有基于深度學習與條件隨機的多標記學習方法的慢性胃炎中醫證型模型[13]。切診有運用BP神經網絡算法建立的脈象信號采集系統，對正常人與病人脈象信號分類進行了探討[14]。

目前中醫信息采集的客觀化發展已取得較大突破，衍生的設備逐漸應用到臨床，但仍存在一些問題。四診合參是中醫整體觀念在疾病診治過程中的具體體現，關鍵在于四診資料要相互參照、印證、補充，而非強調單一診法的深入研究，只有四診信息的采集準確、相互合參，才能全面了解機體狀態[15]。但目前大多數設備都是單獨從脈、舌、面等某一方面采集信息，較局限，缺乏將四診融合的技術。因此有學者在這方面提出了自己的觀點，如結合多源數據學習、多核學習方法，借助子空間學習方法促進四診合參的智能化[16]，建立中醫臨床辨證論治方法促進四診合參數據的量化[17-18]，都為四診合參提供了方向。

2.2 AI醫學影像

運用現代西醫科學知識橋接人工智能是中醫治未病發展強有力的手段之一。醫學影像是以非侵入性的方式獲得機體內部組織影像結構的技術，輔助和指導疾病的治療。傳統醫學影像在疾病診療過程中存在諸多問題，例如數據的快速增長、人才的缺口、超負荷的工作壓力、肉眼閱片可能帶來的漏診誤診，都給影像學的發展帶來了巨大的沖擊。AI的運用則為有效解決這些問題提供了途徑。AI通過圖像識別技術和深度學習對醫學影像數據進行訓練學習，對疾病的早期識別、篩查具有高度靈敏性[19]。基于AI的醫學影像對慢性非傳染性病特別是癌癥早期篩查，提高生命質量起著至關重要的作用。英國Avalon AI[20]，首個把深度學習用于老年癡呆癥的公司，通過建立大腦3D核磁共振圖像，運用卷積神經網絡技術對圖像進行分析，判斷大腦是否有患病的傾向，目前有效預測準確率已經達到了75%。國內也有不少研究機構致力于打造AI醫學影像，力求早發現疾病患癌風險，實現疾病的早期預防，如用于篩查可疑食管癌的騰訊覓影、由中山大學腫瘤防治中心自主研發的“中腫智醫”上消化道腫瘤人工智能診療決策系統。

分子影像是醫學影像一門多學科交叉融合的新產物，在細胞和分子水平上，對活體生物過程應用影像學技術進行定性和定量研究[21]，可在沒有形態學改變之前檢出異常，廣泛應用于腫瘤的早期檢測。現代分子影像與AI影像分析相輔相成[22]，運用AI特別是深度學習方法研究PET儀器設計、PET圖像重建量化和分割[23]等，促進了分子影像設備的完善。同時分子影像中融合了數據處理、圖像識別等技術，也為AI影像分析提供了便利。在預防疾病理念上，治未病與分子影像有異曲同工之妙。目前，AI醫學影像應用主要集中在癌癥和心腦血管疾病等慢性病上，如何擴大疾病篩查種類、提高精準度，是未來AI醫學影像的主攻方向。

2.3 AI基因檢測

基因檢測與治未病共同促進預防醫學的發展。基因是生命遺傳最基本的單位，儲存著人體生、老、病、死的全部信息，人類疾病或多或少都與基因有關聯，是影響人體健康最重要的內在因素。基因檢測是通過特殊設備對細胞DNA分子進行檢測分析，從而判斷所含有的基因類型和基因是否有缺損或異常，對于疾病的預防以及現代治療手段難以解決的病癥有著重大意義。

基因檢測是預防疾病最有效的手段，然而人體基因數量龐大，目前已經發現和定位了的功能基因就有兩萬多個，依靠“傳統基因+人工目測”并不能發現所有基因片段上的問題。而AI在數據的分析上具備精準、快速的優勢，相較于傳統基因檢測來說，基于人工智能深度學習和數據挖掘技術，不僅可以提高檢測的時效、節約成本，還對基因突變具有高度敏感性，能夠提供預警。如乳腺癌BRCA1/BRCA2基因突變檢測，對發現攜帶基因突變者進行手術切除治療，可降低近100%的發病風險[24];Sophia Genetics公司利用機器學習技術分析患者基因數據，可對基因變異進行評估，準確率在99%以上。AI在基因檢測中有著不可比擬的優勢，正逐漸影響著整個醫學行業，但由于存在技術水平、費用、倫理學等問題，限制了AI基因檢測的推廣使用。

3 AI中醫健康管理模式

3.1 文獻研究現狀分析

目前，我國正在嘗試將治未病理論與健康管理理念融合，打造具有中醫特色的中醫健康管理模式。以中國知網（CNKI）為數據來源，以“中醫健康管理”為主題檢索2006年～2020年的文獻，共728篇，人工排除不相關文獻后，共獲得608篇，以CiteSpace為工具，得到關鍵詞共現知識圖譜（圖3）、關鍵詞共現時區視圖（圖4）、2006年～2020年中醫健康管理突現詞（圖5）。關鍵詞共現圖譜及時區圖可以看到，該領域研究重點和方向的變化趨勢。通過圖3可以看到高頻關鍵詞有“健康管理”“治未病”“中醫健康管理”，代表了該領域的研究重點，結合圖4看到，在中醫健康管理的基礎上，越來越重視臨床的實際運用與技術發展，2008年開始出現“糖尿病”“高血壓”“2型糖尿病”等疾病相關名詞，2010年逐漸出現“智能分析”“研發分析”“技術探析”，近幾年更出現了“互聯網+”“大數據”等與現代技術相關名詞。突現詞可以反映研究領域的前沿與趨勢[25]。圖5可以看到有4個突現詞，包括健康管理法、社區、中醫藥、社區健康管理。通過以上說明，中醫健康管理是當前實現中醫治未病發展的重要途徑，而如何將中醫健康管理結合現代科技應用于臨床實際、步入基層、實現對疾病的預防是其重點研究方向。

3.2 AI中醫健康管理模式的建立

建立AI中醫健康管理模式是實現治未病的根本途徑。目前，我國已經出現了多種形式的中醫健康管理模式，但基本是對中醫治未病理論上的延續[26]，現有治未病領域信息系統也存在諸多問題：（1）依靠收集體檢或就診時的信息建立數據庫，存在數據的來源不能固定、實時更新的缺點;（2）信息收集依靠問卷填寫，耗費大量人力物力，并且缺乏客觀化標準;（3）醫院自身治未病系統與醫院信息系統、醫院與醫院之間的治未病信息系統數據共享不方便等問題。AI的出現為解決這些問題提供了媒介，近幾年已經開始出現結合“互聯網+”、大數據等建立中醫健康管理模式的研究。AI中醫健康管理模式是借助人工智能、“互聯網+”、大數據等信息化技術，在統一的數據中心基礎上，建立中醫健康管理平臺，以治未病理論為指導，結合現代健康管理理念，通過智能化設備實時采集中醫信息，傳送到數據中心進行健康狀態分析，并針對個人參數特征進行精準靶向干預，自動匹配方案，及時對干預效果進行反饋、評價[27-28]，同時可實現治未病數據的長期管理和實時更新訪問。

通過AI對健康進行檢測、干預、評價，是中醫治未病思想在現代發展過程中最集中的體現。AI健康管理模式建立有兩大重點技術，一是數據的實時收集，二是中醫健康狀態的辨識。雷黃偉[29]等提出運用現代信息化技術手段加快研制家庭便攜式設備，實現實時互聯互動，并在此基礎上提出智能學習型機器人的研發，提高自主判斷能力，使智能機器人能完成從監測到預警，從干預再到評估全過程的自主參與，人機結合共同參與健康管理。陳淑嬌[30]等以體質辨識為指導，提出以證素辨證為核心，以宏、中、微三觀參數為基礎，以數據挖掘和信息處理等為手段和方法進行健康狀態辨識，是目前健康狀態辨識的熱門研究方向。

4 展望

目前，國家于2016年立項中醫藥信息標準研究與制定項目，開始中醫館健康信息云平臺信息標準化的建立，高度重視本領域工作，于2019年將治未病管理信息系統基本功能規范以團體標準發布，為治未病平臺信息化建設提供統一開放的信息標準，供社會查閱使用，該項工作標志著中醫人工智能治未病研究的信息標準化開啟。信息標準化是信息化的前提和基礎，智能化是信息化發展的必然趨勢，當前治未病與人工智能融合發展還處于起步階段，面臨著巨大的阻力，主要體現在：（1）中醫數據的有效性和科學性;（2）相關技術人才的缺乏;（3）技術的商業化和產品化;（4）倫理學問題。隨著時代的發展，中醫治未病領域必將成為人工智能應用最具潛力的領域之一，多學科融合發展，合理規避發展過程中出現的各種問題，促進中醫治未病從信息化邁向智能化發展，實現疾病的防治，維護人類身心健康。

參考文獻：

[1] 方銳，楊勇，郭清，等.從美國補充與結合醫學的發展談治未病與健康管理的思維范式[J].中國中西醫結合雜志，2020，40（11）：1381-1387.

[2] 袁冰，范鋼.中醫學如何走進人工智能時代[J].中華中醫藥雜志，2018，33（2）：698-703.

[3] 劉軍，韓燕鴻，潘建科，等.人工智能在中醫骨傷科領域應用的現狀與前景[J].中華中醫藥雜志，2019，34（8）：3608-3612.

[4] 陳菊，陶瑞卿，宋嵐，等.基于中醫優勢病種的辨證論治平臺[J].時珍國醫國藥，2017，28（10）：2552-2556.

[5] 蘇靜靜，張大慶.世界衛生組織健康定義的歷史源流探究[J].中國科技史雜志，2016，37（4）：485-496.

[6] 黃欣榮，鐘平玉，馬綱.人工智能與中醫智能化[J].中醫雜志，2017，58（24）：2076-2079，2106.

[7] 趙文，徐佳君，周常恩，等.中醫與人工智能的探討[J].福建中醫藥，2019，50（5）：46-48.

[8] 葉培漢，何清湖，楊磊，等.基于SWOT法治未病現代化裝備發展戰略研究[J].世界科學技術-中醫藥現代化，2020，22（7）：2447-2453.

[9] 姚敬心，鄧文祥，李靜，等.中醫輔助診療系統在醫療活動中的應用現狀及發展分析[J].中國中醫藥現代遠程教育，2019，17（15）：55-57.

[10] 葉健成.利用部分中醫思想結合現代科技應用闡釋“中醫西釋治未病”理念[J].中華中醫藥雜志，2016，31（4）：1142-1145.

[11] 張瑩瑩.基于知識圖譜的舌像診療系統研究與構建[D].成都：電子科技大學，2019.

[12] 王松.中醫面診客觀化中若干圖像分析技術研究[D].杭州：浙江理工大學，2012.

[13] 王立文.基于深度學習與條件隨機場的多標記學習方法的中醫問診建模研究[D].上海：華東理工大學，2013.

[14] 王宇春.脈象信號人工智能辨識[D].秦皇島：燕山大學，2006.

[15] 趙文，林雪娟，閔莉，等.中醫思維的內涵與外延[J].中華中醫藥雜志，2020，35（1）：46-49.

[16] 趙文，張佳，徐佳君，等.四診合參智能化發展現狀及實現路徑[J].中醫雜志，2020，61（1）：58-62，67.

[17] 陳菊，嚴小英，裴敬，等.中醫臨床辨證論治輔助診療系統[J].世界科學技術-中醫藥現代化，2015，17（12）：2436-2442.

[18] Chen J，Yang D X，Cao Y，et al.Syndrome differentiation and treatment algorithm model in traditional Chinese medicine Based on disease cause，location，characteristics and conditions[J].IEEE Access，2018，6：71801-71813.

[19] 蔡菲菲，馬立新，胡元佳，等.“AI+中醫藥”：邁向智慧中醫藥時代的新途徑[J].世界科學技術-中醫藥現代化，2019，21（9）：1968-1973.

[20]可預測老年癡呆癥患病概率Avalon AI醫學影像診斷玩出新花樣[J].中國醫學計算機成像雜志，2016，22（4）：378.

[21] Weissleder R，Mahmood U. Molecularimaging[J].Radiology，2001，219（2）：316-333.

[22]分子影像人工智能專家共識（2019版）[J].中華核醫學與分子影像雜志，2019，39（12）：748-751.

[23] Arabi H，Zaidi H.Applications of artificial intelligence and deep learning in molecular imaging and radiotherapy[J].European Journal of Hybrid Imaging，2020，4（1）：17.

[24] 龔珂，肖鈞方，劉香婷，等.乳腺癌易感基因相關研究現狀[J].現代腫瘤醫學，2020，28（23）：4184-4190.

[25] 王艷秋，孟翔鶴，秦靜波，等.基于Citespace的中醫藥治療過敏性紫癜可視化分析[J].中國實驗方劑學雜志，2020，26（10）：173-179.

[26] 鄭思思，郭華玲，張夏天，等.可穿戴設備在中醫藥健康管理中的應用與展望[J].世界科學技術-中醫藥現代化，2019，21（12）：2678-2683.

[27] 陳錦明，劉瑞芳，王維斌，等.中醫健康管理原則的探討[J].福建中醫藥，2019，50（4）：43-45.

[28] 夏淑潔，楊朝陽，李燦東.智能化中醫“治未病”健康管理模式探析[J].中華中醫藥雜志，2019，34（11）：5007-5010.

[29] 雷黃偉，陳淑嬌，李燦東.中醫健康管理參與慢病管理的原則[J].中華中醫藥雜志，2019，34（7）：2880-2882.

[30] 陳淑嬌，李燦東.論大健康背景下的中國特色的中醫健康管理模式[J].中華中醫藥雜志，2017，32（11）：4789-4792.

【通聯編輯：唐一東】

收稿日期：2021-11-15

基金項目：國家自然科學基金（No.81804222）：基于深度學習的“因位性勢”四維中醫辨證論治算法模型設計;國家重點研發計劃中醫藥現代化研究（No.2018YFC1704104）：便攜設備健康服務云平臺構建及示范應用研究;四川省衛生健康委員會科研課題（No.20PJ168）：基于自動編碼器和RNN結合的深度學習方法對肺系疾病進行臨床診斷的應用研究;成都中醫藥大學杏林學者（No.QNXZ2018042）;成都中醫藥大學2020年大學生創新創業訓練計劃國家級立項課題（S202010633029）：基于DAELA-LSTM神經網絡構建痛經專有性中醫辨證模型;成都中醫藥大學2020年大學生創新創業訓練計劃省級立項課題（S202010633155）：國際中醫在線助疫情;成都中醫藥大學2020-2021年大學生科研實踐創新課題（ky-2021033）：LSTM神經網絡在中醫胃病病型診斷中的實現

作者簡介：楊璠（2000—），女，重慶人，本科在讀，研究方向為中醫學;李連新（1998—），女，四川成都人，本科在讀，研究方向為中醫學;通信作者：陳菊（1987—），女，四川成都人，助理研究員，碩士，主要從事中醫數字化工作。