人工智能技術在中醫辨證論治中的研究進展

劉超武，白融，姜廷楨，朱振剛

(天津中醫藥大學第一附屬醫院，天津 300381)

0 引言

人工智能技術(Artificial Intelligence，AI)是賦予機器人類的思考和感受的能力，擬人類的生理結構，使機器達到甚至超越人類的智能[1]。辨證論治是中醫學主要特點之一，運用中醫學理論辨析與疾病相關的臨床特點以確立疾病證型，然后選擇正確的治則治法來治療疾病的過程。隨著大數據、計算機視覺技術、語音識別技術等人工智能技術的迅速發展，以及多學科的交叉互通，人工智能技術逐步滲透到醫學領域。而從現代化診斷與治療技術的角度來看，中國傳統醫學在辨證論治方面存在主觀成分多、標準化程度低等問題[2]，為了解決這些問題，研究者考慮將人工智能技術與中醫辨證論治相結合，以實現中醫辨證診斷與治療的客觀化、精確化、智能化。

1 人工智能技術與中醫辨證相結合的發展

為促進人工智能技術與中醫辨證論治結合發展，達到中醫辨證客觀化的目的，諸多學者不懈努力，使中醫舌診中的舌質診斷比如舌的紋理、舌苔診斷(主要是舌苔潤燥)和舌色診斷的智能化。除此之外，也有學者將中醫四診采集系統與計算機分析技術相結合并創建出某些疾病的辨證模型與診斷公式。

1.1 人工智能技術與望診

望診是指醫生通過觀察患者的全身、局部以及排出物等，以了解患者健康狀態或診察患者的病情。隨著現代化技術的日益發展，諸多學者將中醫望診與人工智能技術相結合，使病史采集更加全面，辨證論治更加客觀化、精準化、智能化。

許多學者利用計算機視覺技術對中醫望診進行客觀化研究。如楊晶東、張朋基于遷移學習的全連接神經網絡舌象分類方法對正常舌象、裂紋、厚苔、點刺、齒痕和剝落苔6種不同舌象進行分類識別[3]。謝濤等人利用灰度積分投影、二分光反射模型等技術對舌苔的潤燥進行識別，同時開發了便攜式舌診系統[4]。王昇，劉開華等人通過斑點檢測算法等計算機技術對點刺舌和瘀點舌的特征進行智能化提取，實現舌診客觀化[5]。劉國正等人基于神經網絡模型中醫舌象分類模型區分正常人、熱證患者及寒證患者的舌象，且準確率可達到80%以上[6]。肖慶新等人也利用神經網絡模型對舌象圖片進行特征性地分析、處理，并開發舌苔顏色分類模型輔助中醫診斷，且準確率可達94.8%[7]。該類研究均運用了計算機圖像分析技術對舌象進行客觀化地分析與識別，推動中醫辨證論治向智能化發展的方向邁進。

劉鳳群等人采用中醫四診儀采集患者的舌象、面象等信息，通過圖像采集分析系統得出特征性參數，再經計算機智能分析技術得出參數報告以判斷2型糖尿病患者證型，在臨床上輔助醫師對2型糖尿病患者進行辨證[8]。該項研究雖然只進行了對2型糖尿病的智能化辨證診斷研究，但讓這類疾病的診斷更加精確，而且有助于未來的研究基礎上改進或深入，以達到疾病診斷的客觀化、精確化，推動人工智能技術與中醫診斷結合發展，促進中醫現代化發展。

1.2 人工智能技術與聞診

聞診指醫生利用聽覺和嗅覺對患者的健康狀況進行評估并辨證診斷的過程。隨著人工智能技術在中醫辨證論治過程中愈加廣泛的應用，科研人員開始利用語音識別技術和語音信號處理技術對聲音參數進行特征化分析處理，目的是將人工智能技術與中醫聞診結合，以促進中醫聞診的客觀化發展。

沈小靜等人基于機器學習、以小波分析為主的語音識別等技術，對氣虛患者、陰虛患者和正常人的語音特征參數進行提取、分類、識別，并設計了中醫聲診分析系統軟件[9]。該研究通過對聲音信號的處理初步實現了聲診的客觀化，為中醫辨證論治的客觀化發展提供了素材。然而該研究的范圍僅局限于氣虛與陰虛兩種證型聲音參數的分析，而中醫辨證論治過程中不僅僅只是對這兩種虛證識別，因此中醫聲診的客觀化研究任務依然艱巨。

鄢彬等人用“中醫聞診采集系統”軟件，基于小波分析法，對肝郁脾虛、心脾兩虛、心腎不交證型患者的語音信號進行分解與重構，分析得出了這三種證型的不同的語音參數[10]。在現代醫學領域，這三種證型是臨床上常見的與情志相關的證型，涉及這些證型的人群或許處于亞健康狀態，或處于疾病發展的狀態。此項研究利用語音處理技術對不同證型的語音參數進行探索分析并準確判斷證型，將中醫辨證論治客觀化，填補了現代醫學在此領域治療的空缺，突出了中醫在此類疾病治療中的優勢。

胡贛以《黃帝內經》五臟五音理論為基礎，五臟對五音，利用計算機信息處理技術分析五音的聲音參數是否改變，判斷五臟是否發生病變[11]。該項研究既判斷五臟是否發生病變，又通過對不同情況下患者的特征性語音參數進行統計學差異分析，開發出一套行之有效的聲音診斷操作系統，擴展了中醫聞診的數字化、智能化發展版圖，使中醫辨證論治的客觀化發展邁出堅實的一步。

1.3 人工智能技術與問診

問診指醫生對患者或患者家屬進行有目的的詢問以了解患者的健康狀況，并進行辨證診斷的過程。近年來隨著現代化科技的快速發展，許多需要人為判斷的問題可以通過計算機軟件或程序完成結果推理與判斷。

許多學者基于機器學習技術與數據挖掘對中醫問診智能化研究做了大量工作。如王立文以慢性胃炎患者的中醫問診數據為研究樣本，利用多標記學習方法建立慢性胃炎中醫證型的分類模型[12]。該研究的優勢在于對癥狀與癥狀、癥狀與證型、證型與證型之間的關系進行數據挖掘，打破了傳統依賴于有監督或者無監督方法如聚類向量機等進行中醫辨證客觀化研究的桎梏，適用于對臨床實踐中一個患者可能表現出多種證型進行精確化、數字化辨證判斷，將中醫辨證論治的客觀化研究細化。任晉濤運用數據挖掘開發了中醫問診信息管理系統，該系統貫穿患者基本信息(包括癥狀)錄入、辨證模型訓練、辨證結果輸出、選取治療方案整個過程，實現辨證論治的智能化[13]。該研究是模式識別技術在中醫辨證論治客觀化、智能化發展領域的應用實例，比較完整的還原了依據問診進行辨證診斷以及治療的過程。這一系統存在局限性，如數據集不夠大，在有限的數據里得到的結果相對來說較為滿意，但面對海量數據成果如何不得而知。這兩類研究都運用了人工智能技術機器多標記學習的方法，將機器智能融入中醫傳統辨證方法中，更加精準的判斷病情，輔助臨床醫師對患者的診斷，也將中醫問診的過程數字化，使人工智能技術與中醫辨證相結合以促進中醫走向理性客觀的發展道路。

1.4 人工智能技術與切診

切診是指醫生利用觸覺了解患者的健康狀態及體征，從而進行辨證診斷的過程。脈診是切診的重要組成部分，也是辨證論治不可或缺的事實依據。然而，脈診具有定性化和主觀性等特點，這將影響辨證論治的精確性與可行性。從 20 世紀 70 年代起，諸多研究者對脈象的檢測、記錄及定性分析進行了一系列的研究，為智能化切診開辟了道路。

朱慶文以壓力脈診信息采集技術、脈動信息采集分析集成技術等各種復雜科學理論為指導，將脈動信息按照“位、數、形、勢”進行分析，構建了便攜式集成輔助診療設備[14]。該研究的優勢在于突破了傳統脈診智能化中壓力脈搏波分析的局限，對容積脈搏波進行分析，將中醫脈診相關基礎理論與計算機技術結合對脈動信息進行特征分析，在臨床上輔助醫生辨證診斷，以滿足患者的健康需求，使中醫藥發展向國際化的方向邁進。

王逸群等人基于脈象實時采集系統，利用各種信號處理技術對五種脈象(常、沉、促、滑、弦)數據進行預處理，使脈象識別的準確率高達90.8%[15]。與朱慶文的研究不同，雖然王逸群等人的研究僅是對壓力脈搏波的探索分析，但將脈診儀小型化、便攜化，基本滿足了脈象信號的采集、分析和判斷，讓中醫脈診有了更為客觀與規范的診斷標準，實現了中醫辨證論治的客觀化發展。但還存在一些問題，比如這個信息采集過程中或許會忽略患者的年齡和體質等因素對脈象帶來的影響。

楊海峰基于三路脈象檢測系統的脈診信息化服務平臺對寸、關、尺脈象進行同步分析與識別，結合機器學習技術對肝硬化患者和健康人的脈搏信號進行分類識別，建立了基于中醫脈診的個人健康信息管理系統，輔助臨床醫師進行辨證論治和對患者的健康狀況的評估[16]。這項研究不僅對一般脈象進行識別判斷，而且具象到某個單一病種，使得肝硬化患者的脈象識別更加規范、精確，在一定意義上實現了脈診的智能化，推進了中醫辨證論治客觀化發展的進程。

許多學者利用模式識別技術對中醫切診進行研究。如劉文濤基于小波變換理論和模糊聚類分析等方法對脈象進行分析與處理，并設計出中醫脈診電子專家病歷系統[17]。胡曉娟從模式識別的角度出發對中醫脈診信號感知與計算機輔助分析進行研究，且首次利用神經網絡模型對脈搏波進行識別與分類，并將得出的脈搏信息輸入到藥膳系統中以獲取相應的治療方案[18]。上述兩項研究對于相兼脈的識別與判斷仍然是一個空白的狀態，且在脈象智能化識別的領域中依舊處于探索階段。然而，它們將脈象中具有相同特征信號的脈象自動劃分歸類，從客觀的角度對脈象進行識別、處理與判斷，彌補了醫師在切脈與診斷時過于主觀的不足，是中醫脈診智能化發展的一個新思路，對于后來的中醫脈象客觀化研究和脈象識別系統的開發也有一定的借鑒作用，推進中醫辨證論治客觀化深度發展。且對于年輕醫師而言，這類型的創新會幫助他們快速積攢經驗，加深對于中醫相關理論的理解。

2 人工智能技術與中醫治療相結合的發展

自20世紀50年代以來，許多學者對人工智能技術與中醫辨證論治進行了深刻的研究探索，并取得了豐碩的成果。

許多學者基于病例研究做了大量工作，比如，楊健、楊麗、王燕、李蕾等研究組基于案例推理研究出智能化的中醫專家系統[19-22]； 彭明德等人基于案例推理創建了智能化中醫辨證論治系統[23]；李鋒剛等人基于案例推理設計了多檢索策略的中醫自處方系統[24]。這種基于案例推理的研究，在一定程度上解決了臨床中碰到的患者信息不明確、不完整、不一致時診斷困難的問題，將患者癥狀精確化，使得診斷與治療達到一定的準確率。這種研究不僅僅是一個診斷與治療的過程，還包括根據人工智能技術得出的診斷與治療方案的反饋，將行之有效的模塊納入系統，這就增加了辨證與診斷的精確度。

還有很多學者采用方證的方法進行研究。比如，陳擎文基于人工神經網絡建立傷寒論方-證要素、主證-藥物對應關系的數學模型，有智能判斷處方的功能[25]。肖曄基于陳潮祖教授“五經五緯”辨證綱領，使用計算機語言編程和不同的算法，構建醫案方證對應模型，將陳潮祖教授的辨證模式數字化，用于中醫診斷與中醫治療[26]。徐亮等人利用神經網絡模型，在名老中醫病例數據庫的基礎上以氣虛證為例建立了一種中醫辨證模型，該模型對氣虛證辨證的準確率可達83.3%[27]。

許多學者通過構建計算機程序或者軟件對中醫診療的智能化與客觀化進行研究。比如，盧朋等人以數據挖掘技術為基礎，對臨床醫生的醫案進行分析管理并開發集病、證、藥、方等信息檢索與分析于一體中醫傳承輔助系統軟件，輔助臨床醫師進行智能化診療[28]。于彤等人以數據挖掘、知識庫、語義維基等技術對古今外文獻、名醫醫案及經驗、中藥、方劑等理論的分析處理，并構建以互聯網為基礎的知識服務平臺，輔助醫師對哮喘疾病進行中醫診斷與治療[29]。李洪崢等人以數據挖掘、知識庫、語義維基等技術對古今外文獻、名醫醫案及經驗、中藥、方劑等理論的分析處理，并構建以互聯網為基礎的知識服務平臺，輔助醫師對哮喘疾病進行中醫診斷與治療[30]。楊蘊等人使用高斯核的嶺回歸算法對中醫肺癌病例資料進行分析研究，構建肺癌中醫處方系統，并將該系統應用于中醫治療[31]。這些研究在一定程度上提高醫師對疾病診斷的準確率，節省了醫療時間，提高處方的準確率和效率，從而提升醫療水平，促進中醫治療的客觀化、數字化發展。

另外還有諸多研究人員利用大數據分析進行中醫治療的規范化研究。例如，夏中尚等人基于大數據分析技術對文獻進行檢索與分析，得出糖尿病中藥治療的用藥規律[32]。趙曉華等人基于數據挖掘技術對2型糖尿病患者的證型及并發癥進行辨析，構建以大數據技術為基礎的數據平臺，輔助臨床決策與中醫治療[33]。段力等人基于大數據對中藥治療糖尿病周圍神經病變(Diabetic peripheral neuropathy，DPN)相關文獻進行歸納與分析，得出中醫治療DPN的診斷與用藥規律，更好地實現了中醫診斷與中醫治療的客觀化與規范化[34]。這些研究使用回顧性研究的方法，不可避免的會存在漏診或者誤診的情況。因未收集四診信息、實驗室檢查結果等，在數據完整性方面也有欠缺，疾病與證候的規范統一也得不到保障。但這些研究突破了人工智能技術與中醫治療結合發展的瓶頸，利用數據挖掘技術對疾病證候規律與用藥規律進行討論與分析，為臨床決策與治療提供參考，加快中醫治療客觀化與規范化的進程。

3 人工智能技術與中醫辨證論治結合發展的展望

歷經千年發展的中醫理論博大精深，導致中醫標準化與規范化較難實現，且中醫辨證論治又是一個寬泛的概念，在實際操作中所需要的數據較為龐大，對繁冗的數據進行分析與識別也較為困難，導致研究中醫辨證論治與人工智能技術結合發展的道路漫長且艱難。目前中醫辨證論治客觀化研究所涉及的領域也較為狹窄，且研究內容仍然不夠全面、僅局限于某一方面或者某幾個證型。因此中醫辨證論治的客觀化研究仍處于起步階段，還需要未來的學者們繼續進行深入研究與完善。

中醫與人工智能技術結合發展是未來不可抗拒的趨勢，其前途不可限量。各式的智能化中醫診療系統可以解決部分醫院掛號難、排隊難、就診難的問題。人工智能技術與中醫辨證論治結合發展，將開啟智能化、精確化、標準化、客觀化中醫發展的新時代，走進智能化中醫診斷與治療惠及人類健康的康莊大道。