醫療大數據背景下的人工智能在中醫診斷中的應用研究

馬欣欣 萬生芳 魏昭暉 郭 倩 李榮科 張 磊 王小榮

(甘肅中醫藥大學基礎醫學院,蘭州,730000)

整體觀念、辨證論治是中醫學的基本特色,也是中醫診斷遵循的核心要義。整體觀念是指導思想,辨證論治是具體的實施方法。望、聞、問、切四診合參能夠全面收集患者病情資料,為辨證提供有力支撐。然而,中醫的四診方法具有一定局限性。首先,醫者主觀差異性較大。以脈診言,李時珍《瀕湖脈訣》中記載的每個脈象項下都記錄其相類脈,本身區分難度較大,加之每位醫者指腹敏感性不一,即所謂“心中了了,指下難明”,導致原始數據信息缺乏客觀及規范的采集標準從而影響診斷結果。其次,中醫術語的宏觀性模糊了診斷界限,加大了診斷難度。如中醫學將健康的人稱為“平人”,健康的狀態即用“陰平陽秘”四字概括,雖短小精悍,但需要一定的中醫學教育背景方能理解,且現階段驗證“陰平陽秘”的具體指標尚缺乏完整性。第三,四診方法的應用中尚缺乏明確定性、定量的客觀依據以判別疾病的嚴重程度、證候輕重等[1]。第四,中醫數據浩如煙海,僅憑借人為查閱文獻獲取相關信息,耗時耗力的同時且無法保證獲取數據的完整性。上述問題均制約了中醫藥事業的傳承、發展與創新。隨著現代科學技術的發展,中醫診斷方法受診斷者主觀判斷影響較大,因此,有必要將有效的客觀檢測手段引入到中醫領域[2]。大數據、5G人工智能迅速崛起為中醫的發展帶來了希望,將現代科技賦能傳統中醫將有望解決傳統中醫難題。

智能醫療是大數據信息時代的先進產物,我國已將人工智能與醫學的結合上升到國家戰略的高度。2021年6月17日,神舟十二號載人飛船成功發射,空間站在軌飛行期間,醫監醫保人員通過中醫四診儀等設備,結合建立“面診、舌診、脈診”據庫等方式分析航天員身體指標數據,通過望、聞、問、切的手段為航天員健康護航,中國空間站首次實現天地診斷。中醫學強調人與自然相統一,與外界環境相統一,這種“整體觀念”對探尋解決航天特殊環境具有指導意義。此次中醫進駐空間站是中醫向國際化進發的重要體現,也是人工智能在中醫診斷中的顯要應用。人工智能為中醫的信息化發展以及中醫研究的深入推進提供了機遇。在醫療大數據背景下使人工智能為中醫研究應用,推動中醫藥事業的長久發展是一項值得深思的研究課題。

1 醫療大數據、人工智能概述

大數據是指無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據合集,稱之為“巨量資料”,其基本特征是數據規模大、種類繁多、價值密度低、處理速度快,而所有與醫療及健康相關的海量數據均可被稱為醫療大數據[3-4]。廣義醫療大數據包括含電子健康檔案、生物醫學影像和信號、自發性報告系統等的臨床大數據;包括對個人健康產生影響的生活方式、環境和行為等方面的健康大數據;包括從生物醫學實驗室、臨床領域和公共衛生領域獲得的基因組、轉錄組學、實驗胚胎學、代謝組學等在內的生物大數據;各類醫療機構、社保中心、商業醫療保險機構、藥企、藥店等運營產生的運營大數據[5]。醫療大數據的有效使用有利于提升醫者工作效率、提升醫療質量、加強數據整合完整性,從而積極反饋于社會、經濟、公眾健康等方面。因此,醫療行業已逐漸以醫療大數據為背景展開深入研究。

人工智能是研究和開發用于模擬、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技術科學,1956年在Dartmouth學會由McCarthy提出“使一部機器的反應方式像一個人在行動時所依據的智能”,狹義的人工智能是針對某特定領域的智能計算機系統,而通用人工智能囊括了人類智能行為規律、智能理論方法的研究,其主要研究領域包括專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、智能決策支持系統及人工神經網絡等[6-7]。日趨成熟的人工智能技術的日趨成熟與中醫診療技術形成互補的態勢,為中醫診療技術注入了新生命[8]。

2 醫療大數據為中醫診斷智能化提供基礎

中醫診斷是連接中醫理論知識與臨床實踐的橋梁,是診察疾病過程中的主要環節。中醫診斷技術以四診合參為主,其主觀性強、重復性差是其面臨的主要問題。從古至今,中醫藥文化的傳承方式以師承制為主,即學者著重學習師者的臨床經驗,而經驗是在大量重復、收集病例數據的基礎上的個人主觀判斷,實際上就是醫療大數據的積累和分析轉化后的結果。由于缺乏統一判定標準,且學生領悟能力參差不齊,無法保障學生有效的吸收各醫家學術精華,因此,如何高效傳承前輩臨床經驗是亟待解決的問題。中醫學強調的整體觀念與大數據追求的全樣本存在具有思維觀念上的一致性[6]。大數據把望、聞、問、切的主觀體驗變成了可以采集、存儲、傳遞與處理的具有主體間性的客觀數據,使得中醫學像西醫學、物理學等自然科學一樣,成為大數據技術下數據化的精準科學。[9]。大數據平臺的興起,有助于克服術語不統一、辨證體系不統一、轉化與推廣困難的問題。中醫診斷的客觀化、標準化指數越高,越有助于形成更加可靠的診斷結果。

現代科學技術的迅速發展已將有效的客觀檢測手段引入到中醫領域。夏淑潔等[10]對1979—2019年間數據挖掘在中醫診斷領域應用研究中的高頻關鍵詞進行了整理,結果顯示了“辨證論治”“計算機”“中醫診斷”“人工智能”等關鍵詞在此期間有較高的研究熱度及重要地位。醫療大數據技術應用的意義不在于掌握龐大的數據信息,而在于將這些具有意義的數據進行專業化處理,挖掘出更多有價值的信息用于指導臨床,提升中醫臨床診斷技術。中醫藥文化源遠流長,數以萬計的中醫診斷數據無法實現全部吸收利用,通過大數據將數據信息在有限的時間和精力中進行有目的的分析和研究,并結合數據可視化技術將中醫數據進行直觀展示,為中醫診斷智能化提供了依據。

3 人工智能在中醫診斷中的應用意義

3.1 高效數據挖掘 數據挖掘是指在網絡上進行的一系列數據信息共享和對話,人工智能技術可高效利用自身技術為數據應用設定對應的標準,同時將這種標準儲存在自己的數據庫中[11],有助于準確且充分挖掘眾多醫學書庫中所蘊含的豐富信息,推動進一步深入了解機體錯綜復雜的內在關聯和變化規律,以及機體和外環境之間的相互影響。自計算機進入醫學領域后,一些較精確而復雜的數學方法,如多元分析已逐步得到廣泛應用[12],人工智能技術與中醫診斷相結合,能充分發揮人機互通,數據共享等優勢,為中醫學的發展和傳承提供了新的模式[13]。

3.2 輔助臨床診斷 名老中醫經驗復制困難的問題由來已久,利用人工智能技術將各家學術思想、診療經驗進行整合,形成在線的學習及診療輔助工具,便于學習者通過智能算法模擬中醫診斷疾病思維模式,極大地擴展了學習深度和廣度,助力中醫理論規范化和客觀化研究,為中醫診療提供智能信息支持。人工智能技術為醫師提供電子病歷、協助診斷與開方等功能,方便患者進行遠程診斷,提高診療速度、緩解中醫專家的壓力。ZHANG等[14]提出基于人工智能的中醫診斷系統,該系統使用帶有條件隨機森林的雙向長短期記憶網絡對自由式電子健康記錄的筆記進行處理,將形成的結構化數據提取特征并進一步矢量化,最后利用卷積神經網絡,可以從非結構化的自由式電子健康記錄中診斷出187種中醫常見疾病并預測其相關的綜合征。文杭等[15]通過篩選與中醫診療智能化相關的文獻,將結果歸為中醫四診、中醫辨證、健康管理等方面,最終得出人工智能技術的應用使得中醫診療技術更為精準、可視化,可有效指導臨床的診療。由此可見,人工智能可輔助醫師進行更為高效的中醫診斷。

3.3 助力四診信息客觀化 目前,制約中醫診斷學發展的瓶頸主要有四診信息規范化、客觀化采集,中醫診斷術語規范化等方面[16],進行基于基準術語庫的人工智能自然語言處理,以便實現對各時代的醫案、文獻進行智能讀取,是目前中醫診斷術語范疇內較為可行的方法之一[17]。將多種人工智能算法與中醫四診儀器聯合使用,使傳統診斷方法與人工智能的信息數據對接。SHI等[18]采用智能舌診分析儀和脈診分析儀分別收集了163例非小細胞肺癌氣虛證患者、174例陰虛證患者和185例健康對照者的舌象和脈象,并對舌脈數據的相關性進行了檢驗,采用隨機森林、Logit模型、支持向量機和神經網絡4種機器學習方法,分別建立了基于癥狀、舌和脈、癥狀、舌和脈的分類模型。結果顯示,利用舌象和脈象資料作為非小細胞肺癌氣虛、陰虛證的客觀診斷依據是高效可行的。朱培超等[19]基于中醫思維建立人工智能數據庫,人工智能通過大數據將舌診精準化、量化以及科學化,并能及時反映病變狀態,逐漸形成較為成熟的以中醫舌診為導向的智能診斷系統平臺。宮愛民等[20]通過分析海南海口市肝纖維化患者臨床舌面數據特征,獲得肝纖維化患者定量及客觀化數據資料,將望診客觀化應用于臨床研究,在一定程度上規范了中醫師臨床收集病情資料的操作,提高疾病信息采集的準確性。脈診儀、面診儀同樣采用相同的原理采集患者信息以輔助診斷,助力四診信息客觀化。相關研究通過應用中醫面色監測儀采集慢性腎衰患者不同分期的面色特征信息,力求通過計算機與圖像處理技術的融合,將肉眼所不能判斷的信息精確轉化為科學數字表示出來,從而為慢性腎衰竭不同分期提供一種行之有效、簡便易行且科學的物理診斷方法。

4 人工智能輔助中醫診斷面臨的挑戰

人工智能中醫專家系統可對患者的臉部異常以及舌象異常作出判斷,且對圖像識別的要求更加嚴格[21],在人工智能輔助中醫診療加快推進診療數據的數字化、標準化的同時也面臨著不可規避的挑戰。

4.1 四診信息采集標準不統一 人工智能四診信息診斷儀器的開發和利用是否高效、保真,其源頭環節在患者就診信息的采集期。大至地域、環境、個人經驗等的差異,小至患者就診時的姿勢、燈光條件、時間長短等問題,皆無統一標準。此種帶有偏差的“個性化診療”結果是不可復制的,為人工智能在中醫診斷中的開發和應用帶來了巨大的困難。因此,開發更為精準的人工智能儀器,規范四診信息化采集至關重要。

4.2 中醫診療儀器的局限性 與國家總體醫療設備數量相比,經注冊的中醫診療設備等相關產品僅占我國醫療器械注冊總數的0.34%[22],且超過95%的中醫類設備屬于“理療、磁療、電療”3類,多集中應用在康復和治療方面,而用于診斷的設備極為匱乏,公認有效的中醫診斷設備非常稀少[23-24],如何利用人工智能技術研發出具有高效臨床使用價值的中醫診斷輔助診療儀器是目前需要解決的重要問題。

5 小結

醫療大數據和人工智能的蓬勃發展為中醫診斷的客觀化和標準化提供了技術保障,人工智能在中醫診斷中的應用既迎合潮流也具有現實意義。中醫診療技術不可能全部依靠人工智能完成,將人工智能與中醫診斷有機結合,可以收集并分析大量的中醫診斷信息,實現更加便捷、準確的在線診療,緩解人工診療壓力,同時為民眾享受高質量的中醫醫療衛生服務提供可能。盡管人工智能在中醫診斷的應用方面取得了一定的成績,但目前也存在中醫大數據共享不充分、醫療數據質量不高,缺乏統一的中醫大數據標準,人工智能診斷的準確程度報道較少等問題。疾病和綜合征之間呈現出非一對一映射的復雜關系,加大了人工智能輔助診療的難度。迄今為止,基于人工智能的中醫輔助診斷模型的報道屈指可數,而且僅限于單一疾病類型的應用。人工診療儀器的開發應重視對功能狀態的把握并突出中醫優勢,加快經驗化到客觀化的轉變,進一步培養多學科交叉人才,加快產研醫結合并完善人機互通、數據共享模式發展是促進人工智能應用于中醫診斷的有效手段之一,將為中醫發展并走向世界提供技術支持。

利益沖突聲明:無。