基于數字孿生技術的智慧醫療現狀分析與中醫診療模式探討

李紅巖，郎許鋒，李 燦，周作建

（南京中醫藥大學 人工智能與信息技術學院，江蘇 南京 210023）

0 引言

中醫的“望、聞、問、切”診斷方法要求醫生依靠感官的敏感性來獲取信息，繼而在信息的基礎上利用經驗進行分析并作出準確判斷，其作為中醫的基本檢查手段可以實現辨證施治。然而，中醫的傳統診斷方法主要依賴于醫生自身的水平和經驗，針對同一病例的診斷，不同醫生之間可能有較大差異。此外，因受到時空限制，目前我國中醫醫療資源分配不均，大部分患者很難獲取優質的醫療資源。在當前中醫人才供給不足、診療負擔重、經驗要求高的情況下，中醫的標準化和數字化成為近年來的研究熱點。

與此同時，在全球制造業的激烈競爭中，正在興起新一輪的數字化制造浪潮。受此啟發和影響，醫療領域也開始了自身的數字化轉型與升級。目前，基于數字孿生技術的智慧醫療研究已進入蓬勃發展階段。而在我國政策、需求、市場和技術的共同推動下，數字化浪潮的涌現必將為中醫行業解決一些痛點問題，例如診療必須當面進行以及診療過程難以標準化等問題。伴隨著數字孿生技術的進步和應用，數字孿生有望成為改變中醫行業現狀的有效切入點，為中醫的遠程會診、人機協同會診、預測預警以及診療一體化提供可能。本文對基于數字孿生技術的智慧醫療現狀進行分析，并在此基礎上借鑒數字孿生技術在西醫領域和其他行業的發展，探討與設計基于數字孿生技術的智慧中醫發展模式，以期為中醫的數字化發展提供新思路。

1 基于數字孿生技術的智慧醫療現狀分析

數字孿生集成了人工智能和機器學習等技術，將數據、算法與決策分析結合在一起，建立物理對象的虛擬映射，以監控和模擬物理對象在虛擬模型中的變化。2011 年3 月，美國空軍研究實驗室提出機身數字孿生體（Airframe Digital Twin）這一概念［1］。隨著智能制造的發展，數字孿生一詞的曝光率大為增加。各國工業界和學術界開始陸續針對數字孿生技術的構建、概念內涵進行了深入研究［2-4］。然而，與智慧醫療和工程制造業中的物理產品與過程相比，基于數字孿生技術的實體之一——人體構建數字孿生的復雜性更高。幸運的是，鑒于當前先進的科學技術和廣泛的模擬能力，構建數字孿生體來建模人體的不同部位已成為可能。在醫療領域，數字孿生技術可為整個人體、人體的部分系統或功能，以及如細胞/亞細胞等較精細級別的身體器官構建數字孿生體，并通過患者的電子病歷及相關數據，增強個性化的研究能力，以更精準地為個體進行診斷和治療［5-6］。此外，數字孿生技術也可為醫院構建數字孿生體，以更好地計劃、監控和優化醫院的運行，甚至可以通過涵蓋一個家庭或不同人口群體中的不同個體實例來構建數字孿生集合，以實現人體數字孿生銀行，使得臨床試驗匹配成為可能。

為進一步分析基于數字孿生技術的智慧醫療研究現狀，本文構建檢索策略進行研究文獻的檢索和分析。由于數字孿生技術在醫療領域的應用剛剛起步，研究文獻較少，因此在檢索時將范圍擴大到與“數字人”或“數字孿生”和“醫療”、“養生”及“中醫藥”等關鍵詞同時出現的主題，以充分調研數字孿生與醫療相關的研究文獻。本文在CNKI 中通過設定檢索模式SU=（'數字孿生'+'數字人'）and SU=（'醫學'+'醫療'+'健康養生'+'中醫藥'）進行專業檢索，并限定學術期刊進行手工篩選，最終選定52 條記錄；在Web of Science 核心合集中通過設定檢索模式TS=（（'digital-twins' OR 'digital-human'）AND（'medical' OR 'medicine' OR 'health' OR 'TCM '））進行高級檢索，并去除信函、摘要、書籍、會議論文等類型，最終選定110 條記錄。對以上檢索結果進行文獻計量，并通過CiteSpace5.8.R3［7］構建科學知識圖譜進行可視化分析。

分析相關主題發文情況，2011—2022 年CNKI 與WOS發文量統計如圖1 所示。由圖1 可見，自2017 年以來該研究主題的文獻數量急劇增加，2017—2022 年，CNKI 每年發文量平均為前一年度的1.73 倍，WOS 每年發文量平均為前一年度的2.08 倍。2023 年初至6 月底，CNKI 發文已有9篇，WOS 發文已有31 篇，預測2023 年該主題的研究文獻數量必將再創新高。由此可見，該主題逐漸吸引了越來越多學者進行分析、探討和研究。

Fig.1 Publication statistics of CNKI and WOS during 2011-2022圖1 2011—2022年CNKI與WOS發文量統計

根據WOS 的發文情況，進一步分析參與該主題研究的國家和機構。如圖2 所示，中國、美國、德國、英國、意大利、法國、荷蘭、加拿大等國家在該領域發文較多，而參與研究的大多為大學院校和研究機構。從發文情況來看，杜克大學、斯坦福大學、迪肯大學、馬克斯·普朗克分子遺傳學研究所、德累斯頓大學、大連醫科大學、青島大學、復旦大學、天津大學、北京協和醫院、中國科學院大學、北京航空航天大學、奧克蘭大學、倫敦國王學院等均對基于數字孿生技術的智慧醫療產生了較為濃厚的研究興趣，且已有越來越多研究者不斷加入。

Fig.2 Country and institution distribution of WOS literatures圖2 WOS文獻的國家與機構分布

結合CNKI 和WOS 數據庫中已發表的研究文獻進行關鍵詞分析，并通過聚類視圖和時間線視圖進行展示。如圖3 所示，CNKI 中的文獻大多關注數字孿生相關概念的探討，如對數字醫生、平行醫生、聯邦醫院、平行醫院的構想與設計［8-9］，以及在醫學軟件、診療系統與微課視頻中的虛擬仿真模型構建，如醫學領域三維模型重建與修復［10-12］以及數字人在針灸推拿教學中的運用［13］等。研究熱點則從最初數字人、數字孿生概念的提出，到在實驗教學中進行虛擬仿真，再到近兩年逐步與人工智能等技術相結合而不斷演進。WOS 中的文獻多為針對具體方法，如圖像分類與分割、三維模型構建以及深度學習技術在乳房攝影術、醫學成像、核磁共振等領域的應用［6，14-16］。研究熱點包括基于數字孿生技術的算法設計，涵蓋從圖像分類到模型構建、感官反饋，以及醫療輔助設備和臨床診治等領域。

Fig.3 Keyword cluster analysis of literatures圖3 文獻關鍵詞聚類分析

數字孿生本身實際上是一個工程概念，其目的是通過計算的方式對系統進行建模，以便在現實生活中更快速、經濟地開發和測試各種復雜系統。數字孿生概念也可應用到患者身上，從而進行醫療保健和健康維護。除目前參與研究的大學和研究結構外，在歐洲還形成了一個跨學科的數字孿生社區Digitial Twins（https：//www.digitwins.org），由來自歐洲及其他地區，包括澳大利亞、中國、印度、以色列、日本、加拿大、美國等29 個國家118 家組織的200 多名合作伙伴，共同為創建數字健康創新生態系統而努力。

目前除理論研究外，許多研究機構也通過收集來自健康個體和患者的分子、基因組和其他大數據，為構建人類數字孿生體奠定了基礎［13-19］。一些初步的數字孿生應用研究已開始進行探索，如在美國藍色大腦項目的驅動下，Er? 等［20］發布了第一個包含整個老鼠大腦的三維圖譜；Corral-Acero 等［14］采用數字孿生技術構建心臟的數據機理模型，從而在虛擬世界預先進行心臟病手術預演，以提高真實世界手術的準確性和安全性；Cho 等［21］通過面部掃描和三維成像構建面部輪廓模型，并在此基礎上進行分析與評估，為韓國成年女性提供適當的正畸治療。還有部分研究關注于創建不同基因組的數字孿生患者，并考慮未來同時對諸如環境因素、治療副作用和疾病管理成本等相關因素進行建模來治療多發性硬化癥［22-23］。

在我國中醫藥領域，近年來也開始有學者關注數字孿生與中醫藥的結合。如天津中醫藥大學李正教授團隊關注中藥智能制藥技術，并將數字孿生技術應用其中，提出一系列解決方案［24-25］。在中醫診療領域，雖尚未明確應用數字孿生技術，但基于多模態信息融合的中醫智能化探索［26］、針灸經穴三維數字模型構建［27］等都在為將數字孿生應用于中醫診療領域作準備。

2 基于數字孿生技術的中醫診療模式探討

數字孿生技術為物理世界與數字世界搭建了一座橋梁，但其在醫療健康領域的應用才剛剛起步。從上述分析來看，相關研究目前主要集中于西醫中的三維器官構建和基因組層面的模型構建，卻很少涉及中醫領域。而數字孿生技術運用于健康領域可通過對孿生數據的理解與觀測對生物人體可能發生的疾病進行預警，這剛好貼合了中醫的“治未病”思想。中醫在整體觀念的指導下講求“同病異治、異病同治”，通過上述數字孿生技術在西方醫學中的研究和應用，數字孿生技術同樣可借鑒并為中醫的個性化與精準醫療提供可能。借助數字孿生技術進行中醫診療研究，不僅為中醫診療的數字化提供了新思路，利用標準化的中醫診斷數據吸引更多領域專家參與相關研究，而且為中醫學在世界范圍內的普及提供了可能。因此，設計和探討基于數字孿生技術的智慧中醫模式將有利于中醫的進一步發展、傳承與創新。

2.1 中醫診療數字孿生技術體系

借鑒數字孿生技術在智能制造、航空航天以及西方醫學等領域的應用模式［28-29］，在中醫診療中應用數字孿生技術將依賴于多領域先進技術的發展。本文將中醫診療數字孿生技術體系也類似地劃分為數據保障層、建模計算層、功能分析層和人機交互層，如圖4所示。

在中醫診療數字孿生技術體系中，數據保障層主要用于中醫診療數據的采集、傳輸和存儲管理。為實現這一目標，可利用如舌診儀、面診儀、目診儀、聲診儀、電子鼻、智能中醫問診系統以及脈診儀等高性能的傳感器捕獲與采集在中醫診療中可用于“望、聞、問、切”的舌像、面像、目像、語音、氣味、問答、脈圖等數據。相關數據的采集在時間上可跨越母嬰期、嬰幼兒、兒童、成年、老年以及臨終關懷等各個階段，以實現全生命周期的數據管理。貫穿不同人群全生命周期的海量數據存儲將依賴于分布式存儲系統和云存儲技術，可結合Pig、Hive、Sqoop 等分布式數據庫技術和Oracle、SQL Server、MySQL 等傳統關系型數據庫技術實現穩固的數據存儲。此外，基于Kafka、Logstash、Sqoop 等技術的高性能數據傳輸可為后續數據分析，特別是實時分析提供保障。

建模計算層在數據保障層提供的海量數據支撐下，可借助計算機視覺、自然語言處理、數字信號處理和機器學習等方法完成中醫數字孿生三維人體建模，以及對孿生數據的初步分析與挖掘，可更全面、準確地進行中醫癥狀及指標數據測量與理解。在此環節，構建三維中醫人體的關鍵在于將在物理世界中可觀測的真實人體，通過采集到的數據還原并建立數字世界中的虛擬孿生體。三維人體構建可采用手工建模、視頻重建、圖像重建等方式進行，由于目前各醫療機構存儲的多為二維的舌、面像數據，因此考慮采用二維圖像到三維形體的重建技術完成，如采用三維形變模型、深度學習、對極幾何、One-shot learning 等方法。近年來，基于深度學習的三維重建方法在質量和效率上都顯示出良好效果。可根據神經網絡學習二維圖像中所蘊含人臉特征、表情和紋理基數的相關參數，在平均人臉形狀和紋理基礎上，利用這些參數通過生成網絡生成三維模型。整個網絡則采用圖像損失（二維圖像與三維模型渲染后的像素差異）和感知損失（二維圖像與三維模型渲染后的特征差異）的加權和作為總損失進行網絡訓練。在此基礎上，可進一步采用球諧函數估計場景光得到光照模型，采用透視投影，選擇合適的焦距計算相機模型，以實現更好的仿真效果。對于其他生理和生化模型中的孿生數據，則可采用統計分析方法對數據的構成及分布情況進行初步分析，以了解不同體質人群中年齡、性別、地域等的特征差異，從而更好地理解數據。

功能分析層基于中醫數字孿生體模型和數據積累，可依托領域知識與學習方法面向中醫診療提供相應功能，如構建多模態信息融合的診斷模型、健康狀態反饋模型和診療效果預測模型等。盡管目前中醫診療智能化領域已有基于面像、舌像、聲診或脈圖等某一種診斷數據進行的體質辨識或疾病預測，但實際上人類對世界的感知是多模態的，利用不同類型的感知器官從多模態的角度探查身體健康狀況，這正是中醫“四診合參”的理念所在。此外，不同模態的信號通常包含不同角度和類型，彼此之間可以相互消除歧義，可以更全面地進行健康探查和診斷。因此，該環節的關鍵是基于“望、聞、問、切”多種模態數據，通過聯合表征與協同表征等方式探尋多模態數據的互補性和冗余性，抽取關鍵信息，構建多模態表征空間。在關聯多種模態的基礎上，可借助SVM、隨機森林、深度神經網絡等技術完成人體健康的診斷、反饋與預測。

功能分析結果的呈現以及診療模型的交互反饋則由人機交互層來完成。人機交互層直接面向用戶，在該環節著重強調以人為本的設計理念，交互系統的設計不僅要在軟件和硬件上同時下功夫，而且要考慮到新型交互技術出現的可能性。在界面設計上則需要將肢體、感知與概念聯系起來，在考慮人與機器交互以及人與人交互的前提下創建整個交互環境，為用戶提供良好的人機交互體驗，如可支持患者自行發起的健康診斷、醫生發起的遠程會診，乃至醫生與計算機設備、醫療器械等共同完成的人機協同診療。

以上4 層架構展示了基本的數字孿生中醫診療技術體系，在該體系之上，未來仍需繼續梳理各層所涉及的知識領域與關鍵技術，在不斷充實理論研究的基礎上嘗試進行應用實踐，并結合應用實踐的反饋完善理論體系，從而實現基于數字孿生技術的中醫個性化與精準醫療。

2.2 中醫診療數字孿生結構分析

在中醫診療數字孿生技術體系設計的基礎上，可以基于數字孿生五維模型進一步思考分析中醫領域數字孿生應用的各結構關系。結合生物人體及健康醫療設備所采集的各項中醫診斷數據構建完整的數字孿生體，可進一步用于人體健康監控與預警、中醫遠程與人機協同會診、針灸推拿模擬及輔助調理診療，從而利用數字孿生技術創建中醫個性化健康管理與精準醫療的新手段。

基于數字孿生五維模型M=(P，V，S，D，C)［30］設計中醫診療數字孿生應用方法，并對五維信息給出描述。其中，P為物理實體，在中醫診療中包括生物人體及人體所蘊含的脈絡穴位等；V為虛擬實體，即通過多模態、多時空數據采集并建模復制出的虛擬人體，包括建模得到的能夠體現人體外觀、形態、尺寸、穴位和脈絡等的幾何模型，能夠體現生理特征的面像、舌像、目像、語音、氣味及脈圖等生理模型，甚至是可為中西醫結合提供補充的生化指標所構成的生化模型；S為中醫健康服務，即通過虛實聯動、人機協同技術進行服務封裝，從而提供便捷的健康監測與預警、體質辨識、遠程會診、虛擬針灸推拿演練、教學仿真、中醫藥分析與研發等服務；D為孿生數據，具體包括通過“望、聞、問、切”所得到的視覺、聽覺、嗅覺、觸覺等診斷數據，以及針灸、推拿及中藥成分分析等虛擬仿真數據、輔助生化數據、古籍和現代醫案記錄以及個體的歷史/統計數據等；C為實時數據傳輸與連接，即為以上各部分之間的互聯互通關系，這些連接保證了虛實數據的一致性，為真正實現虛實聯動的中醫診療提供可能。以上各部分示意及相互關系如圖5所示。

Fig.5 Application structure of digital twin in the field of traditional Chinese medicine圖5 中醫領域數字孿生應用結構

將數字孿生技術運用于中醫診療領域可通過檢查身體癥狀對可能發生的疾病進行預測和早期診斷，這與中醫“治未病”的思想不謀而合。在數字孿生驅動下構建三維中醫孿生體，并基于該孿生體實現多模態融合分析，可為中醫診斷數字化過程中實現“四診合參”提供借鑒。因此，通過建立數字孿生驅動的中醫診斷方法體系并對基本的應用結構進行分析，可更好地實現中醫診斷經驗的數字化，為模擬、監控、診斷、預測和調理人體健康狀況的全生命周期管理作準備。

3 總結與展望

伴隨著全球數字化浪潮的興起，基于數字孿生技術的智慧醫療引發了學術界和醫學界的廣泛關注。相關研究也從最初的數字孿生概念提出、教學演示、簡單的模擬仿真到多維虛擬模型構建，再到虛實融合對比分析，并與人工智能技術、互聯網技術以及多傳感器感知技術等相結合，嘗試實現真正虛實聯動的健康醫療管理并不斷演進。在未來研究中，如何實現物理世界與虛擬世界的虛實聯動，以及融合人類知識與機器學習的人機協同診斷將成為基于數字孿生的智慧醫療真正落地實施所必需研究與解決的兩大問題。

中醫作為我國傳統文化的瑰寶，幾千年來一直為我國人民的健康保駕護航。而中醫診療依靠在臨床試驗中不斷總結、摸索，需要較多經驗，且其經驗往往更具個性化，導致發展較為緩慢。為突破中醫發展的瓶頸，實現中醫的客觀化、標準化和數字化，眾多學者已進行了多年研究，并取得了很多成果。近年來，將數字化和人工智能作為中醫傳承創新的最佳助力已成為共識。近兩年，數字孿生技術在船舶車輛、航空航天、制造工業等領域大放異彩，在西醫領域也開始有了很多理論研究及初步應用。通過分析數字孿生技術在智慧醫療領域的應用研究，借鑒相關領域的一些做法，本文初步探討了基于數字孿生技術的中醫診療模式，設計了中醫診療數字孿生技術體系并思考相關應用方法，以期進一步通過多學科交叉融合深入探討關鍵技術實現方法，從而促進中醫數字化的進一步發展。