基于知識圖譜的中藥智能服藥服務系統的研究

熊旺平 劉世雄

摘? 要：為改善患者的中藥服法，更好地發揮中藥的臨床效果，走好中藥治療“最后一公里”，文章通過研究人工提取和關系抽取方法，挖掘中醫古籍服藥方法并構建中藥服藥知識圖譜，采用RFID系統、物聯網技術以及多向傳感器開發中藥服藥杯墊，構成中藥智能服藥服務系統。形成具有2 000多首方劑的中藥服藥知識圖譜，通過智能服藥杯墊動態獲取數據庫中的服藥信息。結果表明，中藥智能服藥服務系統的研究既為患者服用中藥提供幫助，又推動中藥臨床應用向智能化方向發展。

關鍵詞：中藥服法；知識圖譜；RFID；服藥系統

中圖分類號：TP273+.5；R95? 文獻標識碼：A? 文章編號：2096-4706（2023）18-0137-06

Research on Intelligent Medication Service System of Traditional Chinese Medicine Based on Knowledge Graph

XIONG Wangping， LIU Shixiong

（School of Computer Science， Jiangxi University of Chinese Medicine， Nanchang? 330004， China）

Abstract： In order to improve the patient's traditional Chinese medicine medication， better utilize the clinical effects of traditional Chinese medicine， and take the “last mile” of traditional Chinese medicine treatment， this paper explores the methods of manual extraction and relationship extraction， excavates the traditional Chinese medicine ancient book medication methods， and constructs a knowledge graph of traditional Chinese medicine medication. The RFID system， Internet of Things technology， and multi-directional sensors are used to develop traditional Chinese medicine medication coasters， forming an intelligent Chinese medicine medication service system. Develop a knowledge graph of traditional Chinese medicine medication with over 2000 prescriptions， and dynamically obtain medication information from the database through intelligent medication cupholders. The results indicate that the research on the intelligent medication service system for traditional Chinese medicine not only provides assistance for patients taking traditional Chinese medicine， but also promotes the development of intelligent clinical applications of traditional Chinese medicine.

Keywords： administration of TCD; knowledge graph; RFID; medication system

0? 引? 言

中醫藥是通過經驗評估建立的整體文化體系，幾千年來積累了大量的知識。中醫古籍內容豐富，包含大量的中醫醫療信息，如經方、疾病、用量、時頻等，其作為現代中醫學的佐證，飽受行業關注。中醫方劑的煎服法是決定臨床療效的關鍵因素之一。歷代醫家對于中藥方劑的煎法、服法頗為重視。清代徐靈胎于《醫學源流論》中說：“病之愈不愈，不但方必中病，方雖中病，而服之不得法，則非特無功，而反有害，此不可不知也”。由此可見，病情能否治愈，方藥的選擇很關鍵，而服藥方法更重要。中藥方劑的服用作為中醫應用與臨床的最終環節，其正確與否，直接關乎中醫臨床的療效與用藥安全。因此只有嚴格運用服藥規程，注意服藥方法，才能達到理想的用藥目的[1]。

近年來，新型冠狀病毒（COVID-19）在全球大肆蔓延，已成為危害全球健康的緊急事件[2]。傳統中醫藥對疫病的防治實踐已經積累了幾千年的豐富經驗，因此在此次疫情中，中醫藥發揮了重要的作用，逐漸被多數人所認可，從而在臨床上得到廣泛使用。然而，據古籍記載，中藥種類繁多，組成成分復雜，服用方法具有多樣性和不確定性，導致中藥的服用需要個性化的服務方案。

根據對重點走訪江西省中醫院及其他部分各地醫院得到的1 000多份問卷調查分析，中藥復方在臨床服用方面主要面臨兩個問題。第一是臨床醫師所開醫囑缺乏規范性，醫師行醫時，根據患者癥狀進行中醫辨證論治可以準確地選擇中藥方劑，但是缺乏對經方服法的研究，不能給出科學合理的服用方法，導致患者服用藥物后較緩達到應有療效。第二是患者服藥較為隨意，即使醫師行醫時給患者叮囑服用方法，但患者在服用時會采用西醫化學藥物的服藥方法，或者忘記服藥等非規范的服法，藥物療效和安全性難以得到保障。

通過構建科學服藥服務系統解決患者不規范用藥問題已成為當前開展智慧醫療服務工作的有效方法。該系統的建立不僅有利于臨床醫師掌握服藥知識，而且為患者提供科學合理的服用方法，從而提升中醫臨床療效及服務質量，增強患者的治療信心。

1? 相關研究

近年來，中醫藥知識圖譜的構建研究備受重視，各子領域學者基于多源數據融合，構建相關子領域知識圖譜并進行了知識圖譜應用。其研究多圍繞中醫證候、診療、疾病等[3]，例如戎菲等[4]提出基于內容分析法的“實體—關系—屬性”抽取方法，構建名老中醫治療癡呆痰瘀互結證知識圖譜，為開展大規模基于名老中醫經驗的知識圖譜構建提供經驗。羅計根等[5]學者以中醫證候為基于中醫證候本體、中文百科網站構建中醫證候知識圖譜，在此基礎上進行了可視化或構建中醫智能問答模型。曾子玲等[6]總結各學者基于經典名方或方劑數據庫中的方劑知識，構建方劑知識圖譜，并進行圖模式搜索等應用。中醫藥知識圖譜的建立與應用不僅科學體現中醫思維，而且可以促進中醫文化傳承。

調查發現，目前網上可查閱的中藥數據庫種類較多，包括著名的中國中醫科學院數據庫、藥智數據庫，等等，其數據庫規模大，包含內容全面廣泛。就藥智數據庫而言，包含了藥物化學、中藥材、醫療器械、食品和化妝品等相關內容，單從中藥方劑來看，就高達上萬種。在中醫藥知識歸納方面，張立雙等[7]對現代文獻中提到的中藥湯劑服藥方法進行統計分析，歸納中藥服藥方法的研究現狀及合理服藥方法。仝小林院士在《方藥量效學》[8]中提出基于多層次文獻聚類挖掘古籍經方用量策略，綜合聚類結果對中藥復方的用量提供指導。

隨著物聯網技術的發展，其在醫療領域的應用潛力巨大[9]，歐美發達國家對用藥安全研究頗深，來自印度拉賈什·沙胡工程學院的團隊[10]設計開發了具有提醒和確認功能的智能藥盒，可用于患者對西醫化學藥物的服用提醒。國內相關研究人員在利用物聯網技術對患者進行生理指標監測和健康教育[11-13]方面也有所研究。張濤[14]設計了內置嵌入式系統通過觸摸屏控制家用藥箱幫助老年患者按時服藥，李國曉[15]使用了移動端APP綁定和管理智能服藥干預設備對患者服藥進行監測，兩者的研究可用于患者對西醫化學藥物的服用提醒，且服藥計劃均需要人為干預，智能化程度有待提高。

雖然中醫藥知識圖譜有一定發展，但缺乏研究中藥服藥方法的知識圖譜。現有中藥數據庫對服法的研究籠統，從中藥方劑的服藥方法這一屬性分析，中藥方劑數據庫中包含的信息較為片面且不夠完善，很難為患者服藥提供良好的幫助作用。同時缺乏用于干預患者服用中藥的硬件設備，因此中藥智能服藥服務系統的構建為中醫藥臨床使用提供一定幫助。

2? 系統總體設計

本文的總體設計是基于知識圖譜的合理服藥知識庫，構建面向基層患者中藥智能服藥服務系統。方法流程為通過人機提取方式聚焦古籍、國醫大師、臨床文獻經方服用方法，通過人工提取對服藥方法進行知識歸納，并結合異構圖神經網絡關系抽取技術，得到方劑與服藥方法屬性的關系，通過Neo4j深度迭代構建多種類型的基礎數據源知識圖譜，形成齊全、規范的中藥服藥知識庫。系統總體設計如圖1所示。

對于用藥查詢，通過查詢方劑名稱或相關服藥后機體表現，將相關信息與構建的知識圖譜進行信息匹配，檢索結果為患者服藥提供參考。將關聯的中藥智能服藥杯墊硬件與服藥知識庫相匹配，動態獲取知識庫內所存服藥方法信息，對患者用藥進行提醒，同時將患者服藥情況記錄至數據庫中。

2.1? 關系抽取

本研究數據集源于中醫經典古籍《傷寒論》《金匱要略》《千金要方》等，人工提取其中包含中藥方劑和服藥方法的有效句子，先對數據剔除空格和非中文字符，再利用doccano標注工具標注經方實體和服藥屬性，確定候選關系，形成中醫服藥語料庫，用于關系抽取。該語料庫中包含8類經方實體和服藥屬性間的關系對共10 763對，同時將其按一定比例分為訓練集、測試集和驗證集。

在異構圖神經網絡關系抽取模型中，如圖2所示。文本S為語料庫中包含經方和服藥方法的一條完整句子，S包含一個經方實體e1和多個服藥屬性ai是一對多的關系，關系標簽R是e1和ai間的關系，如：葛根黃芩湯是e1，溫飲是ai，服藥溫度是R。即給定句子S和關系標簽R的集合，其目的是學習函數F預測句子中經方實體與服藥屬性間可能存在的關系類別。本文在異構圖的框架下提取這些關系，其過程包括三個部分：

1）節點向量嵌入。給定句子以及預定義的關系類別，將句子中的詞以及關系編碼成模型輸入節點向量。

2）基于異構圖神經網絡的特征提取。將得到的詞節點和關系節點向量輸入到異構圖神經網絡層，融合詞節點和關系節點表示。

3）關系抽取。將異構圖神經網絡層得到的特征表示輸入到關系抽取層，通過頭尾實體標記器分別得到頭尾實體，從而確定整個句子中的實體關系對。

2.2? 服藥知識圖譜

知識圖譜可被視為一張巨大的網，通常使用實體表達網里的節點，用關系表示網里的邊。在中醫藥領域中，中藥經方可作為實體，服藥方法作為其屬性，而他們之間的關系可以與對應實體連接起來，組成關系網絡庫。將知識挖掘融入中醫古籍文本分析，促使中醫古籍服務模式從資源服務向知識服務轉變，既是古籍數字化保護和利用的方向和趨勢，也是中醫藥事業發展所需。

本研究選用Neo4j構建中藥服藥知識圖譜。將關系抽取的實體及關系，通過CSV文件導入方式，批量導入Neo4j數據庫中，進行可視化展示和分析。構建過程如圖3所示。

首先將人工整理的數據和關系抽取模型輸出數據保存為CSV文件，其次對數據采用余弦相似度計算進行知識融合和對齊處理，避免導入數據冗余形成無用圖譜，再將數據批量導入Neo4j數據庫，形成中藥服藥知識圖譜，最終可以通過Cypher語言查詢數據庫，為進一步的服藥方法推薦做準備。

2.3? 服藥杯墊

本系統硬件部分主要是為了規范中藥方劑的服用方法提供幫助并提醒患者合理服藥，因此硬件設計包括服藥杯墊和RFID碼兩方面，兩者相互結合，共同幫助患者做好服藥前的最后準備。

服藥杯墊在整個系統中處于核心地位，它是連接服藥數據庫的載體，其電路設計中主控芯片模塊連接MCU模塊，MCU模塊和溫控傳感器、熱感電阻、加熱元件連接確保藥液溫度準確；主控芯片連接高精度懸梁傳感器計量藥液重量，判斷患者服藥情況。各功能模塊所用的元器件如表1所示。

模塊具體介紹如下：

1）加熱保溫模塊：內部采用了7～10 W加熱元件以及TMP117溫控傳感器，根據傳統中醫對服藥溫度分涼服、溫服、熱服，將加熱溫度分別設定為不加熱、35～40 ℃、55～60 ℃，分別滿足三個不同的服藥溫度節點，使放置在杯墊上的中藥湯劑加熱并保持到指定溫度，對患者服藥溫度提供了保障。

2）感應模塊：該模塊采用了RFID無線射頻技術，服藥杯墊內部讀卡器與服藥杯上RFID標簽碼ID識別感應，根據方藥名稱獲取到數據庫中存儲的中藥湯劑的基本服用方法信息，同時將信息傳遞給其他相關模塊，為患者服藥做準備。工作原理：當M1卡片進入磁場后，如果接收到服藥杯墊感應模塊發出的特殊射頻信號，就能憑借感應電流所獲得的能量發送出儲存在M1芯片中的ID信息，服藥杯墊讀取到ID信息并解碼后，送至中央信息系統，利用接口技術并通過網絡獲取到相關信息。如圖4所示。

3）語音模塊：內置TTS語音合成功能，以及0.5 W大功率喇叭。將感應模塊獲取到的信息或者中控平臺上傳的信息，語音提醒患者進行及時服藥，播報相關的中醫藥文化知識，同時加入開機語音播報功能和閃爍燈提示功能。

4）重量檢測模塊：采用了高精度懸梁傳感器DJYZ-41，測量范圍為0～3 000 g且精度±0.1 g，滿足患者服藥需求。使用時可以對患者放置的中藥湯劑質量進行監測，判斷患者的服藥劑量是否符合標準以及是否在規定時間內將藥物服用完畢。

5）通信模塊：運用EC01-DNC+CC3120，具備4G cat1網絡功能，支持三大運營商的電話卡及流量卡。與感應模塊相互結合，獲取到服務器動態數據庫中的服藥方法信息給其他模塊，同時也可與外部設備連接，若患者未按時將湯劑服用，通過連接相應APP小程序對其監護人進行提示，或者自動短信提示等，督促患者及時服藥。

3? 結果分析

關系抽取實驗的結果采用精確率（precision）、召回率（recall）和F1值作為評價指標。本研究采用的異構圖神經網絡方法，在編碼階段結合句子中預定義的關系先驗知識，得到融合關系信息的特征序列，在解碼階段利用二階段方式先識別句子中的經方實體，再利用識別出的經方實體信息和編碼標識識別出關系組的服藥方法屬性表示，基于上述原因模型在該數據集上取得較好的結果，模型對該數據集關系抽取的精確率達到86.99%，召回率達到87.81%，綜合F1值達到87.40%。共抽取含有服藥方法的中藥方劑共2 009首，其中包含中藥方劑的服藥時間、服藥溫度、服藥劑量等8類服藥方法，共獲得中藥方劑對應服藥方法的關系對12 000余對。

基于Neo4j圖形數據庫具有查詢性能高效、適應性強等優點，選擇Neo4j存儲三元組構建中藥服藥知識圖譜。通過異構圖神經網絡關系抽取模型以及人工提取相結合方法，獲取經方與服藥方法的三元組，借助Neo4j數據庫，得到服藥知識圖譜。圖5展示了知識圖譜的一部分。圖中不同顏色代表不同類型的服藥方法屬性，例如經方、服藥溫度和服藥頻率等。

構建的中藥服藥知識圖譜可視化展現出不同中藥方劑對應服藥時間、服藥后的表現、服藥溫度、服藥頻率等重要信息，在幫助患者高效查詢方劑并決策其具體服用方法、對比不同方劑服藥信息等方面發揮重要作用，為動態獲取服藥數據奠定基礎，圖6展示了服藥數據庫中四君子湯的服用方法查詢結果。

智能服藥杯墊是根據中藥方劑服藥特點所設計。先通過RFID感應模塊和通信模塊獲取知識庫中方劑的服藥方法，再利用加熱保溫模塊、語音模塊、重量檢測模塊對藥物進行規范處理，為患者做好服藥前的準備，最終提醒患者合理服藥，為中藥臨床應用趨向智能化提供幫助。服藥杯墊實物圖如圖7所示。

4? 結? 論

中藥智能服藥服務計劃依照以古籍服法為主，國醫大師和臨床文獻服法為輔的指導原則，采用人工提取和關系抽取方法歸納服藥知識，結合知識圖譜圖數據庫組織原理和技術，對內容豐富但雜亂無序中藥服法知識進行信息標準化處理，成功實現宣傳中藥復方服法信息、科學服藥指導服務、各來源服藥方法相關的統計分析。在實際應用方面，根據患者檢索的藥物信息以及服藥后的表現狀況綜合分析，為患者下次服藥方法做出合理建議，同時利用RFID技術將藥物服用方法傳送給服藥杯墊，杯墊對藥物按合理服用方法進行處理，服務患者服藥。系統能夠有效緩解醫生負擔，減少中藥復方不合理服藥的發生率，研發相應的信息服務系統對于規范患者服藥行為、提高藥物療效以及節約珍稀藥材有重要意義，同時也為單個中藥復方進行數據分析提供理論依據。

但在研究的過程中部分服藥知識有待深入歸納分析，如在現有方劑數據庫所整理的服藥方法信息中，由于中醫藥診療缺乏統一性，服法有不同之處，需進一步拓展合理服藥知識庫，包括老人、青年、兒童及孕婦等各類特殊人群服藥知識庫、各類疾病服藥數據庫、藥物間或藥物與食物間相互作用規則庫等，從而使該系統能得到進一步的擴充為各類人群與疾病進行服務。且在基于人工整理各類來源服藥方法信息的結構化數據基礎上，運用符合中醫文本的實體抽取、關系抽取等的知識抽取技術對古籍或者電子病歷中涉及的服藥方法非結構化數據進行提取。在智能服藥杯墊的應用中，服藥時間暫且采用和西藥較為相似的方法，缺乏中醫特色，服藥時間應用的統一規范化將會成為本系統今后重要的研究方向。

參考文獻：

[1] 劉起華，仝小林.湯劑煎服法研究 [M].科學出版社，2016.

[2] 梁麗嫻，潘胡丹，黃虞楓，等.中藥治療新冠病毒肺炎的科學基礎 [J].Engineering，2020，6（10）：94-112.

[3] 張雨琪，李宗友，王映輝，等.中醫藥知識圖譜的構建與應用研究 [J].世界中醫藥，2022，17（4）：553-558.

[4] 戎菲，佟旭，胡鏡清.中醫藥知識圖譜應用現狀分析及癡呆痰瘀互結證知識圖譜構建探索 [J].世界科學技術-中醫藥現代化，2021，23（7）：2454-2460.

[5] 羅計根.面向中醫領域知識圖譜構建的關鍵技術研究及應用 [D].南昌：江西中醫藥大學，2019.

[6] 曾子玲，張華敏，于彤，等.知識圖譜及其關鍵技術在中醫藥領域的研究與應用綜述 [J].世界科學技術-中醫藥現代化，2022，24（2）：780-788.

[7] 張立雙，江豐，金鑫瑤，等.基于文獻的中藥湯劑服藥方法分析 [J].環球中醫藥，2018，11（12）：1946-1949.

[8] 仝小林.方藥量效學：第2版 [M].科學出版社.2015.

[9] 薛青.智慧醫療：物聯網在衛生醫療領域的應用 [J].信息化建設，2010（5）：56-58.

[10] SHINDE S，KADASKAR T，PATIL P，et al. A smart pill box with remind and consumption using IOT [EB/OL].[2023-02-18].https：//scholar.lanfanshu.cn/scholar？q=A+smart+pill+box+with+remind+and+consumption+using+IOT.

[11] 夏煒妍.基于物聯網的高血壓患者居家整合管理干預效果研究 [D].鎮江：江蘇大學，2018.

[12] 張先庚，王紅艷，劉爽，等.基于物聯網的中西醫結合護理對半自理老人跌倒效能的干預研究 [J].成都醫學院學報，2017，12（4）：391-394+400.

[13] 謝煥章，章靚，江川，等.掌上智能用藥系統的開發與應用 [J].中國現代應用藥學，2020，37（19）：2405-2408.

[14] 張濤，劉朝華，夏維曦.基于物聯網的家用智能藥箱應用系統的設計 [J].軟件，2016，37（2）：39-41+53.

[15] 李國曉，徐渠，魏明吉，等.基于NB-IoT網絡的智能服藥干預系統設計與實現 [J].淮海工學院學報：自然科學版，2019，28（4）：10-15.

作者簡介：熊旺平（1982—），男，漢族，江西豐城人，教授，博士，研究方向：數據挖掘、自然語言處理；劉世雄（1997—），男，漢族，山西運城人，碩士研究生在讀，研究方向：自然語言處理。