中醫(yī)體質(zhì)分類辨識(shí)技術(shù)的回顧和展望*

楊豐蔚，李竹青，張鐘文，唐燕，趙曉山，曲淼，王艷，王濟(jì)，韓愛(ài)慶

（1.北京中醫(yī)藥大學(xué)管理學(xué)院，北京 100029；2.北京中醫(yī)藥大學(xué)國(guó)家中醫(yī)體質(zhì)與治未病研究院，北京 100029；3.南方醫(yī)科大學(xué)中醫(yī)藥學(xué)院，廣州 510515；4.首都醫(yī)科大學(xué)宣武醫(yī)院神經(jīng)內(nèi)科，北京 100053）

中醫(yī)體質(zhì)是指?jìng)€(gè)體在先天和后天因素的影響下所呈現(xiàn)出的特定體質(zhì)狀態(tài)，它是人體的一種生理特征和生理狀態(tài)，反映了人體的健康狀況和疾病易感性[1]，與人體健康密切相關(guān)，中醫(yī)學(xué)說(shuō)自古以來(lái)就格外重視中醫(yī)體質(zhì)的研究[2]。按照個(gè)體健康狀況，個(gè)體的體質(zhì)通常分為平和或偏頗，偏頗體質(zhì)又根據(jù)不同特征進(jìn)一步進(jìn)行細(xì)分。平和體質(zhì)被認(rèn)為是健康狀態(tài)，各偏頗體質(zhì)則是亞健康狀態(tài)的特征體現(xiàn)[3]，而亞健康作為一種早期的病理狀態(tài)，如果不及時(shí)采取措施，可能會(huì)發(fā)展為慢性疾病。中醫(yī)體質(zhì)理論尋求建立以“治未病”為基礎(chǔ)思想的疾病預(yù)防體系，符合《“健康中國(guó)2030”規(guī)劃綱要》所提出的以預(yù)防為主，早診斷、早治療、早康復(fù)的健康理念。在此背景下，中醫(yī)體質(zhì)理論在疾病預(yù)防和健康保健等領(lǐng)域也發(fā)揮著越來(lái)越重要的作用。通過(guò)進(jìn)行體質(zhì)辨識(shí)，可以掌握和了解個(gè)體身體特點(diǎn)和健康狀態(tài)，制定“因人制宜”的干預(yù)措施，從而更好地進(jìn)行健康管理和疾病預(yù)防[4]，幫助亞健康人群恢復(fù)健康。目前，中醫(yī)體質(zhì)辨識(shí)已被廣泛應(yīng)用于疾病預(yù)防[5-7]，中醫(yī)體質(zhì)學(xué)在治未病領(lǐng)域發(fā)揮著不可替代的作用，而體質(zhì)辨識(shí)結(jié)果的正確與否直接影響到對(duì)個(gè)體健康狀態(tài)的把握以及后續(xù)的健康干預(yù)效果。

目前中醫(yī)體質(zhì)辨識(shí)技術(shù)以量表辨識(shí)為主，專家辨識(shí)為輔，但前者主觀性強(qiáng)、耗時(shí)長(zhǎng)，后者受專家主觀因素和經(jīng)驗(yàn)影響較大，體質(zhì)辨識(shí)技術(shù)亟需創(chuàng)新與突破。如今，信息技術(shù)的發(fā)展使得中醫(yī)領(lǐng)域每日產(chǎn)生的大量珍貴數(shù)據(jù)得以保存，為中醫(yī)大數(shù)據(jù)的分析和再利用提供了可能，近年急速發(fā)展的包含深度學(xué)習(xí)在內(nèi)的人工智能技術(shù)也在各領(lǐng)域得到了廣泛的研究與應(yīng)用，也為中醫(yī)體質(zhì)辨識(shí)技術(shù)的發(fā)展提供了新的方法與思路。本研究立足于中醫(yī)體質(zhì)理論，對(duì)傳統(tǒng)中醫(yī)體質(zhì)辨識(shí)技術(shù)與中醫(yī)體質(zhì)輔助辨識(shí)技術(shù)進(jìn)行整理與回顧，并基于現(xiàn)有研究，對(duì)未來(lái)體質(zhì)辨識(shí)技術(shù)的發(fā)展方向，尤其是基于深度學(xué)習(xí)和多模態(tài)數(shù)據(jù)融合思想的辨識(shí)技術(shù)進(jìn)行探索與展望。

1 傳統(tǒng)中醫(yī)體質(zhì)辨識(shí)技術(shù)

1.1 體質(zhì)量表 中醫(yī)體質(zhì)有眾多分型。目前，王琦教授的九分法認(rèn)可度最高，2009 年中華中醫(yī)藥學(xué)會(huì)以該分類法為基礎(chǔ)向全國(guó)公布了《中醫(yī)體質(zhì)分類與判定》，并運(yùn)用于多個(gè)領(lǐng)域，對(duì)中醫(yī)體質(zhì)辨識(shí)具有重大意義。該量表由王琦教授團(tuán)隊(duì)基于中醫(yī)體質(zhì)理論開(kāi)發(fā)，具有較好的信效度[8-9]。國(guó)內(nèi)外諸多學(xué)者，在該量表的基礎(chǔ)上進(jìn)行了研究與發(fā)展。王琦教授團(tuán)隊(duì)[10]于2006 年發(fā)表文章《中醫(yī)體質(zhì)量表的初步編制及其應(yīng)用》，開(kāi)啟了成人版中醫(yī)體質(zhì)量表開(kāi)發(fā)與研究。朱麗冰等[11-12]通過(guò)對(duì)國(guó)內(nèi)外體質(zhì)分類研究現(xiàn)狀的梳理，提出《中醫(yī)體質(zhì)量表（成人版）》，并論述了修訂《中醫(yī)體質(zhì)分類與判定》的必要性與可行性。柳璇[13]在考慮中國(guó)老年人文化、社會(huì)與價(jià)值觀等觀念的基礎(chǔ)上，通過(guò)問(wèn)卷調(diào)查等形式，編制了《中醫(yī)體質(zhì)量表（老年版）》，該表信效度良好，被納入國(guó)家中醫(yī)藥管理局公共衛(wèi)生規(guī)范服務(wù)體系，廣泛用于老年人體質(zhì)測(cè)量。在兒童中醫(yī)體質(zhì)分類方面，眾多學(xué)者也進(jìn)行了廣泛對(duì)分析與討論，李竹青[14]在《中醫(yī)體質(zhì)分類與判定》的基礎(chǔ)上，編制《王琦九種中醫(yī)體質(zhì)量表（0～3 歲嬰幼兒版）》，信效度表現(xiàn)良好，楊寅[15]針對(duì)7～14 歲年齡段的兒童編制《7～14 歲兒童中醫(yī)體質(zhì)量表》，測(cè)試后發(fā)現(xiàn)信效度均較高。針對(duì)兒童編制的中醫(yī)體質(zhì)量表彌補(bǔ)了嬰幼兒在中醫(yī)健康領(lǐng)域進(jìn)行規(guī)范化測(cè)評(píng)的工具，具有一定的臨床意義。

量表法能在一定程度上對(duì)人群及個(gè)體體質(zhì)進(jìn)行量化。《中醫(yī)體質(zhì)量表》按照“體質(zhì)可分”和“體病相關(guān)”兩個(gè)領(lǐng)域進(jìn)行研究，內(nèi)容符合中醫(yī)體質(zhì)類型特點(diǎn)，適用于自評(píng)，條目獨(dú)立性高，便于操作，信效度較高。目前體質(zhì)量表廣泛用于基層醫(yī)療機(jī)構(gòu)與醫(yī)院，其使用過(guò)程中也發(fā)現(xiàn)了一些問(wèn)題。例如量化加權(quán)打分形式具有明顯的主觀性與不確定性，量表結(jié)果與專家判斷結(jié)果不一致，量表形式放棄了望、聞、切三診，與中醫(yī)整體性的觀點(diǎn)不相符合等問(wèn)題，這讓人們對(duì)體質(zhì)量表的應(yīng)用產(chǎn)生了疑問(wèn)與討論[16]。

1.2 專家辨識(shí) 傳統(tǒng)醫(yī)學(xué)重視對(duì)病患信息的收集，“望、聞、問(wèn)、切”四診是傳統(tǒng)醫(yī)學(xué)診斷中的重要技能，在中醫(yī)診療體系中發(fā)揮著重要作用。現(xiàn)階段中醫(yī)四診又分為人工四診和儀器四診。

傳統(tǒng)人工四診是中醫(yī)精神與文化的傳承，重視醫(yī)生的診斷經(jīng)驗(yàn)與診斷技巧，通過(guò)語(yǔ)言、觀察、經(jīng)驗(yàn)判斷等方式進(jìn)行體質(zhì)辨識(shí)或疾病診斷，實(shí)現(xiàn)“未病先防、既病防變”的目的。但傳統(tǒng)中醫(yī)四診辨識(shí)易受醫(yī)生理論水平和臨床經(jīng)驗(yàn)影響，缺乏統(tǒng)一、客觀、標(biāo)準(zhǔn)的診斷體系。中醫(yī)四診儀是運(yùn)用現(xiàn)代技術(shù)，在傳統(tǒng)四診的基礎(chǔ)上延伸與發(fā)展而來(lái)的，四診儀的發(fā)明使中醫(yī)診查指標(biāo)更加客觀與規(guī)范。但目前通過(guò)四診儀進(jìn)行體質(zhì)辨識(shí)的技術(shù)尚未成熟，設(shè)備存在標(biāo)準(zhǔn)不一，質(zhì)量參差不齊的問(wèn)題，整體辨識(shí)精度也較低[17]。

2 中醫(yī)體質(zhì)輔助辨識(shí)技術(shù)

2.1 經(jīng)絡(luò)檢測(cè)技術(shù) 中醫(yī)認(rèn)為經(jīng)絡(luò)“行氣血，營(yíng)陰陽(yáng)”，是人體運(yùn)行氣血、連接身體各部的通道[18]，經(jīng)氣運(yùn)行盛衰直接影響人體健康狀況，體質(zhì)則是其外在體現(xiàn)。李甘露等[19]通過(guò)中醫(yī)體質(zhì)分類結(jié)合經(jīng)絡(luò)檢測(cè)，探究痰濕體質(zhì)的經(jīng)絡(luò)特點(diǎn)，對(duì)體能值進(jìn)行比較，發(fā)現(xiàn)痰濕質(zhì)的體能值平均高于正常范圍值。尚世由等[20]基于中醫(yī)體質(zhì)辨識(shí)及經(jīng)絡(luò)特點(diǎn)進(jìn)行經(jīng)絡(luò)檢測(cè)，結(jié)果顯示體質(zhì)形成與肝、膽、膀胱、小腸、脾、腎、三焦、胃關(guān)系緊密，對(duì)于經(jīng)絡(luò)檢測(cè)運(yùn)用可促進(jìn)中醫(yī)體質(zhì)研究客觀化，為中醫(yī)體質(zhì)辨識(shí)及未病診療提供依據(jù)。

2.2 紅外熱成像技術(shù) 中醫(yī)診斷中素有“有諸內(nèi)必形諸外”的思想，紅外熱成像技術(shù)通過(guò)對(duì)人體皮膚溫度的數(shù)值與分布進(jìn)行掃描，提取并分析人體紅外信息，是該診斷思想的現(xiàn)實(shí)表現(xiàn)。陳淋等[21]將紅外成像特點(diǎn)與中醫(yī)體質(zhì)進(jìn)行對(duì)應(yīng)研究，發(fā)現(xiàn)不同體質(zhì)類型其外皮溫分布不同。李洪娟等[22]對(duì)9 種體質(zhì)的人體紅外熱像圖進(jìn)行分析，認(rèn)為熱態(tài)圖與中醫(yī)體質(zhì)生理病理學(xué)表達(dá)接近，使用人體熱態(tài)特征辨別中醫(yī)體質(zhì)類型科學(xué)可行。

2.3 腦功能 腦信號(hào)可即時(shí)反應(yīng)個(gè)體在不同環(huán)境、心理活動(dòng)、認(rèn)知水平與意識(shí)狀態(tài)下腦細(xì)胞的神經(jīng)電生理活動(dòng)情況，相關(guān)學(xué)者發(fā)現(xiàn)腦功能與中醫(yī)體質(zhì)類型辨別具有一定程度的相關(guān)性。李旭豐等[23]發(fā)現(xiàn)氣郁體質(zhì)和平和體質(zhì)人群，其腦部杏仁核區(qū)域存在激活區(qū)。胡湘等[24-25]在不同中醫(yī)體質(zhì)正常人群睡眠初期腦電信號(hào)的研究中發(fā)現(xiàn)，不同體質(zhì)正常人群Ⅱ期睡眠狀態(tài)下額區(qū)腦電活動(dòng)存在差異，認(rèn)為腦電信號(hào)自相關(guān)系數(shù)可為中醫(yī)體質(zhì)辨識(shí)分類提供證明。

2.4 基因組學(xué) 基因組學(xué)是包含基因功能分析、基因定位等功能的科學(xué)。基因組學(xué)研究方法具有“整體效應(yīng)”，這與中醫(yī)整體觀不謀而合[26]。李玲孺等[27]比較痰濕、平和質(zhì)外周血單個(gè)核細(xì)胞全基因表達(dá)基因譜，差異顯著，證明外周血全基因組表達(dá)譜可作為區(qū)分痰濕、平和質(zhì)的診斷依據(jù)。中醫(yī)體質(zhì)理論學(xué)說(shuō)表明體質(zhì)決定了疾病和證候類型的發(fā)展趨勢(shì)，運(yùn)用基因檢測(cè)，有利于準(zhǔn)確認(rèn)識(shí)疾病傾向性[28]。

2.5 代謝組學(xué) 中醫(yī)體質(zhì)學(xué)認(rèn)為不同因素導(dǎo)致的機(jī)體失調(diào)等病理變化會(huì)影響個(gè)體體質(zhì)，其體內(nèi)代謝物也因此改變，不同體質(zhì)類型的代謝產(chǎn)物有不同的體質(zhì)特征[29]。張峰瑋等[30]研究發(fā)現(xiàn)不同體質(zhì)人群的代謝譜具有差異，不同體質(zhì)特異性代謝產(chǎn)物可用于體質(zhì)評(píng)估。劉飛等[31]通過(guò)檢測(cè)并比較不同體質(zhì)間血漿代謝物差異，發(fā)現(xiàn)平和、陽(yáng)虛體質(zhì)不僅存在代謝方面的差異，也存在神經(jīng)遞質(zhì)、臟腑功能的改變，代謝組學(xué)可為疾病提供體質(zhì)方面代謝物異常的證據(jù)。

2.6 人工智能技術(shù) 近年來(lái)，人工智能技術(shù)發(fā)展迅猛，其中深度學(xué)習(xí)以其強(qiáng)學(xué)習(xí)能力、泛應(yīng)用性和高準(zhǔn)確性使其成為當(dāng)前主流，深度學(xué)習(xí)算法和醫(yī)學(xué)人工智能的核心技術(shù)，為中醫(yī)體質(zhì)辨識(shí)的自動(dòng)化、高效化提供了可能。目前基于深度學(xué)習(xí)的體質(zhì)辨識(shí)研究主要圍繞舌象與面象的兩個(gè)模態(tài)的數(shù)據(jù)展開(kāi)。

舌診是臨床上中醫(yī)四診的重要組成部分，臟腑精氣可上榮于舌，氣血盛衰皆可反映于舌，因此，舌象可成為中醫(yī)體質(zhì)辨識(shí)的依據(jù)[32]。胡繼禮等[33]基于Inception-v3 構(gòu)建體質(zhì)分類模型，該模型對(duì)九種體質(zhì)類型進(jìn)行分類，取得了較高的識(shí)別率。周浩等[34]基于Alexnet 網(wǎng)絡(luò)對(duì)舌象進(jìn)行深度特征融合，對(duì)氣虛、痰濕、濕熱3 種體質(zhì)進(jìn)行分類，準(zhǔn)確率較之傳統(tǒng)分類方法有很大提升。Ma 等[35]在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，構(gòu)建了復(fù)雜感知分類模型，對(duì)九種體質(zhì)進(jìn)行辨識(shí)，提高了識(shí)別的準(zhǔn)確率。

面診屬于四診中的望診，醫(yī)生通過(guò)觀察面部色澤把握五臟六腑的健康情況。Huan 等[36]基于面部數(shù)據(jù)集，通過(guò)遷移學(xué)習(xí)訓(xùn)練DenseNet-169，并結(jié)合VGG-16、Inception V3、DenseNet-121 進(jìn)行集成學(xué)習(xí)，在測(cè)試數(shù)據(jù)集上的準(zhǔn)確率達(dá)到69.61%。

3 基于深度學(xué)習(xí)的多模態(tài)中醫(yī)體質(zhì)辨識(shí)技術(shù)探索

模態(tài)是指事物存在和表達(dá)的方式，相同模態(tài)的數(shù)據(jù)具有相同的表達(dá)形式，不同模態(tài)的數(shù)據(jù)表達(dá)形式則不同。目前，深度學(xué)習(xí)領(lǐng)域內(nèi)的研究主要以單模態(tài)為主，然而單模態(tài)數(shù)據(jù)往往不能包含進(jìn)行預(yù)測(cè)所需的所有有效信息。多模態(tài)學(xué)習(xí)就是將不同表達(dá)形式的數(shù)據(jù)同時(shí)輸入，在提取各單個(gè)模態(tài)數(shù)據(jù)獨(dú)有特征的基礎(chǔ)上，利用模態(tài)間數(shù)據(jù)特征的互補(bǔ)性，降低冗余信息的干擾，保留并整合有效信息，實(shí)現(xiàn)多模態(tài)信息融合，提升模型的決策性能[37]。對(duì)于中醫(yī)體質(zhì)而言，不同體質(zhì)類型的宏觀特征主要表現(xiàn)于面象、舌象的色澤狀態(tài)以及脈象的變化起伏，此外還反映于飲食、二便以及精神狀態(tài)等，不同模態(tài)數(shù)據(jù)間的關(guān)聯(lián)性以及為體質(zhì)辨識(shí)提供決策的協(xié)同效應(yīng)值得探索與挖掘。本研究所介紹的多模態(tài)融合所采用的數(shù)據(jù)模態(tài)以舌象診、面診和脈診數(shù)據(jù)為例。根據(jù)融合位置不同，多模態(tài)數(shù)據(jù)主要有數(shù)據(jù)層、特征層、決策層3 種融合方式。

數(shù)據(jù)層融合是將面象、舌象和脈診數(shù)據(jù)融合后輸入到模型進(jìn)行訓(xùn)練，通過(guò)卷積等操作提取特征最后輸出體質(zhì)分類結(jié)果，見(jiàn)圖1。但由于不同模態(tài)的數(shù)據(jù)呈現(xiàn)形式不同，通常在融合前要將數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)層融合方式由于不需要對(duì)模型做額外調(diào)整，可直接使用現(xiàn)有單模態(tài)模型對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)較為容易，但融合的數(shù)據(jù)集里包含了大量的冗余信息，也不能充分利用不同模態(tài)數(shù)據(jù)集間的互補(bǔ)信息，在預(yù)測(cè)階段得到的精確度往往也較低，因此這種融合方式的適用范圍最窄。

圖1 數(shù)據(jù)層融合的多模態(tài)分類模型結(jié)構(gòu)Fig.1 Structure of the multimodal classification model for data-level fusion

特征層融合首先將面象、舌象、脈診數(shù)據(jù)分別輸入到模型，在模型前期提取各模態(tài)數(shù)據(jù)的原始特征，在模型中期進(jìn)行融合，在后期提取決策所需的融合特征，最后輸出體質(zhì)分類結(jié)果，見(jiàn)圖2。特征層融合往往需要對(duì)模型作出較大調(diào)整，因此實(shí)現(xiàn)起來(lái)較為困難，但這種融合方式既可以保留不同模態(tài)的原始信息，又可以有效降低冗余，充分利用了模態(tài)間的互補(bǔ)性，同時(shí)又可以在模型內(nèi)部靈活地選擇融合位置，因此是目前研究者所采用的主流方案。

圖2 特征層融合的多模態(tài)分類模型結(jié)構(gòu)Fig.2 Structure of the multimodal classification model for feature-level fusion

決策層融合是對(duì)面象、舌象和脈診數(shù)據(jù)單獨(dú)進(jìn)行訓(xùn)練、特征提取和結(jié)果輸出，再對(duì)各模態(tài)數(shù)據(jù)對(duì)應(yīng)的分類結(jié)果進(jìn)行融合決策，類似于多個(gè)單模態(tài)分類模型的集成，見(jiàn)圖3。決策層主要的融合方法有平均值法、最大值法等。由于決策層融合不涉及特征融合，因此在對(duì)模態(tài)間相關(guān)性較差的數(shù)據(jù)集進(jìn)行決策融合時(shí)往往能較大提升模型的準(zhǔn)確性和魯棒性。

圖3 決策層融合的多模態(tài)分類模型結(jié)構(gòu)Fig.3 Structure of the multimodal classification model for decision-level fusion

以臨床中醫(yī)醫(yī)生用經(jīng)驗(yàn)來(lái)判定和通過(guò)填寫體質(zhì)量表來(lái)鑒別體質(zhì)類別的辨識(shí)方法具有其無(wú)法規(guī)避的弊端和局限性，急需規(guī)范化、程序化、簡(jiǎn)便化；此外，中醫(yī)體質(zhì)辨識(shí)在經(jīng)絡(luò)檢測(cè)、紅外熱成像、腦功能、基因組學(xué)、代謝組學(xué)等其他領(lǐng)域也有相關(guān)研究，但都以相關(guān)性研究為主，沒(méi)有形成較為成熟的辨識(shí)方法與體系，近年來(lái)人工智能技術(shù)包括深度學(xué)習(xí)的發(fā)展為解決上述問(wèn)題提供可能。現(xiàn)有針對(duì)體質(zhì)辨識(shí)的深度學(xué)習(xí)技術(shù)研究主要以單模態(tài)為基礎(chǔ)，不同模態(tài)間的聯(lián)系具有很大的潛在價(jià)值有待研究挖掘，多模態(tài)深度學(xué)習(xí)技術(shù)的興起也給了其在中醫(yī)體質(zhì)辨識(shí)領(lǐng)域發(fā)揮作用的啟發(fā)與可能。可供中醫(yī)體質(zhì)辨識(shí)的數(shù)據(jù)類型多種多樣，滿足多模態(tài)“多”的特點(diǎn)；醫(yī)療信息化的快速發(fā)展讓海量數(shù)據(jù)變得易于管理和分析，為機(jī)器學(xué)習(xí)包括深度學(xué)習(xí)提供了數(shù)據(jù)支撐。中醫(yī)注重整體，綜合多種模態(tài)進(jìn)行體質(zhì)辨識(shí)是其提升與發(fā)展的方向，這就要求對(duì)不同模態(tài)數(shù)據(jù)進(jìn)行全面整合，精準(zhǔn)定位不同模態(tài)之間聯(lián)系，規(guī)避數(shù)據(jù)冗余帶來(lái)的負(fù)面影響，基于深度學(xué)習(xí)對(duì)大數(shù)據(jù)進(jìn)行多角度、多層次的分析，構(gòu)建多模態(tài)中醫(yī)體質(zhì)辨識(shí)模型，提高其辨識(shí)的準(zhǔn)確性、規(guī)范性、科學(xué)性，推動(dòng)中醫(yī)體質(zhì)學(xué)進(jìn)一步發(fā)展。