中藥學(xué)專業(yè)“機(jī)器學(xué)習(xí)”課程的案例驅(qū)動(dòng)教學(xué)法研究

[基金項(xiàng)目]2023年度江蘇省中藥資源產(chǎn)業(yè)化過(guò)程協(xié)同創(chuàng)新中心重點(diǎn)項(xiàng)目“基于人工智能的中藥資源循環(huán)利用文獻(xiàn)專利數(shù)據(jù)庫(kù)建設(shè)與循環(huán)利用途徑分析”（ZDXM-2023-18）；2024年度江蘇省智慧中醫(yī)藥健康服務(wù)工程研究中心開(kāi)放課題項(xiàng)目“基于知識(shí)圖譜的中藥資源循環(huán)利用途徑分析平臺(tái)”（ZHZYY202413）;2022年度本科教育教學(xué)改革研究一般項(xiàng)目“基于費(fèi)曼學(xué)習(xí)法的案例驅(qū)動(dòng)綜合設(shè)計(jì)性教學(xué)研究”（NZYJG2022129）;2024年度研究生優(yōu)質(zhì)教學(xué)資源案例“基于機(jī)器學(xué)習(xí)的真?zhèn)嗡釛椚疏b別”（7）

[作者簡(jiǎn)介]張霞（1981—），女，江蘇常州人，博士，人工智能與信息技術(shù)學(xué)院副教授，主要從事中醫(yī)藥人工智能研究；楊濤（1987—），男，江蘇南京人，博士，人工智能與信息技術(shù)學(xué)院副院長(zhǎng)，副教授（通信作者），主要從事中醫(yī)藥信息研究。

[中圖分類號(hào)]G642.0 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1674-9324（2025）26-0129-04 [收稿日期]2024-10-21

引言

機(jī)器學(xué)習(xí)（machinelearning，ML）是人工智能（AI）的一個(gè)重要分支，通過(guò)分析和學(xué)習(xí)數(shù)據(jù)中的模式，幫助計(jì)算機(jī)做出預(yù)測(cè)或決策。機(jī)器學(xué)習(xí)已經(jīng)在各行各業(yè)中展現(xiàn)出卓越的能力。以中藥學(xué)為例，機(jī)器學(xué)習(xí)技術(shù)為中藥種植、炮制、質(zhì)量控制、開(kāi)發(fā)、生產(chǎn)及臨床應(yīng)用帶來(lái)了革命性的變革。在此背景下，中藥學(xué)專業(yè)開(kāi)設(shè)“機(jī)器學(xué)習(xí)”課程勢(shì)在必行。然而，對(duì)中藥學(xué)專業(yè)學(xué)生來(lái)說(shuō)，“機(jī)器學(xué)習(xí)”可能是一門相對(duì)陌生的課程，且涉及復(fù)雜的數(shù)學(xué)理論、編程技能和數(shù)據(jù)處理方法，容易使學(xué)生產(chǎn)生畏難情緒，傳統(tǒng)教學(xué)方法的教學(xué)效果常顯不足。

本文從中藥學(xué)專業(yè)學(xué)生的實(shí)際學(xué)情出發(fā)，通過(guò)對(duì)案例驅(qū)動(dòng)教學(xué)方法的應(yīng)用設(shè)計(jì)，逐步引導(dǎo)學(xué)生掌握機(jī)器學(xué)習(xí)的技能和方法。本文首先闡述了學(xué)生的學(xué)情分析；接著闡述了案例驅(qū)動(dòng)教學(xué)方法的教學(xué)設(shè)計(jì)，并以真?zhèn)嗡釛椚疏b定案例的教學(xué)設(shè)計(jì)為例，說(shuō)明了中藥學(xué)專業(yè)學(xué)生能接受的“機(jī)器學(xué)習(xí)”教學(xué)方法；最后對(duì)中藥學(xué)專業(yè)“機(jī)器學(xué)習(xí)”課程的案例驅(qū)動(dòng)教學(xué)方法做了討論。

一、中藥學(xué)專業(yè)“機(jī)器學(xué)習(xí)”課程學(xué)情分析

（一）機(jī)器學(xué)習(xí)在中藥學(xué)的應(yīng)用

機(jī)器學(xué)習(xí)為中藥學(xué)的發(fā)展帶來(lái)了新的機(jī)遇，在中藥材的成分分析、藥效預(yù)測(cè)、方劑優(yōu)化和臨床決策支持等方面得到了廣泛應(yīng)用。在中藥活性組分研究方面，機(jī)器學(xué)習(xí)通過(guò)對(duì)中藥成分?jǐn)?shù)據(jù)進(jìn)行建模，可以快速識(shí)別中藥中的活性成分[1]。例如，Sun 等通過(guò)小分子研究獲得的特點(diǎn)和現(xiàn)有的復(fù)方藥物數(shù)據(jù)，開(kāi)發(fā)了一種中西藥結(jié)合的分類和預(yù)測(cè)模型。He等3建立了一個(gè)中藥護(hù)肝成分?jǐn)?shù)據(jù)集，包含676種護(hù)肝成分和205種護(hù)肝中藥，開(kāi)發(fā)了一個(gè)預(yù)測(cè)中藥成分護(hù)肝活性的模型，預(yù)測(cè)出12種具有潛在護(hù)肝活性的中藥，其中9種在文獻(xiàn)中已有證實(shí)，該方法可有效助力篩選潛在的護(hù)肝藥物。在中藥質(zhì)量快速評(píng)價(jià)方面，機(jī)器學(xué)習(xí)可實(shí)現(xiàn)對(duì)中藥質(zhì)量的實(shí)時(shí)監(jiān)測(cè)。例如，機(jī)器學(xué)習(xí)結(jié)合光譜學(xué)被廣泛用于中藥制藥生產(chǎn)過(guò)程監(jiān)督的研究中，Kang等[4]通過(guò)實(shí)驗(yàn)比較了不同機(jī)器學(xué)習(xí)算法在復(fù)方雙黃連口服液提取工序中，綠原酸、總酚酸、總黃酮和可溶性固形物四種關(guān)鍵質(zhì)量屬性的在線建模效果。Li等5以蘆丁的含量為研究對(duì)象，驗(yàn)證了NIR光譜技術(shù)在槐花配方顆粒的提取工序中關(guān)鍵質(zhì)量屬性實(shí)時(shí)監(jiān)測(cè)的可行性。在中藥真?zhèn)舞b別和產(chǎn)地溯源方面，機(jī)器學(xué)習(xí)可以獲取真?zhèn)沃兴幉幕虿煌a(chǎn)地中藥材的關(guān)鍵質(zhì)量評(píng)估信息。例如，筆者基于圖像顏色及紋理特征來(lái)鑒定酸棗仁的真?zhèn)蝃6]He等7采用機(jī)器學(xué)習(xí)方法構(gòu)建了藥材地理來(lái)源分類模型。Cui等8利用隨機(jī)森林算法成功預(yù)測(cè)了王壤微生物豐度與人參代謝物之間的定量關(guān)系，用XGboost模型發(fā)現(xiàn)了最佳人參生產(chǎn)區(qū)。 Y_u 等用機(jī)器學(xué)習(xí)算法探索了穩(wěn)定同位素、多元素和代謝物在區(qū)分生姜地理來(lái)源方面的潛在用途。

（二）中藥學(xué)專業(yè)“機(jī)器學(xué)習(xí)”課程學(xué)情分析

傳統(tǒng)“機(jī)器學(xué)習(xí)”課程的教學(xué)多數(shù)是從機(jī)器學(xué)習(xí)算法角度編排授課內(nèi)容，包括決策樹(shù)、貝葉斯分類器、支持向量機(jī)、集成學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)以及強(qiáng)化學(xué)習(xí)等。算法教學(xué)側(cè)重?cái)?shù)學(xué)和模型的理論講解，中藥學(xué)專業(yè)的學(xué)生很容易因畏難情緒而放棄本課程的學(xué)習(xí)。同時(shí)，如果從理論入手，中藥學(xué)專業(yè)的學(xué)生則無(wú)法深人感受機(jī)器學(xué)習(xí)對(duì)自身專業(yè)的應(yīng)用情況。案例驅(qū)動(dòng)教學(xué)法將抽象知識(shí)轉(zhuǎn)化為中藥學(xué)專業(yè)的具體應(yīng)用，學(xué)生可感受到中藥學(xué)專業(yè)“機(jī)器學(xué)習(xí)”課程的潛力。當(dāng)然，課程教學(xué)需要重視并優(yōu)化案例設(shè)計(jì)，確保案例既符合學(xué)科發(fā)展趨勢(shì)，又緊密貼合學(xué)情，從而培養(yǎng)出既精通傳統(tǒng)中藥學(xué)理論，又掌握現(xiàn)代機(jī)器學(xué)習(xí)技術(shù)的復(fù)合型人才。

二、中藥學(xué)“機(jī)器學(xué)習(xí)”課程案例教學(xué)方法

（一）案例驅(qū)動(dòng)教學(xué)法

案例驅(qū)動(dòng)教學(xué)方法是一種以實(shí)際案例為依托，通過(guò)分析和解決案例中的問(wèn)題，從而提高學(xué)習(xí)者能力和素質(zhì)的教學(xué)方法，強(qiáng)調(diào)學(xué)習(xí)者在解決實(shí)際問(wèn)題中的思考和應(yīng)變能力，將理論學(xué)習(xí)與實(shí)際應(yīng)用緊密結(jié)合。

首先，案例驅(qū)動(dòng)教學(xué)法打破了傳統(tǒng)課堂的枯燥與抽象，讓學(xué)生在實(shí)踐中學(xué)習(xí)，引人真實(shí)或模擬的中藥學(xué)案例，使學(xué)生在解決實(shí)際中藥學(xué)問(wèn)題的過(guò)程中，深人理解機(jī)器學(xué)習(xí)技術(shù)的原理與應(yīng)用。其次，案例驅(qū)動(dòng)教學(xué)法要求學(xué)生主動(dòng)思考，從不同角度審視問(wèn)題，提出解決方案，注重培養(yǎng)學(xué)生的獨(dú)立思考和創(chuàng)新思維能力。此外，案例驅(qū)動(dòng)教學(xué)還有助于提升學(xué)生的實(shí)踐能力，學(xué)生帶著中藥學(xué)問(wèn)題，找到機(jī)器學(xué)習(xí)技術(shù)在該問(wèn)題中的應(yīng)用價(jià)值，增強(qiáng)了他們的實(shí)踐經(jīng)驗(yàn)和技能水平，為未來(lái)的科研工作打下堅(jiān)實(shí)的基礎(chǔ)。

（二）案例驅(qū)動(dòng)教學(xué)設(shè)計(jì)

1.優(yōu)化課程內(nèi)容，強(qiáng)化實(shí)戰(zhàn)操作。機(jī)器學(xué)習(xí)是中藥學(xué)專業(yè)現(xiàn)代發(fā)展的一項(xiàng)重要技術(shù)，基本思路是使用算法解析數(shù)據(jù)并進(jìn)行模型訓(xùn)練，從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)得到的模型，然后使用模型對(duì)真實(shí)世界中的事物、事件做出分類、決策或預(yù)測(cè)。Scikit-learn是一種最受歡迎的機(jī)器學(xué)習(xí)庫(kù)，可以實(shí)現(xiàn)數(shù)據(jù)預(yù)處理、分類、回歸、降維、模型選擇等常用的機(jī)器學(xué)習(xí)算法。中藥學(xué)專業(yè)“機(jī)器學(xué)習(xí)”課程可以強(qiáng)化Scikit-learn新技術(shù)的學(xué)習(xí)和使用，淡化對(duì)數(shù)學(xué)模型和復(fù)雜算法的理論講解，學(xué)有余力的中藥學(xué)專業(yè)學(xué)生可以進(jìn)一步拓展學(xué)習(xí)。

2.依據(jù)學(xué)情，遵循初學(xué)學(xué)習(xí)規(guī)律，重排教學(xué)內(nèi)容。本課程打破了傳統(tǒng)的側(cè)重算法的“機(jī)器學(xué)習(xí)”課程教學(xué)內(nèi)容編排模式，改為由實(shí)際問(wèn)題構(gòu)成的案例來(lái)安排課程內(nèi)容，每一個(gè)案例都緊扣中藥學(xué)專業(yè)學(xué)生學(xué)習(xí)的心理，遵循初學(xué)者的學(xué)習(xí)規(guī)律，通過(guò)“案例描述及實(shí)現(xiàn)一案例詳解及示例一支撐技術(shù)/支撐知識(shí)”的方式安排每一個(gè)案例的教學(xué)內(nèi)容?！鞍咐枋黾皩?shí)現(xiàn)”從中藥學(xué)專業(yè)實(shí)際存在的問(wèn)題出發(fā)，幫助學(xué)生克服畏難情緒、樹(shù)立信心；“案例詳解及示例”進(jìn)一步介紹了解決中藥學(xué)問(wèn)題使用的技術(shù)并輔助眾多簡(jiǎn)單示例；“支撐技術(shù)/支撐知識(shí)”再一次深入講解了學(xué)生需要的理論知識(shí)，以備訴求高的中藥學(xué)學(xué)生進(jìn)一步拓展學(xué)習(xí)。

所有案例在不涉及大量數(shù)學(xué)模型與復(fù)雜算法實(shí)現(xiàn)的前提下，選取機(jī)器學(xué)習(xí)在中藥學(xué)中不同的應(yīng)用案例，幫助中藥學(xué)專業(yè)學(xué)生以最快的速度掌握使用編程庫(kù)進(jìn)行機(jī)器學(xué)習(xí)開(kāi)發(fā)的實(shí)戰(zhàn)技能。每個(gè)案例都遵循“案例描述及實(shí)現(xiàn)一案例詳解及示例一支撐技術(shù)/支撐知識(shí)”的組織結(jié)構(gòu)，符合中藥學(xué)初學(xué)者“做起來(lái)看效果一照示例練技術(shù)一讀解釋懂原理”的遞進(jìn)式學(xué)習(xí)習(xí)慣，如圖1所示。

（三）真?zhèn)嗡釛椚疏b定案例驅(qū)動(dòng)教學(xué)

1.案例描述及實(shí)現(xiàn)。（1）案例簡(jiǎn)介。酸棗仁真?zhèn)舞b定的任務(wù)是根據(jù)以往拍攝的酸棗仁、生理?xiàng)椚省⒊蠢項(xiàng)椚?、染理?xiàng)椚?、既炒又染的理?xiàng)椚矢咔鍒D像，通過(guò)提取紋理特征訓(xùn)練得到酸棗仁真?zhèn)闻卸Ｐ?，然后提取新圖像紋理特征，將特征輸入預(yù)測(cè)模型判定酸棗仁真?zhèn)?，此為機(jī)器學(xué)習(xí)中的二值分類問(wèn)題。（②數(shù)據(jù)介紹。收集河北邢臺(tái)、河北內(nèi)丘、山東濟(jì)寧、河北邯鄲等四地5個(gè)批次的酸棗仁，以及云南瑞麗“生、炒、染、炒染”四種形態(tài)6個(gè)批次的理?xiàng)椚?，采用佳能全畫幅?shù)碼相機(jī)（EOS5DSR）拍攝照片（酸棗仁1794幅和理?xiàng)椚?176幅）。其中，生的理?xiàng)椚?個(gè)批次388幅，炒過(guò)的理?xiàng)椚?個(gè)批次391幅，染色的理?xiàng)椚?個(gè)批次199幅，既炒又染的理?xiàng)椚?個(gè)批次198幅。為了更加客觀地評(píng)價(jià)模型，酸棗仁和理?xiàng)椚孰S機(jī)各拿出 80% 酸棗仁1435幅，理?xiàng)椚?41幅）用于訓(xùn)練模型，而剩下的 20% （酸棗仁359幅，理?xiàng)椚?35幅）數(shù)據(jù)用來(lái)測(cè)試模型性能。（3）案例實(shí)現(xiàn)。采用編程語(yǔ)言Python、編程工具JupyterNotebook、機(jī)器學(xué)習(xí)編程庫(kù)Scikit-learn，完成真?zhèn)嗡釛椚疏b定和評(píng)價(jià)的代碼編寫。

2.案例詳解及示例。依據(jù)案例的實(shí)現(xiàn)代碼，逐句解釋語(yǔ)句及其參數(shù)的含義，對(duì)于特定功能的函數(shù)再輔助示例來(lái)講解。例如，高斯樸素貝葉斯GaussianNB，在介紹其參數(shù)、函數(shù)之后，用低維、簡(jiǎn)單的數(shù)據(jù)說(shuō)明其二分類功能的使用方法。

3.支撐技術(shù)/支撐知識(shí)。在完成真?zhèn)嗡釛椚疏b定的代碼任務(wù)以后，對(duì)于理解能力強(qiáng)的學(xué)生，可以進(jìn)一步學(xué)習(xí)算法的原理，如GaussianNB用到了貝葉斯定理。

三、討論

本文依據(jù)中藥學(xué)專業(yè)學(xué)生學(xué)情，緊密結(jié)合機(jī)器學(xué)習(xí)初學(xué)者的學(xué)習(xí)習(xí)慣和認(rèn)知規(guī)律，改進(jìn)了傳統(tǒng)的課程內(nèi)容編排模式，在不涉及大量數(shù)學(xué)模型和復(fù)雜編程知識(shí)的前提下，引入案例驅(qū)動(dòng)教學(xué)法，案例遵循“案例描述及實(shí)現(xiàn)一案例詳解及示例—支撐技術(shù)/支撐知識(shí)\"的組織方式，符合初學(xué)者“做起來(lái)看效果一照示例練技術(shù)一讀解釋懂原理”的遞進(jìn)式學(xué)習(xí)習(xí)慣。

課程的案例驅(qū)動(dòng)教學(xué)設(shè)計(jì)將中醫(yī)藥的傳統(tǒng)知識(shí)與現(xiàn)代數(shù)據(jù)分析和挖掘技術(shù)相結(jié)合，打破了學(xué)科壁壘，提高了學(xué)生的參與度和學(xué)習(xí)興趣，實(shí)現(xiàn)了知識(shí)的學(xué)科交叉綜合應(yīng)用，不僅拓寬了學(xué)生的知識(shí)視野，而且提高了學(xué)生綜合運(yùn)用不同學(xué)科知識(shí)解決實(shí)際問(wèn)題的能力。課程中廣泛應(yīng)用了機(jī)器學(xué)習(xí)算法，鼓勵(lì)學(xué)生探索新技術(shù)的應(yīng)用，培養(yǎng)了學(xué)生的創(chuàng)新意識(shí)，為中醫(yī)藥領(lǐng)域的現(xiàn)代化發(fā)展培養(yǎng)了中藥學(xué)與人工智能融合特色人才。

參考文獻(xiàn)

[1]YANGY，GANW，LINL，etal.Identificationofactive moleculesagainst thrombocytopenia through machine learning[J]. Journal of chemical information and modeling，2024，64（16）：6506-6520.

[2]SUN J，NI Q， JIANG F， el al. Discovery and validation of traditionalChineseandWestern medicinecombination antirheumatoid arthritis drugs based on machine learning （random forestmodel）[J].BioMed research international，2023（2）：6086388.

[3]HE S，YI Y，HOUD，el al.Identificationof hepatoprotective traditional Ghinese medicines based on the structure-activity relationship，molecularnetwork， andmachine learning techniques[J].Front pharmacol，2022，8（13）：969979.

[4]KANG Q，RU Q，LIU Y， el al. On-line monitoring the extract process of Fu-fang Shuanghua oral solution usingnear infrared spectroscopy and different PLS algorithms[J].Spectrochim Acta A Mol Biomol Spectrosc，2016，1（152）：431-437.

[5]LIY，SHIX，WUZ，elal.Near-infrared for on-line determination of qualityparameter of Sophora japonicaL. （formula particles）：Fromlab investigation to pilot-scale extraction process[J]. Pharmacogn Mag，2015，11（41）：8- 13.

[6]張霞，郭盛，王天舒，等.基于圖像顏色及紋理特征的真

偽酸棗仁鑒別方法研究[J].中藥材，2022，45（10）：2332- 2337.

[7]HES，LONGW，HAI C，el al.Rapid identificationof traditional Chinese medicines （Lonicerae japonicae flos and Lonicerae flos）and their origins using excitation-emission matrix fluorescence spectroscopy coupled with chemometrics[J].Spectrochim Acta A Mol Biomol Spectrosc，2024，2（307）：123639.

[8]CUIY，PAND，F(xiàn)ENGJ，elal.Untargeted metabolomics andsoil communitynetagenomicsanalysescombinedwith machine learning evaluation uncover geographic differences in ginseng from differentlocations[J].JAgric Food Chem，2024，72（39）：21922-21934.

[9]YUDX，GUO S，ZHANGX，el al.Combining stable isotope，multielementand untargetedmetabolomics with chemometrics to discriminate the geographical originsof ginger（Zingiber officinale Roscoe）[J].Food Chem，2022，11（426）：136577.

Research on Case Driven Teaching Method for Machine Learning Courses inTraditionalChineseMedicine ZHANG Xiab.c， GUO Shengad， YU Dai-xinad， YANG Taoab.c （a. Jiangsu Collborative Innovation Center of Chinese Medicinal Resources Industrialization，

b.Jiangsu Province Engineering Research Center of TCM Intelligence Health Service，c.School of

Artificial Intelligenceand Information Technology，d.SchoolofPharmacy，Nanjing Universityof Chinese Medicine，Nanjing，Jiangsu 21oo23，China）

Abstract： The rapid development of machine learning technology has brought unprecedented opportunities for the fieldof traditional Chinese medicine，especiall in the analysis of Chinese medicinecomponents，construction of drug efficacy prediction models，optimization of formula compatibility，and clinical medication decision-making， demonstrating enormous potential for application.Thisarticle is closelyrelated to the actual learming situationof students majoring in Traditional Chinese Medicine.It adopts a case-based teaching method of\"case description and implementation，detailedcase explanationandexamples，supporting technology and knowledge\"，achieving a progressive learning path of“seeing results by doing，practicing techniques with examples，reading and explaining principles. It helps students overcome their fear of difficulties，enhance their classroom participationand learning enthusiasm， gradually helping students majoring in Traditional Chinese Medicine master andflexibly apply machine learning skills and methods，and cultivating high-qualitycomposite talents for the modernization research and development of Traditional Chinese Medicine.

Key words： machine learning; traditional Chinese medicine; case driven