編者按
隨著人工智能技術的不斷突破，中醫(yī)專家開始挖掘中醫(yī)大數(shù)據(jù)進行相關研究，但不同于現(xiàn)代醫(yī)學具有近乎統(tǒng)一的明確診療規(guī)則，多元化的傳統(tǒng)中醫(yī)診療理論之間存在交叉，不同中醫(yī)學派及不同中醫(yī)師的診療規(guī)則也存在交叉，導致難以儲備相同規(guī)則體系的高質量中醫(yī)大數(shù)據(jù)。為此，面對小樣本訓練甚至零訓練樣本等真實現(xiàn)狀，可以考慮利用規(guī)則化可解釋模型完成病證結合下的知識+人工智能融合。
中國工程院院刊《Engineering》2022年第1期刊發(fā)中國中醫(yī)科學院廣安門醫(yī)院王階教授等研究人員的《利用證候要素架構中醫(yī)人工智能診療模型》一文。文章以冠心病為單病種中西醫(yī)結合+人工智能的研究突破口，引入人工先驗知識，通過臨床癥狀及舌脈等信息分析其可能的證候要素，再以證候要素為核心獲得可靠方藥，由此形成了基于證候要素的中醫(yī)人工智能診療模型設計，利用小樣本診療數(shù)據(jù)對此模型進行訓練，可實現(xiàn)較“中醫(yī)大數(shù)據(jù)”形成的診療模型更高的人工智能處方精度。
一、引言
中西醫(yī)結合在慢性病和疑難病的治療方面具有優(yōu)勢。在此次新冠疫情中，湖北省確診病例的中醫(yī)藥使用率和治療總有效率均超過了90%，中西醫(yī)結合的療效得到了肯定。但中醫(yī)診療思維的傳承與中西醫(yī)結合的未來發(fā)展仍面臨著嚴峻挑戰(zhàn)。從20世紀50年代起，人們試圖運用信息化技術進行中醫(yī)四診的客觀化探索；70年代起，國內(nèi)外嘗試研發(fā)具備專家臨床診療思維的中醫(yī)專家系統(tǒng)，但始終無法較好地模擬中醫(yī)師辨證論治過程；90年代以來，隨著人工智能（artificial intelligence, AI）技術的不斷突破，中醫(yī)專家系統(tǒng)開始運用神經(jīng)網(wǎng)絡模糊邏輯、關系數(shù)據(jù)庫等技術方法，挖掘中醫(yī)大數(shù)據(jù)，并進行客觀化、規(guī)范化、定量化研究。但是完全基于數(shù)據(jù)驅動的方式學習模型參數(shù)，難以將中醫(yī)師長期臨證總結形成的經(jīng)驗和知識融入模型，故而難以對模型學習過程施加有效約束。
近年來，善于處理非線性問題的人工神經(jīng)網(wǎng)絡及善于處理高維數(shù)據(jù)的決策樹和隨機森林算法都被應用于中醫(yī)模型構建。但不同于現(xiàn)代醫(yī)學具有近乎統(tǒng)一的明確的診療規(guī)則，多元化的傳統(tǒng)中醫(yī)診療理論之間存在交叉，不同中醫(yī)學派及不同中醫(yī)師的診療規(guī)則也存在交叉，導致難以儲備相同規(guī)則體系的高質量中醫(yī)大數(shù)據(jù)。面對小樣本訓練甚至零訓練樣本等真實現(xiàn)狀，可以考慮利用規(guī)則化可解釋模型完成病證結合下的知識+AI融合。
二、利用證候要素可統(tǒng)一不同診療規(guī)則
證候是中醫(yī)學辨證論治理論體系構建與臨床應用的核心，是通過病因、病位、病性對人體疾病病理、生理變化的整體概括，是“辨證”（總結歸納癥狀群特點）的結果和“論治”（決定治療原則與具體治療方法）的依據(jù)，具有多層次性、復雜性、抽象性、高維度性的特點。但是每種辨證綱領的使用范圍存在區(qū)分界限模糊，應用場景重疊度高，辨證內(nèi)容交叉等問題。這導致基于中醫(yī)專家系統(tǒng)開具處方的準確性不足，給診斷規(guī)范化及中醫(yī)智能化研究帶來很大困難。
有鑒于此，在病證結合的人工智能研究中，證候要素可作為基石聯(lián)系診療過程中癥狀、治法、中藥、方劑等內(nèi)在要素。任何復雜的證候，都是由病位、病性、邪正關系等具體維度交叉確定，每一維度的具體表現(xiàn)即可認為是該辨證維度的要素。研究發(fā)現(xiàn)，通過降維升階的方式，可分離出60項左右的證候基本辨證要素，對基本辨證要素進行排列組合，可覆蓋中醫(yī)證候類型。就像字母是構成單詞的最小單元一樣，中醫(yī)領域中的證候要素，是組成證候的最小單元。不同于證候的復雜、高維，每一證候要素均具備具體的癥狀群，也具備不同于其他要素的特異性，通過組合、疊加，可形成臨床所見的證候，即證候要素具有低維度、可疊加、可組合等特點。而每一證候要素均有其對應的治法、中藥或藥物組合，明確了證候要素及證候要素組合形態(tài)，即可相應確定治法、方藥。
以冠心病為例，對證候要素為核心的中醫(yī)診療流程進行分析。冠心病患者的所有臨床表現(xiàn)均可歸于血瘀、氣虛、痰濁、陰虛、氣滯、陽虛、寒凝、熱蘊八大證候要素，通過疊加、組合可成為氣虛血瘀、氣陰兩虛、痰瘀互結、氣滯血瘀、痰阻熱蘊和陽虛寒凝等證候類型。根據(jù)證候要素與治法的對應關系，可知冠心病的中醫(yī)治療方法可包含活血、益氣、化痰、滋陰、理氣、溫陽、散寒、清熱等；根據(jù)治法可獲得對應的方劑、藥對或單味中藥，如冠心2號方等方劑，黨參-黃芪、蓽茇-高良姜等藥對，以及丹參、三七等單味中藥；再根據(jù)證候要素組合形態(tài)進行藥物組合，可對應血府逐瘀湯、瓜蔞薤白半夏湯等冠心病治療的代表方藥。由此可知，證候要素的疊加組合是藥物方劑變化加減的依據(jù)和關鍵，可整合統(tǒng)一不同來源的中醫(yī)診療規(guī)則。
三、利用算法集成適合小樣本中醫(yī)數(shù)據(jù)模型
算法是人工智能領域的重要技術，是研究中醫(yī)人工智能系統(tǒng)的重要路徑。在中醫(yī)人工智能算法的選擇上，我們應該謹慎考慮其適用性。對于四診證候信息的識別，考慮病例數(shù)量，可以選擇貝葉斯網(wǎng)絡和支持向量機，因為其在小規(guī)模數(shù)據(jù)上表現(xiàn)良好，對數(shù)據(jù)噪聲較為魯棒。但該算法應用于真實世界的大數(shù)據(jù)量樣本中則計算難度增大故而影響實用性。
中醫(yī)證候體系的復雜性決定其研究應從非線性設計著手，人工神經(jīng)網(wǎng)絡以其優(yōu)秀的非線性問題解析能力，可以模擬人腦神經(jīng)網(wǎng)絡的結構和功能，對數(shù)據(jù)進行有效處理，識別出數(shù)據(jù)中隱藏的復雜規(guī)律，對確定中醫(yī)證候問題具有優(yōu)勢。但神經(jīng)網(wǎng)絡算法對數(shù)據(jù)的標準化水平有較高的要求，并且訓練需要數(shù)據(jù)規(guī)模較大，而目前中醫(yī)數(shù)據(jù)的標準化水平不足，導致缺乏大量的訓練數(shù)據(jù)，這是制約此算法發(fā)揮作用的重要因素。
中醫(yī)診療過程的完全模擬和多維、復雜數(shù)據(jù)的處理一直是中醫(yī)人工智能研究的難題。決策樹和隨機森林算法都善于處理高維數(shù)據(jù)，探究數(shù)據(jù)的特征之間的相互作用關系，符合數(shù)據(jù)的要求。但決策樹容易過擬合，可導致準確率下降。隨機森林算法是用隨機的方式建立多個決策樹，擅長處理不平衡數(shù)據(jù)。運用隨機森林算法對慢性疲勞中醫(yī)證候要素建立預測模型的研究，已取得較高的預測準確率。但其可調控性不足，模型對于小規(guī)模數(shù)據(jù)不能較好的分類，應用于中醫(yī)領域同樣存在數(shù)據(jù)來源受限的問題。
盡管人工智能已經(jīng)在中醫(yī)學領域取得了一些有價值的成果，但主要存在兩個方面的問題。一是標準化、客觀化數(shù)據(jù)缺乏的問題。人工智能計算需要大量的標準化、客觀化數(shù)據(jù)，但受限于中醫(yī)行業(yè)的特殊性，收集的數(shù)據(jù)流派化、主觀化特征顯著，使得中醫(yī)客觀化進程緩慢，導致上述人工神經(jīng)網(wǎng)絡等人工智能新算法缺乏大量數(shù)據(jù)支撐，難以取得突破。二是已有研究的應用場景單一，僅嘗試應用一個算法雖可實現(xiàn)基于某種特征的數(shù)據(jù)的預測模型構建，但通用性與可遷移性普遍不足，無法形成多病種通用的、實現(xiàn)癥狀-證候-治法-方藥完整診療流程的系統(tǒng)化研究成果。因此，依據(jù)中醫(yī)人工智能研究的現(xiàn)狀，在解決數(shù)據(jù)標準化問題的基礎上，將多種算法結合，實現(xiàn)癥狀到證候的準確計算，從而實現(xiàn)癥狀-證候-治法-方藥這一全診療流程的中醫(yī)人工智能系統(tǒng)，是當前迫切需要解決的問題。
四、中西醫(yī)結合人工智能的研究策略和方向
在新一代人工智能算法的基礎上，我們提出基于證候要素探索規(guī)則化中醫(yī)人工智能研究模型的思路：以中醫(yī)人工智能為研究對象，以證候要素為切入點，以規(guī)則集成為路徑，以行業(yè)診療指南賦予的癥狀積分為權重，通過癥狀組合、疾病識別、證候推導、治法治則、方劑生成、加減藥味、藥量賦值等過程，形成推薦處方（圖1）。此外，利用小樣本、高質量中醫(yī)診療數(shù)據(jù)訓練模型以修正證候計算的準確性。還可利用反饋機制，允許中醫(yī)師在輸出結果的基礎上進行調整，并將這種調整作為新規(guī)則加入規(guī)則數(shù)據(jù)集。
其次借助中醫(yī)人工智能模型可學習性與拓展性，考慮加入證候、證候要素、中藥、方劑、臨床病例、古典醫(yī)籍與醫(yī)案等內(nèi)容，使不同來源的中醫(yī)診療知識體系完成知識體系融合、建立癥狀-證候要素-證候-治法-方劑-中藥對應關系，提高辨證指向的準確性。在具體實現(xiàn)方面，可以考慮以癥狀和證候要素作為節(jié)點，以癥狀-證候要素關聯(lián)性作為邊界，構建診療規(guī)則的知識圖譜構建。使用單一疾病行業(yè)診療指南賦予的癥狀積分作為權重，通過構建鄰接矩陣、度矩陣計算出拉普拉斯矩陣（Laplacian matrix），來表示不同癥狀在證候要素下的權重，進而使用卷積操作加權求和輸出結果，從而建立可視化模型，在此基礎上實現(xiàn)規(guī)則的可視化顯示。
在上述設計思路基礎上，致力于形成符合行業(yè)標準、經(jīng)典古籍、專家意見的中醫(yī)人工智能系統(tǒng)（圖1），為標準化、客觀化的中醫(yī)人工智能診療系統(tǒng)研究提供新方向。
圖1. 單病種中西醫(yī)結合人工智能模型設計路線。（a）中醫(yī)術語的獲取和標準化。通過獲取不同來源的癥狀、體征術語信息，采集患者的舌象、脈象、面象、目診圖像、聲音等信息，并將以上信息內(nèi)容進行數(shù)據(jù)標注，進而完成數(shù)據(jù)標準化工作。（b）中醫(yī)診療規(guī)則獲取。中醫(yī)診療規(guī)則可來自于中醫(yī)臨床診療指南、中醫(yī)專家經(jīng)驗、中醫(yī)學教材、古代中醫(yī)典籍等，通過證候要素關聯(lián)并集成以上不同來源的診療規(guī)則，從而形成以證候要素為核心的集成診療規(guī)則。（c）以圖卷積神經(jīng)網(wǎng)絡和知識圖譜的構建為例，說明集成算法規(guī)則，形成可視化模型的方案。構建中醫(yī)人工智能知識圖譜，以證候要素和癥狀作為節(jié)點，以癥狀-證候要素關聯(lián)性作為邊界，以疾病行業(yè)診療指南賦予的癥狀積分為權重基礎，表示不同癥狀在證候要素下的權重，進而使用卷積操作加權求和輸出結果，并支持可視化展示。（d）集成各來源的診療規(guī)則形成辨別證候要素輸出處方的過程。以標準化癥狀為輸入層，首先完成標準化癥狀對應證候要素的判斷，再經(jīng)由證候要素的疊加組合形成證候，通過證候-治法的對應關系，輸出主要證候要素組合對應的方劑、中藥；除卻主要證候要素外，再由其他證候要素及癥狀，輸出對應的中藥，形成針對主要方劑的藥物加減處方作為輸出層。（e）基于知識圖譜和處方推薦結果實現(xiàn)規(guī)則可視化展示。
五、展望
我們以冠心病為單病種中西醫(yī)結合+AI的研究突破口，引入人工先驗知識，通過臨床癥狀及舌脈等信息分析其可能的證候要素，再以證候要素為核心獲得可靠方藥，由此形成了基于證候要素的中醫(yī)人工智能診療模型設計，利用小樣本診療數(shù)據(jù)對此模型進行訓練，可實現(xiàn)較“中醫(yī)大數(shù)據(jù)”形成的診療模型更高的AI處方精度。
我們預計中醫(yī)診療系統(tǒng)會實現(xiàn)由單病種診療模型到多病種診療模型的發(fā)展，由純中醫(yī)診療系統(tǒng)到真正的中西醫(yī)結合診療系統(tǒng)的跨越。我們希望不久的將來它可以簡化就診流程，提高診療效率，讓患者便捷地接受基于稀缺的高水平中醫(yī)專家診療經(jīng)驗的人工智能診療服務。即使距離醫(yī)院較遠，也可以在家就收到最優(yōu)質的道地藥材，獲得最優(yōu)質的醫(yī)療服務。
京公網(wǎng)安備11010802046783號
