工程学8（2022）29意见和评论基于证素和小样本数据的人工智能中医诊疗模型的构建王杰，段连，李洪正，刘金磊，陈恒文中国中医科学院广安门1. 介绍中西医结合在治疗慢性和复杂疾病方面具有优势，例如，中国湖北省2019冠状病毒病（COVID-19）疫情期间中医药的引入和应用，总有效率达90%，从而确立了中西医结合的疗效。然而，由于一些重大挑战，中医诊断和治疗方法与现代医学的整合以及它们的进一步发展受到限制。自20世纪50年代以来，信息技术已被用于探索四大核心中医诊断：望，听，闻，问，触诊。自20世纪70年代以来，世界各地的研究人员都试图在临床诊断和治疗的背景下开发专家中医系统，但未能充分模拟与中医相关的辨证和治疗。基于人工智能（AI）的不断突破，专家中医药系统已与神经网络模糊逻辑和关系数据库等技术相结合，作为推进中医药研究的一种手段。研究人员还尝试使用中医大数据-即从中国各地的中医医生收集的数据-在研究中进行客观化，标准化和定量化。然而，很难完全使用数据驱动的方法来整合从中医从业者的长期临床经验中获得的知识。因此，对学习过程施加有效的限制似乎是非常困难的。近年来，人工神经网络已经成为一种处理非线性问题的有效方法这些神经网络，以及决策树和随机森林算法，对于处理高维数据非常有效，已被应用于TCM模型[1，2]。这些工具特别适合中医，因为-与现代医学不同，现代医学具有几乎统一和明确的诊断和治疗规则-多样化的中医理论，不同的中医学校和各种中医医生之间存在大量重叠，这使得它难以积累结构相似和同质高质量的中医药数据。TCM的现有训练样本太小，无法正确训练模型。为了解决这个问题，可以使用标准化的可解释模型将临床知识与人工智能相结合，以实现现代医学和中医的功能结合。2. 证素统一诊疗规律中医治疗的理论模型和临床应用主要是基于辨证，辨证是根据病因、病位和疾病性质确定的疾病病理和生理差异的总结[3]。换句话说，辨证是对各种症状特点的总结，对任何一种特定的证候的治疗都有其特定的原则和方法[4]。这个过程的特点是多层次的复杂性、抽象性和高维性[5]。然而，辨证指导原则在应用中存在证候界限模糊、应用场景重叠率高、辨证参数叠加等问题，妨碍了准确诊断[6]。因此，基于辨证发展起来的中医学方法，无法在理论、方法、方剂和药材之间建立有效的联系，反映出诊断标准化存在的困难。任何复杂的证候都是由特定症状维度的交叉决定的，例如疾病部位，其特定性质以及致病因素与人体自然抵抗力之间的关系。每个维度的具体表现可被视为综合征鉴别过程的一个要素[7]。据报道，大约60个基本的综合征要素可以通过评估不同的综合征特征如何重叠来分离。这些基本的辨证要素可以排列组合，涵盖绝大多数中医证型[8]。中医辨证的最小单位称为证素。https://doi.org/10.1016/j.eng.2021.06.0142095-8099/©2021 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志首页：www.elsevier.com/locate/eng王杰湖，加-地Duan，H. Li等人工程学8（2022）2930因此，在设计和应用使用中医来评估疾病和证候组合的AI模型时，应将证候元素视为基石或基本构建块这种分析方法可以在诊断和治疗过程中将症状、治疗方法、药材与证候的复杂性和高维度（被定义为相关症状的星座）相反，每个证候元素都有一个特定的症状组，该症状组将其与其他证候元素进行指定和区分。通过组合和叠加这些要素，临床观察到的证候可以被表述为证候要素的合并因此，证候要素具有低维度，这允许它们相对容易地叠加和组合。每一个证候要素都可以使用特定的方法、药材或药物组合来治疗。这样，一旦确定了综合征要素及其组合，就可以相应地确定更广泛的综合征治疗方法[9]。证候要素在中医诊疗过程中不可或缺。我们以冠状动脉粥样硬化性疾病（CAD）为例。冠心病患者的所有临床表现可分为八组：血瘀、气虚、痰浊、阴虚、气滞、阳虚、寒凝、热痹[10]。这些要素可组合形成气虚血瘀、气阴两虚、痰瘀互结、气滞血瘀、痰阻热结、阳虚寒凝等证型[11]。根据证素与各自治法的对应关系，推测冠心病的中医治法可能包括活血、益气、化痰、养阴、理气、温阳、散寒、清热等。随后，根据治疗方法，可以得到相应的药方、药对或药材这包括复方如冠心Ⅱ号;药对如党参和黄芪，或胡椒和高良姜;单味药材如丹参和三七。然后，根据证素的组合，将药材组合成治疗CAD的代表性方剂，如血府逐瘀汤、瓜蒌薤白半夏汤[12]。证素的叠加组合，是治疗方案中药材、方剂变化、添加、去除的基础。证素有助于整合和统一不同来源的中医诊疗规律3. 小样本中医药数据模型的算法集成在将人工智能系统应用于中医时，有效算法的使用至关重要在设计中医人工智能算法时，应考虑算法的适用性贝叶斯网络和支持向量机是考虑使用四种诊断方法[13，14]识别综合征信息所需的病例数量的理想选择，因为当使用的数据是小规模的并且对噪声具有鲁棒性时，它们是准确的。然而，这些算法在应用于真实世界和大规模数据集时计算量很大，这影响了它们的实用性。中医辨证的复杂性要求使用非线性模型。人工神经网络具有很强的非线性分析能力，可以模拟人脑中神经网络的结构和功能有效地处理数据。这可以帮助识别数据中复杂的隐藏模式，这在解决中医证候问题时特别有利[15]。然而，神经网络算法需要高水平的标准化，并且训练这样的模型需要相对大量的数据。因此，缺乏标准化的中医数据限制了这种模型的适用性。中医诊断和治疗过程的完全模拟以及复杂多维数据的处理是将AI模型用于中医的最大挑战决策树和随机森林算法在处理高维数据、探索数据特征之间的相互作用以及在发现数据之间的关系时满足数据需求和偶然性方面是有效的然而，决策树很容易过度拟合，这可能会降低其准确性。随机森林算法通过以随机方式构建多个决策树在一定程度上解决了这个问题;因此，它们在处理不平衡数据时是有效的一项使用随机森林算法[16]建立慢性疲劳中医证候要素预测模型的然而，这样的模型具有有限的适应性，并且不能准确地分类小规模数据。当应用于TCM时，数据结果的有限可用性可能是问题。虽然人工智能模型已经导致了中医领域的进步，但仍有两个主要问题有待解决。首先是缺乏标准化和客观的数据。人工智能模型需要大量的标准化和客观的数据进行训练。然而，中医药的标准化数据集有限，且数据中明显的主观性和领域特异性使得中医药客观化的过程非常耗时。这就限制了人工神经网络等新的人工智能算法在中医领域的应用.第二个问题是，现有的研究主要集中在单一的应用场景。单一算法的应用仅基于特定类型的数据;因此，所建立的模型的通用性和可移植性普遍不足。这导致无法为多种疾病制定普遍和系统的结果，因为该模型的焦点很窄。因此，通过集成多种算法和数据标准化来制定用于使用中医诊断和疾病表征的AI方法是该领域的重要研究问题。4. 中医药人工智能的策略和方向基于人工智能算法的最新进展，我们提出了一个中医证候要素及其相关规则的人工智能模型。以证候要素为出发点，以规则整合为路径变量，以既定诊疗指南提供的症状评分为权重，通过症状组合、疾病识别、证候推导、治疗方法与规则、组方、药材加减、剂量赋值等环节，形成推荐处方（图1）。此外，为提高证候计算的准确性，应使用小样本的高质量中医诊疗数据，并建立反馈机制。中医从业者可以根据输出结果调整这些参数，并将调整作为新规则添加到规则数据集中。利用人工智能中医模型的可学习性、可扩展性、实用性和可迭代性，结合对证素、证候、药材、方剂、临床病例、典籍、医案的透彻理解，王杰湖，加-地Duan，H. Li等人工程学8（2022）2931图1.一、中医典型疾病的人工智能诊疗模式路径（a）中医术语的采集和标准化我们获取症状的术语信息然后标记这些数据以完成数据标准化。（二）获取中医诊疗规则。中医诊疗规则可以从中医指南、专家经验、教材、古籍等中获得这些诊疗规律是通过证素与不同来源的证素相联系、相整合的。在此基础上形成以证素为核心的综合诊疗规则（c）构建知识图谱。以构建图卷积网络（GCN）和知识地图为例，说明了整合算法规则以形成可视化模型的模式。以证候要素和症状为节点，以症状与证候要素之间的相关性为边界，构建知识地图相应的权重来自于从特定疾病的标准诊断和治疗指南获得的症状评分。然后，使用卷积运算进行加权求和，并以输出的形式获得结果，以建立可视化模型。（d）整合各种来源的诊断和治疗规则以标准化症状为输入层，首先判断标准化症状对应的证素，然后通过各种证素的叠加组合，形成一个假设的证候通过证与治的对应关系，输出与主证要素组合相关的适宜方剂和中医做法其他证候要素和症状产生各自对应的中医药建议，并作为输出层贡献给主处方集的药物处方来自不同来源和医学领域的知识有助于整合医学领域的不同知识体系。可建立症状、证素、证候、治法、方剂、药材之间的对应关系，提高辨证的准确性。图卷积网络和知识图可以帮助整合规则。在此基础上，构建了以证素和症状为节点，以症状与证素之间的相关性为边界的知识地图。这些相关性的相应权重来自于从任何特定疾病的标准诊断和治疗指南获得的症状评分。通过构造邻接矩阵和度矩阵，计算拉普拉斯矩阵来表示不同症状在不同证候元素下的权重。最后，利用卷积运算进行加权求和，并将结果用于建立可视化模型。这些规则的可视化显示可以比纯粹的数字或基于文本的描述更直观地传达规则数据，因此可以帮助中医医生从知名医生的经验中学习。基于上述设计，制定了符合行业标准，经典文本和专家意见的基于AI的中医药系统（图）。①的人。该研究策略可作为指南临床应用的基准，并可为标准化和智能化的基于AI的中医诊疗系统的研究提供新的方向。5. 观在我们的研究中，CAD被视为中医与人工智能结合诊断和治疗单一疾病的突破性范例。通过临床症状、舌象、脉象信息分析可能的证素，以证素为核心变量，得出可靠的方剂。因此，基于证候要素和人工先验知识，设计了一种基于人工智能的中医诊疗模型。即使样本数据的数量很重要，该模型也能够进行训练。与现有的大数据中医模型相比，该模型在AI处方生成方面具有更高的准确性。我们希望，基于中医的特点和中医专家的经验，类似于我们在研究中开发的AI诊断和治疗模型可以在大多数中医背景下实现。我们预测，这种利用先验知识的AI诊疗模型可以继续提高证候诊断的合理性和稳定性，并进一步提高医疗处方的准确性。关于未来的发展方向，我们预计中医医疗体系将从单病模式向多病模式转变，以及从纯中医体系向中西医结合的单一诊断和治疗体系转变。我们希望，在不久的将来，这种方式也能简化医疗服务流程，提高诊疗效率，让患者王杰湖，加-地Duan，H. Li等人工程学8（2022）2932接受基于人工智能的诊断和治疗，以帮助弥补经验丰富的中医专家日益短缺在这个制度下，即使远离医院的病人，也可以更方便地获得最好的医疗服务。致谢本研究得到了国家中医药管理局领军人才基金“岐黄学者”项目和国家中医药管理局中医药循证能力建设项目（60103）的资助引用[1] Zhang F，Wu C，Jia C，Gao K，Wang J，Zhao H，et al.基于人工智能的 抑郁症与慢性疲劳综合征之间关联的发现。J Affect Disorders 2019;250：380-90.[2] 王志，李良，宋明，严军，石军，姚勇。使用基于本体的副作用预测框架（OSPF）和深度学习评估中国官方推荐的用于COVID-19 的传统中药。民族药理学杂 志2021;272：113957。[3] 孙晓丽，蒋伟伟，于德霖，丁宝国，刘马。中医辨证论治过程中的基本路径和内在规律研究。中华医学杂志2016;57（4）：289-94。 中文.[4] 王怡怡。 关于完善中医辨证分型体系的建议。 中华医学杂志2004;45（10）：729-31. 中文.[5] 李S. 从维度和等级概念探讨中医证候的特征--中医证候规范化的途径。北京大学学报中华医学版2003;26（3）：1-4. 中文.[6] 张泽彬，王永艳。建立新的中医辨证体系。北京大学学报中华医学版2005;28（1）：1-3. 中文.[7] 张泽彬，王永艳。中医证候命名与分类研究：回顾与假说。北京大学学报中华医学版2003;26（2）：1-5. 中文.[8] 朱文芳。中医辨证分型体系与“证”的规范化研究。天津中华医学杂志2002;19（5）：1-4. 中文.[9] 王军，唐扬，何庆英，熊晓娟.辨证体系构建中方证对应的思考。中华医学杂志2009;24（7）：837-9. 中文.[10] 王军，李军，姚国威，钟建波.冠心病心绞痛证候要素及其组合规律研究。中华医学杂志2007;48（10）：920-2. 中文.[11] 李军，王军。5099例冠心病心绞痛证候要素及证候组合文献病例分析。中华基础医学杂志2007;13（12）：926-7. 中文.[12] 中国中医药学会. 冠心病稳定型心绞痛诊疗指南（T/CACM 1325 -2019）。中华医学杂志2019;60（21）：1880-90。 中文.[13] 张宏，倪伟，李军，张军。基于人工智能的中医辅助诊断系统：验证研究。JMIRMed Inform2020;8（6）：e17608。[14] 徐芳，徐志新，徐文杰，王永伟，刘涛，夏春明，等。基于贝叶斯网络原理的冠心病中医证候分类研究。 上海中华医学杂志2014;48（1）：10-3. 中文.[15] 张国荣，袁松，陈涛，王永.中医理论的统计验证。 替代医 学 杂志2008;14（5）：583-7。[16] 洪永忠，周春林，张宗芳，徐敬堂。基于随机森林法的慢性疲劳综合征要素特征症状筛选。中华医学杂志2010;7：634-8. 中文.
我的内容管理
展开
