人工智能辅助诊疗发展现状与战略研究
[1] ChenY,ArgentinisJE,WeberG.IBMWatson:Howcognitivecomputingcanbeappliedtobigdatachallengesinlifesciencesresearch[J].ClinicalTherapeutics,2016,38(4):688–701.链接1链接2
[2] DilsizianSE,SiegelEL.Artificialintelligenceinmedicineandcardiacimaging:Harnessingbigdataandadvancedcomputingtoprovidepersonalizedmedicaldiagnosisandtreatment[J].CurrentCardiologyReports,2014,16(1):441.链接1链接2
[3] StoitsisJ,ValavanisI,MougiakakouSG,etal.Computeraideddiagnosisbasedonmedicalimageprocessingandartificialintel-ligencemethods[J].NuclearInstruments&MethodsinPhysicsResearch,2006,569(2):591–595.链接1链接2
[4] RotmenschM,HalpernY,TlimatA,etal.Learningahealthknowledgegraphfromelectronicmedicalrecords[J].ScientificReports,2017,7(1):5994.链接1链接2
[5] 袁凯琦,邓扬,陈道源,等.医学知识图谱构建技术与研究进展[J].计算机应用研究,2018,35(7):1–11.链接1链接2
[6] 徐增林,盛泳潘,贺丽荣,等.知识图谱技术综述[J].电子科技大学学报,2016,45(4):589–606.
[7] CrastoCJ,MarencoLN,LiuN,etal.SenseLab:Newdevelop-mentsindisseminatingneuroscienceinformation[J].BriefingsinBioinformatics,2007,8(3):150–162.链接1链接2
[8] DonnellyK.SNOMED-CT:Theadvancedterminologyandcod-091中国工程科学2018年第20卷第2期ingsystemforeHealth[J].StudiesinHealthTechnology&Infor-matics,2006(121):279–290.
[9] BodenreiderO.TheUnifiedMedicalLanguageSystem(UMLS):Integratingbiomedicalterminology[J].NucleicAcidsResearch,2004(32):267–270.链接1链接2
[10] 阮彤,孙程琳,王昊奋,等.中医药知识图谱构建与应用[J].医学信息学杂志,2016,37(4):8–13.链接1链接2
[11] LongEP,LinHT,LiuZZ,etal.Anartificialintelligenceplat-formforthemultihospitalcollaborativemanagementofcongenitalcataracts[J].NatureBiomedicalEngineering,2017,1(2):0024.链接1链接2
[12] XuK,BaJ,KirosR,etal.Show,attendandtell:Neuralimagecaptiongenerationwithvisualattention[J].ComputerScience,2015:2048–2057.
[13] JingBY,XiePT,XingE.Ontheautomaticgenerationofmed-icalimagingreports.2017November22.arXivpreprintarX-iv:1711.08195.
[14] TuranM,PilavciYY,JamiruddinR,etal.Afullydenseandglob-allyconsistent3DmapreconstructionapproachforGItracttoen-hancetherapeuticrelevanceoftheendoscopiccapsulerobot.2017May18.arXivpreprintarXiv:1705.06524.链接1链接2
[15] TuranM,AlmaliogluY,KonukogluE,etal.Adeeplearningbased6degree-of-freedomlocalizationmethodforendoscopiccapsulerobots.2017May15.arXivpreprintarXiv:1705.05435.
[16] WuG,KimM,WangQ,etal.Scalablehighperformanceimageregistrationframeworkbyunsuperviseddeepfeaturerepresen-tationslearning[J].DeepLearningforMedicalImageAnalysis,2017,63(7):245–269.
[17] 程京,邢婉丽.医疗器械与新型穿戴式医疗设备的发展战略研究[J].中国工程科学,2017,19(2):68–71.链接1链接2
[18] JhaS,TopolEJ.Adaptingtoartificialintelligence:Radiolo-gistsandpathologistsasinformationspecialists[J].Jama,2016,316(22):2353.链接1链接2
人工智能在中医药产业发展中的不同阶段和临床应用
随着人工智能技术在生命科学领域的作用越来越明显，中医药产业在人工智能的潮流中迎来新的发展良机。
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法和技术及应用系统的一门新的技术科学。
国务院发布的《新一代人工智能发展规划》明确表示，人工智能发展进入新阶段，已经成为国际竞争的新焦点，成为经济发展的新引擎，将带来社会建设的新机遇，同时发展的不确定性也将带来新挑战。
目前，人工智能技术在生命科学领域已经取得了实际应用 ，如智能医学影像识别、病理人工智能辅助诊断、智能健康管理、智能药物研发、智能诊疗、智能手术导航系统和健康大数据等方面。
1
中医药有着悠久的发展历史、丰富的实践经验和海量的文献，但资源挖掘利用不足，将直接影响发展和传承效率。中医与西医的发展模式大相径庭，西医从实验数据中归纳提炼经验，再通过时间检验、修正、发展成理论；而中医则是在临床试验中不断总结、摸索，经验极具个性化，总体发展缓慢且困难。
长期以来，我国中医药工作面临两“难”：一难是名老中医临床经验传承与发展；二难是提升基层中医药服务能力。名老中医学术经验的传承效率不高，传统的师带徒模式成长周期长、培养人才数量少，难以满足临床需求。此外，临床产生的大量中医药诊疗数据，尤其是中西医诊疗的综合信息资源整体利用度不高，存在数据资源浪费情况。
随着人工智能技术在生命科学领域的作用越来越明显，中医药产业在人工智能的潮流中迎来新的发展良机。
人工智能的理念和技术在中医药的传承和发展中，可分为三个阶段：一是人工智能技术挖掘中医药数据；二是人工智能技术辅助中医诊疗及辅助学习系统；三是中医药人工智能技术融入全生命周期健康维护。
第一阶段：人工智能技术挖掘中医药数据
将众多中医古籍、临床资料数字化，大力挖掘相关数据并进行分析，形成经验，辅助临床诊疗工作。
中医药数据挖掘已被广泛应用于中医药古籍的检索和名老中医经验的挖掘整理中。目前常用的方法包括频数分析、关联分析、复杂网络分析、聚类分析等。大数据技术促进了传统中医药典籍电子化，如《中华医典》等书籍和数据库，这有助于充分挖掘历代中医药知识。同时，中医药现代化研究也积累了大量中药和方剂的药理研究资料和作用机制的资料，形成了标准的数据库。
目前，中医药标准化工作已经完成对中医疾病病名、证候、中药药名、方剂名等的标准构建。但是面对中医药数据的复杂性，传统的统计分析工具和简单的数据挖掘技术已经不能满足中医药信息化发展的需求，因此需要人工智能的深度学习进一步对大数据进行分析和处理。
第二阶段：人工智能技术辅助中医诊疗及辅助学习系统
人工智能技术拥有独立自主的诊疗功能，通过大数据学习可达到与临床专家高度匹配的诊疗结果，此时人工智能技术在临床辅助诊疗中可发挥一定的主动性。同时，还可利用已达到中医临床专家水平的人工智能技术培养中医人才，提高中医药传承效率，促进中医药传承。
在中医智能诊断方面，目前四诊客观化的研究已经取得阶段性成果。脉诊和舌诊的客观量化已经有了长足进步，这或将改变传统诊断受医师主观意识、经验积累影响，以及受限于环境因素，缺乏客观指标而难以重复的问题。
第三阶段：中医药人工智能技术融入全生命周期健康维护
人工智能技术将中医全面融入生活，从健康管理、诊断、治疗等方面全方位服务患者，相应的人工智能技术能独立完成临床任务。
在数据挖掘和辅助诊疗及辅助学习相关技术均比较成熟的状态下，进一步将中医药领域的人工智能技术融入健康管理，真正应用于相关疾病的一级预防及二级预防中，充分发挥中医药治未病的理念，使中医药理念融入到日常生活中。
中医对于未病的理解更深入，不同于现代医学主要针对某一种或某几种常见疾病的健康管理，中医是通过对不同个体的望闻问切，然后根据个体的体质及相关危险因素选用针对性的干预措施，以实现整体调节，可更好实现“未病先防、既病防变、愈后防复”。
基于人工智能技术建立中医药健康管理云平台可以实现高效的人机对话并进行相关信息的处理分析，能根据每个人的不同体质状况给出相应的健康处方，对不同体质个体进行相应的调整改善，做到精准化个体化医疗保健，同时跟踪随访、收集健康大数据，开发并完善疾病预测模型和疾病筛查模型的建模策略与方法。
2
当前，我国中医人工智能正处于第二个阶段的研究发展中。
辅助诊疗系统是人工智能在医疗领域的最大应用场景，在中医领域亦然。目前，部分企业研发的中医智慧化诊疗系统已经初具临床应用价值。
1. 悬壶台中医辅助诊疗系统
这是由微医联合莲芯健康共同开发的，运用“中医辨证论治系统”结合互联网、人工智能技术，搭建的悬壶台——中医健康信息云平台，提供中医电子病历、辅助开方、心脑血管疾病、中医药知识库、中医治未病、集成HIS系统串联服务，普及和提升各级医疗卫生机构的中医药服务能力和诊疗水平。
该平台已接入320多家医疗机构，多家区域医疗平台，累计处方量达2200万余张。
2. 中医综合诊断系统
由芜湖圣美孚科技有限公司研发的“中医综合诊断系统”，有五大组成模块，分别是中医脉象诊断系统、舌面象诊断系统、中医体质辨识系统、个性化养生调理系统，经典处方系统。
该产品以中医脉象诊断为基础，采用全自动气体加压方式，中医脉象诊断，利用计算机，通过袖带式传感器，在桡动脉村寸，关，尺三个部位检测脉象信号，模仿中医医师指法，按照中医举、按、寻的诊脉过程，浮、中、沉散布全自动气体加压取脉，采集八个不同压力段的脉象波形自助选择最佳压力波形，并将脉象的位，数，形，势和脉图的各项参数自动分析，以判定出28类脉。
该产品采用专业拍摄光源，运用计算机标准化技术，对舌（舌色14种、舌络3种、舌形9种、舌态5种、苔色4种、苔质12种），对面（唇色6种，面色17种，面部光泽3种，局部特征3种）进行信息采集和分析，按照中华中医药学会标准ZYYXH/T157-2009《中医体质分类与判定》的要求进行问诊，并对9种基本体质及44种复合体质进行自动判别。
3. 乌镇国医云脑
“乌镇国医云脑”由道生医疗、金灯台信息与泰坤堂共同搭建，由“道生中医云脑”的核心技术汇聚成果，它以四诊仪为载体，以海量中医药大数据、中医特色机器学习算法、强大云计算能力为基础技术要素，具备了感知、连接、语言、决策4大中医人工智能能力，能够读懂中医语言，像中医师一样思考，像名医导师一样给出答案，是基层年轻中医师的最强中医外脑，是中医领域目前最前沿的人工智能创新成果。
目前，该系统已在国医大师刘敏如女科医系“起伏脉”临床经验研究、名中医俞瑾PCOS分型诊治研究、名老中医张云鹏脂肪肝诊治经验智能挖掘、名中医王翘楚失眠诊治经验智能挖掘等领域开展应用。
在进行中医相关人工智能研究时，中医领域人才需要与人工智能专家紧密结合，使相关人工智能技术保留中医药精髓，贴近临床实际需求。
此外，中医药大数据分析和机器学习需要真实可靠的数据，而无论是作为输入的症状、体征、检测指标还是作为输出的疾病种属、证候类型以及最终的诊疗方案，都应该采用统一的、尽可能规范化、客观量化的体系及规则进行标定。