人工智能背景下中医诊疗技术的应用与展望
中医学在医学领域具有丰富的实践经验、技术和理论，因此形成了中医特定的“形神合一”“整体审查”“四诊合参”等整体观和辨证论治，使中医学在诊疗的评价研究中更具特色和可行性[1]。辨证论治是中医临床诊疗的核心，其理论体系经过中医数千年的临床实践与检验，充分体现了中医学理论的独特性和实践的有效性，也是中医学有别于现代医学诊疗体系的特色和优势[2]。这种以“诊法―辨证―治疗”为核心的诊疗理论体系和大量的经验数据成为中医研究和发展的重要资源。传统中医主要通过整体、动态、个性化了解身体状态来诊断疾病的理念超前，然而方法却依赖于经验，使其巨大潜力未能充分发挥，导致这一状况的关键在于缺乏实现这种先进理念和方法的技术手段[3]。随着中医现代化和国际化的发展，传统中医的价值已逐步被国际社会认可，利用现代先进的智能信息技术解决中医诊疗过程中的技术标准化和数据化等关键问题，深入挖掘中医诊疗技术的科学内涵，进一步提升中医诊疗模式的科学性和有效性，借助信息科学等多学科技术推动中医学的发展已成为中医及相关学科领域研究的重要课题[4-5]。
人工智能（artificialintelligence）作为计算机科学的一个重要分支，经过60多年的发展已经奠定了重要的理论基础，并取得了诸多进展[6]。特别是在深度学习理论指导下的以AlphaGo为代表的人工智能技术的成功应用，更凸显了人工智能领域中人工神经网络（artificialneuralnetwork，ANN）将学习和训练融合来实现智能化的优势。人工智能技术的发展为医学发展提供了全新的契机，在现代医疗健康领域应用广泛[7-8]。大数据是人工智能技术的基石，是决定人工智能技术能否有效输出的重要输入口。大数据有其特殊性，即数据即时处理的速度、数据格式的多样化与数据量的规模[9]。同时价值性[10]及真实性等的提出说明只有保证数据的科学性和有效性，才能使人工智能真正从狭义定义成为可以媲美人类思维、智能、意识的通用人工智能[4]。
医学诊疗过程是一个典型的智能处理过程，其包括信息获取－分析－处理－反馈－评价－综合的思维全过程，而中医诊疗过程是以中医辨证思维为指导的智能化处理过程，也是一个典型的人工智能技术应用领域。因此，将人工智能技术运用于中医诊疗可以促进中医诊疗技术的跨越发展，解决中医诊疗现代发展的主要问题。基于此，本文梳理了目前中医诊疗技术与人工智能技术结合的现状及趋势，并进行阐述。
1基于文献数据的中医诊疗决策智能化研究中医文献和临床医案是中医学术思想和临证经验的重要载体，对其海量信息进行归纳和整理是近年来中医临床经验传承的重要方法。面向全新的科技时代，利用海量的案例数据建立中医临床病症诊疗决策支持系统是目前值得关注的领域；通过对文献和案例的学习来深化、拓展临床思维与视野，然后采用智能算法进行自我学习，从而为中医诊疗提供智能信息支持[11]。
目前中医文献、医案中研究较多的是利用聚类（clustering）、关联规则（associationrule，AR）、决策树（decisiontree，DT）、无尺度网络（scale-freenetwork，SN）、粗糙集理论（roughsettheory，RST）等数据挖掘技术从复杂症状中提取、归纳中医证型，分析症状与症状、症状与方药、症状与证型、证型与方药、方药与方药等之间潜在的关联规则。从数量庞大的方药中发现药物配伍规律及潜在药物、核心药物、核心处方等不仅可为临床医师提供诊疗策略，模拟中医思维方法和处方生成过程，而且对中医理论的创新发展及其客观化、规范化研究具有重要的推动作用[12-13]。许多学者在中医文献、医案中对“病―证―药”之间的规律挖掘进行了大量研究，如采用中医处方智能分析系统对《伤寒论》中112张方剂的知识点进行研究，分析各方剂的君、臣、佐、使，总结各方剂的气、味、归经规律及辨证处方规律，探讨主症与方证之间的关系[14]。此外，基于临床病案文献数据进行糖尿病证候聚类分析，基于心血管疾病血瘀证案例采用关联规则对药物配伍、药―病、药―证关系进行对应分析，以及开展糖尿病性周围神经病变组方诊治规律、药物使用频次等研究，均显示较好的支持结果[15-16]。
基于文献数据挖掘的诊疗系统研究也有很多建设性成果。北京交通大学研究人员提出了临床数据仓库（clinicaldatawarehouse，CDW）系统，该系统整合了结构化的电子医疗档案，通过支持向量机、DT分析、贝叶斯网络等多种分类算法，使用监督学习的方法从大量无固定结构的中医诊断文本中对症候进行学习，从而实现病症的经验推理[17-18]。清华大学研究团队摒弃了从单一诊断语句和诊断文档中抽取关联关系的方法，他们基于大规模中医诊断语料库，以网络挖掘的视角构造异构实体网络，首次提出了HFGM（heterogeneousfactorgraphmode）模型，并使用半监督学习的方法评估HFGM模型的参数；通过超过10万份中医诊断书的数据集验证，发现HFGM模型的平均准确度比支持向量机算法提升了11.09%[19]。董国华[20]研究了数据挖掘方法在哮喘病案数据分析中的应用，他采用一种粗糙集属性约简算法（MIBARK算法）提取哮喘主症状，建立病案数据库，从而获得中药配伍规律、用药与症状的关联关系，进而寻找症―证间的匹配规律，建立中医病案数据挖掘系统。总之，以证―药的规律挖掘为目的的中医文献数据挖掘方法具有良好的研究基础，为进一步研发中医智能化诊疗决策支持系统提供了重要支持。
2现代中医诊断技术与中医智能诊疗系统研究现代信息技术的发展为中医诊断手段的发展带来新的契机，随着中医传统诊断方法现代化研究的深入，脉诊仪、舌诊仪、色诊仪、闻诊仪、经络仪等已成为新兴的现代中医诊断技术。现代中医诊断技术是传统中医诊断方法的发展和延续，逐步实现了中医诊断技术的信息化、数字化、标准化，也逐渐突破了中医诊断方法主观性强、缺乏客观数据的瓶颈，为人工智能技术的应用奠定了坚实的数据基础。以现代中医诊断技术及其数据为支撑，以中医辨证思维为核心的智能中医病证诊疗研究已逐渐展开[21]。
2.1国内外四诊的技术化、仪器化研究20世纪70年代国内就开始了中医脉诊、舌诊等诊法客观化、仪器化的研究，为诊断技术信息化应用奠定了重要基础。传统的中医四诊多依赖主观感觉，缺乏客观依据，现代中医诊断技术正在逐渐改变传统中医诊疗的主观依赖性，提升中医诊法客观化。将传统中医诊断方法，尤其是脉诊、舌诊等具有中医特色的诊断方法标准化必将促进中医诊疗模式向更科学的方向发展。目前，国内高校和科研单位已在中医诊法技术化、仪器化研究领域进行了大量富有成效的基础性研究，内容包括：（1）四诊信息的客观化、标准化表达。将传统中医用语言描述的表达方式归类为定量化、标准化的客观表达方式，如脉象的“位、数、形、势”量化表达方式，舌诊、面色中颜色量化的正确表达方式，问诊系统症状的量化表达方式等[22]。（2）四诊特征信息的提取及分析方法的研究。利用现代计算机技术（神经网络、贝叶斯网络等）、数学建模，以及图像分析、声音频谱分析等技术研究脉象信号、舌象信息、问诊、闻诊等特征信息的获取、识别和判读方法等；在面色、脉象、舌象等信息采集上也逐渐形成规范[16,23-24]。（3）仪器设备的研发与应用。利用现代科技研发适合脉象、舌象、面色诊、闻诊（包括声音、气味）等四诊信息检测的传感器和检测仪器，并开展四诊信息融合的研究，开展仪器设备的临床观察与应用[22,25]。目前已有中医诊断仪器设备进入临床应用，如2010年上海中医药大学与公司合作研发的四诊信息分析仪被列入俄罗斯火星-500（MARS500）研究计划，用于监测和分析模拟条件下宇航员的身体健康状态[26-27]。此外，在国家“863”计划、“十二五”科技支撑计划、“十三五”重点研发计划的支持下，上海中医药大学研究团队对舌面诊和脉诊采集设备与技术的研究取得进一步提升和发展，并深入开展四诊技术在健康辨识和诊断领域中的应用研究[28-31]。综上所述，基于人工智能技术的飞速发展，目前在中医诊断领域，以舌诊、脉诊、色诊为代表的四诊客观化技术逐渐成熟，形成了舌诊仪、脉诊仪、色诊仪等多种中医诊断仪器，中医现代诊疗技术在健康、疾病、中医证候等领域也取得良好进展。
2.2四诊信息技术在病证诊断和疗效评价中的应用现代中医诊断技术为辨证论治的疗效评价提供了技术手段，其在面色、舌质、舌苔、语音、脉搏等症状信息方面实现客观数据化，在问诊主观症状方面实现规范化和定量化[21]。以四诊信息客观量化、信息化为前提，应用中医特色客观量化指标，针对临床病证诊断、疗效分析评价等建立具有中医特色的现代诊疗和疗效评价方法已经可行，许多尝试性研究也逐渐显示出特色和优势。
2005年中国中医科学院推动了“中医优势病种临床研究专项”研究，以中医治疗有优势的疾病或疾病某一阶段的临床研究为重点开展中医治疗心血管疾病、肿瘤、糖尿病等临床研究。四诊信息化研究尤其是舌诊、脉诊在常见慢性优势病种的疾病诊断、疗效评价方面已取得一定的成果。在疾病诊断分类方面，Zhang等[32]通过标准舌象图像提取特征参数并建立基于支持向量机算法的糖尿病诊断模型，结果显示通过机器学习的方法能得到较好的分类准确率，为糖尿病诊断提供了思路。Li等[33]对205例冠心病患者的脉搏波信号进行了研究，脉冲信号分别使用Hilbert-Huang变换和时域进行分析和提取，发现所得脉冲信号的时域参数h1、h3、h4、h3/h1等与对照组比较差异均有统计学意义。此外，有学者发现肿瘤患者的舌脉象具有特异性表现，且患者的舌脉参数与肿瘤指标有关[34-35]。在证型诊断分类方面，师晶丽等[36]观察了原发性肾小球疾病患者在气虚、阳虚、阴虚、气阴两虚4种证型下的舌苔和舌质，通过聚类得到舌象颜色的色彩空间分布，并采用最近邻聚类算法获得每个舌象的颜色分布。许文杰等[37]采集了528例冠心病患者的中医脉图信息，基于支持向量机算法分别应用脉象信号时域特征参数和递归定量分析特征参数并结合问诊、望诊参数建立了冠心病证候诊断模型。在疗效评价方面，崔龙涛等[38]和崔骥等[39]观察了亚健康状态大学生不同证型在中药干预前后舌象、脉象客观量化指标的变化，为中医客观诊断和亚健康的疗效评价提供了依据。燕海霞等[40]观察了经中西医结合治疗前后50例肺癌患者的舌脉象参数变化，结果显示治疗后患者的舌苔润燥指数升高、腐腻指数升高、厚薄指数降低、裂纹指数升高，提示舌象客观检测参数可作为中西医结合治疗肺癌临床疗效评价的参考指标之一。Chen等[41]通过舌诊仪、脉诊仪等四诊辅助设备，判断肝癌患者与健康人群之间的舌脉差异，结果显示四诊辅助设备可以作为判断人体健康状态与疾病的仪器装置，且四诊仪器可以提升疾病诊断和中医标准化的准确性和速度。Li等[42]采用计算机辅助分类方法提取口唇图像中的3种特征，应用支持向量机算法进行分类，为中医口唇部诊断的定量检测提供了方法与思路。
3人工智能技术在中医诊疗领域中的应用人工智能技术是现代信息技术领域快速发展起来的技术方法，目前其在数据分类、医学诊断、智能计算等领域已取得显著成就[43]。中医诊疗决策支持系统是利用上述数据挖掘方法，从大量的中医四诊数据库中抽取隐含、未知、有意义的与诊断分类、证候分类有关的知识模型或分类规则。中医信息化系统在临床辅助诊断、远程医疗、个人健康管理等方面具有广阔的前景，中医智能化决策系统的需求也越来越明显。中医诊疗决策支持系统是一门集中医诊断学、计算机科学、管理科学等为一体的新兴研究方向，它的发展与相关学科发展密不可分[44]。因此，中医临床诊断与专家系统相结合成为中医现代化发展中更具挑战性的方向。一批人工智能领域的专家已经致力于中医智能诊疗决策支持系统的研究，并与中医药领域研究人员紧密合作开展了大量辨证智能分析研究，取得了很多研究经验[45]。以周昌乐教授为代表的学者们在人工智能领域提出了一系列中医诊疗智能化研究和实施方案[46]，尤其是利用软计算理论辅以四诊数据化技术探索解决中医辨证逻辑形式化这一关键问题，为今后中医智能化诊疗技术发展奠定了重要基础。
4问题与展望尽管人工智能技术在中医诊疗领域的应用已经有很多卓有成效的探索工作，但不难发现既往研究主要以理论层面为主，计算机系统主要作为存储数据、融合信息和可视化工具，而非真正实现智能化决策支持。具体原因在于：（1）四诊辨证自身技术的规范化和数据化问题，四诊数据的支持性不够，主观性太强的四诊症状信息在数据稳定性、可重复性、纯净性上均存在很大问题，没有实现真正意义上的数据化。（2）缺乏与临床实践兼顾的理论模型指导“决策支持”；（3）缺乏设计完善、病证结合的临床大样本数据的支撑。以四诊信息技术数据化为前提，结合现代医学临床数据，在病证共性的前提下以数据融合为基础、人工智能技术为核心，有效扩大中医辨证论治的数据依据，则有望建立集诊断、治疗、疗效评价为一体的智能化辨证论治方法体系。
随着人工智能、大数据等信息技术的发展，这一新的诊疗模式探索已经可行。应用人工智能技术将中医药大量理法方药数据进行智能化处理，为中医临床诊断提供决策支持，可以最大限度发挥人机结合优势。因此，以中医辨证论治理论为核心、现代中医诊断技术为支持，借助系统科学和人工智能技术，病证诊疗结合、中西数据汇通，通过病证临床诊断、治疗、疗效评价决策方法的研究，最终建立具有辨证论治内涵的智能中医诊疗决策系统，可为中医临床诊断提供智能决策辅助支持，进一步促进中医诊疗规律的提升和总结，推动中医现代化发展。
人工智能助力中医药开启现代化发展新篇章
化验员对中药物料进行检测。新华社记者王松摄【编者按】中医药学是中国古代科学的瑰宝。传承创新发展中医药是新时代中国特色社会主义事业的重要内容。近年来，随着“大数据”“人工智能”等新技术嵌入中医药诊疗与服务等多个环节，“人工智能+中医药”的产业赛道逐渐升温，相关应用场景相继出现。《经济参考报》从即日起推出“中医数智化”系列报道，以飨读者。
历经探索与沉淀，中医药凝聚数千年民族智慧。近年来，中医药在预防、保健、康复等方面的特色优势得到进一步彰显，大众对中医药“治未病”“未病先防”等方面的关注持续升温。与此同时，现代信息技术的不断突破，推动中医技术与方法的革新，中医药已今非昔比，加上了“大数据”“人工智能”等新技术的中医药，正在迈入发展的新阶段。 “+AI”从传统中医药迈向智慧中医药 随着养生保健观念深入人心，“未病先防，既病防变，愈后防复”的中医之道，与现代人进行日常健康管理的需求不谋而合。然而，基于其属性特点，中医要想适应新时代健康需求，再度焕发出新的活力，如若仍旧遵循传统发展模式，不可避免地会面临不小的问题和挑战。 在浩如烟海的中医药典籍中，不乏艰涩难懂之著作，仅靠人力，无法完整、高效地学习，而且不同流派间存在一定壁垒，学术方面的交流与碰撞因此被削弱，诸多成果和经验很难进行有效迁移与转化，亟须一股作用力将精华融会、将派系打通。 此外，传统中医临床诊断以系统论和整体观为根基，经由“望、闻、问、切”四诊合参，辨证论治，重点依靠医生个人知识经验积累，诊断过程发挥主观性较强，诊断结果可能受到局限，精准性在一定程度上也容易有所欠缺。手段、体系、人才、资源等多方面的难题，都是制约中医药创新发展的症结。 早在20世纪70年代，专家学者就作出了将人工智能技术引入中医的初次尝试，获得成果较为有限。经过层层迭代、升级、创新，新一代人工智能技术在存储、推理、计算等方面的能力都渐趋成熟。2017年7月，国务院印发的《新一代人工智能产业发展规划》中提出，围绕医疗加快人工智能创新应用。运用AI等现代化信息技术助推智慧中医药建设也被不断写入国家纲领性文件。 复旦大学复杂体系多尺度研究院院长马剑鹏表示，人工智能在中医药领域有着广阔的应用发展前景。凭借AI在数据挖掘与采集、数据处理与分析、深度学习等方面的卓越能力，有助于实现海量古籍文献和临床诊治经验的结构化、科学化表达，帮助中医诊疗建立客观化标准与评价体系，弥补中医药高质量人才短缺与资源不均，拓宽中医药互联网应用场景，更好地传承并发展中医药文化。 由此可见，通过人工智能与中医药的深入结合，“中医药+AI”无疑是未来提高中医药群众普惠度，推动中医药事业发展的密钥。 AI赋予当代中医诊疗和服务多重智慧内涵 医疗大数据的积累以及多样化先进技术的发展，推动中医诊疗方式不断向数字化、信息化、智能化迈进，为中医药的传承与革新创造了巨大空间。硬件设施、平台搭建、系统管理……当下，AI已经成功嵌入中医诊疗与服务过程的多个环节。 马剑鹏认为，数字化中医智能诊断设备能够帮助实现中医智慧问诊。不论是病前诊断，还是病后治疗，人工智能都能有所作为。在日常化的健康管理中，利用设备收集人体基本信息，智能化评估健康状态，为使用者在未病时提供个性化的养生攻略。中医药智能诊疗系统与临床医生的相互配合，有助于中医辨证体系与人工智能技术“强强联合”。 中医智能镜就是数字化问诊的典例之一。该设备利用人工智能图像识别技术，提取面部特征参数，运用深度学习等方法进行精准化、定量化分析，建立健康状态模型。据了解，上海市以蒋家桥社区卫生服务站为代表的诸多基层中医服务点内，就配备有四诊仪、功法镜等智能设备，推动中医药资源下沉，真正便民惠民。 智慧中医医院建设也是提升中医药基层服务能力的主要抓手。公共卫生信息、健康档案和电子病历互联互通，极大扩充了信息库。借助高效的人机对话，群众足不出户就能进行病症自查，后台健康大数据的收集和更新，也便利了病后复查与跟踪随访。 2020年4月，上海中医药大学附属龙华医院互联网医院正式开通，这是上海首家互联网中医医院。此后，各大中医类医疗卫生机构相继开放智慧平台，设立智慧就医通道，致力于提升基层中医药诊疗服务质量，不断加强中医药服务能力。 智慧共享中药房整合线下线上资源，以集约化的思维，综合依托区块链、人工智能、物联网、大数据等技术，改革中药药事服务。建立覆盖中药仓储、调剂、煎煮、包装、配发等全流程的信息追溯系统后，根据中药材样本，AI进行数据识别分析和比对，能够有效甄别中药材真伪、溯源产地、预测品质等，取代过往眼看、鼻闻、手摸、嘴尝的传统鉴别方式。目前患者可在网上自助查询代煎药加工制作信息。 考验与机会并存 “中医药+AI”如何更好地面向未来 以中医药传统理论为根基，以诊疗实践案例为循证，以人工智能等技术为支撑，三者有机结合，赋能中医药传承创新发展。 “中医药+AI”不能止步于简单的要素叠加或范式挪用。马剑鹏认为，只有在透彻理解中医药基本特点的前提下，找到现代科技与传统文化的契合点，加强技术的适应性转化与利用，才能让人工智能“为我所用”。 马剑鹏介绍，近期爆火的ChatGPT就中医药进行对话会发现，这款新兴的人工智能程序在虽然在中医药客观基础知识方面对答如流，但在临床诊断方面还存在着很大的不足，而且也容易产生医学伦理问题，未来还有很长的路要走。 层出不穷的新技术创造出新的生产力，带来新的生产工具的同时，也引发思考甚至担忧。它们将会为中医药发展带来怎样的机遇或威胁，还是一个未知数。 既要应对外部变化的压力，又要面对内部升级的需求，建设新型中医药体系任重道远。要把握中医药的不可替代性，在技术发展的各个阶段寻求平衡点与最优解。业内专家认为，未来推动中医药和人工智能协同发展，加强顶层规划是必要也是首要条件。“中医+AI”涉及中医学、计算机、数学等多学科知识，中医类高校也应积极培养复合型中医药人才，为中医药事业输送力量。 加快中医药与人工智能技术深度融合，更进一步揭示中医药奥秘，不断提升中医药维护健康的能力，最终落脚点是为群众谋福祉。（记者赵逸赫实习生朱锦怡）国研网
Copyright©1998-2023DRCNet.AllRightsReserved
版权所有国研网
增值电信业务经营许可证京ICP证030059号
增值电信业务经营许可证京B2-20070136
出版物经营许可证新出发京批字第直210398号
京公网安备11010102002958号
国研网
Copyright©1998-2023DRCNet.AllRightsReserved
版权所有国研网
增值电信业务经营许可证京ICP证030059号
增值电信业务经营许可证京B2-20070136
出版物经营许可证新出发京批字第直210398号
京公网安备11010102002958号
人工智能技术促进中医药传承发展
人工智能（artificialintelligence）是研究和开发用于模拟、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[1]，其为大数据时代的经济发展提供了新能量，缔造了一种“虚拟劳动力”，提高了生产力。我国政府高度重视人工智能对社会发展的推动潜力，先后推出多项政策支持。2017年7月国务院发布了《新一代人工智能发展规划》，十九大报告中也提到“加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”，人工智能技术迅猛发展的时期已经到来。
目前，人工智能技术已在医学影像、体外诊断、手术导航、智能康复和健康大数据等方面取得了实际应用，并在提高癌症确诊率、加速新药研发、改善诊疗体验以及判断患者预后等方面发挥了重要作用[2]。如Esteva等[3]使用对致密纹理有较强图像处理能力的深度卷积神经网络（convolutionalneuralnetwork，CNN），利用大数据训练CNN，在充分学习皮肤病病理图像后，其诊断准确率可达91%，达到了专业级别。病理人工智能辅助诊断已实现了形态上的定量分析和细胞学初筛，在国内外也开始了商业化运作；而疾病的预后诊断、病理学分类和良恶性判断等组织病理学诊断在实验室也取得了显著进展[4]。基于图像诊断的其他医学领域如放射学也可以进行相应转化，如美国休斯敦卫理公会医院团队开发了自然语言处理（naturallanguageprocessing，NLP）软件算法，该算法准确获得了543例乳腺癌患者乳腺X线的关键特征，并与乳腺癌亚型进行了关联，其诊断速度为普通医师的30倍，且准确率高达99%[5]。人工智能技术依靠大量数据支持和深度机器学习，使其诊断效率远高于临床医师，且能力还可以在学习中不断完善和提高。IBM研发的人工智能肿瘤医师Watson于2012年开始在MD安德森肿瘤中心使用，辅助白血病诊疗并已指定作为肿瘤专家的顾问工具，其提供相关意见的准确率为82.6%，肿瘤科医师可以将就诊患者的所有临床资料输入计算机系统，然后Watson会回顾数据并推荐治疗方法[6]。由于肿瘤科医师不可能完全掌握各类肿瘤的最新研究进展，且肿瘤治疗极具复杂性，因此加以人工智能技术的强大数据辅助将有助于获得更好的治疗方案。人工智能技术具有加速生物学和医学科学进展以及改变医疗保健的巨大潜力，能为个体提供更有效、更简单及低成本的医疗护理服务[7]。张康团队开发的一种使用迁移学习技术的人工智能系统能有效将图像分类为黄斑变性与糖尿病性视网膜病变，其表现接近于专业的眼科医师，并可在30s内确定患者是否应该接受治疗，准确率达95%以上；在区分病毒性肺炎与细菌性肺炎上其准确率也超过90%[8]。在智能影像检查技术方面，2017年初，美国食品药品监督管理局(FoodandDrugAdministration，FDA)批准了全球首个人工智能深度学习影像临床应用平台ArterysCardioDL，其主打产品ViosWorks革新了传统的心脏磁共振成像方法，将扫描时间从1h缩短至6~10min，患者无需屏住呼吸，提高了检查效率和患者检查的依从性与成功率。人工智能技术在新药研发方面的作用也越来越受到重视，药物晶型是药品研发中的核心环节，将量子物理、人工智能技术与超大规模云计算相结合，可实现对小分子药物重要特性的快速、准确预测，如生物科技企业泰晶科技已完成大量早期分子的晶体预测，在提高新药研发效率的同时降低了研发成本。人工智能技术在手术导航中的运用逐步从辅助医师完成手术迈向自主完成手术。美国儿童国家健康系统（Children’sNationalHealthSystem）研究团队为提高手术效率与安全性开发了全自动手术机器人STAR（smarttissueautonomousrobot），即智慧组织自主手术机器人[9]。未来智能手术机器人有望接手外科医师的工作，为人类进行外科手术等治疗服务。人工智能技术正在医疗的各个领域被深入应用，并带动医疗领域的飞速发展，中医药领域在这种大环境下也正与人工智能技术融合，借助人工智能的技术优势提高自身发展和传承效率。与其他医疗领域一样，大数据结合人工智能的前沿技术必将带领中医药走向全新的时代。
1人工智能技术将融入中医传承发展中医药发展迎来了良好机遇，十九大报告明确提出“坚持中西医并重，传承发展中医药”，为中医药发展提供了政治保障。2017年7月1日颁布实施的《中医药法》为中医药发展提供了法律保障，而屠呦呦获得诺贝尔生理学或医学奖为中医药发展提供了国际环境。此外，随着人类寿命的延长，基于衰老的慢性病、恶性肿瘤、心脑血管疾病、阿尔茨海默病等发病率逐年上升，已成为主要社会健康负担。2016年国务院颁布的《中医药发展战略规划纲要（2016―2020年）》提出要充分发挥中医药“在治未病过程中的主导作用、在重大疾病治疗中的协同作用、在疾病康复中的核心作用”。中医药的治未病优势在这些领域有广阔的发展空间，临床巨大需求也为中医药发展提供了良好机遇。
在面临发展良机的同时，中医药发展也面临着挑战。中医药虽然有悠久的历史、丰富的实践经验和海量文献，但资源挖掘利用不够，直接影响其传承效率。中西医的发展模式不同，西医从实验数据中归纳提炼经验，然后再通过时间检验、修正、发展成理论；而中医则是在临床实践中不断总结、摸索，经验极具个性化，个体差异大，总体发展比较困难和缓慢。名老中医学术经验的传承效率不高，传统师带徒模式成才周期长、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。
随着互联网的普及，大数据的累积加速为人工智能技术在中医药领域的应用提供了基础。从以往数据中挖掘信息，尤其是名老中医用药规律，利用科学的研究手段将传统经验升华为科学规律，同时为进一步的基础研究和中药新药筛选研发提供依据和思路。与此同时，各种辅助诊疗系统和中医智能学习系统可以提高人才培养、中医传承效率和中医诊疗效率，使智能化的中医融入日常生活，真正做到智慧中医。
2中医领域人工智能技术应用现状2.1第1阶段：人工智能技术挖掘中医药数据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，有助于充分挖掘历代中医药知识，如《中华医典》等书籍和数据库。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完成对中医疾病病名、证候、中药药名、方剂名等的标准构建，为通过人工智能技术挖掘这些海量数据奠定了基础。挖掘中医诊疗数据有助于发现用药规律与终点事件的关系，并建立算法。伊璠[10]对张艳教授治疗的186例慢性心力衰竭患者的病案进行了频数分析和聚类分析，最后总结出242张处方中常用的6个用药类别，居于前2位者为补气药和活血化瘀药，印证了心气虚、心血瘀阻为慢性心力衰竭的主要病机。各种数据挖掘方法均能在研究名老中医用药规律中起到辅助作用，对经验的总结有一定的帮助。但应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不能满足中医药信息化发展的需求，因此需应用人工智能的深度学习功能进一步对大数据进行学习，变被动挖掘为主动的表现和探索。
2.2第2阶段：人工智能技术辅助中医诊疗及辅助学习系统在中医智能诊断方面，目前四诊客观化的研究已取得阶段性成果，脉诊和舌诊的客观量化有了长足进步[11]，这可以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。如人工智能化的语音识别技术为问诊的客观化提供了可能。此外，可穿戴健康设备的研发为中医健康管理平台即时健康监测带来了便捷[12]，患者可以即时将相关信息传送至平台进行分析和记录，同时可以及时接收平台反馈。基于以上即可建立中医诊断的智能化平台，优化患者的信息收集，减轻医师工作量，还可用于患者筛选、疾病预防、随访、诊断教学和科学研究。
在中医智能治疗（智能处方）方面目前研究也有很大进展，复旦大学医学健康大数据研究中心以实际临床场景和处方数据为基础，实现了中药智能分类[13]和针对肺癌的中医自动开方。中药智能分类针对中医处方的无序自然语言性，利用异构信息网络和基于排序的聚类技术发现中药所属类别（按功效）和针对症状。中医临床处方数据在数据科学中属于文本类，具有非结构性；同时，不同数据来源的处方间还存在异构性。如何处理大规模的异构医学文本数据是需要解决的关键问题。异构信息网络包括多元类型节点和多元关系的图结构，是数据结构化/半结构化表示的一种方法，广泛应用于数据挖掘[14]。以症状、草药为节点，共现关系为边构建中医药异构信息网络可巧妙解决处方无序自然语言性的难题。在数据高效表示的基础上，利用受限随机游走计算节点之间的先验概率[15]；在先验概率的基础上加入聚类隐藏信息，利用最大期望算法估计隐参数。最终得到一个软聚类模型，可计算草药聚类并找到症状与药物的强关系。针对肺癌的中医自动处方利用贝叶斯模型实现依据症状主动开方。首先使用Word2Vec[16]将临床处方嵌入到低维度向量空间以提高模型处理速度，将向量化的数据输入朴素贝叶斯分类器[17]进行模型训练，并对训练好的模型使用临床处方进行测试；最终得到初步的处方生成模型。目前，模型在根据临床需求优化过程。智慧中医的人工智能技术有望形成与中医专家高匹配的自动处方，从而应用于临床和教学中，目前系统正在进一步提高推荐的准确度，以期更好地辅助医师诊疗和发挥教学功能。
2.3第3阶段：中医药人工智能技术融入全生命周期健康维护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，不同于现代医学的健康管理主要针对某一种或某几种常见疾病，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，可以更好地实现“未病先防、既病防变、愈后防复”，在预防阶段进行健康投资能有效降低医疗费用[18]。基于人工智能技术建立中医药健康管理云平台可实现高效的人机对话并进行相关信息的处理分析，能根据每个人不同的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理改善，做到精准化个体医疗保健，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。随着老年人口的快速增加，医疗费用支出已成为不少国家和家庭愈加沉重的负担，而人工智能技术在健康管理中的应用可显著减少这些医疗费用，并在一定程度上改善医疗资源缺乏的状况，这种融入将对中医药发展产生强力推动作用。
3展望人工智能的理念和技术必将促进中医药的传承和发展。中医人工智能在现在和未来的发展可分为3个阶段：（1）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。（2）人工智能技术拥有独立自主的诊疗功能，其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。（3）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。目前中医人工智能正处在第2个阶段的研究发展中，在进行中医相关人工智能研究时，中医领域人才需要与信息技术专家紧密联合，使相关人工智能技术保留中医药精髓，贴近临床实际需求。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，这是保证数据质量的必要前提。症状、体征规范化的目的在于尽可能使用简洁、易懂、不会产生歧义的词语描述患者的病况，同时保持统一性和一致性。这也是现阶段需要努力完善的，现有的四诊客观化、中医术语规范化等已对该问题有了初步的涉及，但其广泛推广和应用尚未完成，仍需建立全面、规范的临床信息采集体系，开发一个程序化的软件云端平台，使中医大数据具有标准、规范、开放、无限、动态的特征。此外，最终医师会被人工智能替代吗？从辅助诊疗到完全依靠人工智能技术进行诊疗的过程很长，而且临床医疗行为具有极其鲜明的人文特质，人工智能无法替代医师对患者进行交流与安慰；尊重患者隐私以及对患者隐私的保护也是一个潜在问题；人工智能技术与患者医疗保险的关系、医疗数据如何依法依规开放、人工智能技术出现医疗纠纷时应承担的法律责任等基本问题，尚需有关部门进一步评价并制定相应政策。人工智能技术可对中医的发展产生正面、积极的影响，使其在理论发展、人才培养、规范化、客观化的科学进程等各方面均有望获得长足的进展，最终引领中医更好地传承、创新，尽快实现现代化和国际化。
漫谈中医人工智能“中医临床智能决策支持系统”≠“中医知识库”
很多人把“中医临床智能决策支持系统”简单地理解为“中医知识库”，那么“中医临床智能决策支持系统”的“智能”内核到底是什么呢？我们先来说说人工智能的发展历程。
第一代人工智能由于受到存储能力和运算速度的限制，人们主要给机器编程，让机器学会推理规则，以此来模仿、学习人类的智能，但是，这种主要靠演绎推理的学习方法不可能有真正的创造性。
第二代人工智能引进了知识库，用知识库来模拟人的经验，这在某种程度上弥补了第一代人工智能抛开经验试图完全靠推理来实现智能的不足，因其知识记忆与查询的能力超过了部分专家，因此第二代人工智能被称为专家系统。
但是，专家系统所依赖的经验数据(即知识库)是一个封闭、静态、有限的样本数据库，而人类大脑所使用的是开放、动态、无限的经验数据，因此第二代人工智能虽然具有了一定的智能，但仍然无法与人脑相提并论。
第三代人工智能克服了前两代人工智能的局限，在大数据和深度学习技术的支持下，能够自我归纳、总结出某些规律，能够自我学习，自我适应，能够根据经验大数据来灵活处理新情况、新问题，表现出人的智慧。
那么，智能化的中医临床决策支持系统怎么建？
Q：什么是中医临床决策支持系统的核心？
A：建设临床决策支持系统的核心，一是决策，二是支持。从中医“理法方药”的角度，决策的内容有三：第一，如何根据病人的疾病、体征、症状诊断（决策）其病机？（“辨证”）；第二，如何根据病机确立合适的治法？（“立法”）第三，如何根据治法组方用药？（“选方用药”）。而支持决策的依据是否全面、可靠，方法是否具有针对性，便成为中医CDSS品质高低的关键。
Q：人工智能系统与静态知识库的区别?
A：无论是西医的“循证知识”，还是一些中医知识库，多以知识检索为手段，做静态知识库内容推送，其共同的缺陷是：第一，缺少有经验的医生的个性化知识（而这正是中医传承精髓所在，也是智能化建设的难点）；第二，没有动态的基于知识学习的AI功能，系统不会越来越“聪明”；第三，无法实现中医所特有的“因时、因地、因人制宜”，静态知识库推送的“千人一方”，显然是不符合中医辨证论治的思维方法的。
Q：大经“中医临床智能决策支持系统”如何实现高品质的智能决策支持？
A:“中医临床智能决策支持系统”不能是静态知识库的检索与匹配，或者简单的知识搜索引擎，而需要是基于人工智能算法的智能辨证、智能开方系统。
系统既需要融入教材、指南、文献、经典的公共知识，还需要来自当代名老中医的个性化、地域化的诊疗经验；不仅仅是简单的智能开方系统，是在问诊阶段就开始与医生进行智能化的人机交互，帮助医生遵循“病-证-机-法-方-药”的中医思维链，更全面、更准确地采集患者的症状、体征和进行智能化的辨病辨证，在人工智能算法和强大的数据处理能力支撑下，为医生提供诊疗全过程的辅助和决策支持；并且，系统还具备基于大数据挖掘基础上的深度学习功能，它将逐渐变得更加“聪明”，更加贴近名老中医本人经验，提供更加符合真实环境下的医患诊疗需求。