“AI+中醫藥”：邁向智慧中醫藥時代的新途徑＊

蔡菲菲，馬立新，胡元佳，蘇式兵**

（1. 上海中醫藥大學交叉科學研究院中醫復雜系統研究中心 上海 201203；2. 上海理工大學智能科學與共性技術研究院 上海 200093；3. 澳門大學中華醫藥研究院中藥研究所質量研究國家重點實驗室 澳門 999078）

1 引言

從公元2世紀《傷寒論》建立的中醫藥“辨證施治”個性化醫療體系起，到最近中醫藥精準醫療的提出[1]，中醫藥個性化醫療在健康維護、臨床實踐以及研究發展過程中取得了巨大的成就，但也遇到諸多難題，主要的挑戰在于如何隨著現代社會科技的發展，在不斷繼承發展完善自身的同時，實現高效的智能預測、預防、診斷和治療康復，維護或干預處于動態變化中的人體——開放的復雜巨系統，使之保持或恢復正常狀態，而“AI + ”熱潮在席卷全球的同時，為中醫藥個性化精準醫療的發展點燃了新希望。

人工智能（Artificial Intelligence，AI），又被稱為機器智能，是指一個系統能夠正確解釋外部數據，從這些數據中學習，并通過學習進一步靈活地完成特定的目標和任務[2]。從AlphaGo 學習大量棋譜之后橫掃圍棋界各路高手，到Waston 機器人進入醫療領域為臨床提供精準的腫瘤治療支持[3]；從化學界的“Alphago”使用深度神經網絡和符號AI 進行逆向合成分析[4]，到谷歌最新的AlphaFold 根據氨基酸序列準確地預測蛋白質的三維結構，再到基于AI技術的新型成像方法將膠質瘤的三維定位精度誤差縮小到十微米級[5]，AI 帶來的革命正在快速發展，并已滲透到醫藥學領域，成為醫藥學界關注的熱點。

中國的百度、阿里和騰訊（BAT）三巨頭也在積極地布局AI 醫療板塊。繼百度發布以大數據資源和處理能力為核心的醫療AI 計劃成果——百度醫療大腦后，阿里健康發布了包括臨床醫學科研診斷平臺、醫療輔助檢測引擎、醫師能力培訓等在內的“Doctor You”醫療AI 系統，騰訊也發布了AI 醫學輔助診療開放平臺，其研發的“騰訊覓影”致力于實現對醫生診斷的有效輔助和完成重大疾病早期篩查等任務。同時，AI技術在中醫藥領域的應用也拉開了帷幕。

"AI+中醫藥"是運用AI技術和互聯網平臺等，將AI技術與中醫藥深度融合，進而建立一系列適合于中醫藥研究和應用的AI 技術方法，促進中醫藥發展，形成一種智能化的中醫預測預防、養生保健、診斷治療和康復等健康管理的“智慧中醫藥”。本文從中醫臨床信息的智能化采集、智能化的中醫臨床決策與處方治療、中醫大健康管理等方面，闡述了AI 技術在中醫藥領域中的研究與應用現狀及發展前景。

2 中醫臨床信息采集

AI的核心要素之一是數據，而傳統中醫臨證是依靠個人主觀經驗進行“望聞問切”，對中醫四診信息進行客觀化、數字化、規范化地采集和標注，是實現中醫診斷智能化的第一步。目前智能診斷設備和互聯網云存儲云計算等產品和技術與中醫藥結合，正快速推動著中醫四診信息規范化的數據采集和標注研究。

2.1 四診信息

傳統的望診是觀察人體全身和局部征象以及排出物等，司外揣內，從而了解人體內在狀況和變化的診法，其中尤以舌診和面診最為獨特。目前卷積神經網絡結構在中醫舌象診斷的客觀化研究中表現良好，例如ResNet18在區分正常-熱證舌象的測試中正確率達94.4%，在正常-熱證-寒證分類測試中有89%的正確率[6]。中科望診機器人采用機器視覺技術，測量人臉面部反射區顏色及形貌奇異性，基于中醫面診+西醫體檢+AI算法，通過對攝像頭拍攝的上百張照片和機器人生物傳感器采集數據進行深入快速剖析，只要15 s，即可對人體10 大系統及70 多項健康指標進行完整篩查與全面評估。

中醫的聞診既指聞患者的說話、咳嗽、喘息聲，也指聞患者的口氣和體味。通過語圖儀、頻譜儀、具有語圖及頻譜雙重功能的儀器和電聲門圖儀對發聲功能和嗓音進行檢測，以數值和圖形的形式分析并呈現結果，是目前臨床上嗓音聲學檢測普遍使用的方法。有研究應用聲診技術，采集肝郁脾虛、心脾兩虛、心腎不交證型患者語音信號，并分析其特征參數[7]。而通過整合AI技術和中醫理論精髓，洛克菲勒大學的一個團隊利用AI預測分子的氣味，使用大型嗅覺心理物理數據集，開發了機器學習算法，根據化學信息特征可以預測分子的感官屬性[8]。利用氣相色譜質譜儀（GCMS）可以檢測空氣或呼吸樣本中的化合物，分析結果用于深度神經網絡進行特征提取，在中醫智能聞診中有很大的應用潛力。

有關疾病的起病原因、發病經過、既往病史、患者的自覺癥狀，以及情緒、飲食、起居習慣等與疾病有關的情況，均要通過問診才能了解。隨著語音識別技術的發展，以及自然語言處理（NLP）技術從非結構化文本中提取并創建用于挖掘醫學文檔數據的算法日趨完善[9]，語音識別可與NLP 并行工作以實現人機交互，應用于問診對話、癥狀采集、診療解釋、診后隨訪等多種醫療場景。2018 年12 月15 日，首屆世中聯中醫藥大數據發展論壇上，“邦大夫”醫患AI對話系統正式發布，該系統基于語音識別、NLP、深度學習等前沿AI 技術以及中醫臨床診療大數據所構建的中醫領域知識圖譜，利用語音對話平臺與基于中醫大數據的癥狀推理引擎深度融合，自動采集并生成結構化問診電子病歷。

切診包括切脈和按診，即切按脈搏和對身體的觸摸按壓，借此了解脈象變化、身體痞塊與腫脹、肌體溫涼及疼痛部位。早從20 世紀50 年代起，就有許多關于脈象檢測、記錄以及定性定量分析的客觀化研究，為智能化切診打下了一定的基礎。有基于兩種機器學習算法，通過評估脈象物理特征因素組合判斷高血壓，與使用血壓計預測高血壓的診斷準確性之間的一致性研究，發現左右關脈的最大脈搏幅度是高血壓的良好指標[10]，應用深度神經網絡實現對動態心電圖心律失常的診斷與分類[11]。除此之外，結合非侵入式的檢測裝備與AI技術，模仿人的觸摸按壓獲得反饋數據并進行分析，也是充分發揮中醫切診非創傷性檢測、辨別臟腑功能盛衰和氣血津精虛滯優勢的一種方法，而四診合參的智能化應用更能為病情發展觀察和臨床療效評價提供有效依據[12]。

此外，還有從整體客觀采集分析數據。例如，對人體能量變化的信息采集——紅外熱成像系統[13]；對人體經絡系統變化的信息采集——經絡信息檢測系統[14]；對大腦活動的信號采集與轉化——大腦深度圖像重構系統[15]，提示了運用AI 技術從物質、能量和信息角度探討中醫藥整體觀的可行性。

2.2 客觀指標檢測

現代中醫臨床診療除了傳統的望聞問切外，還需要利用西醫學的檢測手段，將宏觀辯證和微觀辨證有機結合，降低誤診漏診的概率。AI在基于圖像特征提取和分析的影像學和病理學分析領域恰恰有著人眼無法比擬的獨到優勢。除了直接通過對醫學影像圖片進行特征提取的方式來進行病情預測與診斷外[16]，還能夠通過影像對人體結構進行三維建模，實現對內鏡機器人等微型診療設備在人體內的定位和識別，采用無監督學習等方式對醫學影像特征進行提取分析，減少對數據標注的依賴，方便醫學影像分析工作的開展[17]，是當前醫學影像研究的重要內容。此外，利用海量的基因組學、轉錄組學、蛋白組學、代謝組學、宏基因組學以及影像組學等系統生物學和醫學大數據，構建多模態數據采集分析與中醫結構化知識推理相結合的智能診療模型也是未來發展方向之一。

3 中醫診斷與治療

自20 世紀70 年代起，中醫人工智能研究就已起步，當時主要采用模仿中醫師臨床經驗或挖掘中醫經典著作的方式，進行思維推理和算法設計一系列中醫專家系統。隨著互聯網和計算機技術的飛速發展，我們能夠快速獲得海量的醫療大數據，有賴于智能算法的不斷優化，而中醫智能化診療模型也愈加精準。

3.1 智能化的中醫臨床決策

在梅奧醫學中心的危重癥模型研發項目中，已經開始引入中醫陰陽五行理論體系與西方醫學的密集數據進行融合，形成創新的數學模型提供實時決策支持，輔助醫生預測和判斷病情。中醫的辨證分型過去常被視為黑箱，是可根據癥狀將患者分為不同類別的分類器。計算機輔助醫療決策（CAMDM）是利用大量電子病例數據作為決策程序的經驗和證據支持的方法。有研究通過進行可靠的多標簽學習，對中醫慢性疲勞“脾虛”，“心虛”，“肝郁”和“氣虛”四種證型的辨證性能在80%至100%的大范圍置信水平下保持穩定，表明了其對閾值確定的魯棒性[18]。在中醫臨床實踐中，患者的癥狀體征和證型之間往往存在復雜且非線性的關系，不能單純采用表面結構算法，而基于深度學習和多標記學習構建的中醫證候診斷模型能夠提高證型識別的準確性，為指導臨床決策提供了參考[19]。

3.2 中藥管理、處方與研發

中藥的質量是中醫臨床療效的基礎，中醫藥標準化是中醫現代化的重中之重，然而，客觀評價和有效控制中藥質量仍是一個難題[20]。在AI 的幫助下實現中藥質量標記物的定量分析，建立整體質量控制和可追溯性系統，可以為中藥質量評估提供快速簡便的檢測方法[21]。受計算機視覺深度學習進展的啟發，研究人員認識到深度學習方法可以提供強大的中草藥圖像識別和檢索支持[22]。目前中藥智能處方的研究，主要是基于癥狀的文本描述，從而更好地自動生成中藥處方[23]。AI 在定向藥物設計和分子治療方面的進展也為中藥的研發提供了新思路[24]。研究者在建立清熱類中藥與活血化瘀類中藥分類模型的過程中發現，相較于傳統的機器學習模型，深度學習方法在預測清熱和活血化瘀作用時的敏感性、特異性、精密度、準確性更高[25]。

3.3 療效評價和機制研究

療效是醫學發展的前提，而對于中醫療效的評價沒有像西醫學那樣統一、完善、客觀化的標準，要使中醫在國際上獲得更大的認同和推廣，還是要繼續摸索符合中醫特色的療效評價體系。目前應用現代技術方法評價中醫藥療效和研究作用機制的嘗試不少，而AI 關鍵技術則提供了新的評價和分析手段。比如將機器學習算法用于構建分類器，預測針對阿爾茨海默病25個關鍵目標的活性分子，進一步來研究治療阿爾茨海默病的中藥配方[26]。又或者利用從高通量篩選中獲得的化合物的物理化學性質，訓練了監督分類器，將最佳的機器學習模型用于從中藥數據庫中篩選新的抑制惡性瘧原蟲入侵紅細胞的化合物[27]。也有研究結合機器學習分析分子通路，揭示穩心顆粒綜合抗心律失常的多蛋白質靶標網絡[28]。

4 大健康管理

伴隨著全球人口老齡化的趨勢和醫療衛生條件的改善，慢性非傳染性疾病成為主要死亡原因，21 世紀的醫學對象從急性感染性疾病轉向慢性疾病，干預方式由疾病的控制轉向生活方式干預的管理，醫學的目的從“治療疾病”向“維護健康”轉變，未來的醫學將是面向全體，貫穿生命全過程的“健康醫學”。

4.1 預測、預防和康復

除了輔助疾病診療，AI的高靈敏度讓其在疾病早期識別、預測和預防上展現出人力難及的優勢，“精準醫療”最為核心的一條作用是：人們有望被告知未來可能會患某些疾病，從而能更好地預防，這與中醫“治未病”的預防理念有異曲同工之妙，而個性化早期檢測和有針對性預防，將能夠大大降低健康維護成本[29]。目前深度學習的皮膚癌診斷已經達到專家水平[30]。除了早期識別和預防器質性病變，AI機器人還能測量心理狀態及變化，甚至有與自閉癥兒童交流和教授自閉癥兒童提升心理健康的能力[31]，這也為中醫智能化防治情志病帶來了一些啟發。此外，AI也可用于康復護理過程，實時地判斷病人的病情，按照機器人的指示提高康復鍛煉的正確性，以及提供遠程康復護理服務[32]。通過分析中醫推拿的操作和需求，有研究者建立了一種高效的全覆蓋路徑規劃算法模型，搭建了按摩機器人實驗平臺，提高了按摩機器人智能水平和按摩效果[33]。

4.2 健康動態管理

目前可供中醫健康管理系統的智能化構建參考的一些例子有，基于可穿戴傳感器和人類活動模擬，在3D 虛擬環境進行老年人家庭健康護理[34]；使用特定算法來識別有遺傳病家族史或慢性病風險高的人群[35]；對真實世界復雜的社會生態系統建模，幫助社區衛生管理人員理清系統復雜性，以更低的成本找到有效的干預措施[36]。此外，健康動態管理系統不能一成不變，而必須從數據中學習，從而實施持續的流程改進。因此還需加速實施全面電子健康記錄[37]，數據需要實時采集，還要在保護個人隱私的前提下開源共享。隨著智能硬件的投放，以及個體化基因測序服務的快速發展，大量的數據從可穿戴健康傳感器獲得，前所未有的數據量，再加上自然語言處理和社會認知算法的進步，AI結合中醫治未病理念的應用將塑造未來具有個性化和參與性的中醫健康動態管理系統。

5 展望

AI+中醫藥在落地過程中仍存在許多變數，真正意義上的強AI 要有足夠多的數據對AI 系統進行不斷的訓練，要有不斷自我學習改進算法的機制，以及要有強大的計算能力，因而AI+應用的深入不僅涉及技術、成本以及數據源，傳統中醫行業的開放與融合亦是生態成形的關鍵。中醫臨床數據來源問題、中醫的標準化與規模化的困難仍然是中醫大數據與智能化面臨的重大挑戰，但是，無論從國家層面、科研單位、還是企業都在推動中醫行業及中醫智能化的發展，其未來前景值得期待。

所謂AI + 中醫藥，并不是讓AI 完全替代中醫師實施診療，而是要將人類生物智能與AI 相結合，在利用認知模型實現AI系統知識更新的同時，提升人們對中醫藥的認知水平，構建人機協同的智慧中醫藥健康體系。AI在中醫藥領域的關鍵技術主要有圖像識別、語音交互、語音轉寫、NPL、數據挖掘及認知計算，想象未來智慧中醫融入日常生活的場景，結合中醫特色與優勢的智能設備隨處可見，四診信息被實時采集分析顯示，智慧中醫管家根據辨證數據提供日常飲食與起居建議，或對疾病做出預診判斷并上傳云端，通過智能分診系統預約合適的醫生。而從中醫師的角度，AI+中醫藥為醫生賦能，利用中醫思維，對疾病提出新的規律和認識，發展適合于中醫診療的儀器設備，輔助醫生完成最終的診斷和疾病治療，并對中藥進行標準化控制，優化醫療資源配置。此外，AI + 中醫藥運用AI 算法，分析并學習復雜的中藥配伍規律，有別于西藥的研發思路，發現并優化微量的中藥多成分配伍組方，將會打開中藥新藥研發的新窗口。AI+中醫藥所開啟的智慧中醫新時代，將實現從數據到知識，從知識到智能的跨躍，建立鏈接個人和醫療機構的跨領域醫療知識中心，形成開放式、互聯互通的醫療信息共享機制，駕駛AI+中醫藥的快車，我們將邁向“智慧中醫藥”惠及人類健康的明天。