案例推理對中醫臨床案例研究的認識和啟示

原文靜 趙進喜 苗潤培 孟慶剛

摘要 中醫醫案作為專家經驗的載體，對指導中醫臨床實踐、提升中醫學者臨證水平具有重要意義，人工智能領域案例推理技術有望彌補現有中醫醫案研究情境化特征缺失的遺憾。但由于不同類型的中醫醫案研究要點不同，因此，本文通過分析中醫醫案的分類、特點及研究現狀，并通過考察案例推理的理論內涵及在中醫醫案方向的應用現狀，探討案例推理對中醫臨床案例研究的啟示。

關鍵詞 中醫醫案;案例推理;數據挖掘;輔助決策;專家經驗傳承;真實世界;經典古籍;認知科學

Abstract As the carrier of expert experience，TCM medical records are of great significance to guide TCM clinical practice and improve the clinical practicing level of TCM scholars.Case-based reasoning technology in the field of artificial intelligence is expected to make up for the lack of situational features in existing TCM medical case research.However，different types of TCM cases have various research points.Therefore，by analyzing the classification，characteristics and research status of TCM medical cases，and investigating the theoretical connotation of CBR and its application status in TCM medical cases，this paper discusses the enlightenment of case-based reasoning to TCM clinical case studies.

Keywords Traditional Chinese medicine medical records; Case-based reasoning; Data mining; Assistant decision-making; Passing on expert experience; Real world; Classic books; Cognitive science

中圖分類號：R249文獻標識碼：Adoi：10.3969/j.issn.1673-7202.2022.01.004

中醫學是源于臨床實踐的經驗醫學，許多醫家在長期臨床實踐中積累了豐富的臨床經驗，形成了較為成熟的學術思想、豐富的診療經驗及診療技術，這些是中醫藥文化的寶貴財富[1]。中醫醫案作為這些專家經驗的載體，不僅是專家實施辨證論治過程中的文字記錄[2]，也是專家學術思想、診療經驗、診療技術的具體展現，同時也是臨床醫生提升臨證水平的重要途徑，醫者經驗中的隱性知識和顯性知識通過情境化的形式在案例中得以具體呈現。因此如何對這些醫案中蘊含的經驗知識進行有效挖掘和合理利用，對傳承專家經驗、指導中醫學者臨床實踐、提升中醫學者臨床水平具有重要意義。

目前對中醫醫案的研究方法以領悟式分析和數據挖掘為主，注重對醫家診療經驗的機械挖掘，期望從大量的醫案中提取具有某種規則的證治、癥藥關系，這種平均化處理的方式與中醫藥一人一方辨證論治的思維方式相背離，忽略了醫案中所蘊含的情境化隱性知識，使得其研究結果難以真正指導中醫臨床實踐，醫案中蘊含的專家經驗知識無法得到有效傳承[3]。

隨著信息技術的進步和交叉學科研究的深入，中醫研究者開始嘗試從其他學科的視角探索解決當前困境的方法，人工智能領域案例推理的方法，從認知科學的角度探索專家解決復雜問題的機制，這種通過對相似案例進行類比推理的方式使得案例中所蘊含的經驗知識得以情境化再現，吸引了越來越多中醫研究者的目光。作為中醫領域較為新興的一種研究方法，案例推理（Case-based Reasoning，CBR）不只是人工智能領域為提高計算機推理能力而建立的一種推理技術，其本身有著豐富的內涵，且中醫醫案類型豐富，不同類型的中醫案例研究要點不同，中醫臨床案例作為近現代中醫醫案的主要形式，有重要的研究價值。基于此，本研究通過分析中醫醫案的分類、具體特點、研究現狀，并通過考察CBR的起源、發展和在中醫醫案方向的應用現狀，探討案例推理對中醫臨床案例研究的啟示。

1 中醫醫案的分類特點及研究現狀

1.1 中醫醫案的分類及研究目的

中醫醫案是中醫大夫臨床診療活動的記錄，根據中醫醫案的特點，可以將中醫醫案劃分為不同的類別。從時間維度可以將其劃分為古代醫案和近現代醫案;以治療效果的好壞可以分為驗案和誤案;從數量上可以分為個案和類案;按照記錄形式的不同，可以分為實錄式醫案、回憶式醫案、病歷式醫案。每一類型的醫案有其不同的特點，古代醫案以中醫臨床證治、中醫經典理論分析為主，醫案體例基本相同，行文缺乏規范，研究方法有限，具有樸素性與單一性的特點。近現代醫案是自西方醫學廣泛傳入后，將西醫病案體例和中醫辨證論治內容相融合，變得更加細致與規范[4]，近現代醫案主要以各種記錄形式的臨床案例為主。

不同類型醫案適用的研究目的不同，驗案和誤案以療效為判定標準，驗案和誤案的挖掘主要用于輔助臨床決策，對驗案的學習挖掘有利于重復成功經驗，對誤案的整理利用則有助于規避錯誤經驗，以病癥類案則有助于挖掘對同類疾病的診療經驗和規律，以醫家類案則主要用來分析同一專家治療不同疾病的經驗。

1.2 中醫醫案數據的特點

中醫醫案作為中醫醫家臨床診療活動的記錄，是中醫醫家在結合自身認識的基礎上，在天人合一整體理論的指導下，通過時間、空間、社會等角度收集的對患者疾病現象的綜合信息進行辨證論治的過程，他們通過收集到的現象數據發現疾病本質。加上中醫醫案歷史悠久，從古到今，體量巨大。因此有研究者提出中醫藥信息具有認識論信息、現象信息、整體信息、時間信息4個明顯特征[5]。同時也決定了中醫醫案數據具有術語表達欠規范、多為定性數據、缺乏量化表達、數據類型多維度等特征[6]。

1.2.1 術語表達欠規范 中醫醫案中術語表達的欠規范主要包括2個方面：1）近現代醫案中名詞術語不規范，一詞多義與一義多詞現象普遍存在;2）基于古籍醫案的文言文表達規則與基于近現代醫案的白話文表達規則不同[7]。造成這2種問題的原因主要是中醫藥信息作為認識論信息，其術語表達不僅基于當時社會環境，也基于中醫專家個人認識。不同中醫專家背景不同則認識有所差異，對于同一癥狀的表達也隨著朝代變更、社會進步呈現出一定的差異。這種情況下理解真實語義變得更加困難，從而為數據清洗和數據挖掘帶來困難，也為醫案的有效學習和經驗轉化增加了難度。

1.2.2 多為定性數據、缺乏量化表達 中醫醫案數據的定性特征，源自中醫專家經驗在長期的個人臨床實踐形成的主觀認識，而這種認識是在中醫理論、天人合一的整體論指導下形成的。與患者疾病現象相關的綜合因素包括社會、自然界、人文等在內的主觀認識。這就決定了長期以來的中醫專家經驗認識以定性為主，缺乏量化表達，且表達具有一定的模糊性。對中醫專家經驗的研究屬于定性研究的范疇，而定性研究的顯著缺點就是存在偏倚和代表性差，其認識是基于主觀的認識，定性研究者無法具體描述分析資料的方法，因而可能存在偏倚;定性研究采取的目的抽樣，其樣本量較定量研究要少，故而代表性差[8]。因此如何將定性研究與定量研究相結合，將中醫醫案中的定性數據與定量數據相結合，對實現中醫醫案的有效挖掘意義重大。

1.2.3 數據類型多維度 中醫醫案中記錄的是醫家在辨證論治過程中收集的與患者疾病相關的盡可能全面的信息，從人文到自然、社會，從望診到聞診、問診、切診，從診斷、證候、治法、處方、用藥，到近現代醫學常用的輔助檢查、西醫診斷，從分類變量如性別男女到連續型變量如血糖9.8 mmol/L，從定類數據如疼痛到定序數據如CKD4期，從定距數據如體質量較前下降5 kg到時間序列數據如多次就診的情況，其維度豐富，不勝枚舉，展現了中醫醫案全數據的特點，但同時也為數據挖掘增加了難度。

1.3 中醫醫案的研究現狀

從數量上可以將中醫醫案分為個案與類案，目前有關個案的研究方法以領悟式分析為主，“醫者，意也”，領悟式分析是通過個人領悟來解讀、感受、學習醫案知識的方法。有關中醫類案的研究主要以統計分析和數據挖掘為主[9]。統計分析方法指研究如何收集、整理、分析和解釋統計資料的理論與方法[10]。數據挖掘則是指從海量的數據中通過抽取、轉換、分析從而發現潛在的新關系、趨勢和模式的過程。作為多學科交叉的產物，數據挖掘融合了統計學、機器學習、人工智能、模式識別、數據可視化、數據庫技術等多個領域的理論和技術[11]。

領悟式分析作為中醫學者學習中醫醫案常用的基本方法，也是目前臨床醫生提升中醫認識水平，提升臨證能力的重要途徑。但靠個人領悟來發現新知識的方法主觀性過強，且領悟能力與個人認知水平密切相關，加上研究流程不規范導致研究結論存在差異且難以重復，不利于推廣利用。統計分析和數據挖掘以從大量的數據中通過定量挖掘得出定性認識為目的。但同時帶來一些問題，首先直接對醫案數據進行分析，忽略數據產生的背景和數據間的關系，可能導致結果與醫家主觀認識有偏離，或分析結果是中醫領域的常見規律，存在一定的不必要性;其次重視共性規律的挖掘從而忽視了個案中所蘊含的情境化個性知識[9]。

中醫類案是相關個案的集合體，是相關個體化診療方案的綜合展現，基于個案和類案的研究各有側重又互不可缺，基于個案的研究有助于發現個體情境中醫家辨證論治的診療規律，對于類案的挖掘則有助于醫案中所蘊含的普遍規律。如何將基于個案和群案的研究相結合，將定性與定量的方法相結合，將醫案中蘊含的規律與具體情境相結合，實現個案與類案的互補，是中醫醫案研究必須面對的關鍵環節。

2 案例推理的理論認識及其在中醫醫案方向的應用現狀

2.1 案例推理的起源

簡單來說，CBR就是利用過去的相似經驗來解決當前問題，這是我們日常生活中解決問題常用的辦法，作為一名醫學生，當我們在臨床上面對一個患者時，我們會回想過去遇到的相似經驗，或者回想老師處理這類疾病時的治療方案，這就是基于案例的推理。

目前學界公認的最早有關CBR理論的闡釋源于美國耶魯大學認知科學和人工智能專家羅杰·沙克（Roger·Schank）1982年發表的著作《Dynamic Memory：A Theory of Learning in Computer and People》，在這本書中羅杰·沙克首次提出了以記憶組織包為核心的動態記憶理論;1983年，羅杰·沙克發表著作《Dynamic Memory：A Theory of Reminding and Learning in Computer and People》，羅杰·沙克在這本著作中對CBR理論進行了詳細闡釋，標志著CBR理論的初步形成。

羅杰·沙克提出的CBR理論對認知科學產生了較大的影響，由此，羅杰·沙克創辦了認知科學雜志（Journal of Cognitive Science），創立了認知科學協會（the Cognitive Science Society），并且成功當選為國際人工智能協會（The Association for the Advancement Artifical Intelligence，AAAI）的院士。因此學界把1982年羅杰·沙克提出的動態記憶理論作為最早有關CBR理論的闡釋，同時羅杰·沙克及其研究團隊也引領了CBR早期的發展方向，從羅杰·沙克提出的CBR理論誕生以后，這種從認知科學的角度模仿人類解決復雜問題的方法，吸引了越來越多認知科學領域和人工智能領域研究者的廣泛關注。

縱觀羅杰·沙克早期的研究歷程，即CBR理論的形成歷程，可以大致分為3個階段：1）概念依賴理論的提出[12-14];2）腳本概念的提出[15-16];3）動態記憶理論的提出[17]。其中每個階段有其不同的特征和研究重點，各個階段又承上啟下，共同催生了后來的CBR理論。這個過程實際上是從使計算機理解人類語言到模仿人類解決問題的研究過程。

2.2 案例推理的發展

從羅杰·沙克提出的CBR理論誕生以后，這種從認知科學的角度模仿人類解決復雜問題的方法，吸引了越來越多認知科學領域和人工智能領域研究者的廣泛關注，有關CBR的研究很快從美國蔓延至世界各地，認知科學領域的專家開始關注并逐漸完善人類解決復雜問題的認知過程，同時人工智能領域的專家也以模仿這種機制為基礎展開研究，期待建立一種推理技術使計算機能像專家一樣解決復雜問題。其中較為知名的學者有珍妮·克羅德納、大衛·里克、普拉扎、奧莫特、亨特、Bradelly P Allen等，每一個學者都從認知科學的視角建立了CBR的理論模型。其中較為經典的是普拉扎和奧莫特提出的4R模型和Gavin Finnie和Zhaohao Sun提出的5R模型。

Plaza和Aamodt認為，在CBR中首先需要解決的是對當前問題進行分析，識別當前問題的主要特征，然后檢索與新案例相似的一個或多個過去案例，確定檢索到的案例哪一部分可以重用，在重用先前案例的基礎上修改解決方案，并通過將其合并到現有案例庫中來保留新的經驗。以此認知過程為基礎，Plaza和Aamodt將其所創立的CBR模型的基本過程概括為：檢索（Retrive）、重用（Reuse）、修正（Revise）、存儲（Retain），被稱為經典的4R模型[18]。

Gavin Finnie和Zhaohao Sun認為案例庫的構建是CBR不可忽視的重要環節，在既往的CBR模型進行推理前都假設案例知識庫已經建好，忽略了案例庫的構建環節，并沒有將案例庫、問題、解決方案分開，他們認為案例庫的結構和內容對案例推理至關重要，于是他們提出在4R的基礎上增加案例表征（Repartition）的環節，即案例表征（Repartition）、檢索（Retrive）、重用（Reuse）、修正（Revise）、存儲（Retain），被稱為經典5R模型[19]。案例表征根據不同的問題將不同的解決方案通過相似度的推理進行分類處理，將案例庫的構建、案例檢索、案例適應統一起來[20]。

綜上所述，案例推理是以認知科學為基礎，以人工智能技術為手段，以在解決問題中學習為目的的復雜模型。經過了40多年的發展，有關CBR的研究也從美國擴展至世界各地，使用CBR技術建立的系統也從最初的法律領域，逐漸擴展到醫療診斷、故障診斷、應急決策、規劃設計、財務金融、農林漁業等領域。這些學者和學術組織一方面研究人類通過案例推理解決復雜問題的認知基礎和推理過程，另一方面在人工智能領域探索基于這種認知過程的人工智能技術，積極推動著CBR的發展。

2.3 案例推理在中醫醫案方向的應用現狀

作為目前人工智能領域集成建模研究的主流實現方法，CBR主要適用于知識難以表達或因果關系難以把握但已積累豐富經驗的領域，CBR通過尋找與當前問題最為相似的過去案例從而獲得解決當前問題的辦法，這種通過模仿人類解決問題的思維方式而建立的推理技術具有增量式學習、求解質量高等特點，有關CBR的研究方法和技術以其獨有的特點和優勢吸引了越來越多中醫領域研究者的關注，中醫研究者通過將中醫領域的具體特點和人工智能領域的CBR技術相結合，努力探索CBR技術在中醫領域的應用前景，以期為中醫案例的研究帶來新的啟示。

2.3.1 人工智能角度 從人工智能的角度來看，目前中醫領域的案例推理研究主要集中在2個方面，其一是在案例推理的不同環節探索適合中醫醫案研究的相關技術并探索其最佳性能，其二則是與其他知識推理技術相結合建立集成案例推理模型。劉曉玉和孟慶剛[21]結合中醫醫案的具體特點，在案例表征環節提出基于本體論的中醫醫案知識表征，在案例檢索環節提出基于隨機森林和最近鄰法的相似醫案檢索方法，在醫案的重用與修正環節提出基于臨證思維模式的醫案重用與修正，在案例存儲環節提出基于信息交叉驗證的醫案研究有效性評價以及基于動態反饋的醫案保存。王來奇[22]根據中醫醫案數據類型多樣的特點提出了一種計算混合類型數據的相似度度量方法并將其應用到中醫藥治療突發傳染病的案例推理系統中。李鋒剛等[23]在檢索環節提出基于單證、綜合辨證和基于醫生本人既往案例的多策略相似性檢索。葉超[24]在知識表征環節利用中醫信息本體技術構建中醫喘證醫案的案例庫，以提高CBR的推理效率。張佩江等[25]將案例推理與模糊技術相結合用于中醫診斷，以提高模型利用率。井含光[26]將人工神經網絡技術應用于案例索引環節，并將案例推理與規則推理結合起來構建基于糖尿病腎病的集成案例推理模型。

2.3.2 中醫診療過程 案例推理是結合人類對復雜問題進行求解的認知過程建立的人工智能模型，因此問題求解的目標決定了案例推理的目標，中醫診療是包含診斷、治療、療效預測等多個環節的診療過程，每個環節有其不同的特殊性和重要性，有研究者將神經元模糊與案例推理相結合應用到中醫肺病的診斷中以提高案例推理的效率[27]，井含光[26]從中醫證型-治療的維度建立中醫藥治療糖尿病腎病的案例推理模型。從案例推理在中醫領域目前的應用來看，現有研究多集中在2個方面，首先是面向中醫證型的診斷環節，通過癥狀的相似性確定中醫證型，為下一步治療用藥奠定基礎;其次則是證治環節的推理，這一環節主要通過相似證型的比較來選擇治療方案。

2.3.3 醫案來源 從目前已發表的文獻來看，目前中醫領域的案例推理所使用的醫案主要來源于中醫古籍所記載的類案，或國家知識基礎設施數據庫、中國學術期刊數據庫等數據庫中已發表的多個專家治療同個病種的近現代類案。很多經典的古代醫案等寶貴的文獻資料，長期以來指導中醫臨床實踐，其中蘊含了豐富的學術思想及診療經驗，是臨床醫師心目中的“高等級”證據級別的學習資料，因此對古籍醫案的挖掘利用具有重要意義。與古案相比，近現代醫案是在結構與內容上與現代醫學相融合的一種新的病例形式，其內容與格式都較前者更為完善，但是結合現代醫學特征的中醫病案屬性更為復雜，從而為病案分析與挖掘帶來更大的挑戰。中醫醫案類型多樣，從古籍醫案到現代中醫臨床案例，如何將不同類型的醫案與案例推理相結合，有效挖掘與利用中醫醫案中蘊含的知識，是CBR在中醫領域的研究中不可忽視的重要環節。

3 案例推理對中醫臨床案例研究的啟示

3.1 基于以醫家類案的專家經驗傳承

許多現代中醫專家在長期的醫療實踐中形成對某一特定疾病的認識，積累了豐富的經驗，中醫臨床案例作為現代中醫專家經驗的載體，承載著中醫專家的學術思想，是研究專家經驗、實現經驗傳承不可或缺的重要途徑。中醫藥文化博大精深，浩瀚如煙，從專家經驗到臨床案例，其中蘊含了大量豐富的隱性知識，這些隱性知識只可意會不可言傳，本身就為中醫文化、專家經驗的傳承和中醫醫案的有效挖掘設置了障礙;加上不同中醫專家文化背景、成長軌跡的不同，因而導致其對同一疾病的認識有所差異;他們從不同維度認識疾病發生的病因病機，因而其治療思路、處方用藥也各有特色。因此，如何將專家治療某一特定疾病的診療經驗、認知過程與CBR相結合，通過定性和定量方法的聯合應用，有效挖掘中醫醫案，對于提升中醫學者的臨證水平、實現專家經驗傳承具有重要的現實意義。

應用是療效的前提，療效評價作為目前制約中醫藥發展的瓶頸，為基于驗案和誤案的推理增加了難度，因此從二元組的形式即“問題-解”的案例內容表示方法對案例進行表示，可以降低案例推理的難度，有利于案例推理的推廣利用。我們認為，通過基于定性研究的方法實現專家經驗的總結，將定性和定量的方法用于知識表示、案例檢索特征及權值的選擇和確定過程中，再通過相關證型或癥狀的相關類案著手分析，結合具體問題情境，有望提升此類醫案的挖掘效率，提升知識利用率，促進專家經驗知識的轉化利用。

從認知科學的角度來看，中醫專家具有經驗創造者和經驗使用者2個身份。作為經驗創造者，我們需要重點關注中醫專家治療優勢疾病的特色經驗，這部分經驗是中醫專家在長期的診療實踐中形成的精華所在，我們認為可以從2個維度進行挖掘，第一，以了解其相關的文化背景和成長背景為基礎，通過梳理其學術淵源與學術發展脈絡，總結分析其創新的學術觀點和學術思想的形成過程;第二則是學習了解其治療優勢疾病的臨床診療策略、診療行為和診療技術[1]。從學習科學的角度來看，其學術淵源、學術發展脈絡及學術思想，是中醫專家學術思想創造和形成的基本路徑，了解其基本路徑對如何更好地改善當下中醫教育的培養模式及改進中醫學者的學習方法可能有重要的啟示，了解其學術思想也是學習其診療經驗的前提和基礎。其次是中醫專家作為經驗使用者時，首先涉及中醫專家根據何種特征對既往所遇到的病例在大腦中進行索引，以更好地存儲于記憶庫中并方便其需要時檢索，第二步則是如何對當前所遇到的病例提取主要特征，隨后根據提取到的主要特征對記憶庫中的案例進行檢索;從學習科學的角度來看，這是中醫專家學習、記憶和辨證論治的重要方法，是經過實踐檢驗的有效途徑，也是廣大中醫學者學習之路上的重要寶典。

3.2 基于驗案和誤案的臨床輔助決策

驗案是指在經過臨床實踐確實有效的醫案，誤案則是經過臨床實踐未取得實際療效的醫案，療效是中醫藥持續發展的生命力和源泉，也是臨床決策的重要參考依據，基于療效最優選擇相似醫案是符合臨床思維模式的可靠途徑。因此以效案和驗案為標準構建案例庫，可以為基于CBR的有效推理奠定基礎，提高CBR的實際效率，為輔助臨床決策保駕護航。我們認為，基于驗案和誤案的臨床輔助決策可以從以下2個方面考慮。

第一是針對臨床真實世界的案例，首先需要構建基于真實世界的中醫臨床診療數據庫，結合中醫辨證論治的特點，建立基于個案的臨床療效評價方法，包括試驗設計方法、療效指標體系以及療效評價方法，以此為基礎篩選效案、誤案，給出療效評價，在此基礎上結合案例推理，通過以病癥類案，確定案例檢索特征和特征權值，在匹配最優的環節可以選擇將療效最優與癥狀相似度最高案例聯合參考，確定重用部分，在案例存儲環節納入多次就診數據給出療效評價，基于實際療效給出專家解釋，幫助使用者從問題中學習，增加臨床經驗，并形成證據指導中醫臨床實踐，真正建立從臨床中來到臨床中去，臨床科研一體化的科研范式。

第二則是針對經典古籍中的案例，這些案例長期以來指導中醫臨床實踐，評價中醫臨床療效，具有極高的學術地位和應用價值[28]，因此如何實現這些案例的有效利用以指導臨床實踐具有重要意義。首先需要構建基于經典古籍的案例庫、規則庫和真實世界案例庫，案例庫用于儲存經典古籍中的案例，規則庫則用于儲存古籍案例下的加減法則，真實世界案例庫則用于儲存經過案例推理后在現實世界已實際應用的真實案例。其中如何規范化處理古籍醫案，建立基于不同古籍醫案的案例表征和案例檢索，通過真實世界應用評價實際療效，儲存多次就診數據于真實世界案例庫，實現基于案例推理的經典古籍醫案的有效利用。

在這個部分，如何真實、客觀地評價診療效果是整個案例推理的前提和基礎，也是其中的關鍵環節，中醫藥以辨證論治為核心的個體化診療模式和從臨床中來到臨床中去的發展模式，不同于現代醫學以辨病治療為核心的診療模式和從基礎研究中來到臨床中去的發展模式[29]，因此在“從臨床中來”的階段，如何建立與中醫藥基本特點相匹配的臨床療效評價方法可能是當前首先需要解決的重要問題。而從學習科學的角度來講，案例庫相當于“從臨床中來”的真實世界診療記錄，基于診療記錄的效果評價，是發現新方藥、新技術、新方案的重要來源，也為“到臨床中去”階段，進行更深入的研究和驗證奠定基礎。

4 結語

眾多中醫名家曾反復強調增加臨床經驗之于臨床醫生的重要性，中國工程院院士王永炎教授曾說過“讀經典、做臨床、參名師”，首都名中醫、首都高校名師趙進喜教授也反復教導學生“熟讀經典勤臨床，多拜名師悟性強”，說明臨床實踐和經典古籍醫案是中醫學者學習專家經驗，提升臨證能力的必要途徑。因此實現中醫案例的有效挖掘對提升中醫學者臨證水平有著重要意義。我們認為，案例推理在中醫臨床方向的研究可以大致分為3個階段：第一個階段是起始階段，這一階段主要以方法學研究為主，將不同類型中醫醫案與案例推理相結合，探索適合中醫臨床發展的案例推理研究方法;第二階段是局部應用階段，這一階段隨著方法學體系的逐漸完善、中醫數據庫和基于個案療效評價體系的深入發展，開始建立與之相融合的案例推理系統，實現小規模的局部應用;第三階段是全員應用階段，這一階段隨著案例推理系統性能的不斷提升，大數據和小數據技術、真實世界研究范式逐漸成熟，案例推理與之深度融合，實現大規模應用，進入數據共享的盛世階段。目前的研究主要停留在第一階段，我們期待隨著人工智能技術、真實世界、中醫數據庫研究的發展，案例推理與之深度融合，為中醫醫案研究開啟新的篇章，真正實現從臨床中來到臨床中去、臨床科研一體化的科研范式。

參考文獻

[1]胡鏡清，路潔，劉喜明，等.名老中醫經驗傳承研究內容與方法的思考[J].中華中醫藥雜志，2009，24（10）：1346-1348.

[2]張笑平.中醫病案學[M].北京：中國中醫藥出版社，1995：1.

[3]劉曉玉.基于案例推理的中醫醫案方法學研究[D].北京：北京中醫藥大學，2020.

[4]徐世杰，王國為.中醫醫案的特點及其價值[J].北京中醫藥大學學報（中醫臨床版），2013（5）：7-11.

[5]崔蒙，尹愛寧，李海燕，等.論建立中醫藥信息學[J].中醫雜志，2008，49（3）：267-269，278.

[6]賈李蓉，崔蒙.中醫藥科學數據研究進展[J].南京中醫藥大學學報，2012，28（5）：495-497.

[7]崔蒙，李海燕，雷蕾，等.“大數據”時代與中醫藥“知識密集型”數據[J].中國中醫藥圖書情報雜志，2013，37（3）：1-3.

[8]于河，劉建平.定性研究方法及其在醫學領域內的應用[J].循證醫學，2008，8（5）：292-296，300.

[9]何彥澄，肖永華，閆璞，等.中醫醫案分析方法評述[J].中醫雜志，2018，59（13）：1106-1109.

[10]賈俊平，何曉群，金勇進.統計學.[M].6版.中國人民大學出版社，2015：2.

[11]王光宏，蔣平.數據挖掘綜述[J].同濟大學學報：自然科學版，2004（2）：246-252.

[12]Schank RC.‘Semantics’ in conceptual analysis[J].Lingua，1972，30（1）：101-140.

[13]Schank RC.Conceptual Dependency Theory-Science Direct[J].Conceptual Information Processing，1975：22-82.

[14]Schank RC.The Conceptual Approach To Language Processing-Science Direct[J].Conceptual Information Processing，1975：5-21.

[15]Dunlop C.Conceptual dependency as the language of thought[J].Synthese，1990，82（2）：275-296.

[16]Schank RC，Abelson RP.Scripts，Plans，Goals and Understanding：An Inquiry Into Human Knowledge Structures[M].Psychology Press，1977：36-67.

[17]Schank RC.Dynamic memory：A theory of reminding and learning in computers and people[M].New York：Cambridge University Press，1983：227-229.

[18]Aamodt A，Plaza E.Case-Based Reasoning：Foundational Issues，Methodological Variations，and System Approaches[J].Ai Communications，1994，7（1）：39-59.

[19]Finnie G，Sun Z.R5 model for case-based reasoning[J].Knowledge-Based Systems，2003，16（1）：59-65.

[20]Sun Z，Finnie G，Weber K.Case base building with similarity relations[J].Information Sciences，2004，165（1-2）：21-43.

[21]劉曉玉，孟慶剛.基于案例推理的中醫醫案方法學研究[J].中醫雜志，2020，61（21）：1882-1887.

[22]王來奇.基于CBR技術的中醫診療系統中案例相似度計算方法研究[D].北京：中國科學院大學（中國科學院工程管理與信息技術學院），2017.

[23]李鋒剛，倪志偉，郜巒.基于案例推理和多策略相似性檢索的中醫處方自動生成[J].計算機應用研究，2010，27（2）：544-547.

[24]葉超.明清時期中醫喘證醫案的知識表示和本體架構研究[D].唐山：華北理工大學，2017.

[25]張佩江，靳賀敏，余孝奎，等.基于案例推理和模糊推理的中醫診斷[Z].鄭州：河南中醫學院，2015.

[26]井含光.基于案例推理的中醫治療糖尿病腎病證治比較研究[D].北京：北京中醫藥大學，2018.

[27]王雅玡，賀向光，王力剛，等.融合案例與神經元模糊推理模型在中醫肺病輔助診斷中的研究與應用[Z].濱州：濱州職業學院，2018.

[28]孟慶剛.中醫臨床療效評價循證證據體系構建探析[J].中華中醫藥學刊，2018，36（5）：1031-1034.

[29]劉保延.中醫臨床療效評價研究的現狀與展望[J].中國科學基金，2010，24（5）：268-274.

（2021-11-06收稿 本文編輯：吳珊）