人工智能助力中醫藥發展現狀、問題及建議

林靜怡　李詩翩　郭義　任海燕　李鑫舉　周鵬　席強　梁峰

摘要 目的：梳理我國人工智能（AI）在中醫藥領域的發展現狀，分析現存問題，并對未來發展提出建議。方法：綜合課題組前期對中國工程院10位院士進行訪談調研的結果進行分析。結果：現狀方面，AI為中醫藥現代化發展提供了有力的技術支持，已有成果證實“AI+中醫藥”在數據管理、臨床診斷、健康管理等方面起著互相推動的作用。存在問題是數據標準欠缺、交叉人才匱乏及政策支持力度欠缺等;建議對中醫藥數據進行全面治理，同時結合我國具體情況加速培養學科交叉復合型人才，并從數據、知識產權、倫理安全及資金等方面給予支持。結論：未來AI如何更好地助力中醫藥以及整個醫藥健康領域，還亟待進一步探索。

關鍵詞 人工智能;中醫藥;院士訪談;現狀;問題;建議

Current Situation，Problems，and Suggestions of Development of Traditional

Chinese Medicine Assisted with Artificial Intelligence

LIN Jingyi，LI Shipian，GUO Yi，REN Haiyan，LI Xinju，ZHOU Peng，XI Qiang，LIANG Feng

（1 College of Traditional Chinese Medicine，Tianjin University of Traditional Chinese Medicine，Tianjin 301617，China;

2 School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，Tianjin 300072，China）

Abstract Objective：To clarify the current situation of artificial intelligence（AI） in traditional Chinese medicine（TCM），analyze the current problems，and put forward some suggestions for future development.Methods：Previously，the research group interviewed 10 academicians from the Chinese Academy of Engineering and the results were comprehensively analyzed.Results：Currently，AI technically supports the modernization of TCM.Existing results have confirmed that the combination of AI and TCM promotes advancements in data management，clinical diagnosis，health management，etc.The existing problems revealed the lack of data standards and interdisciplinary talents and insufficient policy support.The present study recommended comprehensively managing TCM data，accelerating the cultivation of interdisciplinary talents according to the specific conditions of China，and providing data，intellectual property，ethical security，and financial support.Conclusion：How AI helps TCM and the entire medical and health field in the future needs further exploration.

Keywords Artificial intelligence; Traditional Chinese medicine; Academician interview; Status; Problems; Suggestions

中圖分類號：R2-03文獻標識碼：Adoi：10.3969/j.issn.1673-7202.2022.06.020

人工智能（Artificial Intelligence，AI）是一門用于模擬、延伸和擴展人的智能的理論方法技術及應用系統的前沿科學，已應用于地質勘探、石油加工、軍事等諸多領域[1]。醫療是AI應用的重要領域之一，AI與中醫學均以開放、聯系、整體、動態的思維分析事物[2-3]。2018年4月國務院辦公廳發布的《關于促進“互聯網+醫療健康”發展的意見》將AI技術引入中醫藥領域，文件強調支持中醫辨證論治智能輔助系統的研發，提升基層中醫診療服務能力。隨著國家衛生健康事業發展的增速，當前中醫藥服務難以滿足人民群眾的要求，人們對于家庭化穿戴式設備、互聯網醫院、云服務等AI賦能健康管理產品的需求日益增加。中醫藥的發展迎來了“天時、地利、人和”，從國家政策、智能技術、人民需求等諸多方面都具備優越的發展條件。為深入了解AI在中醫藥健康領域中的應用現狀、現存問題，獲取領域專家權威觀點及前沿信息，中國工程院2019年重大咨詢項目《人工智能在健康管理中的應用戰略研究》課題組成員在前期文獻研究的基礎上進行了院士訪談，現將訪談的主要結果報道如下。

1 訪談的方法、對象及內容

1.1 訪談方法及對象 本次訪談以面對面訪談為主要方式，以問卷訪談作為輔助，訪談對象為10位來自中國工程院醫藥衛生學部及電子與工程學部的院士。訪談基于院士調研函，以院士的個人觀點為主體，請受訪院士就相關問題發表意見。

1.2 訪談內容 訪談圍繞“AI在中醫藥領域的研究和應用現狀”“當前AI在中醫藥領域應用中存在的問題及解決方案”及“AI在中醫藥領域中應用的發展目標及前景”3個方面進行。

2 訪談結果

2.1 中醫藥領域AI應用現狀

在訪談中，受訪的10位院士一致肯定了AI應用于中醫藥領域的必要性。在此次訪談中，院士們認為，目前AI在中醫藥領域的應用主要涉及中醫藥數據挖掘、中醫診斷、健康管理、中藥生產、中醫機器人等方面。越來越多的證據表明，作為中醫學的中醫和AI的結合勢在必行，且已初獲成效。

2.1.1 AI助力中醫藥數據挖掘 數據挖掘是從結構化的海量數據中挖掘隱含信息的重要途徑，融合了數據庫技術、模式識別、數據可視化、機器學習等多領域的技術和方法[4]。中醫藥數據資源具備大數據特征。一方面，原始數據龐大：浩如煙海的古代文獻、日新月異的現代文獻及每日數以萬計的臨床病例都是中醫大數據庫的重要來源;另一方面，數據復雜多樣：中醫病歷包括望聞問切四診所得資料及理化檢查指標、診斷結果包括病名及證型，且對于同一患者不同醫者依據不同的辨證方法診病所得診斷結果各異。

近年來數據挖掘技術在中醫藥領域得到了廣泛的應用，如基于深度機器學習的名老中醫經驗傳承數據平臺的建立，基于數據倉庫技術的具有人工智能特征的針灸臨床循證診療決策支持系統的構建等[5-6]。AI數據挖掘技術用于研究中醫藥數據，可提高數據利用率，獲取有效信息，挖掘數據背后隱藏的規律。

2.1.2 AI助力中醫智能診斷 中醫智能化研究始于以物理傳感器為基礎的四診信息客觀化研究，目前以舌診儀、脈診儀等為代表的中醫智能化診斷儀器已日趨完善[7]。診斷的客觀化是中醫證候標準化的前提，只有實現了診斷技術的客觀化，才能真正形成具有中醫特色的智能化診斷決策支持系統，為未來疾病的診斷、治療及預后康復提供精準客觀的診斷指標[8]。

目前已有諸多學者進行了相關研究，如程京院士借助現代工程技術開發了目診儀，通過對眼象進行客觀可視化動態監測以評價個體健康狀態[9]。AI診斷儀器可以為醫生提供準確的診療數據，縮短診斷時間，提高診斷精準率，使臨床診斷有證可循。

2.1.3 AI助力中醫健康管理 中醫健康管理是以維護廣大群眾健康為目的，結合現代健康管理學的理論方法，通過對中醫信息的全面采集、監測、分析及評估，為健康人群、亞健康人群及患病人群提供中醫健康咨詢指導、健康教育，并對健康危險因素進行中醫干預。

AI的介入為運用中醫“治未病”和“整體觀念”等思想指導健康管理提供可能。1）AI賦能未病階段健康管理：通過便攜式可穿戴智能化設備，檢測收集高質量的身體體征信號，對人體健康狀態進行智能化預測，以達到全方面、全時限、個性化的健康管理;2）AI賦能已病階段健康管理：利用智能化訓練手段，結合專家管理經驗和強人工智能交互手段，幫助有長期亞健康、慢性病、身體殘疾群體實現低成本的康復訓練，并通過分析動態身體功能數據實時優化和調整訓練方案。

2.1.4 AI助力中藥智能研發 AI在生產全程對中藥材質量進行管控和鑒定可助力中藥飲片質量的提高。1）中藥制藥工程的智能管控：開展中藥先進制藥與信息化融合示范研究，建立中藥數字制藥、智能制藥的示范化生產線、車間、工廠，并推動中藥智能制造的標準化建設。2）中藥材檢測及辨識：通過大數據圖譜對比分析，利用以質量標志物為核心的近紅外光譜檢測等方法對成品中藥材質量進行評估，如醫庫云開發的中藥材AI“鑒別師”[10]。3）助力中藥新藥的研發：在藥物發現階段，加速藥物新靶點的發現、縮短藥物研發周期、縮減新藥研發成本;在臨床前研究階段，解決藥物吸收率、水溶性、毒性等問題;在審批與上市階段，通過自然語言處理技術搜集數據資料，以便藥物研發人員進行藥物研發情報分析及上市后安全評估等工作[11]。

2.1.5 中醫智能機器人使用 中醫智能機器人是“人機共存，以人為主”的中醫智能輔助的下一發展階段，類似圍棋AlphaGO，中醫數千年積淀的實踐經驗是他的“棋譜”。中醫智能機器人通過自我學習，依靠巨大的儲存空間及基于智能算法的高效處理能力，其獨立性將越來越強，未來將形成“人機共存，以機為主”的局面[2]。我國在中醫智能機器人研發中已有所成就，如“天璣”骨科手術機器人是我國制造的全球首個創新一代通用型骨科機器人手術平臺，提高了手術的安全性，具有減少失血量和術中組織創傷等優點。“天璣”的出現，標志著我國骨科手術邁入智能化、精準化、微創化的機器人手術新時代。

2.2 AI在中醫藥領域應用現存問題

在中醫藥與AI的融合發展中，許多學者在中醫藥數據挖掘、中醫診斷、健康管理等多個方向取得了一定成果。在欣喜于中醫學與智能技術碰撞出火花的同時，院士們也指出目前AI應用于中醫藥領域在中醫數據、交叉人才以及政策支持等方面尚存問題。

2.2.1 中醫藥可利用數據匱乏，缺乏標準，存在孤島 程京院士在訪談中強調：“無數據則無人工智能，數據是促進人工智能賦能中醫藥的重中之重。”目前中醫藥大數據研究尚處于起步階段，主要存在著以下3個問題[12]。1）可利用數據匱乏。古代文獻中浩瀚的非結構化的知識、現代文獻中多樣化的醫學術語以及受醫師個人經驗及主觀判斷形成的臨床診斷及診療病歷等，這些原始數據量雖大，但數據間關聯性較弱，可利用度低，如何攻破各種類型資料之間的數據壁壘是擴展中醫藥數據來源的一大關鍵[13-14]。2）數據標準化欠缺。我國中醫藥標準化工作起步晚、基礎弱、任務重，數據標準的缺失是中醫藥與AI融合發展的關鍵瓶頸[15]。中醫強調整體觀念、辨證論治，由于自身數據模糊性、經驗性的特性，目前仍處于“小數據”階段，而標準的統一正是將主觀性“小數據”融合成中醫藥客觀化“大數據”的橋梁。如何制定合理通行的中醫藥標準，加速數據融合發展是目前亟待解決的關鍵問題。3）數據存在孤島。一方面，數據的差異性是大數據共享需要關注的核心問題之一——我國成千上萬個醫療團隊間數據類型多樣、數據質量各異、評價指標有別，醫療系統數據相對閉塞;同時，還有相當大比例的數據停留在醫院數年積累的文字病歷信息階段，尚未經標準化、規范化處理。數據的自身特性嚴重限制了中醫臨床數據的共享，導致“數據孤島”廣泛存在。另一方面，數據權的歸屬是大數據共享需要關注的另一個核心問題——診療信息變為科研數據后的“所有權”歸屬，涉及到數據采集者（醫生與患者）、分析者（選擇目標數據并進行處理的科研工作者）及應用者（真正讓數據產生價值的群體）三方的利益協調，當數據涉及多個參與者時，明確數據權的劃分將有助于打破“數據孤島”的現狀[16]。

2.2.2 AI與中醫藥交叉人才稀缺 《2017全球人工智能人才白皮書》中指出，AI領域人才分布極不平衡，全球AI領域人才約30萬，而市場需求在百萬量級，且由于合格AI人才培養需要較長時間，人才缺口很難在短時間內得到有效填補。此外，相較于美、英、日等國外高校，我國高校AI發展現狀也存在兩大問題：1）起步較晚：如斯坦福大學的AI實驗室成立于1962年，而國內最早的清華大學智能技術與系統國家重點實驗室正式成立于1990年;2）發展較弱：國外諸多高校專門開設了AI相關專業，如CMU計算機學院的計算機視覺、機器人科學專業等，而國內鮮有以AI直接命名的專業，多依附于計算機科學、軟件工程等相關專業。

AI與中醫藥交叉人才則更為稀缺。陳香美院士提出想要將AI應用于中醫領域，就要跨學科進行基礎問題的研究，中醫領域人才需要與AI專家緊密結合，使相關AI技術保留中醫藥精髓，貼近臨床實際需求。

2.2.3 相關政策支持力度不足 中國自2016年起圍繞AI在醫療健康領域的應用頒布了《國務院辦公廳關于促進和規范健康醫療大數據應用發展的指導意見》《促進新一代人工智能產業發展三年行動計劃（2018—2020年）》等文件，政府雖然大力支持AI在醫療領域的應用，但相關政策法規僅停留在支持AI發展階段，具體針對AI賦能中醫藥領域的政策指導及監管尚未涉及。政策支持對于AI輔助中醫藥發展起著關鍵作用，誠如鐘世鎮院士所言：AI想要在中醫藥領域應用，前面有個“關”，后面有個“山”“關”就是國家的政策，政策一定要支持。

2.3 AI助力中醫藥發展建議

為了更好地將AI應用于中醫藥領域，解決目前中醫藥領域存在的諸多問題，AI與中醫藥結合發展應從中醫藥大數據全面治理、復合型人才培養及國家政策支持等方面著手。

2.3.1 全面治理中醫藥數據 “AI+健康管理”最大的問題在于數據的來源和質量，應從以下幾方面進行把控：1）對中醫藥數據進行標準化采集及處理。臨床采集患者信息時，使用規范化語言表述中醫臨床癥狀、體征、病名及證型信息，力爭早日實現菜單式選擇輸入疾病信息或語音采集病例，最大程度保證信息的客觀性、規范性，避免醫患雙方主觀因素的影響;利用四診儀等采集患者信息時，應依照中醫診療儀器相關行業標準，統一同類產品的技術參數及產品規格，同時探索最適合中醫辨證論治診療思路的數據處理算法，并對目前較少研究的聞診儀等中醫全套診療系統進行研發[17]。2）打破數據孤島，形成中醫藥數據區域鏈。開放、共享、合作是大數據時代的共同準則[18]，為了促進中醫藥現代化及科學化，國家層面需制定相關政策，引導各地醫療衛生機構的數據資源共享，積極突破數據壁壘，實現診療信息透明化，形成中醫藥醫療大數據產業鏈。此外，可借鑒美國“全美健康項目”的經驗，加速開發全國統一的中醫專業電子病歷系統，引入深度學習等AI數據挖掘技術，整合中醫臨床數據。3）對中醫藥數據進行生態化治理。首先，完善互聯網情境下的智慧醫療方式，推動政府醫療健康信息系統與公眾醫療健康數據互聯融合、開放共享;其次，鼓勵政府、醫療衛生機構、科研機構、高校和企業多方合作、密切協同;最后，強化應用標準規范和安全技術建設雙輪驅動[19]。

2.3.2 加速培養復合型人才 欲借人工智能技術促進中醫藥發展，需加速培養復合型人才。基于中醫藥以及AI特征，建議從中醫藥高等院校、專業研究機構以及相關企業3個方面考慮，建設多學科交叉復合人才培養體系。1）高等院校方面：加速推動高校AI領域一級學科建設，在本科教學體制設置、研究生培養等方面進行教學改革，中醫藥專業學生培養需兼顧工科、人文科學的基礎素養，增加AI相關學科方向碩士、博士招生名額，吸引國際頂級科學家和高層次人才;開展產學研合作，高校與科研院所、企業聯合開展AI學科建設。2）研究機構方面：對復合型人才進行再培養，通過開展計算機、信息類專業知識相關課程，加強醫藥研究人員此方面理論的培養。3）企業方面：AI企業下沉，對接中醫藥基礎研究以及臨床研究醫學團隊，校企結合，聯合培養人才，如天津中醫藥大學與浪潮集團天津健康醫療大數據有限公司合作，在院校培養學生學習中醫藥理論及思維，在企業培養學生學習AI相關技術，真正實現“AI+中醫藥”復合型人才的培養。

2.3.3 國家政策鼎力相助 國家級政策法規的出臺將有力引導并保障AI在中醫藥領域的有效應用，政策法規應在以下幾方面加強。1）數據、知識產權保護和安全應給予保障：國家層面制定相關法規保障數據安全性，同時加強對知識產權的保護，鼓勵知識和技術創新。2）應高度重視倫理安全：盡快形成一套透明而規范的倫理法規及認責制度，美國頒布的《國家人工智能研究與發展戰略計劃》中已提出社會學戰略，發展AI的倫理、法律和社會學研究，我國在這方面仍較為欠缺[20]。3）資金支持應有力度：沒有一定資金的支持和投入，AI助推中醫藥發展將受到嚴重影響，建議國家在此方面應有力度。

3 總結

通過對中國工程院10位院士訪談，梳理了AI技術用于中醫藥領域的現狀、存在的問題，并對未來發展提出了建議。未來AI如何與中醫藥進行創新融合與發展，以推動新時代中醫藥更有效地服務于中國乃至世界衛生醫療領域，服務于人類健康管理，還亟待進一步探索。

參考文獻

[1]李洪崢，高嘉良，王階.人工智能——引領中醫學新發展的有效工具[J].世界科學技術-中醫藥現代化，2018，20（7）：1197-1201.

[2]黃欣榮，鐘平玉，馬綱.人工智能與中醫智能化[J].中醫雜志，2017，58（24）：2076-2079，2106.

[3]宣思宇，田侃，楊澤華，等.健康中國視域下人工智能在中醫藥領域應用存在的問題及建議[J].醫學爭鳴，2019，10（6）：62-65.

[4]Han J，Kamber M，Pei J.Data mining：concepts and techniques[M].Amsterdam：Elsevier，2012：585-631.

[5]龐博，劉剛，周雪忠，等.基于機器學習的名老中醫診治肺癌認知模型構建方法[J].北京中醫藥，2015，34（12）：949-954.

[6]任玉蘭，梁繁榮，吳曦，等.基于數據挖掘的針灸臨床循證決策支持系統研究[J].中華中醫藥雜志，2011，26（4）：795-797.

[7]李燦東，辛基梁，雷黃偉，等.中醫健康管理與人工智能[J].中華中醫藥雜志，2019，34（8）：3586-3588.

[8]石玉琳，胡曉娟，許家佗.中醫病證智能化診斷與分類研究進展[J].中國中西醫結合雜志，2019，39（6）：763-768.

[9]程京.一探中醫藥的科學化和工程化[J].前進論壇，2016，56（10）：14.

[10]陶益，陳林，江恩賜，等.人工智能和工業4.0視域下高光譜成像技術融合深度學習方法在中藥領域中的應用與展望[J].中國中藥雜志，2020，45（22）：5438-5442.

[11]孫雅婧，李春漾，曾筱茜.人工智能在新藥研發領域中的應用[J].中國醫藥導報，2019，16（33）：162-166.

[12]石康樂，謝晴宇，孟慶剛.大數據時代的中醫藥小數據研究探討[J].中華中醫藥學刊，2019，37（2）：372-377.

[13]李燦東，蔡晶，唐嵐芳.中醫健康管理與大數據[J].中華中醫藥雜志，2019，34（9）：4134-4137.

[14]楊蘊，鐘薏，于觀貞，等.人工智能促進中醫藥傳承發展的機遇與挑戰[J].北京中醫藥，2019，38（8）：835-838.

[15]翟偉，郭義，陳澤林.發揮標準在中醫藥健康服務中的引領作用[N].中國中醫藥報，2015-08-14（003）.

[16]張妮楠，史華新，謝琪，等.大數據背景下醫學數據共享產生的倫理學問題[J].中國中醫藥信息雜志，2018，25（8）：9-11.

[17]陸小左.中醫四診儀標準化建設迫在眉睫[N].健康報，2013-05-22（5）.

[18]陶永鵬，劉朝霞，頊聰.大數據背景下有關中醫藥現代化思路的探討[J].中華中醫藥雜志，2019，34（2）：470-473.

[19]李華才.醫療健康大數據生態圈構建略談[J].中國數字醫學，2017，12（4）：1.

[20]袁紫藤，陶金婷，談瑩，等.國內外醫療人工智能應用現狀及相關政策[J].醫學信息學雜志，2019，40（5）：2-9.

（2020-10-09收稿 本文編輯：芮莉莉）

基金項目：中國工程院2019年重大咨詢項目（2019-ZD-6-03）

作者簡介：林靜怡（1998.07—），女，本科生在讀，研究方向：中醫內科學，E-mail：linjingyi_98@163.com

通信作者：任海燕（1985.02—），女，博士，講師，研究方向：《黃帝內經》理論與應用研究，E-mail：rhyxiaotong@163.com