中醫四診客觀化與智能化研究進展

張世祺，孫宇衡，咸楠星，楊珺涵，馬新宇，張 哲，王基實，高詩岳，周婉寧

（遼寧中醫藥大學，遼寧 沈陽 100847）

人工智能（artificial intelligence，AI）技術是研究、開發、應用于模擬延伸和擴展的各種相關技術理論、方法、技術及實際實踐應用的一門新的信息工程領域的學科。AI由約翰·麥卡錫博士在1956年于達特茅斯國際學術會議上首次公開提出。目前關于AI主要技術研究的應用領域包括智能機器人、語言語音識別、圖像識別、自然語言處理和自動定理證明等[1]。AI已經成為最新的產業變革和科技革命的中堅力量。由于特殊的智能化和高效性，AI在智能交通、家居、醫療等民生范疇備受追捧，對日常生活產生了積極正面的影響。自從2013年IBM Waston（沃森）宣布進入醫療保健領域，“數字醫療+AI”的理念就逐漸開始走入大眾視野。谷歌、微軟、騰訊等企業也隨之進軍智能醫療領域，使AI在影像輔助診斷、新型藥物研發、社區健康管理、數據智能處理等醫療領域都有了廣泛應用。尤其是在2020年，智能醫療、線上醫療成為了投資與技術市場最為關注的范疇，而智能醫療產品與手段的普及也使得“AI+數字醫療”被認為是最具發展前景的領域之一。

中醫學是在我國醫療實踐經驗的長期沉淀積累、傳統文化的深刻影響、自然科學的不斷滲透下逐漸發展而形成的富有中國特色的醫學理論體系。整體觀念和辨證論治分別是現代中醫理論的根本出發點和落腳點，以人體臟腑經絡關系為理論核心，以陰陽五行理論作為基本理論，通過實時采集疾病信息，四診合參的診療方法，對各種疾病進行診斷和治療。中醫辨證思維貫穿于中醫診療的全過程，是中醫的主要思維方法。人工智能與中醫學同為多學科相互滲透的產物，二者存在注重整體思維、強調開放動態、重視經驗思維和關注預測推理等相似之處[2]，因此將“AI+數字醫療”和中醫經典相結合將會帶來巨大的發展與變革。2017年12月在浙江烏鎮舉行的第四屆世界互聯網大會期間，成立了中國首個互聯網中醫館，并提出了“中醫藥+互聯網+人工智能”的創新理念。2019年10月發布的《關于促進中醫藥傳承創新發展的意見》強調將中醫藥領域與AI技術結合，支持研究、開發中醫智能輔助診療系統，旨在開展一體化遠程醫療服務等數字化診療措施。本文將從“AI+數字醫療”在中醫診斷、治療領域的應用進展、爭議、挑戰等方面，對近年中醫在人工智能診療研究和發展脈絡進行梳理，以期為新時代中醫藥各領域的傳承發展、守正創新提供新思路與新方向。

1 中醫四診客觀化發展歷史

中醫智能化較為關注的方向為“中醫診療”，主要包括“中醫四診客觀化”和“中醫專家系統”的研究[3]。“中醫四診客觀化”技術的普及是實現“中醫四診智能化”的重要前提，在以往的四診診斷信息客觀化獲取技術的研究中，主要的方向在望診與切診方面。在20世紀50年代，朱顏首先在中醫脈診的臨床研究中運用了杠桿式脈搏描記器，通過應用描記橈動脈脈搏圖的方法深入研究中醫脈象，成為了“四診客觀化”研究的開端[4]。此后隨著現代醫學醫療科技檢測技術的不斷發展，各種以“四診客觀化”為研究目的的脈診儀及傳感器陸續走進現代醫療領域，如能夠對寸、關、尺三部切脈壓力進行準確調節和脈搏電圖精確測定的“20型三線脈象儀”、能同時精準記錄三道脈象和一道心電的“BYS-14型脈象儀”等，對臨床脈診客觀化和標準化研究具有重要意義[5]。舌診作為中醫望診重要一環，尤其受到研究者們的重視。20世紀70年代就有國外學者采用三色表來檢查患者的舌象、舌色等舌診要素信息，被認為是舌診客觀化的最早嘗試。此后隨著技術進步，國內科研人員也應用了如光譜廣度法、光電轉換法、舌診比色板等手段進行舌象客觀化的研究，但由于當時技術條件限制，無法準確的區分舌質與舌苔的顏色圖像[6]。“中醫專家系統”的提出為中醫第一次與人工智能相結合提供了契機。自20世紀80年代關幼波診治肝炎的專家系統問世以來，陸續出現了不少能夠涵蓋大部分中醫疾病種類的“中醫專家系統”。操作者輸入患者的“四診”相關資料，來模擬專家診斷病理信息的工作流程，最后模擬輸出該專家得出的該患者的診斷結果及診療方案，開啟數字化診療的先河。然而經過多年的發展，由于臨床應用實效不佳，國家已經不再給予此類項目資金支持[7]。除了大環境的負面影響外，受限于醫者個人經驗、描述病情的方式等主觀因素影響，使其臨床療效不穩定，而且沒有對關于辨證選方用藥思路的闡釋，導致初次使用者在臨床診療中收效甚微，因此中醫專家系統仍然發展緩慢。

2 人工智能與四診客觀化

2.1 望診 望診，是指醫生通過視覺對人體的疾病相關部位進行有目的的診察，以了解健康情況，測知患者病情的方法[8]。中醫望診客觀化、智能化主要分為面診和舌診兩個方面。在中醫望診中的舌象識別與疾病診療中，圖像處理技術的應用十分廣泛[9]。其中尤以舌診研究最為深入，主要是根據圖像分析的方法對采集到的舌象及面部特征進行分析。近年來舌診技術隨著技術不斷發展也在不斷升級，可利用高光譜圖像[10]、顏色空間等技術，使用Lab、RGB、HSI、HSV等顏色空間模型[11]，更加深入地進行舌象色彩提取、剖析舌象形態，描述舌象分割，使舌象采集在信息獲取方面更加全面，可展示更多細節。舌象數據對亞健康群體狀態，以及疾病發生、發展、變化具有重要提示作用。丘俊鑫等[12]采用HSV和LAB色彩模型對益氣復元膏方干預氣虛質患者的舌象客觀指標進行觀察，結果顯示該色彩模型對舌象客觀指標的分析能反映干預后舌象的改善，可為中醫體質調理客觀化療效評價方法的進一步研究提供參考。周明瀚等[13]運用TFDA-1舌面診儀采集原發性高血壓陰虛陽亢證患者的舌象圖片，以研究原發性高血壓陰虛陽亢證舌象特征參數的變化規律，為臨床辨證提供客觀化依據。在面診研究方面，任琦等[14]使用YM-Ⅲ系列面象儀采集141例冠心病患者的面部圖像并記錄其面診參數指標，其信息可作為冠心病痰瘀互結證臨床辨證及療效評價參考指標。李加才等[15]通過對健康狀態人群進行面色數字化分析，研究不同年齡段和性別的健康狀態人群面色特征，建立基于性別和年齡的健康狀態人群面色范圍，為中醫面色診斷提供客觀化依據。可見，舌象儀和面診儀作為一種安全方便地獲取診斷信息的臨床方法，對于臨床疾病的中醫證候診斷和其客觀標準化具有重要價值。

2.2 聞診 聞診是通過聽聲音和嗅氣味以了解健康狀況，得到患者信息來進行疾病診療的方法。早在《黃帝內經》中就有根據聽聲音來診療疾病的記載[8]。聲診客觀化研究中常見的語音提取方式主要分選擇元音與選擇字句兩種[16]。研究對象除語音外，還有咳嗽、呼吸、啼哭、呻吟等，尋找一些具有語音共性與共同特性的非語音聲音特征參數是聲診客觀化研究的重要探索方向[17]。陳春鳳等[18]運用現代聲學技術，采集和分析肺系疾病患者的聲音信號，運用支持向量機和小波包能量、Shannon熵值特征進行肺系病證的分類識別，為中醫聲診的分類識別提供了新的思路。嗅診不通過聲音獲取診斷信息，雖與聲診都屬于聞診范疇，卻是通過氣味信號得到診斷依據。氣味特征可通過紅外光譜法、直接頂空分析、氣相-液相色譜分析進行研究，直接判別其中包含的物質，體現氣味信號的特征[19]。嗅診客觀化主要運用的是電子鼻技術。林雪娟等[20]運用陣列式氣體傳感器電子鼻結合模式識別算法對2型糖尿病的分期與病位作初步的辨識。其對單個病位證素辨識準確率達到80%以上，為中醫嗅診客觀化研究提供新了方法。周福等[21]收集了201例社區獲得性肺炎（CAP）患者及110名健康者口腔呼氣的氣味圖譜，將CAP及其不同病位間的口腔氣味圖譜特征使用電子鼻技術分析識別。為該病的臨床實踐提供了重要診斷價值。中醫聞診體現了“司外揣內”的中醫診斷原則，作為一種方便的無創傷性的診斷技術，借助聲學、物理學將其智能化、客觀化，以期增加臨床中醫證候診斷的準確性、客觀性。

2.3 問診 問診是患者或其家屬接受醫生的有方向性的詢問，以了解患者的日常生活健康狀態為目的，從而了解病情的一種手段[8]。除了問診以外，望、聞、切三診易受環境因素及醫生的主觀性影響，相較而言，問診所獲得的診斷信息較為客觀，在客觀化基礎上問診數據挖掘的處理結果可作為臨床問診的參考。羅瑞靜等[22]將中醫理論與計算機技術、智能信息處理技術結合，研制出了具有人機交互和對話功能的中醫問診訓練系統。迪盼祺等[23]采用基于物品的協同過濾推薦算法和遺傳算法構建癥狀獲取模塊以獲取患者的癥狀，利用隨機森林算法構建分類器并基于獲取到的癥狀完成中醫辨證，相比依據問診量表進行問診，簡化了問診過程。杜曾貞等[24]提出了基于深度神經網絡的反問生成方法，將已有的患者問診數據整合起來作為先驗知識，對患者進行有目的的問診，提高了這一傳統診斷方法的準確性和診斷效率。隨著信息技術不斷發展，自然語言處理（NLP）技術逐漸顯露鋒芒。研究者使用NLP技術、文本的分類和聚類技術對中醫學相關書籍等文本材料進行強化學習，儲備專業知識，并通過對語句的提取與理解、對自然語言的情感分析、對語言的轉換復述來助力中醫問診智能化、客觀化[25-26]。2020年由于疫情影響，線上醫療咨詢服務量激增，而傳統線上醫療問診的技術局限性暴露出很多患者表述不清、醫生接診效率低等短板。將計算機的快速計算能力應用于中醫問診流程中，則可以彌補診斷過程中主觀邏輯思維的不足，消除部分患者在就醫時的猜忌、焦慮、煩躁等主觀心理因素影響，對實現準確診斷更加有益[27]。因此，利用人工智能技術來實現智能化、客觀規范的中醫智能問診可以大大提診斷和治療精度，對研究和臨床實踐具有重要意義。

2.4 切診 切診是醫生用手指或手掌對患者的某些部位進行各種形式的觸診，以了解病情，診察疾病的過程[8]。脈診在操作過程中，較為依賴實踐經驗，因此醫者的主觀性易于影響診療結果，不利于交流學習和重復研究，極大限制了中醫脈學診斷的發展，所以脈診客觀化、智能化是脈診發展的必然趨勢[28]。脈診儀的研究工作主要包括脈象信號的采集與脈圖信號的特征分析2個方面[29]，根據原理可分為光電脈搏傳感器、超聲脈搏傳感器、傳統壓力脈搏傳感器、柔性壓力脈搏傳感器等[30]。張選等[31]使用深度融合神經網絡MIRNet2提高了脈象分類性能，相比IRNet3，其在特異性、靈敏度和準確率上都得到了顯著提升，參數量和運算量也少于IRNet3。沈睿等[32]針對中醫舌診脈診儀小型化、標準化、客觀化的需求，采用人工智能技術設計了一款智能舌脈診斷手環，脈象模塊利用光電容積法采集脈象，用隨機森林bagging模型進行判別，模型準確率高達91.07%，具有良好的應用前景。周會林[33]研制了一種可將脈象生理信號進行完整客觀化采集的專用觸力傳感器組件，可采集人體寸口部位的脈象幅度和寬度信號，能同時進行三部九候的脈象采集。其得到的診斷結果與中醫臨床專家的診斷結果具有極高的一致性。由于脈診是一種偏重于醫者主觀感覺并中醫特色鮮明的診斷方法，其經驗傳承相對欠缺，臨床經驗較少的年輕醫生較難把握，因此將脈診客觀化、信息化、智能化顯得尤為重要。

2.5 四診合參的客觀化研究 中醫傳統診斷不僅依賴望、聞、問、切等基本臨床診斷信息采集的準確性和客觀性，還與四診合參及依靠四診信息進行辨證論治的過程密切相關。辨證論治是中醫學進行疾病診療工作的基本原則，是將四診所得的相關臨床信息使用中醫學理論進行辨析，明確病變的本質并確立證，論證其治則治法和方藥并付諸實施的思維和實踐過程[34]。整體可以概括為收集四診資料、四診合參辨證、因證立法、隨法選方、據方施治的過程。四診合參是對望、聞、問、切所得到的信息進行整合，是得到正確辨證的前提，而計算機在處理四診客觀化采集中所得的復雜的數據信息中具有先天優勢。在四診信息收集方面，中醫四診儀代表著中醫診療的初步機械化、現代化。目前較為成熟的四診采集設備有上海道生舌面脈信息采集體質辨識系統（DSO1-A）、BD-SZ便攜式四診合參輔助診療儀等，四診采集儀器也逐漸在實踐中不斷完善更新。上海中醫藥大學與俄羅斯火星-500（MARS500）研究計劃合作研發的四診信息收集分析儀，可用于監測和分析宇航員在模擬條件下的身體健康情況[35]。徐藝峰等[36]運用Smart TCM-I型中醫生命信息分析系統采集195例2型糖尿病患者舌象、面象、聲音及脈象信息，提取并分析其四診特征參數。其在并發冠心病、腎病時，舌象、聲診、脈圖上均有顯著性差異，為開展基于四診客觀參數的糖尿病及其慢性并發癥證候分類識別提供了數據支持和客觀依據。

然而，四診智能化、客觀化的結合研究尚處于起步階段。中醫四診的客觀化是中醫規范化的前提和基礎，最后將所得信息相互融合與智能化分析才是重點。在中醫典籍中，經方由于其標準化的理論特點而具有智能化屬性，其具有六經辨證的唯一性、治則治法的嚴謹性及加減的規范性[37]。因此將四診客觀化數據成果在以基于經典著作的中醫臨床輔助決策系統中進行智能化信息分析，得出輔助決策結果，協助臨床醫生診療活動，對中醫數字化診療發展具有重要意義。隨著科技發展和計算機算法的不斷進步優化，趙文等[38]提出從多源數據融合角度借助計算機技術實現四診合參智能化途徑，訓練機器人把在四診設備獲得的數據進行整合，基于多源數據學習，實現四診智能化。研究者也進一步提出了通過協同訓練方法、多核學習方法、基于子空間學習等方法手段來提升四診合參智能化應用程度。綜上可知，將中醫四診及與智能化、客觀化相結合，將傳統醫學與現代科學技術整合，構建中醫整體數字醫療體系，借助新技術、探索新理念，形成中醫特色診療平臺，減少中醫四診資料收集的個體差異，對優秀經驗的傳承與臨床療效的提升有巨大價值。

2.6 智能辨證的客觀化研究 中醫辨證是在中醫學理論指導下對疾病本質做出判斷的診斷思維過程，是以經典著作、中醫古代哲學、辯證法、邏輯學、系統科學等知識為基礎進行的病機闡釋思維。中醫辨證方法豐富，臨床常用方法包括臟腑辨證、衛氣營血辨證、三焦辨證、八綱辨證、六經辨證等多種辨證系統[8]。復雜的中醫理論，使得整個辨證過程非常復雜，給智能辨證提高了難度。在智能辨證的研究中，隨著智能手機的普及出現了許多供臨床醫師及患者使用的線上中醫輔助診療系統，出現了眾多“中醫+互聯網”形式的APP，如“大家中醫”“平安好醫生”等。雖然線上系統在疫情防控常態化的背景下受到了大眾的歡迎，但其功能都是線上與醫生交流咨詢及進行中醫知識查詢及調理養生建議等，并不能為線上診療的患者提供中醫四診采集分析及自動智能辨證論治等服務。而中醫輔助診療系統的研究主要集中在中醫專家系統、中醫電腦診療系統、中醫診斷客觀化、中醫辨證論治模型、中醫診斷智能化方面，前沿熱點主要集中在中醫藥知識發現、人工智能、機器學習、神經網絡、知識圖譜研究等方面[39]。姚帥君等[40]收集運用多種機器學習算法建立圍絕經期綜合征的診斷辨證模型，結果顯示，支持向量機在中小型數據集上有更好的表現，其分類結果更具有臨床指導意義。許夢白等[41]結合運用多種算法，通過五折交叉驗證得出了基于SANN算法模型建立的不孕癥中醫辨證模型具有良好的診斷能力，明確了人工智能在中醫辨證模型的構建與臨床中應用的可行性。除算法模型構建外，目前應用較為成熟的中醫數字化診療臨床輔助系統有“中醫大腦”“TCM-CDS系統”“脈景中醫人工智能輔助診斷系統”等，其應用了現代人工智能及計算機技術協助診療和臨床知識、醫案的學習等。基于四診的信息輸入及算法分析，基本實現了智能辨證這一基本功能，但是在現實的臨床應用中，智能輔助診斷系統的辨證結果仍然作為參考，具體結果還需醫生主觀判斷是否采納，且辨證的正確率還有待加強。數字化醫療無論將來如何發展，都是以現有技術為基礎的。未來醫院的功能無論有多么強大，都是在一個基本的結構上實現的。這個結構可簡單歸納為4個部分：數字化的醫療設備、數字化設備構成的網絡、網絡之上的數字化醫療系統及基于數字化的醫療系統服務[42]，分別對應四診信息采集設備、四診合參智能分析、基于經典著作的中醫臨床輔助決策系統、診療活動4個步驟。但是將四診客觀化、智能化成果和輔助決策系統相結合的應用還很少，因此構建“四診信息客觀化-四診信息智能化分析-智能輔助決策-診療”為一體的新時代人工智能辨證論治體系尤為重要。隨著中醫計算機技術和算法不斷進步，利用機器學習、神經網絡、知識圖譜等新技術方法，以現代中醫藥大數據為研究基礎，將中醫輔助診療系統應用于中醫臨床疾病診療中，建立中醫數字化辨證診療體系，具有廣闊的發展前景。

3 人工智能與中醫結合的短板

3.1 政策法規缺失、數據安全措施不規范 在法律方面，有關AI技術的具體法律規范尚未制定，而立法空白限制了AI的發展，危害了人類安全和公共利益。AI系統的生產、銷售、使用和售后服務規范需要立法明確。在數據安全方面，目前社會關注的焦點是數據安全和隱私保護的法律問題。而要實現中醫的智能化，首先需要建立一個中醫藥統一的數據庫，AI開發人員和維護人員應嚴格限制數據訪問權限，中醫藥醫護人員應提高數據安全意識，中醫藥資料庫無論在技術層面或法律層面均須加強保護意識。

3.2 中醫-AI復合型人才儲備不足 與西醫相比，中醫藥內涵豐富，歷史悠久，但一直在一個封閉的體系里。隨著各大型企業進軍智能健康產業、中醫藥領域，系統學習過中醫藥知識且了解AI知識的復合型人才缺口非常大。目前，中醫藥的客觀化和智能化研究主要集中在中醫藥大學和中醫藥研究機構，其理工學科的建設基礎薄弱、底蘊不足。而理工能力突出的綜合類或理工類院校又極少開設中醫藥專業的相關課程教學，交叉學科之間缺乏聯系，醫工合作多處于形式上聯合，缺乏學術思想和需求的交流碰撞，以至于中醫-AI復合型人才儲備不足。

3.3 指標體系及算法標準建立困難 目前中醫的傳承存在地域環境氣候、文化差異、知識傳承體系結構不通、方劑方藥配伍加減方法和中醫標準臨床術語不同等因素影響，如蒙醫、藏醫、苗醫等少數民族醫學。由于傳統的中醫診療過程受醫者的主觀意識、經驗積累的影響，其診斷結果往往缺乏客觀指標和統一規范。另一方面，中醫數字化診療基礎為大量的臨床標準數據積累，前期需要專家對數據進行標注。專家臨證經驗不同且臨床病情表現復雜，對采集結果有主觀影響，因此四診儀器對于采集到的信息的標準也無法定義，所以尚未實現真正意義上的四診信息數據化，導致難以建立明確的指標量化體系。隨著AI的不斷發展，應用于構建診斷辨證模型的算法也在不斷更新迭代，因此適用于智能診療的算法選擇還有待商榷，診斷技術及指標的統一規范制定還存在著大量空白。

3.4 四診采集儀器關聯性不足 目前雖然已經有兼顧四診采集的儀器投入使用，但大多數儀器仍然是基于單一的診斷方法進行輔助診療活動，與中醫“望、聞、問、切、四診合參”的理論背道而馳，過于孤立其單一的癥狀，脫離了中醫“整體觀念”的基本理念，且行業現狀各自為陣，并無統一采集標準，所得的信息良莠不齊，更加忽略了四診合參的必要性，缺乏整體性研究。四診合參才能真正體現中醫診斷的“整體觀念”，把得到的不同采集結果進行多信息融合，對于準確了解病情和辨證論治具有重要的意義。因此真正實現中醫四診信息采集的智能化融合將是亟待解決的重要問題。

4 小結

中醫診療傳統的過程是醫生使用望、聞、問、切、四診合參的手段，收集患者癥狀和體征等四診信息。收集信息的過程充滿了醫者的主觀性。而將四診合參所得到的信息進行科學的辨證論治才能正確地指導中醫數字化臨床診治，因此中醫“四診客觀化”與“智能辨證”是開展中醫數字化診療的重要前提。目前許多中醫診斷儀器已經應用到臨床疾病的研究與中醫科普中，但想要達到完全臨床使用還任重道遠，需依托人工智能進步發展的創新力優勢，構建包括四診和辨證的中醫數字化診療新格局。總體來看，目前投入使用的中醫智能輔助系統大多以醫案數據、古今中（西）醫典籍、臨床指南、循證醫學研究成果為基礎建立，因此建立基于經典著作的中醫臨床輔助決策系統，對四診客觀化所得成果進行分析，構建“四診信息客觀化-四診信息智能化分析-智能輔助決策-診療”完整的智能辨證體系，完善辨證標準，為中醫診療活動提供智能化信息支持，并將中醫診斷信息客觀化和現代醫學檢查指標融合，建立起中醫數字化診療體系，對打破中西醫理論與實踐難以契合的現狀有重要作用。同時，為了更有效地記錄、儲存和交換過去難以保存的珍貴醫療診斷資料，需將其共享在中醫診斷大數據平臺上，依據中醫辨證思維，利用AI技術，輔助計算機識別等信息處理技術，加強中醫四診信息采集與分析識別的客觀化、智能化研究，將其標準化、數字化，形成多元融合的中醫大數據集合平臺和具有中醫特色的四診采集、辨證論治及臨床治療推薦意見的基于經典著作的中醫臨床輔助決策系統，是實現個人健康監測、疾病風險預警及中醫診療數字化的有效手段，也是實現中醫臨床診斷資料的平臺共享和辨證研究的與時俱進，并且可以為中醫藥的國際化發展，在全球疾病防控中貢獻“中醫智慧”和“中國力量”。