孫忠人,游小晴,韓其琛,徐思禹,尹洪娜
(1.黑龍江中醫(yī)藥大學(xué)第二臨床醫(yī)學(xué)院 哈爾濱150040;2.黑龍江中醫(yī)藥大學(xué)附屬第二醫(yī)院 哈爾濱150006)
近年來,隨著科學(xué)技術(shù)的迅猛發(fā)展,人工智能(Artificial Intelligence,AI)已經(jīng)融入社會(huì)的多個(gè)領(lǐng)域。從20世紀(jì)中期發(fā)展至今,其技術(shù)日臻成熟,在醫(yī)療領(lǐng)域的應(yīng)用場景亦愈發(fā)豐富,圖像分析、語言識(shí)別與健康管理等技術(shù)大放異彩,智能醫(yī)療產(chǎn)品與手段的普及使得“AI+醫(yī)療”被認(rèn)為是最具發(fā)展前景的領(lǐng)域之一。中醫(yī)藥傳承千年,以其獨(dú)特的理論體系、豐富的臨床經(jīng)驗(yàn)和科學(xué)的思維方法影響著現(xiàn)代醫(yī)學(xué),辨證論治作為其基本原則和主要特點(diǎn),構(gòu)成中醫(yī)藥個(gè)體化診療體系,與國際精準(zhǔn)醫(yī)療接軌。然而中醫(yī)藥的傳承之路仍舊面臨著數(shù)據(jù)分散、人才缺失和技術(shù)局限等痛點(diǎn),故而在承繼前賢的基礎(chǔ)上,如何推進(jìn)發(fā)展、持續(xù)創(chuàng)新,使中醫(yī)藥走向現(xiàn)代化是亟待解決的問題。
AI與中醫(yī)學(xué)均為多學(xué)科交互滲透的產(chǎn)物,且前者注重整體效應(yīng)、強(qiáng)調(diào)開放動(dòng)態(tài)、重視經(jīng)驗(yàn)思維、關(guān)注預(yù)測推理的思維模式[1]與中醫(yī)理論體系中秉承形神一體、天人相應(yīng)的整體觀念以及側(cè)重功能聯(lián)系、宏觀觀察的中醫(yī)學(xué)思維特點(diǎn)不謀而合[2]。因此AI與中醫(yī)藥的有機(jī)結(jié)合,將是中醫(yī)藥發(fā)展的良好契機(jī)。與此同時(shí),我國政府亦大力支持AI在醫(yī)療行業(yè)中的發(fā)展,與之相關(guān)的發(fā)展規(guī)劃與重大科技項(xiàng)目陸續(xù)步入實(shí)施階段,其中,以中醫(yī)藥領(lǐng)域現(xiàn)代化產(chǎn)物為標(biāo)志的一系列重大專項(xiàng)課題標(biāo)志著“AI+中醫(yī)藥+健康”的戰(zhàn)略形成,AI已經(jīng)成為國家戰(zhàn)略與發(fā)展意愿。本文將從AI在中醫(yī)藥領(lǐng)域的應(yīng)用進(jìn)展、爭議挑戰(zhàn)以及對(duì)策展望方面,就近年來國內(nèi)外研究進(jìn)展進(jìn)行總結(jié),以期為AI視域下實(shí)現(xiàn)中醫(yī)藥現(xiàn)代化、智能化賦能。
人工智能作為21世紀(jì)世界三大尖端技術(shù)之一,是一門綜合計(jì)算機(jī)科學(xué)、心理學(xué)、仿生學(xué)、控制論以及哲學(xué)與認(rèn)知等多學(xué)科交叉合作的前沿學(xué)科,用以模擬人類思考判斷并擴(kuò)展人類智能。1956年,約翰·麥卡錫博士于達(dá)特矛斯會(huì)議上首次提出人工智能的概念[3],隨后,邏輯理論算法與機(jī)器學(xué)習(xí)等方法相繼問世,開辟了AI持續(xù)發(fā)展的道路。
我國最早將AI技術(shù)應(yīng)用醫(yī)療領(lǐng)域的研究可追溯至上世紀(jì)70年代[4],在經(jīng)歷了40余年的發(fā)展沉浮后,自2018年至今AI在醫(yī)療領(lǐng)域得到了全面而深化的發(fā)展,從理論探索到設(shè)備開發(fā),應(yīng)用深度學(xué)習(xí)或卷積神經(jīng)網(wǎng)絡(luò)的研究遍地開花[5]。深度學(xué)習(xí)(Deep Learning,DL)是機(jī)器學(xué)習(xí)的方法之一,通過對(duì)樣本數(shù)據(jù)內(nèi)在規(guī)律與層次特征的感知學(xué)習(xí),進(jìn)行復(fù)雜關(guān)系建模,從而發(fā)現(xiàn)數(shù)據(jù)的分布表示或類別屬性,最終實(shí)現(xiàn)模擬人腦對(duì)圖像、文字和聲音的識(shí)別與分析等高級(jí)決策任務(wù)。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)是DL的代表算法之一,其仿造生物視覺機(jī)制構(gòu)建,在圖像分析和語音識(shí)別方面優(yōu)勢(shì)明顯[6]。云平臺(tái)、互聯(lián)網(wǎng)、大數(shù)據(jù)三者聯(lián)合構(gòu)建樣本數(shù)據(jù)庫,DL基于不斷擴(kuò)大的樣本數(shù)據(jù)庫精進(jìn)算法、改良模型,從而提高識(shí)別精度,能夠刻畫數(shù)據(jù)豐富的內(nèi)在信息,最終實(shí)現(xiàn)中醫(yī)智能化輔助診療[7]。目前,AI在中醫(yī)范疇的應(yīng)用主要體現(xiàn)在輔助診斷、決策治療、專家系統(tǒng)以及健康管理等方面,不僅提高了臨床診療效率,推進(jìn)了臨床信息客觀化,更為中醫(yī)藥后續(xù)發(fā)展提供無限可能。
2.1.1 望診
望診居于四診之首,古來素有“望而知之謂之神”之說,其以最直觀的方式反映人體的外部情況。圖像分析是AI技術(shù)領(lǐng)域的一個(gè)分支,它可以采集圖像并對(duì)其加以處理和識(shí)別,最終呈現(xiàn)分析結(jié)果,從而構(gòu)建中醫(yī)臨床信息的智能識(shí)別分析模式,該模式下以舌、面望診的研究最為廣泛。
舌象是中醫(yī)診斷的重要組成部分,明清時(shí)期溫病學(xué)家就極為重視辨舌驗(yàn)齒?!夺t(yī)門棒喝》有言:“觀舌本可驗(yàn)其陰陽虛實(shí),審舌垢即知其邪之寒熱淺深也。”可見舌象在疾病發(fā)展過程中變化迅速且鮮明,是醫(yī)生診病辨證的關(guān)鍵依據(jù)。目前舌象的智能化采集多依賴于數(shù)碼相機(jī)成像,通過計(jì)算機(jī)將舌圖像轉(zhuǎn)化為模擬信號(hào),經(jīng)過可視化定量處理完成圖像分析。同時(shí),臨床研究中也有根據(jù)舌診的不同內(nèi)容而采用光譜舌色校正、舌苔舌質(zhì)分離和舌形舌態(tài)識(shí)別的儀器,針對(duì)性地收集舌象并建立舌象數(shù)據(jù)庫[8]。數(shù)據(jù)庫與中醫(yī)理論相結(jié)合,搭載AI技術(shù),實(shí)現(xiàn)舌象分類與自動(dòng)分割場景,已經(jīng)可以達(dá)到與人類感知高度一致的地步[9]。近年文獻(xiàn)顯示,基于CNN算法的舌象識(shí)別與提取模型在相關(guān)研究中表現(xiàn)良好,Xiaoqiang Li等提出了“凹面信息標(biāo)記可疑區(qū)域—CNN提取深度特征—多實(shí)例分類器最終判定”的三階段法對(duì)齒痕舌進(jìn)行識(shí)別[10];無獨(dú)有偶,Xu Wang等同樣提出使用ResNet34 CNN架構(gòu)來提取齒痕舌舌象并執(zhí)行分類,結(jié)果顯示整體精度超過90%[11]。Dan Meng等在CNN基礎(chǔ)上創(chuàng)建了一種名為約束高分散 神 經(jīng) 網(wǎng) 絡(luò)(Constrained High Dispersal PCANet,CHDNet)的新型特征提取框架,用于提取無偏特征的舌象。他們引入高分散操作和多尺度特征分析,解決了舊模型的冗余問題且避免了變形等敏感性問題,使模型具有更高的準(zhǔn)確性,并能提供更多的分類信息,同時(shí)減少了人力成本[12]。CNN還被用來探索舌象與疾病之間的關(guān)系,Usharani等從舌象熱圖分割熱點(diǎn)區(qū)域并提取特征,再通過機(jī)器學(xué)習(xí)對(duì)正常人和糖尿病人的舌象進(jìn)行分類,繪制基線測量值和舌面熱分析圖,同時(shí)開發(fā)計(jì)算機(jī)輔助診斷系統(tǒng)以對(duì)二者進(jìn)行分類。結(jié)果顯示糖尿病人舌面溫度高于正常值,且CNN分類器準(zhǔn)確率高達(dá)94.28%[13]。
面部望診包含神色的整體觀察和頭面的局部觀察。《靈樞·本臟篇》曰:“視其外應(yīng),以知其內(nèi)臟,則知所病矣?!迸K腑精氣上榮于面,經(jīng)絡(luò)血脈匯聚于面,順應(yīng)“神形合一”的整體觀念,遵循司外揣內(nèi)、見微知著的中醫(yī)診斷基本原理,其色澤形態(tài)可直接反映機(jī)體精神的狀態(tài)與臟腑氣血的盛衰。且《靈樞·五色》與《素問·刺熱》中皆有關(guān)于面部分候臟腑的論述,可見“望面”在辨別病位、洞察病機(jī)方面優(yōu)勢(shì)明顯,對(duì)于疾病的早期篩查和診斷意義重大。因此,AI之面部識(shí)別是現(xiàn)代化望面的核心技術(shù),運(yùn)用圖像分析方法對(duì)患者面部照片的特定標(biāo)志點(diǎn)進(jìn)行特征提取,通過機(jī)器學(xué)習(xí)方法建立模型對(duì)已知的面部特征分類并納入對(duì)應(yīng)數(shù)據(jù)庫,經(jīng)過數(shù)據(jù)比對(duì)得出相應(yīng)診斷結(jié)果[14]。在AI技術(shù)層面,面部分割一直是研究熱點(diǎn),以多重算法對(duì)其進(jìn)行探討[15],將顏色與光澤作為特征進(jìn)行訓(xùn)練,提取相關(guān)特征后對(duì)高維數(shù)據(jù)降維處理,隨后以支持向量機(jī)(Support Vector Machine,SVM)模型為代表的分類器與數(shù)據(jù)進(jìn)行加權(quán)融合,最終獲得了極佳的識(shí)別精度與分類性能[16,17]。
2.1.2 切診
脈診是狹義的切診,在中醫(yī)診斷中有著不可或缺的重要地位。人體血脈流貫周身,運(yùn)行氣血,《靈樞·脈度》曰:“其流溢之氣,內(nèi)溉臟腑,外濡腠理。”可知脈象的盛衰正乖都是臟腑虛實(shí)、氣血邪正的外在表現(xiàn)。將脈象這種相對(duì)抽象的感知搏動(dòng)轉(zhuǎn)化為具象的脈沖圖形并進(jìn)行定量分析,打造清晰明確、可重復(fù)的中醫(yī)智能化脈診系統(tǒng)有賴于電子傳感器的精準(zhǔn)采集與AI算法模型的不斷革新。從“三部九候”到“獨(dú)取寸口”,中醫(yī)臨床已經(jīng)確立了脈診的基本理論方法,由“寸、關(guān)、尺”三部全面獲取脈象“位、數(shù)、形、勢(shì)”四要素參數(shù),經(jīng)AI算法模型辨識(shí),再與中醫(yī)臨床診療知識(shí)圖譜深度融合是中醫(yī)智慧切脈的基本研究思路。Anson等建立了一個(gè)基于人工神經(jīng)網(wǎng)絡(luò)的電子中醫(yī)脈診系統(tǒng),通過脈沖裝置收集左右寸口分部六個(gè)位置共八個(gè)元素的強(qiáng)度并提取形成物理參數(shù),依照模型結(jié)構(gòu)訓(xùn)練算法優(yōu)化性能,最終經(jīng)過臨床試驗(yàn)得出最佳算法。該系統(tǒng)可以輔助收集遠(yuǎn)程醫(yī)療中的相關(guān)健康數(shù)據(jù)[18]。陸鑫根據(jù)妊娠期與非妊娠女性脈象不同,以妊娠檢測為應(yīng)用場景,結(jié)合信號(hào)處理與機(jī)器學(xué)習(xí)技術(shù)來構(gòu)建數(shù)字化脈診體系。該研究集成脈象信號(hào)的采集、提取、識(shí)別為一體,采用數(shù)字脈象儀收集數(shù)據(jù)并進(jìn)行二維轉(zhuǎn)化,建立初步的脈象數(shù)據(jù)庫。結(jié)果發(fā)現(xiàn)極端梯度增強(qiáng)模型對(duì)妊娠脈象有最佳的檢測精度,其識(shí)別率達(dá)到了87.5%[19]。
在智能脈診相關(guān)的各路研究中,脈診儀的使用無疑是關(guān)竅所在。在跨越半個(gè)世紀(jì)的中醫(yī)脈診現(xiàn)代化研究中,多位學(xué)者投身其中,從傳感器種類到特征分析算法,碩果頗豐。以壓力式傳感器為代表的脈診儀是臨床常用的智能切脈儀器,且逐漸向便攜式、可穿戴式設(shè)備發(fā)展。同時(shí)基于脈圖數(shù)據(jù)庫而進(jìn)行的脈象與疾病相關(guān)性研究也為中醫(yī)臨床診療的持續(xù)發(fā)展拓寬思路[20]。
2.1.3 聞診與問診
中醫(yī)聞診聽聲嗅味,《素問·陰陽應(yīng)象大論篇》有云:“審清濁而知部分,視喘息聽聲音而知所苦。”闡明了聞診在疾病診斷中的重要地位。聲音的變化有助于了解機(jī)體的病情輕重與正邪消長。以高也陶二十五音分析儀為開端[21],到目前普遍使用的語圖儀、頻譜儀等多功能聲音檢測儀器,可將聲音轉(zhuǎn)化為數(shù)字化、可視化數(shù)據(jù)進(jìn)一步處理,針對(duì)臨床特定證型患者,分析其特征參數(shù)[22]。Jianjun Yan等通過對(duì)肺氣虛證、肺陰虛證患者及健康人的聲學(xué)特征進(jìn)行提取,基于分形維數(shù)與小波包變換進(jìn)行SVM模型分類訓(xùn)練,以達(dá)到輔助辨別中醫(yī)證型的目的[23]。病理性氣味多由邪氣侵?jǐn)_,氣血失衡,臟腑失調(diào)產(chǎn)生,故而嗅辨異常氣味可幫助診病辨證。以電子鼻為代表的科研技術(shù)實(shí)現(xiàn)了對(duì)單一或復(fù)雜氣體的分析識(shí)別,氣味傳感器的研發(fā)加速了AI與聞診的融合,機(jī)器學(xué)習(xí)算法的進(jìn)一步開發(fā)使基于中醫(yī)理論下,預(yù)測分子的氣味屬性變?yōu)楝F(xiàn)實(shí)[24,25]。Chunsheng Wu等基于味覺與氣味感覺的分子機(jī)制研究,總結(jié)了目前以生物傳感器檢測氣味并研究配體-受體相互作用的方法,將生物體內(nèi)的味覺、嗅覺細(xì)胞與受體等作為敏感因素來收集信號(hào);同時(shí)可利用微電極植入技術(shù)記錄動(dòng)物體內(nèi)的信號(hào)傳導(dǎo)[26]。
問診自古以來受歷代醫(yī)家重視,張景岳更奉問診為“診病之要領(lǐng),臨證之首務(wù)”。它是了解病情、診察疾病的重要方法,通過與患者的溝通交流獲取臨床信息的首要資料。智慧型中醫(yī)問診離不開語音識(shí)別技術(shù),電子問診系統(tǒng)實(shí)現(xiàn)人機(jī)對(duì)話,需要對(duì)日常語言進(jìn)行辨別與轉(zhuǎn)化,所以構(gòu)建優(yōu)良的語言模型是數(shù)字問診的關(guān)鍵技術(shù)。自然語言處理(Natural Language Processing,NLP)系統(tǒng)可從非結(jié)構(gòu)化文本中甄別有效信息,與深度學(xué)習(xí)、語音識(shí)別共同構(gòu)成AI問診系統(tǒng)的核心中樞,該系統(tǒng)基于大數(shù)據(jù)云計(jì)算平臺(tái)構(gòu)建的中醫(yī)藥病例知識(shí)庫,在自動(dòng)采集、癥狀推理、輔助診斷方面廣泛應(yīng)用[22]。隨著AI研究的不斷深化,利用CNN提高語音識(shí)別效率,增加模型的魯棒性,為進(jìn)一步實(shí)現(xiàn)AI聽聲辨病貢獻(xiàn)中堅(jiān)力量[27]。
中醫(yī)四診之“聞診”與“問診”的智能化研究是通過對(duì)聲音、氣味及語言的分析整合以獲得臨床信息,然而目前針對(duì)二者的智能型診療設(shè)備等相關(guān)研究相對(duì)較少。高敏度仿生傳感器的研發(fā)是中醫(yī)聞診客觀化的基礎(chǔ),以語音識(shí)別為核心的電子問診系統(tǒng),在自然語言處理方面尚存難以攻破的技術(shù)難點(diǎn),對(duì)內(nèi)容的有效界定以及消除歧義與模糊性均是未來發(fā)展的研究重點(diǎn)。
2.1.4 四診合參
中醫(yī)四診之“望聞問切”是從不同角度檢查病情和收集資料的基本方法。四診并重,諸法合參,加之司外揣內(nèi)的基本原理,方能測知機(jī)體變化??梢娝脑\之于診斷,正如形體之于精神,相輔相成,不可缺一。然而在傳統(tǒng)中醫(yī)臨證過程中,通過四診收集的信息易受醫(yī)者主觀因素影響,與醫(yī)者個(gè)人經(jīng)驗(yàn)息息相關(guān);同時(shí)患者的自身狀態(tài)、所處環(huán)境也容易導(dǎo)致一定程度的判別差異。故而采用AI技術(shù)打破常規(guī)方式,遵循數(shù)字化、客觀化原則對(duì)中醫(yī)四診信息進(jìn)行采集,不僅規(guī)范了四診信息的收集模式,還彌補(bǔ)了臨床醫(yī)生由于自身經(jīng)驗(yàn)認(rèn)知所造成的偏差。再結(jié)合互聯(lián)網(wǎng)大數(shù)據(jù)云計(jì)算等相關(guān)技術(shù),實(shí)現(xiàn)AI與中醫(yī)四診的碰撞融合,推進(jìn)中醫(yī)診斷智能化進(jìn)程。近年間,隨著該進(jìn)程的不斷推進(jìn),四診合參智能化趨勢(shì)漸顯,但目前由于不同診法設(shè)備分類標(biāo)準(zhǔn)不統(tǒng)一,信息來源存在差異,故四診合參智能化尚存較大發(fā)展空間[15]。
辨證論治是中醫(yī)學(xué)的基本特點(diǎn)與核心思想,其依據(jù)中醫(yī)理論獨(dú)有的思維體系,通過對(duì)證的分析整合而實(shí)現(xiàn)對(duì)病的診斷治療,由辨證而知病因、明病位、悉病性、曉病勢(shì),辨證即診斷之要?jiǎng)?wù)。將中醫(yī)辨證思維與AI技術(shù)滲透融合,塑造智能化、客觀化且可重復(fù)操作的規(guī)范性系統(tǒng)模型可以為中醫(yī)辨證的科學(xué)性提供理論支持,同時(shí)為中醫(yī)臨床診療提供更加高效、便捷的實(shí)踐助力。近年來許多相關(guān)研究都在探索這一嘗試的可行性。
Qingchen Zhang等提出了一個(gè)基于邊緣云計(jì)算系統(tǒng)的統(tǒng)一智能中醫(yī)框架,該框架融入深度學(xué)習(xí)算法來建立模型,再通過高血壓和感冒的辨證分型進(jìn)行驗(yàn)證[28]。最終實(shí)現(xiàn)了計(jì)算機(jī)輔助辨證和處方推薦。陰陽為八綱中的總綱,是辨別疾病屬性的兩個(gè)綱領(lǐng)。陰陽失調(diào)則疾病叢生,故而陰陽辨證對(duì)中醫(yī)臨床診斷至關(guān)重要。Qinan Hu等將醫(yī)療記錄中的非結(jié)構(gòu)化文本作為輸入,利用CNN和fastText兩種端到端算法進(jìn)行實(shí)驗(yàn),準(zhǔn)確率達(dá)到92.55%,證實(shí)了端到端文本分類算法在非結(jié)構(gòu)化健康記錄中進(jìn)行陰陽辨證的可行性[29]。中醫(yī)在治療晚期肺癌,延長生命方面頗有成效,準(zhǔn)確地辨證對(duì)治療起到舉足輕重的作用。Ziqing Liu等同樣以非結(jié)構(gòu)化文本的醫(yī)療記錄作為輸入,使用端到端模型建立肺癌辨證分型的中醫(yī)診斷模型。此舉可以使醫(yī)療記錄的利用率最大化,通過數(shù)據(jù)增強(qiáng)和模型融合,基于深度學(xué)習(xí)的多標(biāo)簽分類法可以更好地模擬晚期肺癌等復(fù)雜疾病的中醫(yī)辨證[30]。中醫(yī)的癥狀體征與證候之間是復(fù)雜而非線性的關(guān)系,Guoping Liu等據(jù)此采用深度學(xué)習(xí)與多標(biāo)記學(xué)習(xí)構(gòu)建中醫(yī)慢性胃炎的辨證模型。結(jié)果表明深度學(xué)習(xí)可以提高辨證的準(zhǔn)確性,同時(shí)為臨床實(shí)踐提供參考[31]。
辨病是基于中醫(yī)基礎(chǔ)理論,綜合分析四診信息,以科學(xué)性思維進(jìn)行縝密邏輯推演,從而判斷疾病病種,結(jié)合病種的特點(diǎn)及規(guī)律得出病名診斷的思維過程。利用AI技術(shù)輔助完成這一過程是中醫(yī)診斷現(xiàn)代化的研究目標(biāo),可輔助醫(yī)療人員進(jìn)行診斷決策的智能系統(tǒng)稱為輔助診斷系統(tǒng)。
數(shù)字化醫(yī)學(xué)時(shí)代,AI輔助診斷系統(tǒng)可以模擬醫(yī)生診斷和治療中的演繹推理過程。Hong Zhang等使用CNN算法開發(fā)了一種AI輔助診斷系統(tǒng)。鑒于疾病與證候的非單一線性關(guān)系,該系統(tǒng)旨在診斷中醫(yī)常見疾病與相應(yīng)證型。采用自然語言處理技術(shù)中雙向長短期記憶網(wǎng)絡(luò)條件隨機(jī)森林的遞歸神經(jīng)網(wǎng)絡(luò)模型處理非結(jié)構(gòu)化電子健康記錄,提取特異性癥狀體征。再利用CNN構(gòu)建的綜合學(xué)習(xí)模型預(yù)測187種疾病及其證型,結(jié)果顯示該系統(tǒng)預(yù)測準(zhǔn)確率均在80%以上,具有良好的準(zhǔn)確性與較強(qiáng)的泛化能力[32]。
體質(zhì)是個(gè)體在生理上相對(duì)穩(wěn)定的身心特性,在生命過程中綜合先天稟賦和后天修養(yǎng)而成。目前中醫(yī)界公認(rèn)王琦教授分類表述的9種體質(zhì)最具代表性,分別為平和質(zhì)、氣虛質(zhì)、陽虛質(zhì)、陰虛質(zhì)、痰濕質(zhì)、濕熱質(zhì)、血瘀質(zhì)、氣郁質(zhì)和特稟質(zhì)[33]。體質(zhì)差異使得個(gè)體對(duì)某些病邪的易感性不同,并在一定程度上決定著疾病的轉(zhuǎn)歸預(yù)后,因此體質(zhì)辨識(shí)對(duì)了解疾病的病因病機(jī)、指導(dǎo)辨證治療十分重要。
AI助力體質(zhì)辨識(shí)自動(dòng)化已有近10年的歷史,自許在安等研究設(shè)計(jì)了中醫(yī)體質(zhì)辨識(shí)智能分析模型后[34],又有學(xué)者分別以面部圖像或脈搏波為載體,基于AI技術(shù)算法開發(fā)體質(zhì)自動(dòng)辨識(shí)系統(tǒng)。Eryang Huan等提出基于深度CNN的人體構(gòu)成識(shí)別算法,根據(jù)面部圖像對(duì)個(gè)體構(gòu)成類型進(jìn)行分類。將面部特征與顏色特征相結(jié)合,再使用分類器獲得相應(yīng)體質(zhì)結(jié)果,準(zhǔn)確率達(dá)到65.29%[35]。張毅等探索光電容積脈搏波頻域分析針對(duì)氣虛質(zhì)辨識(shí),結(jié)果顯示隨機(jī)森林算法模型最優(yōu),準(zhǔn)確性達(dá)到80.4%[36]。由于舌象在體質(zhì)分類標(biāo)準(zhǔn)中具有明確表征且采集技術(shù)相對(duì)成熟,故而以舌象辨別體質(zhì)的熱度較高,潘思行等與Jiajiong Ma等皆提出相關(guān)設(shè)想并加以研究,結(jié)果顯示SVM與深度CNN對(duì)體質(zhì)辨別均有較高的準(zhǔn)確性[37,38]。
專家系統(tǒng)由AI衍生而來,于20世紀(jì)70年代進(jìn)入醫(yī)學(xué)視野,其內(nèi)部含有醫(yī)學(xué)專家水平的知識(shí)經(jīng)驗(yàn),綜合語言分析、知識(shí)獲取等技術(shù),模擬醫(yī)學(xué)專家診病臨證的思維過程,繼承其豐富的診病經(jīng)驗(yàn)以及靈活的辨證邏輯,從而實(shí)現(xiàn)臨床智能決策,包括精準(zhǔn)診斷與個(gè)體化診療方案。其中具有里程碑意義的是1978年,關(guān)幼波教授率先開發(fā)出國內(nèi)首個(gè)醫(yī)學(xué)專家系統(tǒng)“關(guān)幼波肝病診斷程序”[39],該系統(tǒng)基于中醫(yī)學(xué)理論,為中醫(yī)領(lǐng)域內(nèi)專家系統(tǒng)的發(fā)展奠定了堅(jiān)實(shí)基礎(chǔ)。近年,Gang Zhang等基于深度集成學(xué)習(xí)策略分析建立了一個(gè)名老中醫(yī)臨床經(jīng)驗(yàn)分析模型,旨在通過分析包含國際疾病分類(ICD-10)的標(biāo)簽注釋的臨床記錄,達(dá)到有效診斷和穴位推薦的目的[40]。在我國,中醫(yī)專家系統(tǒng)的應(yīng)用領(lǐng)域涵蓋了疾病輔助診斷、健康管理等方面,其構(gòu)成立足于中醫(yī)學(xué)豐厚的歷史文化資源,得益于AI技術(shù)勢(shì)如破竹的發(fā)展動(dòng)態(tài)。
古往今來,著名醫(yī)家的臨證經(jīng)驗(yàn)和學(xué)術(shù)思想一直是中醫(yī)藥傳承的寶貴財(cái)富,醫(yī)者經(jīng)多年臨床實(shí)踐與探索研究,形成完整的思維體系,對(duì)后世中醫(yī)臨床遣方用藥具有極大的指導(dǎo)意義。而中醫(yī)浩如煙海的文獻(xiàn)古籍便是中醫(yī)文化傳承的主要載體,亦是中醫(yī)藥走向現(xiàn)代化的突破點(diǎn)與數(shù)據(jù)來源,包括上述專家系統(tǒng)的構(gòu)建也離不開相關(guān)資源的挖掘整合,借助AI技術(shù)對(duì)相對(duì)零散的數(shù)據(jù)進(jìn)行特征分析,挖掘隱藏規(guī)律并形成優(yōu)勢(shì)互補(bǔ),為疾病的診斷與治療提供更加多元化的思維。
何菊等為探索名中醫(yī)治療肺癌的用藥規(guī)律,基于節(jié)點(diǎn)關(guān)聯(lián)度和藥物屬性相似度構(gòu)建中藥向加權(quán)復(fù)雜網(wǎng)絡(luò),分析上千條醫(yī)案方劑,圍繞核心藥物進(jìn)行劃分,揭示用藥規(guī)律的同時(shí)生成高低頻藥物組合以啟示臨床[41]。電子病歷信息為醫(yī)療保健發(fā)展提供經(jīng)驗(yàn)與證據(jù)支持,然而電子病歷數(shù)據(jù)的復(fù)雜性與抽象性使得病歷信息精確化、系統(tǒng)化難以實(shí)現(xiàn)。Zhaohui Liang等提出“貝葉斯網(wǎng)絡(luò)+支持向量機(jī)”的兩步深度學(xué)習(xí)模型對(duì)電子病歷進(jìn)行信息檢索以捕獲相關(guān)數(shù)據(jù)的關(guān)鍵特征,其屬性優(yōu)于傳統(tǒng)淺模型,提高了計(jì)算機(jī)輔助醫(yī)療決策系統(tǒng)的性能[42]。
中醫(yī)藥歷史悠久,流派眾多,各家理論思想亦不盡相同,如何在個(gè)性用藥中發(fā)掘共性規(guī)律,完成對(duì)立統(tǒng)一的理論延伸,是現(xiàn)代中醫(yī)人需要思考的問題。張子和與朱丹溪,一主攻下一善滋陰,二者用藥差異顯著,故而王瑞祥等以二人方劑建立數(shù)據(jù)集,以樸素貝葉斯和SVM進(jìn)行模式識(shí)別。結(jié)果顯示該算法將方劑明顯區(qū)分,且后者更勝一籌[43]。此模型可作為比較臨床醫(yī)生方劑差別的指標(biāo)。除卻輔助臨床實(shí)踐,數(shù)據(jù)挖掘在學(xué)術(shù)理論研究中同樣擔(dān)當(dāng)重任。從科學(xué)、系統(tǒng)的角度為中醫(yī)學(xué)理論體系服務(wù)。Goli等根據(jù)Kitchenham系統(tǒng)評(píng)價(jià)方法回顧了2000年至2017年間的5個(gè)數(shù)據(jù)庫。選定42篇與中醫(yī)學(xué)機(jī)器學(xué)習(xí)相關(guān)的文獻(xiàn),從應(yīng)用領(lǐng)域、常用方法、優(yōu)點(diǎn)局限與評(píng)價(jià)方法四個(gè)維度進(jìn)行歸納[44]。不僅指出數(shù)據(jù)挖掘技術(shù)是中醫(yī)智能辨證的主要工具,還證明了機(jī)器學(xué)習(xí)是AI與中醫(yī)交匯的關(guān)鍵優(yōu)勢(shì)所在。數(shù)據(jù)挖掘建立在特征詞提取的基礎(chǔ)上,Liangliang Liu等提出了一種基于BiLSTM+CRF的深度學(xué)習(xí)模型,并使用特征詞提取中醫(yī)臨床術(shù)語,結(jié)果顯示這種半監(jiān)督模型可提高中醫(yī)臨床術(shù)語命名實(shí)體識(shí)別的效率與準(zhǔn)確性,同時(shí)降低了手動(dòng)注釋的成本[45]。
21世紀(jì)以來,“健康生活”的理念已經(jīng)深入人心,醫(yī)學(xué)目的也逐漸從“疾病治療為中心”向“維持健康為中心”轉(zhuǎn)變。中醫(yī)學(xué)歷來注重預(yù)防、關(guān)注健康,早在《黃帝內(nèi)經(jīng)》中便提出了“圣人不治已病治未病,不治已亂治未亂”的“治未病”思想,其源于中醫(yī)學(xué)“天人合一,形神一體”的整體觀念以及“陰平陽秘,精神乃治”的理論基礎(chǔ)。其思想內(nèi)核與國際健康管理的概念頗為一致,故基于此核心理念的中醫(yī)健康管理模式應(yīng)運(yùn)而生。KY3H模式是中醫(yī)特色健康保障服務(wù)的新模式,以人為本的“知己”核心,聯(lián)合健康文化、健康管理、健康保障三位一體的運(yùn)行模式,搭載AI技術(shù)與中醫(yī)藥大數(shù)據(jù)辨識(shí)評(píng)估的技術(shù)支撐平臺(tái),為人類提供現(xiàn)代化自助式智能健康保障服務(wù)[46]。
狀態(tài)是生命整體情況的外在表達(dá),健康狀態(tài)更是中醫(yī)“治未病”思想與現(xiàn)代醫(yī)學(xué)的理論交匯。中醫(yī)診斷以四診合參之形式,辨證論治之原則,依據(jù)“有諸內(nèi)者,必形諸外”的司外揣內(nèi)原理,對(duì)生命體的功能狀態(tài)加以判斷,是中醫(yī)健康狀態(tài)辨識(shí)的核心內(nèi)涵。中醫(yī)健康狀態(tài)辨識(shí)是由證素辨證發(fā)展延伸而來,徐佳君等據(jù)此提出中醫(yī)狀態(tài)辨識(shí)七條規(guī)則,并采用AI算法加以轉(zhuǎn)化實(shí)現(xiàn),建立狀態(tài)辨識(shí)模型,依據(jù)所采集的表征參數(shù)與證素的相關(guān)度進(jìn)行狀態(tài)要素的提煉分析,彌補(bǔ)了臨床醫(yī)師經(jīng)驗(yàn)水平參差不齊致使參數(shù)采集缺漏的影響,及傳統(tǒng)辨識(shí)方法以積分閾值為診斷基礎(chǔ)的單一性,提升了中醫(yī)診斷辨證的準(zhǔn)確性與客觀性,并且給中醫(yī)健康管理帶來了重要的理論指導(dǎo)意義[47]。
中醫(yī)藥健康管理在以“健康”為主導(dǎo)的核心觀念下,開啟了關(guān)注生命全周期、健康全過程的現(xiàn)代中醫(yī)診斷新范式。從四診合參、辨證論治的整體思維出發(fā),依托于云平臺(tái)、大數(shù)據(jù)的智能設(shè)備在不斷的推陳出新中與中醫(yī)理論結(jié)合得愈發(fā)緊密,云端數(shù)據(jù)平臺(tái)的建立為形成規(guī)范化數(shù)據(jù)資源共享,節(jié)約人工辨析的成本與時(shí)間,提升效率,精確管理提供了有力支持。
我國幅員遼闊、地大物博,天然藥材資源豐富,為中草藥的發(fā)展提供了得天獨(dú)厚的條件,與中藥相關(guān)的文獻(xiàn)典籍更是車載斗量。自先秦時(shí)期古籍所載“神農(nóng)嘗百草”,到明代李時(shí)珍編撰《本草綱目》,今日的中藥學(xué)理論已然自成一體,并且細(xì)化出如中藥鑒定學(xué)、中藥化學(xué)及中藥藥理學(xué)等多種分支學(xué)科,這些學(xué)科的發(fā)展都與現(xiàn)代科學(xué)的進(jìn)步密切相關(guān)。
中藥防治疾病的基本作用為祛邪扶正、固本培元,使機(jī)體恢復(fù)陰平陽秘的正常狀態(tài)。炮制是中草藥必經(jīng)的加工處理過程,如山羊角預(yù)處理的關(guān)鍵步驟——水解,然而,水解樣品的物理化學(xué)復(fù)雜性是水解過程中分析和監(jiān)測的挑戰(zhàn)。Xu Yan等首次報(bào)告了利用CNN開發(fā)基于在線拉曼光譜的定量校準(zhǔn)模型,用于監(jiān)測山羊角水解過程,并與偏最小二乘校準(zhǔn)模型比較,結(jié)果顯示前者性能優(yōu)于后者[48]。
中藥性能是中藥學(xué)理論的核心,包括四氣五味、歸經(jīng)、升降沉浮與毒性等。將AI技術(shù)應(yīng)用于中藥藥性現(xiàn)代化研究領(lǐng)域可以進(jìn)一步從科學(xué)角度闡釋中藥的作用機(jī)制,為中醫(yī)藥走向世界添柴加薪。Zhao Chen等為探索中草藥特性理論內(nèi)涵,對(duì)88種清熱藥與45種活血化瘀藥進(jìn)行研究,檢測了兩類草藥的性味歸經(jīng),采用傳統(tǒng)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)等4種方法,并分別評(píng)估以確保其魯棒性。結(jié)果顯示深度學(xué)習(xí)在靈敏度、精密度、準(zhǔn)確度、特異性方面均達(dá)到100%,表明深度學(xué)習(xí)在預(yù)測中草藥藥性時(shí)具有較好的泛化能力和準(zhǔn)確性[49]。Yinyin Wang等與Yeh等也對(duì)中藥歸經(jīng)原理表現(xiàn)出興趣,在對(duì)草藥活性成分標(biāo)記后,分別采用機(jī)器學(xué)習(xí)和CNN模型進(jìn)行預(yù)測,結(jié)果均證明AI算法可以解釋草藥與經(jīng)絡(luò)之間的關(guān)系[50,51]。中藥歸經(jīng)與疾病歸經(jīng)緊密相關(guān),歸經(jīng)以臟腑經(jīng)絡(luò)理論為基礎(chǔ),以所治病證為依據(jù),掌握歸經(jīng),有助于提高臨床用藥的準(zhǔn)確性。Chen的團(tuán)隊(duì)進(jìn)行了兩項(xiàng)中藥有效成分與疾病相關(guān)性的研究。在已知特異性酶與阿爾茨海默病、惡性腫瘤相關(guān)性的情況下,通過深度學(xué)習(xí)方法構(gòu)建預(yù)測模型,最終獲知有效成分與之相配最為穩(wěn)定的中草藥[52,53]。中藥的副作用是指在常規(guī)劑量下出現(xiàn)的與治療無關(guān)的不適反應(yīng)。Yuanzhe Yao等為預(yù)知處方是否會(huì)導(dǎo)致藥物副作用而開發(fā)了一種基于本體的AI輔助藥物副作用的預(yù)測模型,由藥物、治療、AI輔助檢測三部分組成。建立人工神經(jīng)網(wǎng)絡(luò)并用方劑作為訓(xùn)練集。結(jié)果表明該模型在AI輔助的藥物副作用預(yù)測中表現(xiàn)出良好的潛力,繼續(xù)擴(kuò)大相關(guān)數(shù)據(jù)庫可進(jìn)行更加深入的探索以提高預(yù)測的準(zhǔn)確性[54]。
中藥本身的質(zhì)量與種類也關(guān)系著臨床療效的基礎(chǔ)。Gang Bai等提出合理智能的質(zhì)量標(biāo)記來制定中藥質(zhì)量評(píng)估策略。利用中藥材的獨(dú)特差異,篩選其中的化學(xué)標(biāo)記物,依照AI算法進(jìn)行基于質(zhì)量標(biāo)記的系統(tǒng)分析測定,建立起整體質(zhì)量控制和可追溯性系統(tǒng)[55]。Chaoqun Tan等提出使用CNN對(duì)花椒種類進(jìn)行識(shí)別的新思路?;诙喾N深度學(xué)習(xí)方法,同時(shí)評(píng)估CNN模型性能,最高識(shí)別精度達(dá)到99.35%[56]。除此之外,AI在核查用藥禁忌,高通量篩選藥物資源以及評(píng)估新藥有效性與安全性等方面均有助力[57]。
當(dāng)前,日新月異的AI技術(shù)不斷在中醫(yī)藥領(lǐng)域的科技創(chuàng)新中嶄露頭角,然而與之相關(guān)的爭議問題也莫衷一是。中醫(yī)臨床診療信息是中醫(yī)藥大數(shù)據(jù)的根本來源,然而臨床資料的采集必然關(guān)乎患者的個(gè)人敏感信息,在數(shù)據(jù)隱私保護(hù)體系尚未完善的今日,如何在資料收集、存儲(chǔ)、管理及共享等一系列過程中使信息采集與隱私保護(hù)得以兩全,明確各個(gè)環(huán)節(jié)的權(quán)責(zé)歸屬是中醫(yī)藥現(xiàn)代化亟待解決的問題[58]。且從倫理角度觀之,AI目前處于弱智能階段,獨(dú)立意識(shí)尚未成形,無法以道德標(biāo)準(zhǔn)對(duì)其進(jìn)行約束[59],因此出臺(tái)相關(guān)政策法規(guī)勢(shì)在必行,加強(qiáng)監(jiān)管力度、限定使用范疇是對(duì)倫理道德及法律權(quán)益的保障。
AI為中醫(yī)藥現(xiàn)代化發(fā)展奠定科技基礎(chǔ),而基于云端數(shù)據(jù)共享的AI算法更是不可或缺的一環(huán)。高質(zhì)量的醫(yī)療大數(shù)據(jù)賦能AI模型高水平化,促使中國醫(yī)療產(chǎn)業(yè)升級(jí)。其源于醫(yī)療單位電子病歷系統(tǒng)、醫(yī)療保險(xiǎn)系統(tǒng)、疾病登記系統(tǒng)、公共衛(wèi)生調(diào)查與公共健康監(jiān)測、基因組學(xué)數(shù)據(jù)庫、出生/死亡登記數(shù)據(jù)庫以及移動(dòng)設(shè)備端的數(shù)據(jù)等,在人們疾病防治、健康管理的過程中產(chǎn)生[60]。然而數(shù)據(jù)標(biāo)準(zhǔn)化的缺失使得規(guī)范化的信息數(shù)據(jù)庫難以形成,各系統(tǒng)間數(shù)據(jù)合并困難,數(shù)據(jù)孤島現(xiàn)象嚴(yán)重,實(shí)現(xiàn)數(shù)據(jù)共享更是舉步維艱。同時(shí)由于中醫(yī)癥狀體征與證候間的非單一線性關(guān)系,中醫(yī)辨證論治的思維體系更非定向的線性邏輯,所采集的臨床資料數(shù)據(jù)便涉及到復(fù)雜性、多維性和相對(duì)模糊性,由此帶來的數(shù)據(jù)分析障礙是制約中醫(yī)藥數(shù)字化發(fā)展的瓶頸所在。且目前所呈現(xiàn)的醫(yī)學(xué)AI相關(guān)成果多屬于診斷層面,使得臨床轉(zhuǎn)化應(yīng)用進(jìn)退維谷[61]。由此可見,制定統(tǒng)一的醫(yī)療數(shù)據(jù)采集標(biāo)準(zhǔn),將數(shù)據(jù)采集、處理、分析過程全面整合規(guī)范,保持中醫(yī)診療個(gè)性化基礎(chǔ)上實(shí)現(xiàn)信息標(biāo)準(zhǔn)化,建設(shè)以交互聯(lián)通為核心原則的醫(yī)療大數(shù)據(jù)共享平臺(tái)是中醫(yī)藥現(xiàn)代化的必經(jīng)之路。
AI在我國中醫(yī)藥領(lǐng)域的起步稍晚,學(xué)科間的思想交流尚未深入,致使學(xué)科研究中尚存不易突破的技術(shù)難關(guān),以成熟的AI設(shè)備輔助中醫(yī)臨床診斷治療與中藥產(chǎn)業(yè)成果轉(zhuǎn)化依然任重道遠(yuǎn)。兼具中醫(yī)藥與AI背景的交叉型專業(yè)人才缺乏,使得融合AI技術(shù)的中醫(yī)藥智能設(shè)備所呈現(xiàn)的結(jié)果難以通俗地向大眾解釋其醫(yī)學(xué)與技術(shù)原理,對(duì)于取得使用者的信任存在考驗(yàn)。中藥產(chǎn)業(yè)鏈各環(huán)節(jié)發(fā)展不均衡,工農(nóng)業(yè)資源整合不利是中草藥現(xiàn)代化亟需解決的問題。在理論模型建立后向中醫(yī)臨床以及中藥資源實(shí)用性產(chǎn)業(yè)轉(zhuǎn)化過程中,相關(guān)智能設(shè)備在真實(shí)診療環(huán)境中對(duì)于復(fù)雜數(shù)據(jù)的處理能力,輸出圖像的質(zhì)量差異以及使用者的配合程度都是智慧中醫(yī)藥產(chǎn)業(yè)鏈打造過程中需要著重考慮的要點(diǎn)。
隨著AI與醫(yī)療領(lǐng)域的融合不斷加深,AI技術(shù)在中醫(yī)藥范疇內(nèi)的應(yīng)用方興未艾。數(shù)字化中醫(yī)四診,智能決策系統(tǒng),中醫(yī)健康管理以及中藥理論現(xiàn)代化研究都取得了長足進(jìn)展。智慧中醫(yī)的形成離不開大數(shù)據(jù)、云平臺(tái)以及互聯(lián)網(wǎng)的鼎力支持。而中醫(yī)藥大數(shù)據(jù)的典型特征是持續(xù)循環(huán)、動(dòng)態(tài)處理、整體系統(tǒng)、價(jià)值可見[62],從宏觀數(shù)據(jù)建立微觀聯(lián)系,從算法演變轉(zhuǎn)化認(rèn)知信息,AI技術(shù)賦能中醫(yī)藥大數(shù)據(jù)形成收集-分析-診斷-治療的一體化現(xiàn)代中醫(yī)辨證思維策略。
從天人相應(yīng)的整體觀念到辨證論治的思維體系,放眼中醫(yī)藥領(lǐng)域的未來,AI技術(shù)為中醫(yī)藥突破桎梏、打破壁壘,構(gòu)建以中醫(yī)理論為主體,以AI為載體的新時(shí)代中醫(yī)現(xiàn)代化診療模式持續(xù)助力。
世界科學(xué)技術(shù)-中醫(yī)藥現(xiàn)代化2021年6期