“AI+中医药”：迈向智慧中医药时代的新途径＊

蔡菲菲，马立新，胡元佳，苏式兵**

（1. 上海中医药大学交叉科学研究院中医复杂系统研究中心 上海 201203；2. 上海理工大学智能科学与共性技术研究院 上海 200093；3. 澳门大学中华医药研究院中药研究所质量研究国家重点实验室 澳门 999078）

1 引言

从公元2世纪《伤寒论》建立的中医药“辨证施治”个性化医疗体系起，到最近中医药精准医疗的提出[1]，中医药个性化医疗在健康维护、临床实践以及研究发展过程中取得了巨大的成就，但也遇到诸多难题，主要的挑战在于如何随着现代社会科技的发展，在不断继承发展完善自身的同时，实现高效的智能预测、预防、诊断和治疗康复，维护或干预处于动态变化中的人体——开放的复杂巨系统，使之保持或恢复正常状态，而“AI + ”热潮在席卷全球的同时，为中医药个性化精准医疗的发展点燃了新希望。

人工智能（Artificial Intelligence，AI），又被称为机器智能，是指一个系统能够正确解释外部数据，从这些数据中学习，并通过学习进一步灵活地完成特定的目标和任务[2]。从AlphaGo 学习大量棋谱之后横扫围棋界各路高手，到Waston 机器人进入医疗领域为临床提供精准的肿瘤治疗支持[3]；从化学界的“Alphago”使用深度神经网络和符号AI 进行逆向合成分析[4]，到谷歌最新的AlphaFold 根据氨基酸序列准确地预测蛋白质的三维结构，再到基于AI技术的新型成像方法将胶质瘤的三维定位精度误差缩小到十微米级[5]，AI 带来的革命正在快速发展，并已渗透到医药学领域，成为医药学界关注的热点。

中国的百度、阿里和腾讯（BAT）三巨头也在积极地布局AI 医疗板块。继百度发布以大数据资源和处理能力为核心的医疗AI 计划成果——百度医疗大脑后，阿里健康发布了包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训等在内的“Doctor You”医疗AI 系统，腾讯也发布了AI 医学辅助诊疗开放平台，其研发的“腾讯觅影”致力于实现对医生诊断的有效辅助和完成重大疾病早期筛查等任务。同时，AI技术在中医药领域的应用也拉开了帷幕。

"AI+中医药"是运用AI技术和互联网平台等，将AI技术与中医药深度融合，进而建立一系列适合于中医药研究和应用的AI 技术方法，促进中医药发展，形成一种智能化的中医预测预防、养生保健、诊断治疗和康复等健康管理的“智慧中医药”。本文从中医临床信息的智能化采集、智能化的中医临床决策与处方治疗、中医大健康管理等方面，阐述了AI 技术在中医药领域中的研究与应用现状及发展前景。

2 中医临床信息采集

AI的核心要素之一是数据，而传统中医临证是依靠个人主观经验进行“望闻问切”，对中医四诊信息进行客观化、数字化、规范化地采集和标注，是实现中医诊断智能化的第一步。目前智能诊断设备和互联网云存储云计算等产品和技术与中医药结合，正快速推动着中医四诊信息规范化的数据采集和标注研究。

2.1 四诊信息

传统的望诊是观察人体全身和局部征象以及排出物等，司外揣内，从而了解人体内在状况和变化的诊法，其中尤以舌诊和面诊最为独特。目前卷积神经网络结构在中医舌象诊断的客观化研究中表现良好，例如ResNet18在区分正常-热证舌象的测试中正确率达94.4%，在正常-热证-寒证分类测试中有89%的正确率[6]。中科望诊机器人采用机器视觉技术，测量人脸面部反射区颜色及形貌奇异性，基于中医面诊+西医体检+AI算法，通过对摄像头拍摄的上百张照片和机器人生物传感器采集数据进行深入快速剖析，只要15 s，即可对人体10 大系统及70 多项健康指标进行完整筛查与全面评估。

中医的闻诊既指闻患者的说话、咳嗽、喘息声，也指闻患者的口气和体味。通过语图仪、频谱仪、具有语图及频谱双重功能的仪器和电声门图仪对发声功能和嗓音进行检测，以数值和图形的形式分析并呈现结果，是目前临床上嗓音声学检测普遍使用的方法。有研究应用声诊技术，采集肝郁脾虚、心脾两虚、心肾不交证型患者语音信号，并分析其特征参数[7]。而通过整合AI技术和中医理论精髓，洛克菲勒大学的一个团队利用AI预测分子的气味，使用大型嗅觉心理物理数据集，开发了机器学习算法，根据化学信息特征可以预测分子的感官属性[8]。利用气相色谱质谱仪（GCMS）可以检测空气或呼吸样本中的化合物，分析结果用于深度神经网络进行特征提取，在中医智能闻诊中有很大的应用潜力。

有关疾病的起病原因、发病经过、既往病史、患者的自觉症状，以及情绪、饮食、起居习惯等与疾病有关的情况，均要通过问诊才能了解。随着语音识别技术的发展，以及自然语言处理（NLP）技术从非结构化文本中提取并创建用于挖掘医学文档数据的算法日趋完善[9]，语音识别可与NLP 并行工作以实现人机交互，应用于问诊对话、症状采集、诊疗解释、诊后随访等多种医疗场景。2018 年12 月15 日，首届世中联中医药大数据发展论坛上，“邦大夫”医患AI对话系统正式发布，该系统基于语音识别、NLP、深度学习等前沿AI 技术以及中医临床诊疗大数据所构建的中医领域知识图谱，利用语音对话平台与基于中医大数据的症状推理引擎深度融合，自动采集并生成结构化问诊电子病历。

切诊包括切脉和按诊，即切按脉搏和对身体的触摸按压，借此了解脉象变化、身体痞块与肿胀、肌体温凉及疼痛部位。早从20 世纪50 年代起，就有许多关于脉象检测、记录以及定性定量分析的客观化研究，为智能化切诊打下了一定的基础。有基于两种机器学习算法，通过评估脉象物理特征因素组合判断高血压，与使用血压计预测高血压的诊断准确性之间的一致性研究，发现左右关脉的最大脉搏幅度是高血压的良好指标[10]，应用深度神经网络实现对动态心电图心律失常的诊断与分类[11]。除此之外，结合非侵入式的检测装备与AI技术，模仿人的触摸按压获得反馈数据并进行分析，也是充分发挥中医切诊非创伤性检测、辨别脏腑功能盛衰和气血津精虚滞优势的一种方法，而四诊合参的智能化应用更能为病情发展观察和临床疗效评价提供有效依据[12]。

此外，还有从整体客观采集分析数据。例如，对人体能量变化的信息采集——红外热成像系统[13]；对人体经络系统变化的信息采集——经络信息检测系统[14]；对大脑活动的信号采集与转化——大脑深度图像重构系统[15]，提示了运用AI 技术从物质、能量和信息角度探讨中医药整体观的可行性。

2.2 客观指标检测

现代中医临床诊疗除了传统的望闻问切外，还需要利用西医学的检测手段，将宏观辩证和微观辨证有机结合，降低误诊漏诊的概率。AI在基于图像特征提取和分析的影像学和病理学分析领域恰恰有着人眼无法比拟的独到优势。除了直接通过对医学影像图片进行特征提取的方式来进行病情预测与诊断外[16]，还能够通过影像对人体结构进行三维建模，实现对内镜机器人等微型诊疗设备在人体内的定位和识别，采用无监督学习等方式对医学影像特征进行提取分析，减少对数据标注的依赖，方便医学影像分析工作的开展[17]，是当前医学影像研究的重要内容。此外，利用海量的基因组学、转录组学、蛋白组学、代谢组学、宏基因组学以及影像组学等系统生物学和医学大数据，构建多模态数据采集分析与中医结构化知识推理相结合的智能诊疗模型也是未来发展方向之一。

3 中医诊断与治疗

自20 世纪70 年代起，中医人工智能研究就已起步，当时主要采用模仿中医师临床经验或挖掘中医经典著作的方式，进行思维推理和算法设计一系列中医专家系统。随着互联网和计算机技术的飞速发展，我们能够快速获得海量的医疗大数据，有赖于智能算法的不断优化，而中医智能化诊疗模型也愈加精准。

3.1 智能化的中医临床决策

在梅奥医学中心的危重症模型研发项目中，已经开始引入中医阴阳五行理论体系与西方医学的密集数据进行融合，形成创新的数学模型提供实时决策支持，辅助医生预测和判断病情。中医的辨证分型过去常被视为黑箱，是可根据症状将患者分为不同类别的分类器。计算机辅助医疗决策（CAMDM）是利用大量电子病例数据作为决策程序的经验和证据支持的方法。有研究通过进行可靠的多标签学习，对中医慢性疲劳“脾虚”，“心虚”，“肝郁”和“气虚”四种证型的辨证性能在80%至100%的大范围置信水平下保持稳定，表明了其对阈值确定的鲁棒性[18]。在中医临床实践中，患者的症状体征和证型之间往往存在复杂且非线性的关系，不能单纯采用表面结构算法，而基于深度学习和多标记学习构建的中医证候诊断模型能够提高证型识别的准确性，为指导临床决策提供了参考[19]。

3.2 中药管理、处方与研发

中药的质量是中医临床疗效的基础，中医药标准化是中医现代化的重中之重，然而，客观评价和有效控制中药质量仍是一个难题[20]。在AI 的帮助下实现中药质量标记物的定量分析，建立整体质量控制和可追溯性系统，可以为中药质量评估提供快速简便的检测方法[21]。受计算机视觉深度学习进展的启发，研究人员认识到深度学习方法可以提供强大的中草药图像识别和检索支持[22]。目前中药智能处方的研究，主要是基于症状的文本描述，从而更好地自动生成中药处方[23]。AI 在定向药物设计和分子治疗方面的进展也为中药的研发提供了新思路[24]。研究者在建立清热类中药与活血化瘀类中药分类模型的过程中发现，相较于传统的机器学习模型，深度学习方法在预测清热和活血化瘀作用时的敏感性、特异性、精密度、准确性更高[25]。

3.3 疗效评价和机制研究

疗效是医学发展的前提，而对于中医疗效的评价没有像西医学那样统一、完善、客观化的标准，要使中医在国际上获得更大的认同和推广，还是要继续摸索符合中医特色的疗效评价体系。目前应用现代技术方法评价中医药疗效和研究作用机制的尝试不少，而AI 关键技术则提供了新的评价和分析手段。比如将机器学习算法用于构建分类器，预测针对阿尔茨海默病25个关键目标的活性分子，进一步来研究治疗阿尔茨海默病的中药配方[26]。又或者利用从高通量筛选中获得的化合物的物理化学性质，训练了监督分类器，将最佳的机器学习模型用于从中药数据库中筛选新的抑制恶性疟原虫入侵红细胞的化合物[27]。也有研究结合机器学习分析分子通路，揭示稳心颗粒综合抗心律失常的多蛋白质靶标网络[28]。

4 大健康管理

伴随着全球人口老龄化的趋势和医疗卫生条件的改善，慢性非传染性疾病成为主要死亡原因，21 世纪的医学对象从急性感染性疾病转向慢性疾病，干预方式由疾病的控制转向生活方式干预的管理，医学的目的从“治疗疾病”向“维护健康”转变，未来的医学将是面向全体，贯穿生命全过程的“健康医学”。

4.1 预测、预防和康复

除了辅助疾病诊疗，AI的高灵敏度让其在疾病早期识别、预测和预防上展现出人力难及的优势，“精准医疗”最为核心的一条作用是：人们有望被告知未来可能会患某些疾病，从而能更好地预防，这与中医“治未病”的预防理念有异曲同工之妙，而个性化早期检测和有针对性预防，将能够大大降低健康维护成本[29]。目前深度学习的皮肤癌诊断已经达到专家水平[30]。除了早期识别和预防器质性病变，AI机器人还能测量心理状态及变化，甚至有与自闭症儿童交流和教授自闭症儿童提升心理健康的能力[31]，这也为中医智能化防治情志病带来了一些启发。此外，AI也可用于康复护理过程，实时地判断病人的病情，按照机器人的指示提高康复锻炼的正确性，以及提供远程康复护理服务[32]。通过分析中医推拿的操作和需求，有研究者建立了一种高效的全覆盖路径规划算法模型，搭建了按摩机器人实验平台，提高了按摩机器人智能水平和按摩效果[33]。

4.2 健康动态管理

目前可供中医健康管理系统的智能化构建参考的一些例子有，基于可穿戴传感器和人类活动模拟，在3D 虚拟环境进行老年人家庭健康护理[34]；使用特定算法来识别有遗传病家族史或慢性病风险高的人群[35]；对真实世界复杂的社会生态系统建模，帮助社区卫生管理人员理清系统复杂性，以更低的成本找到有效的干预措施[36]。此外，健康动态管理系统不能一成不变，而必须从数据中学习，从而实施持续的流程改进。因此还需加速实施全面电子健康记录[37]，数据需要实时采集，还要在保护个人隐私的前提下开源共享。随着智能硬件的投放，以及个体化基因测序服务的快速发展，大量的数据从可穿戴健康传感器获得，前所未有的数据量，再加上自然语言处理和社会认知算法的进步，AI结合中医治未病理念的应用将塑造未来具有个性化和参与性的中医健康动态管理系统。

5 展望

AI+中医药在落地过程中仍存在许多变数，真正意义上的强AI 要有足够多的数据对AI 系统进行不断的训练，要有不断自我学习改进算法的机制，以及要有强大的计算能力，因而AI+应用的深入不仅涉及技术、成本以及数据源，传统中医行业的开放与融合亦是生态成形的关键。中医临床数据来源问题、中医的标准化与规模化的困难仍然是中医大数据与智能化面临的重大挑战，但是，无论从国家层面、科研单位、还是企业都在推动中医行业及中医智能化的发展，其未来前景值得期待。

所谓AI + 中医药，并不是让AI 完全替代中医师实施诊疗，而是要将人类生物智能与AI 相结合，在利用认知模型实现AI系统知识更新的同时，提升人们对中医药的认知水平，构建人机协同的智慧中医药健康体系。AI在中医药领域的关键技术主要有图像识别、语音交互、语音转写、NPL、数据挖掘及认知计算，想象未来智慧中医融入日常生活的场景，结合中医特色与优势的智能设备随处可见，四诊信息被实时采集分析显示，智慧中医管家根据辨证数据提供日常饮食与起居建议，或对疾病做出预诊判断并上传云端，通过智能分诊系统预约合适的医生。而从中医师的角度，AI+中医药为医生赋能，利用中医思维，对疾病提出新的规律和认识，发展适合于中医诊疗的仪器设备，辅助医生完成最终的诊断和疾病治疗，并对中药进行标准化控制，优化医疗资源配置。此外，AI + 中医药运用AI 算法，分析并学习复杂的中药配伍规律，有别于西药的研发思路，发现并优化微量的中药多成分配伍组方，将会打开中药新药研发的新窗口。AI+中医药所开启的智慧中医新时代，将实现从数据到知识，从知识到智能的跨跃，建立链接个人和医疗机构的跨领域医疗知识中心，形成开放式、互联互通的医疗信息共享机制，驾驶AI+中医药的快车，我们将迈向“智慧中医药”惠及人类健康的明天。