论计算针灸学

郭义王 江陈波

摘要 21世纪是信息科学时代，信息的载体就是数据。计算机等学科的迅猛发展，为针灸学领域储备了大量的数据，但是这些数据背后蕴含哪些尚未发现的特征与规律，缺乏系统深入的挖掘研究，严重制约了针灸学的学科发展。作为传统针灸学与现代科学相结合而形成的新兴前沿交叉学科，计算针灸学应运而生，以针灸学中的现象和规律、理论作为研究对象，以解决针灸医学的关键科学问题和提高针灸临床疗效为最终目标，为针灸科学研究铺开一条多学科交叉融合的高速路。

关键词 大数据;计算科学;计算针灸学;针灸学

Abstract The 21st century is the era of information science and the carrier of information is data. With the rapid development of computer science and other disciplines， a large amount of data has been reserved for the field of acupuncture. However， there are still undiscovered features and laws behind these data， and the lack of systematic and in-depth mining research， which seriously restricts the discipline development of acupuncture. As a new frontier interdisciplinary subject formed by the combination of traditional acupuncture and modern science， computational acupuncture has emerged as the times require. It takes the phenomena and laws in acupuncture as the research objectand aims to solve the key scientific problems of acupuncture medicine and improve the clinical efficacy of acupuncture. Computational acupuncturepaves a multi-disciplinary and cross fusion highway for the research of acupuncture.

Keywords Big data; Computational science; Computational acupuncture; Acupuncture

21世紀是信息科学时代，信息是数据的含义，数据是信息的载体。计算机等学科的迅猛发展，为各个领域储备了大量的数据。但是这些数据背后蕴含的大量新信息、大量新知识，由于缺乏系统深入的分析挖掘发现，仍然沉睡在不被人们关注的角落。而大数据、人工智能等数据处理新技术的产生，使人们的世界观、思维方式发生着巨变：第一，人们不再仅仅依靠随机样本的小数据，同时关注全样本的大数据。第二，不再只追求数据的精确性，同时也容忍数据的混杂性。第三，不再只是渴求找到线性的因果关系，同时也让数据自己“发声”，展示其中复杂的相关关系。随着新系统、新工具、新模型的大量涌现，计算科学就应运而生。计算科学（也称科学计算Scientific Computation或SC）是使用强大的计算能力来理解和解决复杂问题的学科。计算生物学就是计算科学的重要分支[1]。

计算生物学（Computational Biology）是开发和应用数据分析及理论的方法、数学建模、计算机仿真技术等，用于生物学、行为学和社会群体系统研究的一门学科。运用计算生物学，科学家有望鉴定基因和生物通路在健康和疾病中的角色，挖掘它们与环境因素之间的关系;发展、评价以及应用以基因组为基础的诊断方法来预测对疾病的易感性，预测药物反应，发现疾病的早期诊断标记、疾病在分子水平上的发展机制;应用基因组和代谢通路的知识，通过分子模拟等方法进行计算机辅助药物设计，缩短新药开发周期，从而开发有效的、新的疾病治疗方法;发展基于基因组的工具来改善大众的健康状况，从而促进人类基因组计划，造福于人类。分子模拟和计算机辅助药物设计是当前计算生物学研究的一个热点，也是计算生物学与生物医药产业结合最紧密的方向之一。中国科学院上海药物研究所率先在国内将高性能计算应用于分子模拟和开展药物设计研究，发展了复杂生物大分子体系理论计算方法，进行了复杂生物大分子长时分子动力学和变构动力学模拟;并在分子模拟的基础上对30余种重要靶标进行了药物设计研究[3]。

针灸学作为中医学的重要组成部分，从“天人合一”的高度，将自然界对人有益的干预与人运动状态与运动方式结合，构建了“以外踹内”“整体调节”“个体诊疗”的理论体系和丰富的健康维护方法，形成了“真实世界临床科研的范式”，在疾病医学畅行的今天，中医针灸独具特色与优势。但由于中医针灸学是一个“天人合一”的开放复杂巨系统，从人的现象入手，研究人的状态与自然界干预的关系，只有借助“计算科学”的手段和方法，才能使其个体化诊疗背后所蕴含的规律、新的信息、知识被重新发现和认识。基于以上的大科学背景，一门新的学科——计算针灸学孕育而生了。计算针灸学的创立，是针灸学发展的客观要求和必然。它丰富了针灸学内涵，促使几千年来从临床实践发展起来的针灸医学走上一条临床实践、科学实验、数据计算三轮驱动的新阶段，必将推动针灸学的快速发展。

1 计算针灸学是针灸学发展的客观要求

几千年发展起来的针灸学是以中医理论为指导，通过观察的方法，通过长期实践经验积累，研究经络、腧穴以及刺灸方法，探讨运用针灸防治疾病规律的一门学科[4]，医学实践中积累的经验与古代哲学思想融合所形成的理论体系是它历久弥新的基石[5]。

20世纪现代科学技术迅猛发展，应用不同的实验方法与技术对经络现象、针灸作用原理进行探索，实验针灸学在历史潮流驱动下应势而生，1983年，天津中医学院（现天津中医药大学）创建了实验针灸学新学科，标志着实验针灸学学科体系的正式确立。实验针灸学是在中医理论指导下，应用现代科学技术与实验方法，研究针灸理论、作用机制和作用原理，指导临床实践的一门学科[6]。它是针灸学吸纳现代科学的方法和成果而形成的新兴交叉学科，是针灸学科的重要分支。

21世纪基于数据驱动的计算生物学、计算药学、计算神经精神病学、计算社会学等学科的创建和发展方兴未艾。针灸学已经应用于临床500多种疾病的治疗，广泛应用的电子病例记录和蕴含了大量的针灸临床诊疗经验以及新方法、新技术和新的认识，基于8 000多册古代医籍和浩瀚现代文献所建立的古今文献数据库，与大量的动物试验、人体试验所产生的针灸对基因组、蛋白组、代谢组影响的数据资源，以及生物医学已经建立的各种组学数据库，已经使针灸学拥有了大数据4V特点：

1）Volume：庞大的数据量——针灸研究已有一定的积累。

2）Velocity：数据的快速流转、动态体系——针灸电子病历、针灸研究的文献、针刺信息传递复杂性、针灸动态调节、针灸网络调节、针灸走向世界等，所获数据都具有快速流转、动态体系等特点。

3）Variety：数据多样性——针灸不但具有大量的文本数据、图像数据、音像数据;检测数据、监测数据;人体试验数据、动物试验数据、古代文献、现代文献的数据等等，可以说针灸具有各种类型的数据。针灸大数据具有多样性的特点。

4）Value：数据的巨大价值，再利用、再分析——针灸干预与操作者的经验密不可分，使用方法与手法操作多样，取穴灵活多变（辨经、辨位、辨证、辨因都有），针灸操作强调“治神”，医患互动是关键，来自于各方面的针灸数据各方面的关系错综复杂，但蕴含着中医针灸医师对古代、前人智慧的理解、體验，蕴含着继承与创新的结合，其中许多新的发现、新的技术、新的思路淹没其中。这正是计算针灸学要做的，通过数据再分析，发现新规律、新机制，预测新趋势等等。

2 计算针灸学的创立，是针灸学发展的必然规律

人体是一个以五脏为中心，通过经络的联系而形成的有机整体。人体本身就是一个复杂系统，各个细胞、组织、器官以至各个生理系统之间都是相互关联的。中医的经络也是一个复杂网络调节系统。针灸一种非特异性物理刺激，会引起机体方方面面的整体变化，故针灸的实质就是一个物理刺激激发机体的整体综合调节反应，激发机体最大的调节潜能，达到防治疾病的作用。具体来说，针灸本身具有复杂干预的属性，从干预方式来说，就有针刺、艾灸、拔罐、放血、皮肤针等多种方式，单就针刺来说，又有各种针刺手法，如提插补泻、捻转补泻、呼吸补泻、迎随补泻等、手法不同，效应不同。影响针灸效应的因素很多，疾病的状态、穴位的选择、刺法灸法、时间因素等等，因此，针灸具有复杂多因素干预的本质属性，决定了针灸研究必须应用新的方法，计算科学就是重要方法之一，计算针灸学的发展就成了针灸发展的必然。

针灸作用具有小刺激、大反应的特点，针灸的作用最本质的特点就是调节，具有整体调节、网络调节、品质调节、双向调节、自限调节等特点[4]。从复杂系统的角度研究针刺的治疗规律和机理，这也是中医整体观念的精髓。因此，针刺效应的生物学基础需要从宏观、整体、系统和动态的角度来认识。以系统生物学理念为指导，发挥多学科交叉优势，将穴位局部、外周、中枢、靶器官途径与整体、系统、器官、组织、细胞、分子水平研究相结合，是穴位效应和穴位配伍研究的趋势所在，也是计算科学的优势特色领域。

计算针灸学基于大数据，通过知识发现建立假设和构建数学模型，进行计算机仿真并进行检验，与临床和实验观察结果进行比较分析，一方面预测和指导进一步的临床和体内体外实验研究，另一方面从新的实验数据中重新进行知识发现、修正假设、完善数学模型，最终阐明针灸理论和针灸干预生命活动的现象、规律和机制。计算针灸学可整合多层次海量数据，进而获得针灸的可理解的规律性认识，可反映针灸作用蕴含的普遍生物学基础，从而避免个体差异性。可将实验现象高度抽象化，源自实验但又高于实验。可见，计算针灸学是以中医针灸学理论为指导，基于数据驱动，研究针灸作用理论、针灸作用规律和针灸作用原理，指导临床实践的一门新兴交叉学科。是针灸学发展的必然。

3 针灸学、实验针灸学和计算针灸学的关系

以临床实践和观察方法发展起来的针灸学，建立了针灸学基本的理论和技术体系，是实验针灸学和计算针灸学创建的基础，也是实验针灸学和计算针灸学发展的源泉和指引;以现代科学技术和实验方法发展起来的实验针灸学，在传统针灸学指导下，研究传统针灸学“为何”治病的现代科学基础，也是计算针灸学创建的基础;计算针灸学以传统针灸学为指导，以计算科学的方法，以数据驱动，开发和应用数据分析及理论的方法、数学建模和计算机仿真技术，用于针灸学研究（针灸理论、针灸技术、针灸作用规律和原理），是用计算方法来管理、分析针灸数据并从中挖掘发现知识的一门学科，最终指导临床实践，从而解决针灸“为何”“更好”治病等问题。计算针灸学是传统针灸学和实验针灸学的发展。

实验针灸学利用现代科学技术和实验方法对传统针灸学的理论、作用规律与原理等内容进行实证研究，获取的实验数据可为计算针灸学提供信息来源。计算针灸学是将海量的针灸古籍信息、过往针灸研究数据以及最新实验所获得的信息作为数据源，以针灸学问题构建数学模型，通过计算的方法分析针灸的作用规律与原理，预测针灸最佳适应病症及最优干预方案。计算针灸学提出实验及可验证的假说，用以指导实验。计算针灸学侧重于计算，通过模型构建和计算仿真，研究针灸基本理论、针灸作用原理、针灸作用规律等内容。计算针灸学与实验针灸学两者相辅相成，互为补充，计算针灸学需要实验提供数据与验证，实验针灸学需要计算提供分析与挖掘，计算针灸学重在回答发生或可能发生什么，而实验针灸学重在回答为什么发生。

5.2 研究针灸作用规律机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科[18]。1959年美国的塞缪尔（Samuel）设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。在过去，数据分析比事后分析更为重要，事后分析就是“已经发生的事情”。未来的预测本质上仍是历史分析。人工智能和机器学习正在帮助开拓一个新领域：“将要发生的事情，或者至少是“可能发生的事情”。此外，还可以教会机器学习算法基于前瞻性的见解做出决策或采取行动。

机器学习已应用于中医药相关规律的研究。其中，传统机器学习算法为中医症状、症候和证型辨别的客观化以及中医药内在规律的挖掘与发现提供了技术支持。如冯冰等对脉诊仪采集的脉诊数据先进行双树复小波变换，再通过梅尔倒谱系数进行特征提取，最后使用Fuzzy c-means聚类算法进行聚类分析，对脉象的识别准确率可达78.2%，一定程度上可避免医生主观判断对脉象识别的影响[19]。潘主强等在以亚健康数据为主要研究对象，探索不均衡数据的机器学习分类方法;以肾脏疾病为主要研究对象，构建综合了3种辅助诊断工具的混合分类模型;以心血管病、血脂异常疾病和尿酸升高类疾病为主要研究对象，研究多标记数据分类方法等相关实验中均取得良好的病症分类效果，且分类结果符合医学理论，具有临床指导意义[20]。裴卫等通过关联规则、K-means聚类分析等无监督的机器学习算法对589首中医治疗肝病的处方进行了分析，发现机器学习的结果与药物复杂网络中的结构完全一致，应用机器学习探究中医治疗肝硬化的中药组方规律确实可行[21]。

浩如烟海的针灸古典文献是先人留给我们的防病治病智慧，现代的针灸临床研究和真实世界的临床病历采集所积累的文献蕴含着宝贵的临床经验，凡此等等都构成了针灸的大数据。大数据的价值在于数据分析以及分析基础上的数据挖掘和智能决策，通过对数据的分析，发现数据的变化以及各数据间的相关性，挖掘以往被忽视的规律，获得具有洞察力和新价值的新知识，实现对行为的决策和预测。

如我们采用机器学习的方法，对针刺治疗疾病的选穴配伍规律等进行了研究。首先进行了针灸数据挖掘基础词库的构建，建立了基于机器学习的针刺文献数据库，发现了单穴与配穴、局部配穴与远近配穴的等针灸腧穴配伍的普适性规律。给出了针灸优势病种中腧穴配伍处方的核心腧穴，研发了针灸临床决策支持系统[22]。见图2～4。

5.3 探索针灸作用机制针灸刺激具有复杂性，其复杂性使得针灸机制的研究开展面临困难，难以用单一的、特定的生物靶点概括针灸的作用效果。如何为针灸治疗寻找生物学特征，是计算针灸学的一个重要的任务。20世纪80年代末，北京医学院针麻原理观察组为了研究针刺穴位时的镇痛规律，对正常人及神经系统疾病患者进行针刺对皮肤痛阈影响的观察，发现进针后痛阈升高和去针后痛阈恢复均符合指数曲线形式，并进行验证发现实际测得值和理论值相符，这是基于实验数据通过计算对针灸作用规律和机制进行探讨的有益探索[22]。针灸组学特征研究更是要计算，这包括从一系列针灸组学如穴位组学、针灸效应的表型组（Phenome）、基因组（Genome）、转录组（Transcriptome）、蛋白质组（Proteome）、相互作用组（Interactome）、代谢组（Metabolome）等。计算针灸学运用大规模高效的理论模型和数值计算来识别针灸干预机体后基因组、蛋白组、代谢组的变化;研究针灸作用后生物大分子之间相互作用以及生物大分子与配体的相互作用，模拟针灸后生命体内的信息流过程，从而认识针灸作用的规律，应用基因组和代谢通路的知识，通过分子模拟等方法进行计算机辅助针灸设计，开发有效的、新的疾病治疗方法。无论是针灸本身的实验数据挖掘，还是对针灸结果的进一步挖掘，提取特征规律都需要计算。基于实验针灸的数据，探寻针灸作用的规律与机制是计算针灸学重要研究内容之一。

广泛深入的数学建模及应用是计算针灸学的重要研究内容，计算针灸学要将众多知识发现有机地整合起来，把来自各方面的因素聯系在一起，以定量的形式刻画、从不同角度展现针灸激发生命现象的本质和治疗疾病的规律，必然需要建立数学模型通过数学语言的抽象描述来实现。计算针灸学可在前人大量针灸研究基础上结合现代最新实验数据记录，通过收集、整理、学习、分析、挖掘针灸蕴藏的丰富的信息资源，进而揭示针灸作用的客观规律。

针刺效应机制的研究已从穴位局部、外周、中枢、靶器官不同层面开展了一些研究，取得了很多重要成果，但这些研究多为单一因素的研究，对穴位效应产生的各个环节尚未建立起相互联系、相互影响的复杂网络模型，缺乏系统的归纳和规律的提炼。如针灸是如何调节机体达到中和状态的呢？这也需要计算针灸学。我们首先提出“三网联动”说。见图5。针灸启动经穴小网络，调动机体大网络，调整机体病网络，达到阴阳协调、气血平和的中和状态。具体来说，就是针灸作为一种创伤性物理刺激，首先激活了针刺穴位微环境小网络，使针刺信息在穴位局部启动并级联放大，进而调动人体自身调节大网络——神经—内分泌—免疫网络（NEI网络），经NEI调控，针刺效应信息输出到靶器官，调整疾病网络（病网络），产生针灸疗效。即针效的产生是针刺启动穴位局部“穴网络”，调动机体神经-内分泌-免疫“大网络”的调节，从而作用于靶器官“病网络”。三网联动，纠正疾病的失衡状态，恢复机体的内稳态，达到“中和”状态[12]。当机体处于病理状态时，疾病网络发生改变，通过机体的神经-内分泌-免疫网络等途径，也可以反映到穴位局部的穴网络，从而使穴位产生某些阳性反应，如压痛、条索、结节等，阿是穴的产生即如此。只有将以上个部分建立起相互联系、相互影响的复杂网络模型，才可能解决针灸作用的规律。

6 小结

我们正处在于一个大数据时代，各行各业均存在大数据，医疗中更是有着比较广泛的应用，如基因工程、疾病的预测分析、患者的手术方案等，大数据可以帮助医疗机构建立患者的疾病风险跟踪机制以及帮助医药企业提升药品的临床使用效果等。面对纷繁复杂的信息，我们需要搜索、处理、分析、归纳、总结其深层次的规律。计算针灸学是针灸学发展的新时代，是传统针灸学、实验针灸学与现代计算科学相结合的产物，涉及包括数学、统计学、中医针灸学、生物学和计算机科学等在内的多个学科，以针灸学中的现象和规律作为研究对象，以解决针灸医学的关键科学问题和提高针灸临床疗效为最终目标，它将“发现的科学”和“假设驱动的科学”有机地联系起来，使得针灸生物信息、知识发现、数学模型和假设检验完美地结合在一起，为针灸科学研究铺开一条多学科交叉融合的高速公路。

参考文献

[1]周宏仁.信息化：从计算机科学到计算科学[J].中国科学院院刊，2016，31（6）：591-598.

[2]程妍，刘仲林.计算生物学——一门充满活力的新兴交叉学科[J].科学学与科学技术管理，2006，27（3）：11-15.

[3]谭小芹，熊嘉诚，朱亭霏，等.中国药物分子设计40年发展成就[J].中国科学：生命科学，2019，49（11）：1375-1394.

[4]梁繁荣，王华.针灸学[M].北京：中国中医药出版社，2016：1-2.

[5]张伯礼.中医药发展的机遇与任务[J].中国中西医结合杂志，2017，37（2）：145-146.

[6]郭义，方剑乔.实验针灸学[M].中国中医药出版社，2015：1-2.

[7]李鹏祥.随机抽样中必要样本容量的确定[J].赤峰学院学报：自然科学版，2009，25（9）：18-19.

[8]梁吉业，冯晨娇，宋鹏.大数据相关分析综述[J].计算机学报，2016，39（1）：1-18.

[9]Gluud C.循证医学的临床实践[J].中国医学科学院学报，2002，24（6）：541-547.

[10]蔡荣林，胡玲，吴子建.循证医学、真实世界研究在针灸临床研究中的应用与思考[J].中国针灸，2015，35（9）：949-952.

[11]刘佳，何丽云，赵玉凤，等.基于真实世界国际针灸病例注册登记研究的关键技术[J].世界科学技术-中医药现代化，2017，19（12）：1920-1923.

[12]Li NC，Li MY，Chen B，et al.A New Perspective of Acupuncture：The Interaction among Three Networks Leads to Neutralization[J].Evid Based Complement Alternat Med，2019，2019：2326867.

[13]沈自尹.系统生物学和信息医学在中西医结合中的应用[J].中西医结合学报，2006，4（2）：111-113.

[14]Langevin HM，Wayne PM，Macpherson H，et al.Paradoxes in acupuncture research：strategies for moving forward[J].Evid Based Complement Alternat Med，2011，2011：180805.

[15]Xu Y，Hong S，Zhao X，et al.Acupuncture Alleviates Rheumatoid Arthritis by Immune-Network Modulation[J].Am J Chin Med，2018，46（5）：997-1019.

[16]齊婧蕾，陈勇，公一囡，等.基于针刺效应靶标蛋白阿片肽的针刺优势病种的预测研究[J].四川中医，2020，38（1）：176-180.

[17]陈波，李明月，丁沙沙，等.针刺调节神经-内分泌-免疫网络研究进展[J].世界针灸杂志：英文版，2014，24（4）：49-53，58.

[18]陈海虹，黄彪，刘峰，等.机器学习原理及应用[M].成都：电子科技大学出版社，2017：2-19.

[19]冯冰，李绍滋.中医脉诊信号的无监督聚类分析研究[J].智能系统学报，2018，13（4）：564-570.

[20]潘主强，张林，张磊，等.中医临床不均衡数据疾病分类方法研究[J].智能系统学报，2017，12（6）：848-856.

[21]裴卫，吴辉坤，李晓东，等.基于机器学习的中医治疗肝硬化组方规律研究[J].世界科学技术-中医药现代化，2017，19（6）：950-956.

[22]李宛蓉，李博，郭义，等.数据挖掘技术应用于针灸重大问题研究的可行性分析[J].中医药学报，2018，46（6）：6-9.

[23]韩济生，汤健，任民峰，等.中枢神经递质与针刺镇痛[J].北京医学院学报，1980，12（1）：11-19.

（2020-03-10收稿 责任编辑：王明）