浅析神经元网络算法在中医药真实世界研究中应用可行性*

高 睿 ，刘 智 ，王 辉 ，刘春香 ，夏 彤 ，姚 杨

（1.天津中医药大学国际教育学院，天津 301617；2.天津中医药大学中医药研究院，天津 301617）

近年来，随着人工智能医疗信息技术快速发展，临床研究中现实诊疗环境下的真实世界数据日益丰富，循证医学研究方法学的需求与人工智能信息技术相融合，开始由理论向应用转化，真实世界数据开始向临床研究证据转化，为中医真实世界研究发展提供了客观条件，本文介绍人工智能应用的基本方法及在中医药真实世界可能会应用的领域。

1 中医药真实世界临床研究的现状

随着时代变迁，21世纪临床研究的方法学研究也在进步。2016年美国食品药品监督管理局（FDA）和国际药物经济学与结果研究协会（ISPOR）在The New England Journal of Medicine发表文章对真实世界研究进行定义，指在真实医疗环境中排除临床试验外开展的所有临床医疗数据研究[1-2]。中国学术界后续也发表了相关定义，指在真实临床或家庭医疗环境中开展的临床医学研究，为评价某种患者健康的真实影响而开展的治疗措施研究[3]。中医药临床研究特点是“辨证论治，方证结合”，可根据患者的实际病情与诊疗意愿选择不同的诊疗方法，这与西方真实世界研究下的精准医学有着相似的理论。这套理论需要大量的临床观察数据对临床问题进行分析与解释，或许这就是真实世界研究被中医药领域广泛接受并迅速开展的原因。中医药真实世界研究完全遵循循证医学的理念，在常规医疗条件下，利用日常工作中产生的数据信息开展临床科研活动，已经成为临床研究不可分割的一个重要组成部分。中国人口资源众多，真实世界研究数据极为丰富，可为中医药真实世界研究提供充足的科研信息数据，为开展大型中医药真实世界研究提供助力。但目前中医药真实世界研究正处于起步阶段，中医药真实世界研究方法稀缺，数据采集方式单一，数据质量不佳，研究者和患者依从性不佳都为中医药真实世界研究增加了实施难度，最终影响真实世界研究的结果。因此，如何能在快速、安全、可靠的基础上获得大规模的临床数据并进行相对应的分析、预测是当下开展高质量真实世界研究的前提。

2 中医药真实世界研究的特点

当前，国际临床研究仍然以随机对照研究作为临床有效性评价的“金标准”，无论解释性研究或者实用型研究均采用随机抽样方式[4]。而对于中医药临床研究来说，随机对照试验显然是不可被替代的[5]。随机对照试验虽然仍被视为高质量的证据，但在中医药临床研究中，由于中医辨证论治疗效评价的特点，可能会产生某些研究结论不一致、研究数据不精确、研究报告出现偏倚等现象，其相应证据级别会被降低，不利于中医药临床研究在世界范围内的开展。真实世界研究内容包括观察性研究和试验性研究[6]，特点如下：1）真实世界研究纳入人群广，对患者的病情限制较低，设计样本量较大，随访时间长。2）不采用随机化的分组方式，根据临床的实际选择进行分组。3）根据真实世界的外部真实性环境进行评价，可获得较高的真实性数据。4）真实世界研究所获取的数据为临床实践真实数据，不限于电子病历、医保数据等真实世界数据信息，可获得较长时间内的随访信息，便于大数据分析与疗效评价。

根据以上真实世界研究特点，可发现真实世界研究与中医药临床研究证据评价有极为相似的特点，中医药临床研究“辨证论治，方证结合”的特点就是在以“临床经验”为基础的疗效评价前提下进行的证据评价研究[7-9]。而证据评价需要海量数据作为证据来源，中医药临床证据的评价就是建立在极为丰富的中医药临床实践大规模证据基础上，也就是以真实世界研究为基础的临床评价数据研究。因此，如何将真实世界中的大数据规范化采集并合理优效使用是当前中医药临床研究中急需解决的科学问题。

3 人工智能技术在中医药真实世界研究中的应用

3.1 人工智能技术的发展现状 随着计算机技术与信息技术的快速发展，人工智能技术逐渐成为计算机领域的翘楚，虽然人工智能技术发展时间较短，发展过程曲折，但人工智能技术已应用在各大领域，并成为各自领域创新发展迫切要应用的一种技术方法。人工智能是指将人类思维中的理论、方法、技术用计算机的开发方式模拟、扩展和延伸在真实世界中以机器语言表达实现的一种科学技术[10-12]。这一概念在1956年被正式提出，并持续发展至今，21世纪初大数据高性能技术应用于各行各业，绝大多数领域都将互联网+大数据的技术方法作为本行业的突破，力求达到技术突破并解决本行业内存在的传统行业壁垒。但直至今日，各领域都没有达到各自目的，只是存储了大量的数据资源，造成了时间与存储空间的浪费。本研究认为，大数据技术只是将传统领域中的数据优效存储并分类关联，并未像人类思维的方式预测并解决现实行业中的技术壁垒和难题。但不可否认大数据是实现人工智能技术的前提，人工智能技术利用存在的庞大数据信息开展机器学习，相互推衍快速迭代和进步，其强大的赋能性可解决真实世界中的各种问题。目前，在人工智能领域相对成熟的人工智能技术包括：语音识别、图像识别、智能机器人等技术。在医学领域，语音识别、图像识别技术已相对比较完善，并已应用于医学临床实践，得到有效的结论[13]。

3.2 人工智能技术在中医药真实世界研究中存在的问题及未来发展趋势 中医证候研究是中医临床实践的基础与核心，是疾病发生与演变过程的真实反映。真实世界研究中，医生通过证候与疾病发生的关系为主要切入点可以充分了解患者的病情并针对患者的真实情况进行准确的诊疗。但目前在中医药真实世界实践中由于中医证候具有相当的复杂性、模糊性与难操作性，使得医生在诊疗时中医证候辨别不清，未能充分发挥中医的特点。因此，中医在真实世界研究中的准确辨证成为亟需解决的重要问题。人工智能大数据真实世界研究主要解决的是在极为复杂的数据中寻找可能存在的相关性，刚好可以解决与中医真实世界研究中多变复杂的相互关系，为中医证候辨别提供一种准确的方法。中医药真实世界研究领域，特征便是以患者为中心，以数据为导向，精准实现医疗实践的科学预测与模拟计算[14-15]。而人工智能技术中机器学习技术可解决中医药临床研究诊疗中“辨证论治，方证结合”的复杂性与多样性，可精准预测个体化患者可能患有的证候、疾病及可能会应用的方证，为实现中医药临床评价提供助力。机器学习是人工智能领域的一个重要方向，近年来随着技术的不断发展，机器学习的技术不断被快速更新，内容越来越丰富，常见的算法应用包括决策树算法、人工神经元网络、深度学习、支持向量机、朴素贝叶斯等，机器学习最重要的功能就是获得输入数据分类学习的能力，包括对不同语言、文字的区分以及识别。

3.3 神经元网络算法的特点和优点 人工神经元网络是一种模仿动物神经网络特征进行分布式信息运算的一种特殊数学模型，简称“神经元网络”[16-17]。这种网络通过调整内部相邻的节点进行相互快速访问，可达到信息快速响应处理。神经元网络算法具有极强的相互学习能力与适应能力，可通过预先学习本主提供的不同类型数据进行学习分析，掌握不同数据类型之间潜在的特征与规律，通过分析这些规律，获得新的输入数据来推衍计算得到最终的结果，这种推衍方式被称为“机器训练”。这种算法配合大数据的使用可以运用到各种相关的领域，近些年随着人工智能技术的发展，科学家们根据神经元网络算法的规律又提出新的具备不同信息处理能力的神经元网络算法模型，这几种模型可以分为3个不同的方向[18]：1）根据神经元网络算法的初衷，探索人类脑神经系统生物的结构、机制，根据结构的演变进行算法的推衍。2）运用计算机制造学中的光学与微电子学科学技术进行神经网络学的功能网络构造。3）将神经网络学理论作为一种解决问题的方法与手段，特别运用于传统方式无法解决或技术上存在困难的的领域。

神经元网络算法的优点：1）神经元网络算法与传统的计算机算法在计算上有着本质的区别，可以把计算处理器分配到很多细小又相互紧密连接的微处理单元中，各微处理单元计算功能简单，大量简单又相互连接的处理单元识别与计算不同类型的数据既便捷、迅速，同时又可满足计算机硬件更新换代的速度，很大程度上提升了软件在计算机中运行的速度。2）神经元网络容错机制高，若某部分神经元网络损坏，不会对网络整体造成特殊的影响，只会降低神经元网络内部的运行性能，但并不能妨碍神经元网络的正常工作，即便网络主体部分受到破坏也不会造成网络的瘫痪，可充分保障软件运行的安全机制。3）神经元网络中的数据存储信息极度安全，不同类型的定量或定性数据被保存在各种神经元之间的节点权值上，进行分布式神经网络协同运算处理，各节点之间可以通过训练样本与训练过程进行有效切分，同时通过竞争筛选把学习内容迁移到相邻的节点，已获得较多的学习资源，保证数据的存储安全。4）神经元网络算法的学习功能强大，可以通过节点连接权值或连接结构学习已知或未知的系统，且自学习功能对未知功能预测有特别重要的意义，应用领域较广。神经元网络算法的这些特点和优点，使其在中医药临床研究中得以应用成为可能。

3.4 神经元网络算法在中医药真实世界中的应用模式 神经元网络算法作为一种自学习、自适应识别技术模型，不需要预先给出大量的经验数据或算法函数作为参考依据，依靠自身的节点连接自适应机器学习机制就可以形成所需要方法的决策区域[19]。神经元算法的特性由节点所连接的权值、节点拓扑结构、学习与训练规则来决定。神经元网络算法可以充分利用不同类型的数据信息互相训练学习，并且相互映射，获得更多的信息资源，若网络状态发生改变，还可重新调整自适应学习新的规则。

中医药从秦汉时期发展至今，之所以还拥有重要的位置，正是秉承了中医的辨证论治、方证结合的特点。临床医生将患者的“望、闻、问、切”结果作为真实世界中临床诊断的基本数据。随着5 000多年时间的推移，中医药经验医学积攒与印证了相当丰富的数据资源，作为整体医学与精准医学的代表，中医药的数据资源已经具备了大数据的潜在特征[20]。人工智能技术在大数据研究的基础上可快速实现中医学在真实世界中关于诊断症状、证候与方证的评价。神经元网络算法为中医药真实世界临床研究提供必需的技术支持，为临床医生提供证候诊断、药物评价等技术方法。在保证诊疗结果正确的前提下，为医生提供便利的医学决策辅助参考方式。

文章重点介绍了基于神经元网络算法的中医药证候辨识如何在真实世界研究中的开展模式（见图1）。中医真实世界中，神经元网络算法可应用于临床证候的诊断，病症与疾病对应神经网络的输入节点，输出节点对应着中医证候，首先利用一组已经被识别的症状与疾病样本进行训练学习，确定神经元网络的结构（函数与神经元数目）和基本参数（连接权值）。训练后，证候模式的分类就是设定一组中医症状，实现患者患病症状到痊愈症状之间的非线性映射的过程。具体可以分为以下几步：1）首先获得一定数量的某中医学领域患者的学习样本进行神经元网络训练，得到期望的诊疗效果。2）设定合理的中医症状网络结构和模型，尤其是网络中间层神经元个数。3）确定中医症状训练的样本集与测试集。症状样本集用于神经元网络的训练，测试集用于核查与印证神经网络训练的效果是否准确。中医证候样本集应该大范围涵盖所有可能出现的中医证候，并具有一定的代表性，同时还必须保证学习的正确性。4）在神经元网络算法中根据中医症状训练样本集，经过测试后的样本集训练结果可以作为中医证候样本库用以预测与判断患者未来可能会产生的中医证候。

4 结论

图1 基于中医症状诊断的神经网络算法

目前，真实世界研究已经逐渐被临床研究者接受并开展到临床研究领域和循证医学实践中。中医药真实世界研究起步较晚，但发展潜力巨大，凭借丰富的人群资源与中医药经验医学的特点可为世界医学提供宝贵的医学知识。21世纪医学是信息医学的时代，同样也是数据引领的时代，人工智能技术的出现可为临床研究者更加深入解决重大临床问题与科研难题作出贡献。神经元网络算法作为人工智能的核心，将其应用于中医药真实世界研究是可行的，其将先进的技术理论与中医临床理论相结合，客观评价与解决中医药真实世界研究中辨证方法不可测量、不可重复、不可评价的技术问题，逐步探索并解决中医药临床研究中可能存在的各种技术壁垒与孤岛，助力中医药临床研究在世界医学研究中的位置，为推动中医药大健康在人工智能时代的发展提供巨大帮助，具有极其重要的意义。