面向工程的中医现代化探索

2021-12-01董军

科学 2021年3期

中医的思想来源（阴阳五行）、诊断手段（望、闻、问、切）和处置方式（中药方剂），与西医病理解剖、生理检测和药理治疗大相径庭，背后则是文化传统与思维方式的差异。中医着眼整体，而非头痛医头、脚痛医脚，西医对此其实并不排斥；中医中观的辨证关注阴阳、虚实、寒热、表里的“辩证法”，实际上是从大类区分开始的逐步聚焦过程，思路可以理解，原则较为特殊；中医因人而异的诊治相对而言是微观手段，西医则同时注意规范、标准，并试图认识生命机理。无论中医还是西医医生，要成为专家，离不开工作积累和不断反思，只是目前中医治病由于特殊性远离普遍性，从而缺乏代表性和普适性。

中、西医不仅救死扶伤、治病救人的目标一致，做法上也不是非此即彼，所以才会有中西医互补的愿景与实践，有中医走向现代化的可能性与现实性。就现代科技服务医学而言，笔者研究“体征感知、辨证分型及其推陈出新──心血管病医方生成”，涉及整体思维（方法论）、便捷操作（脉诊模拟）与互补途径（比如智能系统），是从临床和用户需求出发的机器辅助医疗的一系列工程化途径及其部署与精化。

工程观念

钱学森提出的现代科学技术体系横向有11大科学技术部门[1]，那是一个开放的知识系统及其完善过程，包括思维科学、人体科学等。每一部门又分为“基础理论”“技术科学”和“应用技术”，比如，对应于思维科学分别是思维学、模式识别等内容和人工智能等技术。本文所言工程，亦即人体科学中与人工智能技术的对应部分，至少具备如下三个特点。

第一，针对临床。工程是利用科学理论、技术方法展开的面向用户需要或实际环境的解决应用问题的活动，就医学系统而言，一是指问题来自临床，不管研制仪器设备，还是开发服务软件，抑或设计分析算法，应当针对由临床医生或医疗机构提出的各种需要；二是所有结果是否有效、其优劣程度如何均由临床测试和用户反馈得出结论，评价的原则来自实际医疗环境，“闭门造车”满足不了要求。

第二，统计计算。针对临床的计算机系统的效果，需要数量足够、表征全面、分布合理的实际数据予以支撑。比如，现在普遍应用的机器学习算法要将训练数据与测试数据集分开以期有针对性，否则结果只是“看上去”不错；要区分对象内和对象间数据，用同一个对象的数据而非不同对象不同时刻的数据会降低数据的代表性、削弱算法的泛化能力，不能“坐而论道”。

第三，科学基础。工程化工作所依托的思想、理论、方法不能违背科学结论、不可超越既有限制，都需要符合生物机理和客观规律。只有根植于基础研究成果的技术、工程，才能保证其有效性、可靠性和普适性。应该努力避免的是与临床目标和需求无关联的所谓研究、一味为了“科研”而进行的数据分析、到头来经不起实践验证的论文等。

新冠疫情期间，各种数据包括关于疫情的数据猛增，所谓的“大数据”涌现了，结合一些分析算法，它们将有助于体征筛查、关系发掘、现状判断、趋势预测，人工智能可在医学诊断思维的模拟及其在基层的普及应用中发挥更大的作用，那既是人工智能典型的应用场景，又有助于厘清关于中医的一些基本争议。林毅夫曾指出[2]：“能否获得诺贝尔经济学奖不在于理论背后有多么复杂的逻辑，而在于理论解释的现象有多么重要。”关于中医，当下更重要的不是其固有理论的可靠性和背后机理的合理性（希望有朝一日有结论），而在于可否解决当前的一些困惑。

方剂地位

现今的中医处方是经过一代代人摸索和调整过的，仅知道各种药材的性质与功用，但不清楚不同药材搭配的“君、臣、佐、使”关系及整体作用，不清楚各自比例和分量，是出不了处方的。那种认为只要熟读中医经典，不必背处方，自然可出处方的观点是不切实际的。现实生活中不仅没有“放之四海而皆準”的理论，也不是有了理论就有答案，中间是先例、经验、细节。然而，真要创新，诸如提升已有方剂的治疗效果、治疗目前束手无策的疾病，或者说要发挥较以往更大的作用，就得突破传统、回到根本。本文正是出于这样的考虑，希望能对疑难杂症给出治疗方剂，或者对常见疾病给出更优方剂。因为中医的效果主要由方剂体现，历史告诉我们值得挖掘，甚至就其成分、机理而言可以与西药思路统一，形成共同基础。

许倬云先生认为[3]：“中医若要融入世界，则是药的部分而不在医的理论部分……”中医药要证明其效用或发挥更大作用，归根结底看治疗效果，那是靠中药产生的，因此中药的方剂是关键环节，其配方、用量及其各成分的相互作用方面还缺乏很多细节支撑。现在面临的是经方范围有限、治疗方式宏观、特病方剂阙如的局面，获得有依据、有针对性、有良好效果的中药方剂则可以“纲举目张”。然而发现新药需要巨资投入，在关注百姓健康、弘扬传统文化、智能合成新药的社会和技术背景下，我们将目标锁定在传统中药方剂的优化和新方剂的发现上。

对症寻药

临床上，医生根据患者所述形成初步的、大范围的判断，然后做一些仪器检查，根据其强度、相关性和患者特点，得到症名，辨证分型、分期论治，在四诊合参的前提下，形成处理意见和医方[4]。

其中，隐性知识[5]学习是关键，就中医而言，是指经过长期临床实践、对治疗某些疾病有特别意义、但又难以言表的那部分经验知识，有待与临床医生不断交流和精化。我们强调长期的、主动的、不断超越的、取精用弘的独特经验，并不是每一个有数十年相关工作经历的医生都能达到的境界。

出处方时棘手的是不确定性：一是医生需要进行尝试，比如可能是什么症、可能要用什么处方与用量，由于每个患者都有其特殊性，需要调整、改写陈方，那往往是增减一味药或调整某几味药的分量；二是没有现成医案，包括用哪味药和用多少分量，同时要努力避免各味药材可能不良的相互作用，亦即开出全新的处方。

这里对中医成功的案例不作进一步推究，而是将其与西医治好的医案一样对待，即暂不考虑副作用、误诊等，因那是医学的共性问题。我们的策略，不是一开始就直接从数千种药材出发获得全新治疗方剂，恰恰相反，需要有自如应用经方的医生，需要其诊病经验。以现在的计算机系统开发为例，多数工作都利用了开源平台，这固然便捷，效率也高，可以应对一般情况，但遇到“卡脖子”问题就被动。不仅如此，新的问题无法完全依赖现有基础，再者，要积累核心竞争力也必须“从头”做起。日、韩在中医的不少方面走在前列是例子。

研究前景

这项研究工作的意义在于：一是不同疾病需要有针对性的治疗药物；二是对于各种中药材特性，机器可以“记忆”得更为全面；三是更为全面、系统、科学地讨论中医药的合理性。

相应的研究脉络是一开始的体征感知與最后的开方一体化，注重挖掘隐性知识，并以特定慢性病先行，可以“证实”也可“证伪”中医的某些具体结论[6]。对中医出方过程进行机器模拟，不意味着默认四诊结果皆是“正确”的，而是“可行”的。我们希望更多的患者得到有经验医生的诊断，而这类医生数量有限，于是期待人工智能的帮助，但强调那是“计算机辅助分析”，即人机交互、各有分工，而非将“活”一股脑儿“交”给计算机，机器是助手，是减“负”者，是“团队”成员，而非独当一面的“另类”医生（尽管某些场合未尝不可）。

我们的探索工作已具备如下基础：

脉象感知：专门设计的柔性阵列式传感器与美国产品功能相当；

硬件载体：在商业化腕表基础上设计具备感知功能的新型号；

体征分析：心电图分析算法具备显然的优势；

特病系统：借鉴国医大师糖网病诊治经验的原型研究；

经方模块：方剂的查询、匹配、显示策略。

接下来的研究工作包含以下几个方面。

第一步，以既有特病专家系统原型为基础，实现出新方功能（不限于已有陈方），需要增加一个数据库，包含约200种基础单方；

第二步，刻画较为完整的诊病过程，融合规则推理与机器学习，这是人工智能的关键工作，需要与有经验的中医专家不断交流；

第三步，完善数据库，使之包含《中医药大词典》约6000种单方，测试丰富案例，并针对各种药材的化学成分等，考虑与西药库的接口。

技术的辅助意义与价值是清晰的，而更重要的是中医的自证。就如一个患者，要想康复，首先自己要积极面对、努力治疗，光等着医生开药、做手术是不够的，有时还会适得其反。工程的观点，也就是实践的观点、系统的观点、验证的观点，按照现代科技理念分析的观点。

[1]顾吉环，李明，涂元季. 钱学森文集（卷六）. 北京：国防工业出版社， 2012： 383， 416.