人工智能助力中医药发展现状、问题及建议

2022-05-24林静怡李诗翩郭义任海燕李鑫举周鹏席强梁峰

世界中医药 2022年6期

林静怡　李诗翩　郭义　任海燕　李鑫举　周鹏　席强　梁峰

摘要目的：梳理我国人工智能（AI）在中医药领域的发展现状，分析现存问题，并对未来发展提出建议。方法：综合课题组前期对中国工程院10位院士进行访谈调研的结果进行分析。结果：现状方面，AI为中医药现代化发展提供了有力的技术支持，已有成果证实“AI+中医药”在数据管理、临床诊断、健康管理等方面起着互相推动的作用。存在问题是数据标准欠缺、交叉人才匮乏及政策支持力度欠缺等;建议对中医药数据进行全面治理，同时结合我国具体情况加速培养学科交叉复合型人才，并从数据、知识产权、伦理安全及资金等方面给予支持。结论：未来AI如何更好地助力中医药以及整个医药健康领域，还亟待进一步探索。

关键词人工智能;中医药;院士访谈;现状;问题;建议

Current Situation，Problems，and Suggestions of Development of Traditional

Chinese Medicine Assisted with Artificial Intelligence

LIN Jingyi，LI Shipian，GUO Yi，REN Haiyan，LI Xinju，ZHOU Peng，XI Qiang，LIANG Feng

（1 College of Traditional Chinese Medicine，Tianjin University of Traditional Chinese Medicine，Tianjin 301617，China;

2 School of Precision Instrument and Opto-Electronics Engineering，Tianjin University，Tianjin 300072，China）

Abstract Objective：To clarify the current situation of artificial intelligence（AI） in traditional Chinese medicine（TCM），analyze the current problems，and put forward some suggestions for future development.Methods：Previously，the research group interviewed 10 academicians from the Chinese Academy of Engineering and the results were comprehensively analyzed.Results：Currently，AI technically supports the modernization of TCM.Existing results have confirmed that the combination of AI and TCM promotes advancements in data management，clinical diagnosis，health management，etc.The existing problems revealed the lack of data standards and interdisciplinary talents and insufficient policy support.The present study recommended comprehensively managing TCM data，accelerating the cultivation of interdisciplinary talents according to the specific conditions of China，and providing data，intellectual property，ethical security，and financial support.Conclusion：How AI helps TCM and the entire medical and health field in the future needs further exploration.

Keywords Artificial intelligence; Traditional Chinese medicine; Academician interview; Status; Problems; Suggestions

中圖分类号：R2-03文献标识码：Adoi：10.3969/j.issn.1673-7202.2022.06.020

人工智能（Artificial Intelligence，AI）是一门用于模拟、延伸和扩展人的智能的理论方法技术及应用系统的前沿科学，已应用于地质勘探、石油加工、军事等诸多领域[1]。医疗是AI应用的重要领域之一，AI与中医学均以开放、联系、整体、动态的思维分析事物[2-3]。2018年4月国务院办公厅发布的《关于促进“互联网+医疗健康”发展的意见》将AI技术引入中医药领域，文件强调支持中医辨证论治智能辅助系统的研发，提升基层中医诊疗服务能力。随着国家卫生健康事业发展的增速，当前中医药服务难以满足人民群众的要求，人们对于家庭化穿戴式设备、互联网医院、云服务等AI赋能健康管理产品的需求日益增加。中医药的发展迎来了“天时、地利、人和”，从国家政策、智能技术、人民需求等诸多方面都具备优越的发展条件。为深入了解AI在中医药健康领域中的应用现状、现存问题，获取领域专家权威观点及前沿信息，中国工程院2019年重大咨询项目《人工智能在健康管理中的应用战略研究》课题组成员在前期文献研究的基础上进行了院士访谈，现将访谈的主要结果报道如下。

1 访谈的方法、对象及内容

1.1 访谈方法及对象本次访谈以面对面访谈为主要方式，以问卷访谈作为辅助，访谈对象为10位来自中国工程院醫药卫生学部及电子与工程学部的院士。访谈基于院士调研函，以院士的个人观点为主体，请受访院士就相关问题发表意见。

1.2 访谈内容访谈围绕“AI在中医药领域的研究和应用现状”“当前AI在中医药领域应用中存在的问题及解决方案”及“AI在中医药领域中应用的发展目标及前景”3个方面进行。

2 访谈结果

2.1 中医药领域AI应用现状

在访谈中，受访的10位院士一致肯定了AI应用于中医药领域的必要性。在此次访谈中，院士们认为，目前AI在中医药领域的应用主要涉及中医药数据挖掘、中医诊断、健康管理、中药生产、中医机器人等方面。越来越多的证据表明，作为中医学的中医和AI的结合势在必行，且已初获成效。

2.1.1 AI助力中医药数据挖掘数据挖掘是从结构化的海量数据中挖掘隐含信息的重要途径，融合了数据库技术、模式识别、数据可视化、机器学习等多领域的技术和方法[4]。中医药数据资源具备大数据特征。一方面，原始数据庞大：浩如烟海的古代文献、日新月异的现代文献及每日数以万计的临床病例都是中医大数据库的重要来源;另一方面，数据复杂多样：中医病历包括望闻问切四诊所得资料及理化检查指标、诊断结果包括病名及证型，且对于同一患者不同医者依据不同的辨证方法诊病所得诊断结果各异。

近年来数据挖掘技术在中医药领域得到了广泛的应用，如基于深度机器学习的名老中医经验传承数据平台的建立，基于数据仓库技术的具有人工智能特征的针灸临床循证诊疗决策支持系统的构建等[5-6]。AI数据挖掘技术用于研究中医药数据，可提高数据利用率，获取有效信息，挖掘数据背后隐藏的规律。

2.1.2 AI助力中医智能诊断中医智能化研究始于以物理传感器为基础的四诊信息客观化研究，目前以舌诊仪、脉诊仪等为代表的中医智能化诊断仪器已日趋完善[7]。诊断的客观化是中医证候标准化的前提，只有实现了诊断技术的客观化，才能真正形成具有中医特色的智能化诊断决策支持系统，为未来疾病的诊断、治疗及预后康复提供精准客观的诊断指标[8]。

目前已有诸多学者进行了相关研究，如程京院士借助现代工程技术开发了目诊仪，通过对眼象进行客观可视化动态监测以评价个体健康状态[9]。AI诊断仪器可以为医生提供准确的诊疗数据，缩短诊断时间，提高诊断精准率，使临床诊断有证可循。

2.1.3 AI助力中医健康管理中医健康管理是以维护广大群众健康为目的，结合现代健康管理学的理论方法，通过对中医信息的全面采集、监测、分析及评估，为健康人群、亚健康人群及患病人群提供中医健康咨询指导、健康教育，并对健康危险因素进行中医干预。

AI的介入为运用中医“治未病”和“整体观念”等思想指导健康管理提供可能。1）AI赋能未病阶段健康管理：通过便携式可穿戴智能化设备，检测收集高质量的身体体征信号，对人体健康状态进行智能化预测，以达到全方面、全时限、个性化的健康管理;2）AI赋能已病阶段健康管理：利用智能化训练手段，结合专家管理经验和强人工智能交互手段，帮助有长期亚健康、慢性病、身体残疾群体实现低成本的康复训练，并通过分析动态身体功能数据实时优化和调整训练方案。

2.1.4 AI助力中药智能研发 AI在生产全程对中药材质量进行管控和鉴定可助力中药饮片质量的提高。1）中药制药工程的智能管控：开展中药先进制药与信息化融合示范研究，建立中药数字制药、智能制药的示范化生产线、车间、工厂，并推动中药智能制造的标准化建设。2）中药材检测及辨识：通过大数据图谱对比分析，利用以质量标志物为核心的近红外光谱检测等方法对成品中药材质量进行评估，如医库云开发的中药材AI“鉴别师”[10]。3）助力中药新药的研发：在药物发现阶段，加速药物新靶点的发现、缩短药物研发周期、缩减新药研发成本;在临床前研究阶段，解决药物吸收率、水溶性、毒性等问题;在审批与上市阶段，通过自然语言处理技术搜集数据资料，以便药物研发人员进行药物研发情报分析及上市后安全评估等工作[11]。

2.1.5 中医智能机器人使用中医智能机器人是“人机共存，以人为主”的中医智能辅助的下一发展阶段，类似围棋AlphaGO，中医数千年积淀的实践经验是他的“棋谱”。中医智能机器人通过自我学习，依靠巨大的储存空间及基于智能算法的高效处理能力，其独立性将越来越强，未来将形成“人机共存，以机为主”的局面[2]。我国在中医智能机器人研发中已有所成就，如“天玑”骨科手术机器人是我国制造的全球首个创新一代通用型骨科机器人手术平台，提高了手术的安全性，具有减少失血量和术中组织创伤等优点。“天玑”的出现，标志着我国骨科手术迈入智能化、精准化、微创化的机器人手术新时代。

2.2 AI在中医药领域应用现存问题

在中医药与AI的融合发展中，许多学者在中医药数据挖掘、中医诊断、健康管理等多个方向取得了一定成果。在欣喜于中医学与智能技术碰撞出火花的同时，院士们也指出目前AI应用于中医药领域在中医数据、交叉人才以及政策支持等方面尚存问题。

2.2.1 中医药可利用数据匮乏，缺乏标准，存在孤岛程京院士在访谈中强调：“无数据则无人工智能，数据是促进人工智能赋能中医药的重中之重。”目前中医药大数据研究尚处于起步阶段，主要存在着以下3个问题[12]。1）可利用数据匮乏。古代文献中浩瀚的非结构化的知识、现代文献中多样化的医学术语以及受医师个人经验及主观判断形成的临床诊断及诊疗病历等，这些原始数据量虽大，但数据间关联性较弱，可利用度低，如何攻破各种类型资料之间的数据壁垒是扩展中医药数据来源的一大关键[13-14]。2）数据标准化欠缺。我国中医药标准化工作起步晚、基础弱、任务重，数据标准的缺失是中医药与AI融合发展的关键瓶颈[15]。中医强调整体观念、辨证论治，由于自身数据模糊性、经验性的特性，目前仍处于“小数据”阶段，而标准的统一正是将主观性“小数据”融合成中医药客观化“大数据”的桥梁。如何制定合理通行的中医药标准，加速数据融合发展是目前亟待解决的关键问题。3）数据存在孤岛。一方面，数据的差异性是大数据共享需要关注的核心问题之一——我国成千上万个医疗团队间数据类型多样、数据质量各异、评价指标有别，医疗系统数据相对闭塞;同时，还有相当大比例的数据停留在医院数年积累的文字病历信息阶段，尚未经标准化、规范化处理。数据的自身特性严重限制了中医临床数据的共享，导致“数据孤岛”广泛存在。另一方面，数据权的归属是大数据共享需要关注的另一个核心问题——诊疗信息变为科研数据后的“所有权”归属，涉及到数据采集者（医生与患者）、分析者（选择目标数据并进行处理的科研工作者）及应用者（真正让数据产生价值的群体）三方的利益协调，当数据涉及多个参与者时，明确数据权的划分将有助于打破“数据孤岛”的现状[16]。

2.2.2 AI与中医药交叉人才稀缺《2017全球人工智能人才白皮书》中指出，AI领域人才分布极不平衡，全球AI领域人才约30万，而市场需求在百万量级，且由于合格AI人才培养需要较长时间，人才缺口很难在短时间内得到有效填补。此外，相较于美、英、日等国外高校，我国高校AI发展现状也存在两大问题：1）起步较晚：如斯坦福大学的AI实验室成立于1962年，而国内最早的清华大学智能技术与系统国家重点实验室正式成立于1990年;2）发展较弱：国外诸多高校专门开设了AI相关专业，如CMU计算机学院的计算机视觉、机器人科学专业等，而国内鲜有以AI直接命名的专业，多依附于计算机科学、软件工程等相关专业。

AI与中医药交叉人才则更为稀缺。陈香美院士提出想要将AI应用于中医领域，就要跨学科进行基础问题的研究，中医领域人才需要与AI专家紧密结合，使相关AI技术保留中医药精髓，贴近临床实际需求。

2.2.3 相关政策支持力度不足中国自2016年起围绕AI在医疗健康领域的应用颁布了《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》等文件，政府虽然大力支持AI在医疗领域的应用，但相关政策法规仅停留在支持AI发展阶段，具体针对AI赋能中医药领域的政策指导及监管尚未涉及。政策支持对于AI辅助中医药发展起着关键作用，诚如钟世镇院士所言：AI想要在中医药领域应用，前面有个“关”，后面有个“山”“关”就是国家的政策，政策一定要支持。

2.3 AI助力中医药发展建议

为了更好地将AI应用于中医药领域，解决目前中医药领域存在的诸多问题，AI与中医药结合发展应从中医药大数据全面治理、复合型人才培养及国家政策支持等方面着手。

2.3.1 全面治理中医药数据 “AI+健康管理”最大的问题在于数据的来源和质量，应从以下几方面进行把控：1）对中医药数据进行标准化采集及处理。临床采集患者信息时，使用规范化语言表述中医临床症状、体征、病名及证型信息，力争早日实现菜单式选择输入疾病信息或语音采集病例，最大程度保证信息的客观性、规范性，避免医患双方主观因素的影响;利用四诊仪等采集患者信息时，应依照中医诊疗仪器相关行业标准，统一同类产品的技术参数及产品规格，同时探索最适合中医辨证论治诊疗思路的数据处理算法，并对目前较少研究的闻诊仪等中医全套诊疗系统进行研发[17]。2）打破数据孤岛，形成中医药数据区域链。开放、共享、合作是大数据时代的共同准则[18]，为了促进中医药现代化及科学化，国家层面需制定相关政策，引导各地医疗卫生机构的数据资源共享，积极突破数据壁垒，实现诊疗信息透明化，形成中医药医疗大数据产业链。此外，可借鉴美国“全美健康项目”的经验，加速开发全国统一的中医专业电子病历系统，引入深度学习等AI数据挖掘技术，整合中医临床数据。3）对中医药数据进行生态化治理。首先，完善互联网情境下的智慧医疗方式，推动政府医疗健康信息系统与公众医疗健康数据互联融合、开放共享;其次，鼓励政府、医疗卫生机构、科研机构、高校和企业多方合作、密切协同;最后，强化应用标准规范和安全技术建设双轮驱动[19]。

2.3.2 加速培养复合型人才欲借人工智能技术促进中医药发展，需加速培养复合型人才。基于中医药以及AI特征，建议从中医药高等院校、专业研究机构以及相关企业3个方面考虑，建设多学科交叉复合人才培养体系。1）高等院校方面：加速推动高校AI领域一级学科建设，在本科教学体制设置、研究生培养等方面进行教学改革，中医药专业学生培养需兼顾工科、人文科学的基础素养，增加AI相关学科方向硕士、博士招生名额，吸引国际顶级科学家和高层次人才;开展产学研合作，高校与科研院所、企业联合开展AI学科建设。2）研究机构方面：对复合型人才进行再培养，通过开展计算机、信息类专业知识相关课程，加强医药研究人员此方面理论的培养。3）企业方面：AI企业下沉，对接中医药基础研究以及临床研究医学团队，校企结合，联合培养人才，如天津中醫药大学与浪潮集团天津健康医疗大数据有限公司合作，在院校培养学生学习中医药理论及思维，在企业培养学生学习AI相关技术，真正实现“AI+中医药”复合型人才的培养。

2.3.3 国家政策鼎力相助国家级政策法规的出台将有力引导并保障AI在中医药领域的有效应用，政策法规应在以下几方面加强。1）数据、知识产权保护和安全应给予保障：国家层面制定相关法规保障数据安全性，同时加强对知识产权的保护，鼓励知识和技术创新。2）应高度重视伦理安全：尽快形成一套透明而规范的伦理法规及认责制度，美国颁布的《国家人工智能研究与发展战略计划》中已提出社会学战略，发展AI的伦理、法律和社会学研究，我国在这方面仍较为欠缺[20]。3）资金支持应有力度：没有一定资金的支持和投入，AI助推中医药发展将受到严重影响，建议国家在此方面应有力度。

3 总结

通过对中国工程院10位院士访谈，梳理了AI技术用于中医药领域的现状、存在的问题，并对未来发展提出了建议。未来AI如何与中医药进行创新融合与发展，以推动新时代中医药更有效地服务于中国乃至世界卫生医疗领域，服务于人类健康管理，还亟待进一步探索。

参考文献

[1]李洪峥，高嘉良，王阶.人工智能——引领中医学新发展的有效工具[J].世界科学技术-中医药现代化，2018，20（7）：1197-1201.

[2]黄欣荣，钟平玉，马纲.人工智能与中医智能化[J].中医杂志，2017，58（24）：2076-2079，2106.

[3]宣思宇，田侃，杨泽华，等.健康中国视域下人工智能在中医药领域应用存在的问题及建议[J].医学争鸣，2019，10（6）：62-65.

[4]Han J，Kamber M，Pei J.Data mining：concepts and techniques[M].Amsterdam：Elsevier，2012：585-631.

[5]庞博，刘刚，周雪忠，等.基于机器学习的名老中医诊治肺癌认知模型构建方法[J].北京中医药，2015，34（12）：949-954.

[6]任玉兰，梁繁荣，吴曦，等.基于数据挖掘的针灸临床循证决策支持系统研究[J].中华中医药杂志，2011，26（4）：795-797.

[7]李灿东，辛基梁，雷黄伟，等.中医健康管理与人工智能[J].中华中医药杂志，2019，34（8）：3586-3588.

[8]石玉琳，胡晓娟，许家佗.中医病证智能化诊断与分类研究进展[J].中国中西医结合杂志，2019，39（6）：763-768.

[9]程京.一探中医药的科学化和工程化[J].前进论坛，2016，56（10）：14.