喉源性咳嗽证型临床特征相关性分析与局部特征AI分析*

吴静妍，朱丹丹，黄 平，史 晓，路建伟，郑 伟，刘广宇，王柳蕴，冯小玲，张 敏

（1.上海中医药大学附属岳阳中西医结合医院，上海 200437；（2.华东师范大学上海智能教育研究院，上海 200333；（3.上海中医药大学中医智能康复教育部工程研究中心，上海 201203；（4.上海市静安区彭浦镇社区卫生服务中心，上海 200437）

喉源性咳嗽（以下简称“喉咳”）为中医病名，是由著名中医耳鼻咽喉学科创始人干祖望首先提出，于1993年全国耳鼻咽喉科学术会议上确定，后精炼为“喉咳”[1]，属“慢喉痹”的范畴。喉咳的临床表现为长期反复阵发性发作的咽喉奇痒如蚁行，随之刺激性干咳，甚则声嘶、干呕欲吐，痰少难咳或无痰，常伴咽干微痛，咽喉有咽异物感，频频清嗓，进食无碍[2]。咽部检查可发现咽喉黏膜轻度充血、肿胀，或伴有淋巴滤泡增生；临床理化、胸部X线检查往往无明显异常[3]。西医与之相对应的疾病有慢性咽炎、慢性咳嗽等[4]，流行病学调查研究显示全世界约有20%的成年人罹患慢性咽炎[5]。该病病程较长，且病情反复，难以根治，很大程度上降低患者的生活质量[6]。

临床上喉咳的诊断往往以咽部症状及体征为主，辨证也常以全身症状及舌苔、脉象为主。临床发现不同证型的喉咳局部特征是不尽相同的，证型与局部特征是否具有相关性值得进一步探讨。咽部的局部体征主要是咽黏膜不同程度充血与淋巴滤泡增生。不同证型的咽黏膜充血情况及咽后壁淋巴滤泡增生情况有所不同，但对咽部特征的精确描述及其中医病因病机相关研究却很少。将咽喉部望诊特征作为局部辨证依据，然后结合全身证候，完善整体辨证，或可为精准施治提供参考。

人工智能（Artificial Intelligence, AI）是由John McCarthy于1956年提出，其定义是系统性处理并学习外部数据并为此而实现特定目标和任务的能力[7]。随着技术的不断创新与发展，其强大的学习能力已广泛运用至医学领域，如智能筛查、智能诊断、风险预测和辅助治疗等[8]。目前医学影像是AI在医疗领域最热门的应用场景之一，主要是将计算机视觉技术运用在医学影像的诊断中，来帮助医生定位病症、分析病情及作出诊断，从而提高医生工作效率，并降低漏诊率[9]。此次新型冠状病毒引发的疫情中AI技术已应用于临床，其可在20 s内对新型冠状病毒感染的疑似病例的CT影像作出准确率高达96%的判读，从而辅助医生诊治疾病[10]。笔者借助AI的图像识别与深度学习能力，来探寻人工咽后壁图像特征分类的准确性，以期为中医精细化辨证提供新思路。

1 资料与方法

1.1 诊断标准

1.1.1 中医诊断标准 参照《中医临床诊疗术语第1部分：疾病》[11]及“十三五”规划教材《中西医结合耳鼻咽喉科学》[12]拟定。（1）症状：阵发性咽喉干痒不适，引发咳嗽，痰少或无痰，可伴见声音嘶哑等；（2）局部检查：咽部黏膜检查无异常，或咽喉黏膜充血、肿胀，咽后壁滤泡增生等。

1.1.2 中医辨证标准 总结中国知网（CNKI）、万方数据库、维普数据库中喉咳相关文献的证型及其证候群，结合专家临床经验归纳出喉咳中医辨证分型为邪困肺经证、脾虚痰滞证、阴虚火旺证、气滞血瘀证4型，排除病程较短的邪困肺经证；再结合《中医临床诊疗术语第2部分：证候》[13]中痰饮证类、瘀血证类、火证类中咽部症状与体征的相关证型表现，汇总为本次研究的喉咳的辨证标准，即选取辨证为痰饮证、火热证及瘀血证3型。

1.2 纳入标准 （1）符合喉咳临床诊断；（2）中医辨证分型为痰饮证、火热证、瘀血证；（3）病程超过8周者；（4）近一年肺部体检（胸部CT、胸片等）无明显异常者；（5）年龄≥18周岁且≤65周岁，性别不限；（6）基础疾病处于稳定期，未使用致咳药物（如血管紧张素转化酶抑制剂类药物）；（7）有正常的思维、表达与交流能力；（8）在白光手电筒照射下肉眼可见咽后壁有淋巴滤泡；（9）理解研究内容，同意参加本研究，并签署知情同意书。

1.3 排除标准 （1）肺源性咳嗽（肺部疾病引起的咳嗽）；（2）对压舌板按压有明显恶心或不愿配合检查者；（3）基础疾病波动期；（4）有精神类疾病者；（5）有其他疾病不能或不愿配合本研究；（6）研究者认为不适合参加本研究者。

1.4 样本量计算依据 因目前喉咳未查到流行病学调查数据，参照慢性咽炎的患病率进行样本量计算，以期为后续深入研究作出初步探索。同时AI分析专家认为此样本量对于后续图像分析结果发生“过拟合”的可能性较低。样本量计算公式[14]：N=（Zα/2/δ）2p（1-p），设定检验水准α=0.05，则Zα/2=1.96，δ容许误差取5%，查文献慢性咽炎的患病率为10%[15]，即p=0.10，代入公式得：N=(1.96/0.05)2×0.1×（1-0.1）≈138。故本研究所需喉咳患者样本量为138例。

1.5 研究对象 2022年8月至2023年2月就诊于上海中医药大学附属岳阳中西医结合医院传统医学科、耳鼻咽喉科、老年病科和呼吸内科门诊的患者。

1.6 研究材料 （1）一般资料调查表：包含姓名、性别、年龄、病程、饮食偏好、烟酒史、锻炼情况、既往史等。（2）喉咳证候调查问卷：包含患者的全身及局部症状与体征、辨证分型。（3）喉咳证候积分：按照薛珊珊等[16]参照《中药新药临床研究指导原则（试行）》制定的中医证候量化标准，记录受试者咳嗽、咽痒、咽干、咽痛、咽异物感、痰少难咳、咽黏膜充血、淋巴滤泡增生的积分。

1.7 资料收集方法

1.7.1 研究材料收集 门诊收集符合纳入标准的喉咳患者，填写一般资料调查表、喉咳证候调查问卷，分别由两位专家进行辨证以确保证型准确性，并根据患者所述情况记录喉咳证候积分，再将患者带至耳鼻咽喉科内窥镜室由耳鼻咽喉科主治医师采集咽后壁图像。

1.7.2 图像采集 受试者取坐位，紧靠座椅后背，保持身体及头部直立；在受试者吞咽口水后，使用压舌板按压被检者舌前2/3处，充分暴露咽部；统一采用德国高清Storz内镜系统，在Storz冷光源（Power_LED_175_SCB）下，使用0°高清内窥镜（φ4 mm×175 mm，HD)，基于索图医学影像工作站系统，采集每位受试者的软腭、悬雍垂、舌腭弓、咽腭弓、扁桃体、咽后壁整体图像及咽后壁局部病灶位置图像。重点关注咽黏膜充血情况及咽后壁滤泡形态等（其中内镜光源亮度为50%，每次采集前调整图像白平衡，焦距调节以满足图像采集最佳成像为准），并依据内镜下局部检查评分标准对受试者咽部图像进行描述与评分。

1.7.3 图像处理

1.7.3.1 预处理 （1）数据脱敏处理。使用自主产权的脱敏软件去除被检者的基本信息及敏感信息。（2）数据清洗。①数据筛选：去除不好的样本，选取待处理样本；②数据预处理：对待处理样本进行裁剪、去噪等预处理操作。（3）数据整理：书写相应文档，为下一步标注做准备。

1.7.3.2 标注 用Labelme（图形图像注释工具）对滤泡区域及咽后壁进行描边标注（其中滤泡的形态标注为散在增生及融合成片，咽黏膜充血程度参照喉咳证候积分按程度标注），并交由专家审核。

1.7.3.3 AI分析 此次深度学习采用半监督特征学习，将标注好的图像交由相关技术人员进行AI识别、深度学习与分析，得出内镜下局部检查评分标准的准确度，以作为分类标准的佐证，AI图像分析步骤见图1。

图1 AI 图像分析步骤

1.8 统计学方法 采用SPSS 25.0统计学软件进行数据分析。计数资料以例表述；计量资料符合正态分布者以“均数±标准差”（±s）表示，不符合正态分布者以“中位数（四分位数）”[M（P25，P75）]表示。一般资料采用描述性分析；证型与相关因素分析采用单因素Logistic回归分析，将有意义的指标纳入多因素Logistic回归分析。P＜0.05表示差异有统计学意义。

2 结果

2.1 一般情况及分布 一般资料见表1，各证型与局部症状及体征分布情况见表2。

表1 患者一般资料

表2 证型与局部症状及体征分布

2.2 证型与喉咳证候积分相关性分析

2.2.1 单因素Logistic回归分析 以轻度咳嗽、无咽痒、无咽干、无咽痛、无咽异物感、无咽黏膜充血及轻度咽后壁淋巴滤泡增生为参照，将各证型分别与各临床特征进行单因素Logistic回归分析，筛选有意义的指标。（见表3）结果显示咽痒与咽干对痰饮证有明显影响（P＜0.05），咽干、咽黏膜充血与咽后壁淋巴滤泡增生对火热证有明显影响（P＜0.05），咽异物感与咽黏膜充血对瘀血证有明显影响（P＜0.05）。

表3 证型与局部症状及体征单因素Logistic 回归分析

2.2.2 多因素Logistic回归分析 将筛选出的指标在同一证型内进行多因素Logistic回归分析，其中分别以无咽痒、无咽干、无咽异物感、无咽黏膜充血、无咽后壁淋巴滤泡增生作为参照，结果见表4。结果显示：相对无咽痒，中度咽痒增加痰饮证发生的风险，差异有统计学意义[OR=3.269，95%CI（1.060，10.079），P=0.039）；相对于无咽干，中度咽干增加痰饮证发生的风险，差异有统计学意义[OR=2.649，95%CI（1.041，6.745），P=0.041]；相对无咽干，重度咽干增加火热证发生的风险，差异有统计学意义[OR=24.615，95%CI（2.774，218.403），P=0.004]；相对于无咽黏膜充血，中度咽黏膜充血增加火热证发生的风险，差异有统计学意义[OR=21.819，95%CI（3.526，135.027），P=0.001]；相对于轻度咽后壁淋巴滤泡增生，中度咽后壁淋巴滤泡增生增加火热证发生的风险，差异有统计学意义[OR=11.657，95%CI（1.942，69.99），P=0.007]；而咽异物感及咽黏膜充血与瘀血证无明显相关性（P＞0.05），与单因素Logistic分析结果相异。

2.3 AI分析 本研究AI分析选用通道和空间注意力机制的多尺度检测器，首先将咽部图像经由神经网络卷积得到特征图，后分别经1×1卷积及3×3空洞卷积捕获不同尺度信息而形成相应的特征图，连接特征图，先后经通道注意力机制及空间注意力机制，分别提取不同维度的信息的特征，再进一步计算获取咽部情况的重要语义信息得到分类结果，最终得出分类准确率（Accuracy）。计算公式如下：

其中，TP代表真阳性，即被正确识别为分类的样本数量；FP代表假阳性，即被错误识别为分类的样本数量；TN代表真阴性，即被正确识别为分类的样本数量；FN代表假阴性，即被错误地识别为分类的样本数量。

在训练过程中，本研究使用10折交叉验证来评估分类性能。其中训练数据集被随机划分为10个大小相等的子样本，在10个子样本中，保留单个子样本作为测试模型的验证数据，其余9个子样本作为训练数据。在测试阶段，本研究使用测试集来评估最终模型对训练数据集的拟合程度。最终，本研究得出了最佳准确率为74.8%的实验结果。

3 讨论

喉咳最初多由六淫外邪或异气侵袭所致，尤其是风邪上犯或夹寒、热、燥、湿等邪引发，此为标实；风为百病之长，善行而数变，最易首先侵及人体官窍如咽喉，是故遇阳虚者易成风寒、遇阴虚者易成风燥、遇火热者易成风热、遇湿者易成风湿、遇痰者易成风痰。临床显示喉咳易反复发作，其发病与否又与体质有关。“邪之所凑，其气必虚”，喉咳病本在虚。喉咳的病位在上、在肺，但当其他脏腑功能失常并影响到肺时，也易发病。正如《素问·咳论篇》指出“五脏六腑皆令人咳，非独肺也”。如脾胃为后天之本，气血生化之源，脾胃虚弱则易致气虚、血虚，久则出现阳虚、阴虚；脾胃运化失常，则可气滞，致使停痰、成饮、化火、成瘀。此时若复受外邪，则易相合成疾，诱发反复。若非辨证精准、标本兼治，则疗效难以呈现。

3.1 喉咳常见证型的临床特点与病机分析 本研究已除外病程较短的表证阶段，选用反复不愈的痰饮证、火热证和血瘀证3个最常见证型并得出如下结论。

3.1.1 喉咳痰饮证临床特点与病机分析 痰饮证主要因脾胃功能下降，不能运化水湿而至痰饮停滞，津液生成乏源，咽喉失去滋润；而痰饮困于中焦脾胃，又阻碍气机升降，使脾不升清，津液上承无权，故中度咽干为多见，表现为咽干，口渴不多饮。

痰饮证的喉咳属本虚标实证，因其本虚使人易受外邪侵袭而发病。咽喉为肺胃之门户，首当其冲感受邪气，而六淫邪气又以风邪为首。《素问·太阴阳明论篇》云：“伤于风者，上先受之。”[17]又因风盛则痒，风邪侵犯于咽喉，可见咽痒；风性开泄，易开腠理而致伤津耗液，饮水可润养咽喉，故中度咽痒表现为咽痒即咳，蚁行感，饮水能缓。

出现咽干、口渴不多饮，咽痒即咳伴蚁行感、喝水能缓的症状时，全身辨证更倾向为痰饮证。

3.1.2 喉咳火热证临床特点与病机分析 火热之邪最易伤津耗液，其盛于内则迫津外泄，使津液丢失过多，同时煎灼津液，使津液消耗过多，人体受之则可咽干而燥[18]。其所致津伤程度较其他病邪而言更重，故时时欲饮水以补充匮乏之阴。故重度咽干时有多饮需求。

中度咽黏膜充血是指充血较明显，并可见小血管扩张；中度咽后壁淋巴滤泡增生指3～5个散在增生的小淋巴滤泡。火热为阳邪，其性炎上[19]，易侵犯人体口面部，致使局部红肿，侵及咽喉则见咽黏膜充血明显、小血管扩张；火邪致病见咽后壁淋巴滤泡呈散在增生并色红突起，与文献研究及临床经验相符。

出现咽干多饮、咽黏膜充血较明显并见小血管扩张、咽后壁淋巴滤泡3～5个散在增生时，全身辨证更倾向为火热证。

3.1.3 喉咳瘀血证临床特点与病机分析 重度咽异物感指咽部阻塞感明显，频繁清嗓。喉咳多由有形或无形之邪气阻滞咽喉部经气所致，而气、痰、热等邪气留滞咽喉日久可成瘀[20]，痹阻咽喉则产生咽异物感。因瘀为有形之邪，故而咽异物感明显，甚至有阻塞感，导致频繁清嗓。

重度咽黏膜充血表现为黏膜暗红、小血管扩张明显。瘀血痹阻于咽喉则见黏膜色暗红。气血运行不畅于脉中，则见局部小血管扩张明显，与文献研究及临床经验相符。

本研究将咽异物感与咽黏膜充血构建多因素Logistic回归方程，结果发现咽异物感及咽黏膜充血与瘀血证无显著相关性，与单因素Logistic分析结果相异，提示咽异物感与咽黏膜充血之间可能存在关联，但还不能将咽部阻塞感明显、频繁清嗓及咽黏膜暗红、小血管扩张明显作为瘀血证的表现，需扩大样本量后作进一步探讨。

以上结果反映出喉咳的部分症状及局部体征与全身辨证所得证型间有相关性，临诊时应全面综合考量，在全身辨证基础上结合局部特征施治。如：若全身辨证属痰饮证，而局部辨证表现为火热证，可在健脾化湿内服汤剂基础上配合局部清热解毒粉剂喷喉或含片；若全身辨证为瘀血证，而局部辨证呈火热证，可在活血化瘀内服汤剂基础上局部施行挑刺法，使火热从局部得泄。其余局部症状及体征与证型间虽然无明显相关性，但还不能认为其完全无关，还需扩大样本量作进一步分析研究，这也从另一方面印证了“咽喉部的情况与其全身情况不一定相符合”的临床观察。还与林芳任等[21]在对外感咳嗽喉镜像的证候研究结果相符合。临床辨证施治时究竟是重咽喉而轻全身，还是重全身而轻咽喉，抑或是二者并重，这需要我们做进一步的临床观察与研究。

3.2 局部特征AI分析 本次AI分析主要针对咽部的内窥镜图像特征，由于不同咽后壁淋巴滤泡的形态及尺寸差异很大，常规检测方法对于咽后壁淋巴滤泡检出的准确率有限；咽部图像包含有三维特征信息，若利用常规3D网络，会因检测速度较慢而使运行效率低下。针对准确率及运行速度两方面的问题，此次研究选用了通道及空间注意力机制的多尺度检测器。该检测器采用空洞卷积模型，其不同的感受野可从多尺度获取特征信息，并结合通道及空间注意力机制更进一步提取有效信息，增加检测准确率；另外该检测器可在2D网络进行检测，解决了3D网络检测速度较慢的问题。

准确率代表模型正确区分正负样本的能力。文献表明既往肺结节与乳腺结节影像分类的准确率可达90%以上。本研究的AI分析得出整体分类的准确率为74.8%，目前虽无咽部图像AI分析的同类型研究数据作参考，但本研究在准确率方面还有上升的空间。影像图片体现的是二维特征，咽部图像所体现的是三维信息，因此后续可以在细化标注的同时，进一步扩大样本量以提高准确率。

3.3 不足与展望 临床上局部咽喉望诊所见与内窥镜下所见是一致的。内窥镜运用到观察咽黏膜是望诊的延伸，并可以客观精准记录，以利于对照分析。本研究对内窥镜下咽部特点的描述选择了咽黏膜充血、咽后壁淋巴滤泡增生情况，尚未采用更细化的中医望诊内容如：形态表现为水肿或肿胀，色泽表现为淡红、深红、紫红等。本团队将在接下来的研究中进一步完善。

本研究仅为AI技术与咽部图像特征分析的初步探索，其结果对临床的指导意义尚无法充分体现，但仍可为中医临床综合辨证提供思路。AI是在学习识别已有人工标注分类的图像，掌握每类图像特征后，再根据所学将原有图像进行分类；通过比较与人工分类的相似度，进而判断人工特征分类的准确性。研究者通过对标注情况及模型的不断调试，模型一旦得出准确率高的结果，即认为此模型是有效的。然后即可将未标注的图像交由AI分析以促其诊断。今后研究者将大量含有中医望诊信息的图像交由AI识别与学习，有助于推动中医局部辨证的精细化发展，继而进一步探求局部辨证与全身辨证之间的关联，以期为拓宽辨证提供思路。此外，相较于人眼对图像特征的识别，AI技术对图像特征的辨识更加敏感，可发现异常特征，以便尽早干预，防患于未然。这是延伸望诊理论的一次实践，也体现了中医治未病思想，是中医临床研究与人工智能领域的一次跨学科合作，为进一步的研究打下了初步的基础。

人体是一个有机的整体，而内在脏腑的病变往往会通过官窍表现于外，即局部反映全身情况；而有时局部的症状体征不能完全反映当下的脏腑气血变化，即出现局部辨证与全身辨证的分歧，此时需要将局部辨证与全身辨证分开讨论。咽喉在内应五脏，与多条经脉相络属[22]，可直接受到外邪的侵犯，反应比较快，局部症状与体征也出现较早。医者对于喉咳的辨证论治，需全身辨证与局部辨证相结合，在统观全局的同时不忘注重局部，在注重局部细节时也不忘顾及全身情况，全方位的掌握疾病，从而制定与当下病机相宜的治疗方案。