人工智能技术在中医临床诊疗中的应用研究进展

文 杭 黄 丽 刘 江 项敏泓

1.上海中医药大学附属曙光医院眼科，上海 200120；2.上海中医药大学附属普陀医院眼科，上海 200062

传统中医诊断的过程是通过四诊所收集的症状、体征等信息进行综合分析，辨清疾病的病因、病性、病位及邪正关系。从秦汉至今，中医始终以“望、闻、问、切”作为诊疗的主要手段，数千年来经受住了历史的考验。人工智能是研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新兴科学，是计算机发展的产物，已广泛应用于社会各个领域，在医疗领域更是取得了较大进展[1]。为更好地传承和发展中医药，适应时代需求，中医药领域也必将发生数字革命。“将升岱岳，非径奚为；欲诣扶桑，无舟莫适”，人工智能技术为实现新时代中医药的发展提供了契机[2]。

1 人工智能在中医四诊方面的应用

中医诊疗技术与人工智能技术的完美结合不仅可进一步扩大人工智能的应用，而且更有望解决中医诊疗技术发展的瓶颈问题，中医诊疗仪器发展至今，其形式多样，其中以舌诊、脉诊、面诊方面的研究更为深入[3]。

1.1 舌诊仪

望诊为四诊之首，人工智能在望诊方面以舌诊的研究最为深入。随着人工智能技术的发展，各类舌诊仪纷纷面世。近年来又不断升级，充分利用红外线、血流动力学、光谱、色度学等技术以减少光线和环境对舌象辨识的影响，可最大限度地模拟人眼在观察舌体时的光谱反应场景[4]。且成像技术由二维发展为三维，使舌象信息获取更加全面，可清晰体现舌体、舌苔、舌下脉络，纹理、齿痕等细节，取得很好的临床效果。阙翼[5]利用舌诊仪对冠心病稳定期患者进行舌象分析，得出其在舌色、舌苔、舌形等方面存在共同点。樊威[6]将不同证型胃食管反流患者的舌象进行量化，借助人工智能技术，参照舌象数据库，可迅速识别患者的舌象特征。燕海霞等[7]利用IP-Ⅰ型舌脉象数字化分析仪观察经中西医结合治疗后的肺癌患者，显示治疗后患者的润燥指数、腻腐指数较治疗前升高，说明舌脉象参数可作为疾病疗效评价的有效指标。

1.2 面诊仪

人工智能在面诊仪的研发及面色智能识别方面不断进步。陈振湘等[8]利用红外热像仪，对914 名健康人进行历时10 年的面部观察，发现面部各脏腑反应区温度存在差别。金沢生花[9]利用VISIA 面部图像分析系统，对446 名东京女性进行检测，证实肤色与体质的相关性。董梦青等[10]采用研发的中医面诊数字化检测仪对冠心病患者的面色分析发现，不同证型的患者面色的红色指数、总体面色指数、黑色指数差异有统计学意义。

面色智能识别的基础是对面部皮肤进行分割以取得面部全局或局部的颜色、纹理等特征，然后通过机器学习等算法进行分类[11]。近年来，人脸图像分割及区域定位技术不断完善，刘媛等[12]使用聚类方法和数学形态学运算对人脸细节进行处理，实现了面诊图像自动分割，且通过实验证实了其准确性、有效性。辛飞祥[13]利用标准化视觉感知采集设备，提取面部的颜色、纹理等特征，并利用典型关联分析融合诊断特征，体现了感知融合计算对望诊现代化的意义。

1.3 脉诊仪

脉诊客观化研究始于20 世纪50 年代，形式多样的脉象检测记录仪现已不断涌现，压力传感器由双探头、三探头进化至多探头，丰富了脉象描述的参数，脉象图由二维发展为四维，真正实现了模拟中医把脉[14-15]。此外，B 超和多普勒技术也应用于脉诊，可收集血流速度信号，再通过定位提取空间特征，对健康人、胆囊炎及肾病患者的研究证实了其有效性[16]。王宏武等[17]研发的双感测脉诊仪，通过12 个传感器测量“寸、关、尺”及“浮、中、沉”脉象，不仅模拟脉诊的“三部九候”，更是根据桡动脉血管的宽度可对脉压进行量化。此外，孙冰[18]开发了一种可远程切脉的仪器，将传感器检测到的脉象信息传至智能终端，然后转换为虚拟振动信号，医师手置于模拟震动装置上即可感知患者的脉象，满足现代远程医疗。更有学者将脉诊的数字化信息开发到智能手环，其操作简单、便于携带，可实现脉诊信息的及时监测和反馈[19-20]。

2 智能诊疗技术在中医辨证方面的应用

虽“脉诊仪”“舌诊仪”“面诊仪”等智能诊疗设备可客观表达中医四诊信息，但对四诊资料的有效辨证也是中医智能化的重要研究内容。

2.1 智能辨证

智能辨证最早始于专家系统，如关幼波肝病诊治专家系统、刘绍武计算机诊疗系统等，但由于专家系统数据库局限，数据推理能力十分有限，且为兼顾中医整体观念，问诊数据较多，程序复杂[21]。此后，各类智能算法在中医辨证智能化发展中崭露头角[22]。郭睿等[23]应用多尺度熵对冠心病患者中医脉象的复杂性进行研究，为无创诊断技术的发展和推广打下基础。吴芸[24]将人工智能技术—软计算方法应用于中医辨证，通过对慢性胃炎、中风的辨证分型结果进行分析，证实了其有一定的临床诊断价值。

2.2 机器学习算法

随着技术的发展，机器学习算法为中医智能辨证注入新的活力。许朝霞等[25]基于支持向量机和人工神经网络，分析3000 余例心血管疾病患者四诊信息及证候类型之间的关系，并构建证候分类模型，其预测准确率高达92.4%，证实支持向量机在证候研究的可行性。王恩成等[26]收集1064 例慢性乙型肝炎患者信息，运用K-means 方法得到脾胃湿热、肝胆湿热、肝脾湿热等8 类证型，辨证结果与专家高度一致。之后衍生出的新型算法也逐渐被应用，蔡晓路[27]将数据挖掘技术中的分类算法引入到类风湿疾病的证候研究中，运用随机森林方法建模，显示出模型稳定的特点。冯奇[28]对中医治疗的2 型糖尿病临床数据建立POMDP模型，证明POMDP 模型可用于挖掘临床数据中较优的序贯治疗方案，为中医辨证论治及临床验证提供知识参考。

2.3 深度学习技术

深度学习技术是一种多层神经网络学习算法，直接从原始数据中提取特征，不断自我学习，将繁复的数据进行分层分类，归纳推进，在图像及语音识别方面独具优势[29]。人工神经网络是基于生理学的智能仿生模型，由大量神经元组成，可提高运算速率，其数据的分布储存形式利于建立联想，容错能力又使其在模糊计算及非线性计算中发挥优势，符合中医辨证模式的多元化、非线性统一及模糊性等特点[30-31]。绍尤伟[32]在舌象分类中运用深度学习技术中的深度残差网络，不仅有效提升舌象分类的效果，并可直接给出对应的病性诊断，大大提升了临床工作效率。云储存与云计算技术解决了海量数据的存储问题，大量的数据可在瞬间完成集成、统一和共享[33-34]。基于云平台技术，结合深度学习、机器学习、可视化等技术的“云中医”健康检测系统，利用中医辨证思维，可实时给出疾病的中医状态描述[35]。

2.4 微观辨证

微观辨证是基于微观指标的一种病证诊断模式，中医证候与实验室指标相结合，将“疾病”“证型”“表型”有机联系，不仅利于中医诊断数据化，更利用中医证候的数字化、客观化[27]。赵志玥[36]通过研究冠心病合并糖尿病各个阶段中医证候与理化指标的关系，初步筛选出对疾病某一证候有特异性诊断价值的理化指标。刘吉刚[37]对375 例女性高血压患者证候与理化指标之间的研究，发现痰热内闭证患者血浆同型半胱氨酸水平较高。

2.5 智能诊疗技术在健康管理方面的应用

健康医学是未来医学的发展趋势，旨在提供健康咨询、指导及对健康危险因素干预[38]。结合了人工智能技术的智能状态辨识系统在健康管理方面有巨大优势，由上海中医药大学自主研发的“便携式中医智能镜”可通过对舌苔、面色的智能辨识，结合问诊，给出健康状态评分，并对患病风险进行评估，且予以饮食、运动、音乐、起居等方面的指导[39]。云计算、云平台技术为健康管理的数据挖掘提供了条件，通过物联网、可穿戴设备等智能终端进行信息的采集、监测，统一储存后每个个体将获得独一无二的健康档案。随着计算机及网络系统的升级，多元体质辨识模式、自动辨识模式、远程体质辨识模式及终身健康辨识模式将成为未来发展趋势[40]。

2.6 智能诊疗技术在眼科的应用

人工智能技术目前在眼科的图像处理方面应用广泛，尤其在白内障、青光眼、老年黄斑变性及糖尿病视网膜病变等方面均取得较大进展，利用卷积神经网络进行图像特征的提取及训练学习，可实现对眼底图像的识别[41]。朱娟等[42]利用计算机图像识别及特征提取算法实现了特发性黄斑裂孔的人工智能诊断。人工神经网络、远程医疗、眼底图像自动诊断、手术机器人、电子助视器、视觉假体等新技术不断被应用于眼科智能化研究中。

中医眼科方面，目诊的数字化及客观化也是人工智能的重要应用。文毅[43]基于图像分析技术，从虹膜特征的提取及分析方面开展虹膜诊断数字化的研究，证实该方法对开展中医目诊临床研究的可行性。李蕊玲[44]通过对眼睛边缘提取、瞳孔中心定位、白睛分析及肤色迁移4 个方面的算法研究与创新，探索眼神与肤色的关系，为中医面诊的眼神分析奠定了基础。

3 小结

传统中医发展之路恰逢现代信息技术革命，传统诊疗模式与现代精准、高效的人工智能发生碰撞。中医诊疗技术与人工智能的完美结合是时代的选择，也是使中医保持新鲜活力、可持续发展的契机。人工智能将中医服务从临床诊疗延伸到疾病的预防及保健层面，实现既病先治、未病先防，发挥更大中医诊疗优势。

然而，中医智能化道路仍面临挑战。当前中医智能诊疗技术仅局限于科研及少数医疗机构，标准化的中医术语库亟待建立，头面部望诊及问诊的智能化仍存在部分技术空白，将相对模糊、非线性的中医辨证原理转变为被大众理解的语言符号需要多学科协作。医学本身就是复杂的生命科学，将人体整体的、动态的疾病信息串联起来，把控患者的健康态势，形成宏观和微观相结合、定性与定量相结合的技术规范，是未来智能中医的发展趋势。