徐佳君 ，雷黃偉 ，高新皓 ，羅志明 ，李紹滋 ，翁慧 ，李燦東 ，4

（1.福建中醫(yī)藥大學中醫(yī)學院，福州 350122；2.福建省中醫(yī)健康狀態(tài)辨識重點實驗室，福州 350122；3.廈門大學信息學院人工智能系，廈門 361005；4.福建中醫(yī)藥大學李燦東岐黃學者工作室，福州 350122）

中醫(yī)診斷學是中醫(yī)學的基礎學科，它的發(fā)展影響著中醫(yī)各臨床學科的診療，尤受臨床及科研學者的重視，因此也是現(xiàn)代中醫(yī)學發(fā)展的前沿學科。目前，制約中醫(yī)診斷學發(fā)展的瓶頸主要有四診信息規(guī)范化客觀化采集、中醫(yī)診斷術語規(guī)范化等方面[1]。中醫(yī)四診信息采集過程具相對主觀性的問題由來已久，在許多中醫(yī)學者堅持不懈的努力下，取得了一定進展，但仍存在采集過程不規(guī)范、標準不統(tǒng)一等問題。中醫(yī)診斷術語規(guī)范化工作近幾十年來亦受到高度重視，制定了相應的標準，但所制定標準與歷版教材又有一定出入；中醫(yī)工作者受教育時養(yǎng)成的既定習慣更改不易，推廣較難；且在歷代中醫(yī)典籍醫(yī)案中，術語普遍存在一詞多義、多詞一義等情況，以上種種情況造成了中醫(yī)診斷術語仍較難統(tǒng)一，不利于傳承和發(fā)展。

人工智能（AI）是當前全球研究熱點，AI不僅能替代有邏輯性、規(guī)律性的人工，提高工作效率，還能在某些極精細領域中完成人類無法完成的任務，中國已將AI與醫(yī)學的結合上升到國家戰(zhàn)略的高度。而早在20世紀六七十年代，許多學者已經(jīng)開始了中醫(yī)診斷的AI化研究，主要方法是建立基于專家知識庫的邏輯推理系統(tǒng)，取得了一定成績，在特定的條件下有較好的應用效果。但基于象思維的中醫(yī)診斷學強調整體性與運動性，因而，單純的邏輯規(guī)則并不完全適用中醫(yī)診斷的推理過程[2]。2016年，Google公司的AlphaGo橫空出世，擊敗了多名圍棋世界冠軍，這一歷史性事件標記著以大數(shù)據(jù)與深度學習算法為代表的新一代AI的興起。與傳統(tǒng)相比，新一代AI基于大數(shù)據(jù)的特性顯然更適合中醫(yī)學的整體性，其經(jīng)深度學習而產(chǎn)生的預判也更適合中醫(yī)學的運動性。因此，將新一代AI技術運用于中醫(yī)診斷學，應有助于其突破前述發(fā)展瓶頸。

1 AI與四診信息規(guī)范化客觀化采集

1.1 AI與望診 AI望診，目前研究較多地集中在望面及望舌兩個領域，其主要數(shù)據(jù)來源為圖像，需要通過圖像分割、圖像識別兩個步驟進行。近年來AI望診的研究取得了一定的突破，如基于力場的輪廓變形算法，使舌象分割不易受初始輪廓影響，提升分割準度[3]；再如偏最小二乘法在Lab顏色空間對面部光澤的判別準確率可達89.06%[4]；又如聯(lián)合運用最大類間方差算法及分水嶺算法能夠實現(xiàn)對舌紫斑的自動識別[5]。然而，AI望診離真正的臨床要求尚存在較大差距，目前亟待解決的是光源問題，AI望診的圖像數(shù)據(jù)幾乎均基于固定角度、固定強度光源，真實世界光源多變，如何使AI算法適應復雜的光源環(huán)境仍需進一步探索。

1.2 AI與聞診 在聽聲音的研究中，目前主要研究方法有空氣動力學法、頻譜分析法等。AI聲診不但能夠分辨出諸如咳嗽、聲嘶、聲低等病理性聲音[6]，研究者們還運用樣本熵、小波包變換的近似熵等算法，通過聲音得出病位、病性證素等診斷信息[7]。然則，目前中醫(yī)AI聲診研究仍存在采集儀器規(guī)格不統(tǒng)一、采樣環(huán)境要求較高等問題，從科研到落地仍有一段距離。

氣味是氣體所含分子作用于受體所產(chǎn)生的刺激過程，氣味特征可以通過紅外光譜、直接頂空分析、氣相-液相色譜分析等方法直接判別氣體所含的刺激性分子。目前中醫(yī)電子鼻技術已具有較高的穩(wěn)定性和靈敏度，不僅能較準確地識別2型糖尿病患者口腔氣味判斷其虛實病性[8]，在胃病及外感疾病中也得到較好的應用[9-10]，未來有望參與各個系統(tǒng)疾病的診斷。但相較于聲診，嗅診更難以量化，暫無太多臨床運用的研究報導，尚存在氣味特征圖譜知識庫不夠全面等問題，有待進一步研究[11]。

1.3 AI與問診 問診AI化的研究起步較早，早期多是基于專家經(jīng)驗、文獻梳理的量表研究，隨著新一代AI的發(fā)展，越來越多學者開始關注問診模型的研究。如基于極值隨機森林算法、極限學習機算法的慢性胃炎中醫(yī)問診模型[12]；基于隱結構法的啟發(fā)式雙重爬山算法中醫(yī)脾系病問診模型[13]等。然而筆者認為，制約AI問診的瓶頸或許不在于算法模型，傳統(tǒng)的貝葉斯網(wǎng)絡已能較好地揭示證候之間復雜的聯(lián)系[14]，中醫(yī)診斷術語不能統(tǒng)一規(guī)范應才是當前AI問診的研究難點[15]。

1.4 AI與切診 切診的AI化研究主要集中在脈診，研究方向有脈象波形采集（傳感器）、特征提取分類（脈象識別）兩方面。傳感器有壓力脈搏型、多普勒超聲脈搏型、光電脈搏型等類型[16]；在脈象識別模塊，采用線性插值算法對三維脈沖圖進行處理，可辨別出平脈、滑脈及弦脈[17]；基于BP神經(jīng)網(wǎng)絡的脈診則可直接得出體質等診斷信息[18]。而目前各類傳感器研究雖然取得一定突破，但仍未成熟，尚不能真實、完整、客觀地提前脈搏信息[19]；此外，由于脈象信息量巨大的特性，如何有效篩選有用信息的降噪處理，也是研究的難點之一。

在中醫(yī)四診AI化的研究中，除了各診存在上述問題外，也存在“通病”，主要是：1）原始資料采集人員中醫(yī)臨床水平參差不齊，歸納、標注不統(tǒng)一、不規(guī)范，信息數(shù)據(jù)可信度未能達到最佳。2）除問診外的其余三診，其信息采集皆需檢測設備，然而，基于不同工作原理設計的設備，其采集的信息參數(shù)和表達方法均不相同，沒有統(tǒng)一的規(guī)范標準，測量結果表達也不同。3）雖然四診AI化研究在各自領域取得了一定進展，但呈現(xiàn)“各自為戰(zhàn)”的特點，未發(fā)揮中醫(yī)“四診合參”的特色和優(yōu)勢。

1.5 AI與四診合參 目前關于四診合參AI化的文獻報導較為少見，說明該研究仍處于初步階段[20]。AI四診合參可通過兩個途徑實現(xiàn)：1）規(guī)范統(tǒng)一四診采集標準，分別辨識四診所采集信息后再進行歸納分析，但如前所述，目前各家研究原理和采集標準不同，因此較難實現(xiàn)。2）直接采用多格式、多來源（文字、數(shù)字、圖片、聲音等）的原始數(shù)據(jù)直接進行分析，其優(yōu)點是數(shù)據(jù)丟失率低，因而相應準確率高，缺點是對深度學習的算法要求更高，目前尚處于探索狀態(tài)。由于各診設備尚未成熟，故而直接分析具有異構性的原始四診信息是現(xiàn)階段較為可行的辦法，這就需要多模態(tài)的機器學習。值得一提的是多核學習方法，各子特征空間組合成多個核函數(shù)的高維空間，因此高維組合空間也具備各子空間的映射能力，異構數(shù)據(jù)中不同的特征分量也由此得以分別經(jīng)最優(yōu)單函數(shù)映射到知識層，使之更準確地表達。在此基礎上，采用協(xié)同訓練方法迭代出最佳分類器，對訓練數(shù)據(jù)進行預測，設計基于知識層和決策層的最優(yōu)化算法[20-21]。

2 AI與中醫(yī)診斷術語規(guī)范化

對于AI而言，規(guī)范化的中醫(yī)診斷術語是極為重要的，其意義在于“使中醫(yī)數(shù)據(jù)說普通話”，統(tǒng)一的術語才便于結構化中醫(yī)數(shù)據(jù)，從而轉化為計算機能夠理解的語言。進入21世紀以來，中醫(yī)術語規(guī)范化取得了令人矚目的成果，但仍存在諸如標準不統(tǒng)一、各科研組織機構未協(xié)調統(tǒng)一等問題。因此，有學者提出在協(xié)調各機構的基礎上，采用術語學方法并構建同義詞庫是針對目前問題的解決對策[22]。中國中醫(yī)科學院信息所從2002年開始，借鑒統(tǒng)一醫(yī)學語言系統(tǒng)（UMLS）的結構應用于中醫(yī)藥領域，構建了基于本體論的、建立了多層次語義關聯(lián)的中醫(yī)藥學語言系統(tǒng)（TCMLS），即包含了大型同義詞庫，然而即使是如此耗時十數(shù)年、人力物力投入巨大的工程，仍不能說已完全涵蓋歷史長河中浩瀚如煙的中醫(yī)典籍中出現(xiàn)的術語[23]。因此，進行基于基準術語庫的AI自然語言處理（NLP），以便實現(xiàn)對各時代的醫(yī)案、文獻進行智能讀取，是目前中醫(yī)診斷術語范疇內(nèi)較為可行的方法之一。

目前中醫(yī)診斷進行NLP的對象主要是醫(yī)案及文獻，其中包含了許多臨床診斷基礎數(shù)據(jù)。為通過NLP實現(xiàn)中醫(yī)診斷術語規(guī)范化，那么對信息的充分利用是非常必要的，故而要對醫(yī)案進行信息抽取和中文分詞。目前對中醫(yī)文本數(shù)據(jù)進行智能分析的NLP方法主要有隱馬爾科夫模型（HMM）、條件隨機場模型（CRF）等，然而經(jīng)常面臨數(shù)據(jù)標注缺失、訓練數(shù)據(jù)集少造成的準確率不足的情況[24]。

如今人工神經(jīng)網(wǎng)絡已經(jīng)被廣泛使用，其中循環(huán)神經(jīng)網(wǎng)絡（RNN）在處理自然語言任務上有著極大的優(yōu)勢，RNN是一種特殊的神經(jīng)網(wǎng)絡結構，它是根據(jù)“人的認知是基于過往的經(jīng)驗和記憶”這一觀點提出的。不僅考慮前一時刻的輸入，同時具有對前面的內(nèi)容的一種“記憶”功能。長短期記憶（LSTM）[25]是一種特殊的RNN，更是解決了長期依賴問題。LSTM主要設置了門結構來實現(xiàn)重要“記憶”的保留與取舍，內(nèi)部主要有3個門，遺忘門即忘記階段，這個階段主要是對上一個節(jié)點傳進來的輸入進行選擇性忘記，簡單來說就是會“忘記不重要的，記住重要的”。輸入門即選擇記憶階段，這個階段將這個階段的輸入有選擇性地進行“記憶”。輸出門即輸出階段，這個階段將決定哪些將會被當成當前狀態(tài)的輸出。而為了對語句的分析更加準確，使用兩個LSTM模型，其語句的輸入方向相反，由此可結合成為雙向長短期記憶（BI-LSTM）[26]。基于此再使用CRF則可以用于構造在給定一組輸入隨機變量的條件下，另一組輸出隨機變量的條件概率分布模型。例如在詞性標注任務中，輸入序列為一串單詞，輸出序列就是相應的詞性。

因此，本團隊也利用BI-LSTM-CRF模型對中醫(yī)醫(yī)案進行自然語言處理。初期的訓練數(shù)據(jù)集是由團隊帶頭人李燦東教授十余年的臨床醫(yī)案構成，并由中醫(yī)專家博士團隊進行了醫(yī)案分詞標注。通過訓練相應的分詞模型，得到分詞準確率可達到97%以上，遠高于例如Jieba、PKUseg等開源分詞工具，為后續(xù)的醫(yī)案信息的自動抽取與理解奠定堅實基礎。

分詞后可得到包括部位、性質、程度等最小粒度的中醫(yī)診斷術語，基于此的同義詞匹配可使計算機更好地理解醫(yī)案信息，以此完成中醫(yī)診斷術語的NLP工作，而非陷入近似無窮盡的同義詞庫構建。該部分可以通過中文相似度計算來實現(xiàn)，中文相似度技術是自然語言處理中的一個重要研究方向，其技術有基于統(tǒng)計的相似度計算方法、基于詞向量的相似度計算方法等?；诮y(tǒng)計的相似度計算方法最常用的方法為詞頻-逆文件頻率（TF-IDF）計算方法，將文本轉化為向量。TF（Term Frequency）是詞頻，即一個詞在文中出現(xiàn)的次數(shù)。IDF（Inverse Document Frequency）是逆向文件頻率，可以由總文件數(shù)目除以包含該詞語的文件的數(shù)目，再將得到的商取對數(shù)得到?；谠~向量的相似度計算方法最常見的就是使用Word2Vec詞向量，通過網(wǎng)絡模型獲得詞向量。由此將文本向量化后，再通過余弦相似度測量兩個向量之間的夾角的余弦值，度量兩詞語之間的相似度。基于統(tǒng)計的相似度計算方法是字淺層面的方法，而基于詞向量的相似度計算方法考慮詞語語義的深層面方法。因此對兩種方法進行加權，結合起來進行對詞語進行相似度計算，綜合考慮詞語的深淺層面，由此完成相似度計算，實現(xiàn)同義詞匹配。

3 小結

綜上所述，基于大數(shù)據(jù)的新一代AI技術很好地契合了中醫(yī)的整體性與動態(tài)性，運用于中醫(yī)診斷領域，將有望助推中醫(yī)診斷技術實現(xiàn)新的跨越與發(fā)展。雖然諸多研究者從不同角度進行了許多研究，并取得進展與成就，但仍存在種種問題。首先，原始信息客觀、準確、全面、規(guī)范的采集標準缺失，造成臨床數(shù)據(jù)雖大，但卻不能發(fā)揮大數(shù)據(jù)應該有的作用，形不成數(shù)據(jù)驅動的效力。其次，中醫(yī)四診信息采集過分依靠醫(yī)者，或者采集設備不成熟，試圖建立采集設備標準，反而造成了新的標準不統(tǒng)一，制造了新的瓶頸問題。最后，AI重點在于算法的優(yōu)勢上，四診的AI化雖然取得了進展，但仍處于“各自為戰(zhàn)”階段，真正體現(xiàn)中醫(yī)思維的四診合參算法仍需要很長時間進行優(yōu)化與完善。