蔡佩良 劉超武 朱振剛 熊 桅 狄冠麟 喬亞珍 鐘新春 袁 琛 竇迎婷 鄭延龍 白 融 賈宗月

（天津中醫(yī)藥大學第一附屬醫(yī)院，國家中醫(yī)針灸臨床醫(yī)學研究中心，天津 300000）

新型冠狀病毒肺炎（COVID-19）是一種由新型冠狀病毒感染導(dǎo)致的以發(fā)熱、咳嗽、氣促、呼吸困難為主要癥狀，嚴重者可致急性呼吸綜合征、腎衰竭甚至死亡的肺部炎癥。其發(fā)病急驟，流行性高，傳播迅速，給公共衛(wèi)生、醫(yī)療保健系統(tǒng)和全球經(jīng)濟帶來了巨大的挑戰(zhàn)［1］。在中醫(yī)藥的參與下，新型冠狀病毒肺炎患者咳嗽、乏力等癥狀明顯改善，輕型患者易痊愈，普通型向重型轉(zhuǎn)化較少［3］。但是由于新冠患者數(shù)量多、臨床醫(yī)師診療時間有限、臨證經(jīng)驗不足等原因，往往無法進行準確而高效的辨證施治。當前，人工智能技術(shù)飛速發(fā)展，以計算機為工具模擬人類思維方式，通過學習知識和技能解決問題，已廣泛應(yīng)用于多個領(lǐng)域［4］。將中醫(yī)藥與人工智能相結(jié)合，實現(xiàn)中醫(yī)辨證的客觀化研究已成為中醫(yī)現(xiàn)代化發(fā)展的熱點之一［5］。因此，開發(fā)可以輔助醫(yī)師對非危重型新型冠狀病毒肺炎進行辨證診斷的軟件系統(tǒng)，使其根據(jù)患者的四診信息，實現(xiàn)精準而快速的辨證，能夠大大提升醫(yī)師的辨證準確度，減少漏診、誤診率，擴大中醫(yī)治療新型冠狀病毒肺炎患者的優(yōu)勢。鑒于此，本研究采用隨機森林（RF）、支持向量機（SVC）、LightGBM、K 最近鄰（KNN）的機器學習方法，分別構(gòu)建非危重型新型冠狀病毒肺炎中醫(yī)智能化辨證模型，為中醫(yī)輔助診斷提供參考和依據(jù)。

1 資料與方法

1.1 數(shù)據(jù)來源

2022 年12 月至2023 年6 月于天津中醫(yī)藥大學第一附屬醫(yī)院呼吸科、感染科、急診科就診的新冠病毒肺炎患者。

1.2 病例選擇

1）西醫(yī)診斷標準。符合國家衛(wèi)生健康委員會制定的《新型冠狀病毒肺炎診療方案（試行第七版）》［6］的輕型及普通型新冠患者。臨床癥狀：發(fā)熱和（或）呼吸道癥狀等新型冠狀病毒肺炎相關(guān)臨床表現(xiàn)。實驗室檢查：白細胞正常或降低；PCT 水平正常或輕度增高。具有新型冠狀病毒肺炎影像學特征：雙肺多發(fā)斑片狀、磨玻璃影。輕型：臨床癥狀輕微，影像學未見肺炎表現(xiàn)。普通型：具有發(fā)熱、呼吸道等癥狀，影像學可見肺炎表現(xiàn)。2）中醫(yī)診斷標準。參照天津市衛(wèi)健委發(fā)布的《天津市新型冠狀病毒肺炎中醫(yī)藥防治方案（第六版）》［7］辨證臨床治療期的相關(guān)內(nèi)容制定，將本病確定為濕邪困表證、瘟熱犯衛(wèi)證、熱毒襲肺證、濕蘊脾胃證共4 個證型。3）納入標準。符合上述西醫(yī)診斷標準及中醫(yī)辨證標準者；中醫(yī)四診信息完整者。4）排除標準。危重型COVID-19 患者；合并非感染性疾病如血管炎、皮肌炎和機化性肺炎等；中醫(yī)四診信息缺失者。

1.3 數(shù)據(jù)庫的建立

納入符合標準的病歷314 例，將病歷中四診信息及其對應(yīng)的證型數(shù)據(jù)手動錄入到Excel中，采用雙人雙錄入方法，再核對以保證數(shù)據(jù)的準確性，以此作為原始數(shù)據(jù)庫。將原始數(shù)據(jù)庫中涉及患者的四診信息進行規(guī)范化處理，如將“睡眠差”“失眠多夢”統(tǒng)一為“寐欠安”，“大便溏”“大便不成形”統(tǒng)一為“大便溏薄”。對于每個病歷的辨證部分按照上述證型標準進行規(guī)范，“濕邪困脾”“濕阻脾胃”等統(tǒng)一為“濕蘊脾胃”。將癥狀、體征等中醫(yī)四診信息條目作為輸入層初始系統(tǒng)協(xié)變量，證型作為系統(tǒng)輸出變量，最終得到四診信息，如表1 所示：證型共4 項，包括濕邪困表證、瘟熱犯衛(wèi)證、熱毒襲肺證、濕蘊脾胃證。

表1 中醫(yī)四診信息臨床指標

1.4 數(shù)據(jù)預(yù)處理

1.4.1 數(shù)據(jù)集的建立 要進行人工智能模型分析，首先要將自然語言文本轉(zhuǎn)換成計算機可以識別的數(shù)值內(nèi)容，使用“0～1”編碼對表1 的臨床指標進行賦值（即出現(xiàn)該特征記為“1”，不出現(xiàn)該特征記為“0”），對證型診斷進行獨立編碼，建立非危重型新型冠狀病毒肺炎數(shù)據(jù)集，賦值后的數(shù)據(jù)集作為數(shù)據(jù)源導(dǎo)入Python 3.7軟件。

1.4.2 數(shù)據(jù)集的劃分及處理 使用train_test_split 將數(shù)據(jù)集按7∶3 的比例分為訓練集和測試集，設(shè)置參數(shù)random_state=42，如圖1 所示，同時使用合成少數(shù)類過采樣（SMOTE）處理樣本類別不平衡的問題。SMOTE算法的核心是通過線性變換函數(shù)在一些距離較近的少數(shù)類數(shù)據(jù)中獲得新數(shù)據(jù)，使原數(shù)據(jù)集類別間的數(shù)量相對平衡［8］。

圖1 數(shù)據(jù)集構(gòu)建原理圖

2 人工智能模型構(gòu)建及評價

2.1 隨機森林（RF）

隨機森林是一種基于決策樹的集成算法，決策樹是一種樹形結(jié)構(gòu)，其中每個節(jié)點表示一個特征，每個葉子節(jié)點表示一個輸出值，隨機森林通過構(gòu)建多個決策樹，對這些樹的輸出取平均值（回歸任務(wù)）來進行預(yù)測，原理如圖2 所示。通過設(shè)置參數(shù)best_rf=RandomForestClassifier（n_estimators=10，max_depth=10，min_samples_split=4，min_samples_leaf=20，random_state=42），輸出的各證型的ROC曲線和混淆矩陣見圖3、圖4。結(jié)合圖3、圖4 可以看出該模型的分類正確率為93.69%，其AUC值為0.99。

圖2 隨機森林原理示意圖

圖3 隨機森林模型ROC曲線

圖4 隨機森林模型混淆矩陣

2.2 支持向量機（SVM）

SVM 是一種強大的監(jiān)督學習算法，主要用于分類和回歸任務(wù)［9］，是在給定訓練數(shù)據(jù)集的情況下，構(gòu)建一個能夠?qū)⑿聰?shù)據(jù)點分為不同類別的分類模型。SVC的主要思想是通過核函數(shù)構(gòu)造一個距離樣本點間隔最大超平面wTx+b＝0［10］，它能夠?qū)⒉煌悇e的數(shù)據(jù)點分開，并使這個超平面與最近的訓練數(shù)據(jù)點之間的間隔最大化。通過設(shè)置參數(shù)best_svm_model=SVC（probability=True，kernel= "rbf"，C=0.17，gamma=0.02，random_state=42），輸出的各證型的ROC 曲線和混淆矩陣見圖5、圖6。結(jié)合圖5、圖6 可以看出該模型的分類正確率為88.20%，其AUC值為0.99。

圖6 支持向量機模型混淆矩陣

2.3 LightGBM

LightGBM 是一種梯度提升決策樹模型，它基于梯度提升算法，結(jié)合了（如圖7 所示）直方圖加速、自動處理缺失值和并行化處理等多項技術(shù)，通過迭代地構(gòu)建多個弱學習器，每個學習器都試圖糾正前一個學習器的錯誤，提高了整體模型的性能。通過設(shè)置參數(shù)best_lgb_model=lgb.LGBMClassifier（learning_rate=0.01，n_estimators=30，max_depth=20，min_child_samples=45，subsample=0.5，random_state=42），輸出的各證型的ROC曲線和混淆矩陣見圖8、圖9。結(jié)合圖8、圖9可以看出該模型的分類正確率為94.82%，其AUC值為0.99。

圖7 葉子生長（leaf-wise）算法

圖8 LightGBM模型ROC曲線

圖9 LightGBM模型混淆矩陣

2.4 K最近鄰（KNN）

KNN 是一種基于實例的監(jiān)督學習算法，它根據(jù)與待預(yù)測樣本最近的訓練樣本的標簽來進行分類或回歸預(yù)測。如果一個樣本在特征空間中的k 個最鄰近的樣本中的大多數(shù)屬于某一個類別，則該樣本也劃分為這個類別。KNN 算法中，所選擇的鄰居都是已經(jīng)正確分類的對象。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。通過設(shè)置參數(shù) best_knn_model=KNeighborsClassifier（n_neighbors=26），輸出的各證型的ROC 曲線和混淆矩陣見圖10、圖11。結(jié)合圖10、圖11 可以看出該模型的分類正確率為90.3%，其AUC值為0.99。

圖10 K最近鄰模型ROC曲線

圖11 K最近鄰模型混淆矩陣

2.5 模型比較

在相同測試集下各模型的精確率、召回率、f1分數(shù)以及AUC 值如表2 所示。其中，SVM 的4 項評價指標高于其他模型，表明SVM 模型在非危重型新型冠狀病毒肺炎辨證數(shù)據(jù)中的性能優(yōu)于其他3種模型。

表2 模型性能評估指標

2.6 模型可解釋性結(jié)果

綜合上述4 種模型的評價結(jié)果，SVM 模型是非危重型新型冠狀病毒肺炎的最優(yōu)模型。SVM 模型的參數(shù)具有中醫(yī)可解釋性，可使用SHAP 值解釋機器學習模型和特征重要性［11］。SVM 的SHAP 值如圖12 所示，該圖結(jié)合了特征重要度和特征的影響，y 軸上的位置由特征決定，x軸上的位置由SHAP值決定［12］。圖中每一個點代表一個樣本，點越離散代表該特征對模型的影響越顯著，點越集中代表該特征對模型的影響越小。從圖中可以看出，貢獻度較大的是患者的脈象、舌苔及咽干咽痛、大便、發(fā)熱等癥狀，睡眠、咳嗽、頭痛、胸悶等癥狀影響較小。

圖12 支持向量機SHAP特征摘要圖

2.7 中醫(yī)輔助診療系統(tǒng)

結(jié)合本文用到的4 種人工智能模型算法，對Python 所編寫的代碼進行封裝，構(gòu)建中醫(yī)輔助診療系統(tǒng)軟件，以便輔助臨床醫(yī)生進行診斷。該系統(tǒng)主要分為用戶基本信息、用戶癥狀體征、輔助診療3 個模塊，如圖13 所示。該軟件分3 個部分，第1 個界面為患者的基本信息，第2 個界面用于錄入所收集的四診信息，軟件內(nèi)置的4 種人工智能模型會對所錄入信息進行處理，輸出到第3 個界面，每個證型都附帶《天津市新型冠狀病毒肺炎中醫(yī)藥防治方案（第六版）》推薦的方藥及組成，以此提高診療效率，所錄入的信息及輸出的結(jié)果均保存在軟件內(nèi)置的數(shù)據(jù)庫，可導(dǎo)出到EXCEL 表中，方便保存數(shù)據(jù)以及對結(jié)果的進一步處理。該軟件界面簡潔，操作方便，正確高效，能大大提高醫(yī)生診斷及治療非危重型新冠患者的速度。

圖13 人工智能中醫(yī)輔助決策軟件

3 討 論

中醫(yī)古籍沒有“冠狀病毒肺炎”一說，但根據(jù)其發(fā)病迅速、主癥類似、傳播迅速、傳染性極強的特點，可歸屬于“疫病”范疇。明·吳又可的《溫疫論·原序》曰“夫瘟疫之為病，非風非寒非暑非濕，乃天地間別有一種異氣所感”。吳鞠通的《溫病條辨·上焦》曰“溫疫者，厲氣流行，多兼穢濁，家家如是，若役使然也”，可見疫病是有別于六淫而具有強烈傳染性的外感病邪，“厲氣、癘氣”是疫病的病因所在。此次新型冠狀病毒肺炎的病機以“寒濕”為主，與“毒、瘀、虛、熱（火）、痰、滯、結(jié)、燥、氣不攝津”等相關(guān)；病位以肺為主，其次為脾［13］。中醫(yī)作為一門歷史悠久的醫(yī)學體系，其辨證論治的方法是診斷和治療疾病的重要手段。它強調(diào)從整體角度出發(fā)，綜合分析患者的病情，根據(jù)不同的證候進行個性化治療，即“一人一證一方”，中醫(yī)辨證的個性化治療能為患者提供更加精準的治療方案。

近年來，人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用逐漸普及，在輔助診斷、治療和健康管理等方面取得了顯著成果。人工智能的優(yōu)勢在于處理大量數(shù)據(jù)、進行模式識別和預(yù)測等。在臨床應(yīng)用中，將人工智能和中醫(yī)辨證相結(jié)合具有顯著的優(yōu)勢。例如，利用人工智能技術(shù)對大量中醫(yī)醫(yī)案進行數(shù)據(jù)挖掘和分析，可以輔助醫(yī)生進行疾病診斷和證候分類。同時，人工智能還可以根據(jù)患者的個人信息和病情，為其提供個性化的中醫(yī)治療方案。這種結(jié)合方式不僅可以提高診斷和治療的準確性和效率，還可以降低醫(yī)療成本，為患者提供更好的醫(yī)療服務(wù)。在本文用到的4 種算法模型中，SVM 的準確率最高。SVM 作為針對小樣本數(shù)據(jù)分類和回歸問題提出的通用機器學習算法，分類性能良好，在多種疾病的臨床診斷、疾病分型、預(yù)后判斷等應(yīng)用中表現(xiàn)出了明顯的優(yōu)勢［14-15］。同時，隨著計算機技術(shù)和大數(shù)據(jù)技術(shù)的飛速發(fā)展，針對SVM 的研究愈來愈多，目前有聚類SVM、多元分類SVM、轉(zhuǎn)導(dǎo)SVM 等多種新型SVM 模型，這些模型在醫(yī)學領(lǐng)域的應(yīng)用將更加廣泛，分類性也會愈加優(yōu)良。

由于本研究所收集的臨床數(shù)據(jù)有限，模型所進行的模擬和訓練不足，對結(jié)果也有一定的影響，在以后的研究中，可以加入更多的臨床數(shù)據(jù)供人工智能學習，進一步提高診斷的準確率。RF、LightGBM、SVC、KNN 是目前中醫(yī)證候診斷使用比較多的算法模型，均能提供較高的準確率，但也存在一些缺點。RF的模型由于包含多個決策樹，故預(yù)測過程相對較慢，結(jié)果不太容易解釋；SVM 的訓練和預(yù)測過程相對復(fù)雜，尤其在大數(shù)據(jù)集上需要更多的計算資源，由于計算復(fù)雜度較高，SVM在處理大規(guī)模數(shù)據(jù)集時可能效率較低，當面對具有大量類別的多類別問題時，可能導(dǎo)致訓練時間較長。KNN 需要計算待預(yù)測數(shù)據(jù)點與所有訓練數(shù)據(jù)點之間的距離，因此在大型數(shù)據(jù)集上計算復(fù)雜度很高，對數(shù)據(jù)分布敏感，在不均勻分布的情況下可能會出現(xiàn)預(yù)測偏差。若是能綜合多個弱監(jiān)督模型的優(yōu)點，構(gòu)建集合模型，根據(jù)多個分類器的預(yù)測結(jié)果給出最終的預(yù)測結(jié)果，可能會大大提高預(yù)測的準確率和效率［16］?？傊?，隨著時代的發(fā)展進步，中醫(yī)與人工智能的結(jié)合會越來越密切，在人工智能的幫助下，中醫(yī)的優(yōu)勢會進一步擴大，能夠為更多的患者減輕病痛，造福社會。