鄧文祥何德智 陳桂萍 敬 勇 張文安 黃惠勇（1 湖南中醫(yī)藥大學(xué)中醫(yī)學(xué)院，湖南 長(zhǎng)沙 410208；2 湖南中醫(yī)藥大學(xué)中醫(yī)診斷學(xué)省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410208；3 廣州市佳醫(yī)幫健康管理有限公司，廣東 廣州 510030；4 珠海市香洲區(qū)華發(fā)新城社區(qū)衛(wèi)生服務(wù)中心，廣東 珠海 519000）

Python是目前人工智能（Artificial Intelligence，AI）開發(fā)的主流語(yǔ)言，由Guido van Rossum于1989年公開發(fā)布，其優(yōu)勢(shì)為免費(fèi)開源，簡(jiǎn)單易學(xué)。Python現(xiàn)已廣泛應(yīng)用在機(jī)器學(xué)習(xí)、概率分析、統(tǒng)計(jì)分析等人工智能場(chǎng)景［1-2］。例如谷歌的AlphaGo項(xiàng)目研發(fā)與Python有關(guān)［3-4］。同時(shí)，百度、阿里巴巴、網(wǎng)易、新浪等大型互聯(lián)網(wǎng)公司的人工智能項(xiàng)目也是基于Python研發(fā)［5-6］。

目前，我國(guó)心血管疾病死亡率居首位，超過(guò)居民疾病死亡的40%［7］。心血管疾病屬于中醫(yī)心系疾病范疇，中醫(yī)在心血管疾病的防治中發(fā)揮著重要作用［8-9］。

《“十三五”中醫(yī)藥科技創(chuàng)新專項(xiàng)規(guī)劃》提出：“要堅(jiān)持中醫(yī)藥原創(chuàng)思維，加強(qiáng)系統(tǒng)生物學(xué)、大數(shù)據(jù)、人工智能等多學(xué)科前沿技術(shù)與中醫(yī)藥的深度交叉融合……”［10］。如何借助大數(shù)據(jù)、人工智能等多學(xué)科前沿技術(shù)提升基層醫(yī)療機(jī)構(gòu)運(yùn)用中醫(yī)藥防治心血管病的服務(wù)能力，是一個(gè)亟需解決的問(wèn)題。

通過(guò)對(duì)中醫(yī)辨證方法：臟腑、八綱、三焦、六經(jīng)、病性、衛(wèi)氣營(yíng)血、氣血津液辨證等的挖掘與創(chuàng)新，中醫(yī)診斷學(xué)現(xiàn)主要有病證結(jié)合辨證、病機(jī)辨證、方證辨證、藏象辨證、證素辨證、微觀辨證等現(xiàn)代辨證方法［11］。其中證素辨證是近代中醫(yī)診斷學(xué)發(fā)展與應(yīng)用的重要組成部分，大量臨床與實(shí)驗(yàn)研究證明了其理論的先進(jìn)與實(shí)用性。由于既往技術(shù)的限制，現(xiàn)有的證素辨證系統(tǒng)缺少人工智能模塊，不利于在人工智能時(shí)代進(jìn)行辨證的數(shù)據(jù)挖掘與分析等工作，阻礙了中醫(yī)辨證的智能化發(fā)展。

本文對(duì)近年來(lái)人工智能以及證素辨證在心血管疾病中的應(yīng)用進(jìn)行綜述，分析Python在中醫(yī)人工智能中的優(yōu)勢(shì)，以期為證素辨證借助Python進(jìn)行升級(jí)優(yōu)化做出參考。

1 人工智能在西醫(yī)診療中的應(yīng)用

AI是在計(jì)算機(jī)科學(xué)、控制論、信息論、語(yǔ)言學(xué)、哲學(xué)、神經(jīng)心理學(xué)等學(xué)科的基礎(chǔ)上發(fā)展起來(lái)的。它融合了新思想、新概念、新理論和新技術(shù)。廣泛應(yīng)用于機(jī)器人、語(yǔ)言識(shí)別、軍事等各個(gè)領(lǐng)域［12］。

目前，AI在心血管西醫(yī)診療的具體應(yīng)用，主要集中在風(fēng)險(xiǎn)管理與預(yù)警方面：黃飛等［13］設(shè)計(jì)了一個(gè)高血壓患者心血管風(fēng)險(xiǎn)等級(jí)智能分級(jí)系統(tǒng)，根據(jù)高血壓患者的體檢信息，識(shí)別高血壓患者的心血管風(fēng)險(xiǎn)等級(jí)。聶蕾［14］研發(fā)了高血壓病智能分級(jí)系統(tǒng)。系統(tǒng)主要具有智能處方、提示、血壓趨勢(shì)、遠(yuǎn)程會(huì)診、智能診斷、電子病歷等功能。利用醫(yī)學(xué)對(duì)象研究高血壓水平，可直接為心血管疾病的治療、診斷和預(yù)防提供依據(jù)。張曉芬［15］基于安卓智能手機(jī)平臺(tái)，采用狀態(tài)描述方法來(lái)對(duì)心音信號(hào)進(jìn)行分類識(shí)別實(shí)現(xiàn)對(duì)心音信號(hào)的預(yù)診斷，從而實(shí)現(xiàn)心血管疾病的自動(dòng)診斷及預(yù)警，實(shí)現(xiàn)心血管疾病早期患者的家庭保健，達(dá)到降低心血管疾病發(fā)病率的目的。馬莉等［16］設(shè)計(jì)了一種基于智能設(shè)備的心血管疾病前端系統(tǒng)，可以作為先天性心臟病篩查和常規(guī)監(jiān)測(cè)設(shè)備。其依靠現(xiàn)代信號(hào)處理技術(shù)和數(shù)據(jù)挖掘的方法對(duì)心音信號(hào)進(jìn)行分析處理，并最終提取信號(hào)的病理特征，以達(dá)到自動(dòng)識(shí)別正常異常心音信號(hào)［17］。馮靜［18］通過(guò)研究心血管危險(xiǎn)因素智能評(píng)價(jià)系統(tǒng)對(duì)高血壓合并糖尿病的輔助治療作用，分析其可明顯提高患者服藥依從性，改善患者血壓、血糖水平以及生活質(zhì)量。武漢亞洲心臟病醫(yī)院的Standard醫(yī)療“岐伯”人工智能引擎主要是將自然語(yǔ)言處理、認(rèn)知技術(shù)、自動(dòng)推理、機(jī)器學(xué)習(xí)、信息檢索等技術(shù)應(yīng)用于臨床資料（包括醫(yī)學(xué)專著、論文、治療方案、試驗(yàn)數(shù)據(jù)、臨床報(bào)告、醫(yī)學(xué)期刊、教科書等）的深度學(xué)習(xí)，總結(jié)出心腦血管疾病的輔助診斷、治療和預(yù)防的建議［19］。

2 人工智能在中醫(yī)診療技術(shù)的應(yīng)用

中醫(yī)人工智能的研究可分為4個(gè)階段：20世紀(jì)90年代是中醫(yī)藥智能信息研究的開始，以專家系統(tǒng)研究為主，2000年左右是中醫(yī)藥智能研究的低谷，主要表現(xiàn)在數(shù)據(jù)庫(kù)和知識(shí)工程方面。2005年以后神經(jīng)網(wǎng)絡(luò)研究增加；2012年以后臨床數(shù)據(jù)開始積累，人工智能與中醫(yī)診療主要集中在基于文獻(xiàn)數(shù)據(jù)的挖掘、現(xiàn)代中醫(yī)診斷技術(shù)的研究等方面［20-21］。

2.1 文獻(xiàn)研究 目前中醫(yī)文獻(xiàn)、醫(yī)案中研究較多的是利用聚類［22］（clustering）、關(guān)聯(lián)規(guī)則 （association rule，AR）［23］、決策樹（decision tree，DT）［24］、無(wú)尺度網(wǎng)絡(luò)（scale-free network，SN）［25］、粗糙集理論（rough set theory，RST）［26］等數(shù)據(jù)挖掘技術(shù)從復(fù)雜癥狀中提取和總結(jié)中醫(yī)證型，分析癥狀與癥狀、癥狀與方劑、癥狀與證型、證型與方劑、方劑與藥物等潛在的關(guān)聯(lián)規(guī)律。從數(shù)量龐大的方藥中發(fā)現(xiàn)藥物配伍規(guī)律以及潛在藥物、核心藥物、核心處方等，不僅可為臨床醫(yī)師提供診療策略，模擬中醫(yī)思維方法和處方生成過(guò)程，而且對(duì)中醫(yī)理論的創(chuàng)新發(fā)展及其客觀化、規(guī)范化研究具有重要的推動(dòng)作用［27-28］。

2.2 現(xiàn)代中醫(yī)診療技術(shù)與診療系統(tǒng)研究 目前中醫(yī)診斷技術(shù)與診療系統(tǒng)研究主要包括：（1）四診信息的客觀化、規(guī)范化。將中醫(yī)自然語(yǔ)言描述的表達(dá)分為定量和標(biāo)準(zhǔn)化的客觀表達(dá)，如脈象“位、數(shù)、形、勢(shì)”的定量表達(dá)、舌診和面色中顏色定量的正確表達(dá)、問(wèn)診中癥狀的定量表達(dá)等；（2）四診特征的提取與分析方法的研究。利用現(xiàn)代計(jì)算機(jī)技術(shù)（神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等）、數(shù)學(xué)建模、圖像分析、頻譜分析等技術(shù)，分別研究四診特征信息的采集、識(shí)別和分析；在面色，脈象、舌象等方面形成采集規(guī)范；（3）儀器設(shè)備的研發(fā)與應(yīng)用。利用現(xiàn)代科技研發(fā)了一批四診信息檢測(cè)的傳感器和檢測(cè)儀器，并開展四診信息融合的研究，以及儀器設(shè)備的臨床觀察與應(yīng)用［29-31］。

2.3 中醫(yī)人工智能在心血管疾病的研究 中醫(yī)學(xué)側(cè)重于心血管疾病的人工智能研究：R Guo等［32-33］應(yīng)用多尺度熵對(duì)冠心病患者中醫(yī)脈象的復(fù)雜性進(jìn)行研究，為脈診作為無(wú)創(chuàng)診斷技術(shù)的發(fā)展和推廣打下基礎(chǔ)。楊濤［34］將軟計(jì)算方法引入中醫(yī)辨證系統(tǒng)的研究領(lǐng)域，構(gòu)建了心系基礎(chǔ)綜合征診斷的知識(shí)庫(kù)模型。呂胤［35］運(yùn)用Cite Space（知識(shí)可視化軟件）對(duì)高血壓病中醫(yī)證型的相關(guān)文獻(xiàn)繪制知識(shí)圖譜，分析了高血壓病中醫(yī)辨證分型的現(xiàn)狀，提出了研究方向和方法。

3 心血管相關(guān)疾病的證素研究與思考

朱文鋒教授從20世紀(jì)70年代開始研究中醫(yī)智能辨證方法，先后研發(fā)了“中醫(yī)數(shù)字辨證機(jī)”“中醫(yī)辨證論治電腦系統(tǒng)”與“WF文鋒-Ⅲ中醫(yī)輔助診療系統(tǒng)”，并建立了“加權(quán)求和浮動(dòng)閾值運(yùn)算”數(shù)學(xué)模型與“雙層頻權(quán)剪叉算法”，于2008—2009年先后出版《證素辨證學(xué)》《實(shí)用中醫(yī)辨證手冊(cè)》等專著，創(chuàng)建了完整的證素辨證體系［36］。證素辨證的核心內(nèi)容：將證素作為辨證的核心要素，其中包括病位證素以及病性證素的辨別，總結(jié)歸納了20項(xiàng)病位證素與33項(xiàng)病性證素［37］。

近年來(lái)，眾多的臨床與科研工作者基于證素辨證理論對(duì)心血管病進(jìn)行了大量的研究，主要集中在冠心病、高血壓、慢性肺源性心臟病、充血性心力衰竭、擴(kuò)張型心肌病、不穩(wěn)定型心絞痛等方面［38］。以冠心病的證素研究為例，其證素評(píng)判標(biāo)準(zhǔn)的來(lái)源有：（1）治療指南。如《慢性穩(wěn)定性心絞痛的診斷與治療指南》《不穩(wěn)定性心絞痛與非ST段抬高性心肌梗死的診斷與治療指南》《中醫(yī)內(nèi)科常見(jiàn)病證診療指南·中醫(yī)病證部分》；（2） 教材。如《中醫(yī)內(nèi)科學(xué)（第8版）》；（3） 自主建立。如基于研究近10年冠心病辨證的現(xiàn)代文獻(xiàn)建立excel的數(shù)據(jù)庫(kù)研究；（4）學(xué)會(huì)協(xié)會(huì)標(biāo)準(zhǔn)。1986年中國(guó)中西醫(yī)結(jié)合學(xué)會(huì)活血化瘀專業(yè)委員會(huì)制定的血瘀證診斷標(biāo)準(zhǔn)、1986年全國(guó)中西醫(yī)結(jié)合虛證與老年病研究專業(yè)委員會(huì)修訂的虛證辨證標(biāo)準(zhǔn)；（5）國(guó)家標(biāo)準(zhǔn)。1997年中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)《中醫(yī)臨床診療術(shù)語(yǔ)——證候部分》；（6）證素辨證學(xué)。2008年人衛(wèi)出版的《證素辨證學(xué)》；（7）其他。未明確證素診斷標(biāo)準(zhǔn)［39-44］。

由于“WF文鋒-Ⅲ中醫(yī)輔助診療系統(tǒng)”（以下簡(jiǎn)稱“WF文鋒-Ⅲ”）是單機(jī)版本等其他技術(shù)限制，其存在以下幾個(gè)方面的不足：（1）證素研究的數(shù)據(jù)納入標(biāo)準(zhǔn)不統(tǒng)一；（2）證素研究的評(píng)判標(biāo)準(zhǔn)不統(tǒng)一；（3）“WF文鋒-Ⅲ”未根據(jù)臨床與科研的研究結(jié)果進(jìn)行學(xué)習(xí)與升級(jí)；（4）“WF文鋒-Ⅲ”未借助互聯(lián)網(wǎng)建立大數(shù)據(jù)采集平臺(tái)；（5）“WF文鋒-Ⅲ”缺少既往史維度的數(shù)據(jù)庫(kù)；（6）“WF文鋒-Ⅲ”的證候未按照望聞問(wèn)切進(jìn)行分類，不利于與現(xiàn)有的四診智能診療設(shè)備進(jìn)行對(duì)接與整合；（7）“WF文鋒-Ⅲ”及其研究成果未能借助互聯(lián)網(wǎng)與移動(dòng)智能終端推廣至基層醫(yī)療機(jī)構(gòu)。

4 運(yùn)用Python實(shí)現(xiàn)中醫(yī)人工智能的優(yōu)勢(shì)

首先，基于Python自然語(yǔ)言處理（natural language processing，NLP）的文本分類研究在目前已得到廣泛應(yīng)用。自然語(yǔ)言處理在錯(cuò)綜復(fù)雜的中醫(yī)古籍、醫(yī)案、臨床數(shù)據(jù)、指南等資料中進(jìn)行數(shù)據(jù)挖掘發(fā)揮著重要的作用。NLTK（Natural Language Tool Kit）是自然語(yǔ)言工具包的簡(jiǎn)寫［45］，它提供了與自然語(yǔ)言處理相關(guān)的詞性標(biāo)注、文法分析、文本分類等工具。NLTK內(nèi)置文本分類研究所需的文檔和語(yǔ)料庫(kù)，可以直接用于語(yǔ)言處理的相應(yīng)操作［46］。Jieba分詞是Python中文分詞工具之一，Jieba分詞采用了基于Trie樹結(jié)構(gòu)的算法，Jieba分詞利用該算法高效實(shí)現(xiàn)了詞圖掃描，并且利用詞圖掃描將得到句子中漢字所有的成詞可能，并且將這些所有成詞可能的情況構(gòu)成有向無(wú)環(huán)圖，為深入研究打下基礎(chǔ)［47］。另外，Jieba分詞可通過(guò)自定義字典的學(xué)習(xí)功能，對(duì)文本的關(guān)鍵詞進(jìn)行提取，同時(shí)通過(guò)Python的Pandas模塊統(tǒng)計(jì)各自的詞頻數(shù)，可以為證素辨證學(xué)權(quán)值擬定提供更便捷的工具，實(shí)現(xiàn)智能化的證候、證型、證素的識(shí)別與統(tǒng)計(jì)功能。另外，Python中TF-IDF算法是最常見(jiàn)的特征權(quán)重計(jì)算方法［48］，用于評(píng)估字詞對(duì)文件集或語(yǔ)料庫(kù)中某篇文檔的重要性，字詞的重要性隨著它們?cè)谖臋n中出現(xiàn)的次數(shù)而正比增加，但與它們?cè)谡Z(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。其與證素辨證學(xué)中“按高頻變量權(quán)輕，低頻變量權(quán)重的原理”思路一致，可實(shí)現(xiàn)各證素權(quán)值的智能化的提取。

然后，Python有豐富的數(shù)據(jù)分析庫(kù)，有利于做大數(shù)據(jù)分析：Python是跨平臺(tái)且開源的，開發(fā)成本小，可方便快捷的實(shí)現(xiàn)數(shù)據(jù)可視化［49］。比如用于科學(xué)計(jì)算領(lǐng)域的有Numpy和Scipy，基于Web的可視化工具Django和Plotly以及統(tǒng)計(jì)模型可視化工具Seaborn。與傳統(tǒng)數(shù)據(jù)處理工具R語(yǔ)言相比，Python易于學(xué)習(xí)，近年來(lái)在各類編程語(yǔ)言中的排名逐漸上升。Python擁有豐富的腳步資源庫(kù)，如Py-Pl，方便使用者直接調(diào)用成熟的大數(shù)據(jù)分析模塊。

最后，Python中的Tensorflow框架［50］，是由谷歌團(tuán)隊(duì)研發(fā)，用于大規(guī)模、異構(gòu)環(huán)境下運(yùn)行的機(jī)器學(xué)習(xí)系統(tǒng)。Tensorflow已經(jīng)成為深度學(xué)習(xí)生態(tài)系統(tǒng)的基石，其循環(huán)神經(jīng)網(wǎng)絡(luò) （Recurrent Neural Network，RNN）［51］、長(zhǎng)短期記憶網(wǎng)絡(luò) （Long Short-Term Memory，LSTM）［52］、卷積神經(jīng)網(wǎng)絡(luò) （Convolutional Neural Networks，CNN）［53］等神經(jīng)網(wǎng)絡(luò)方法已廣泛運(yùn)用于人工智能的深度學(xué)習(xí)應(yīng)用中。例如Python已經(jīng)成功統(tǒng)計(jì)學(xué)家深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks，DNNs）的工具因?yàn)樗荛_了困難的語(yǔ)言語(yǔ)義，允許研究人員主要關(guān)注算法的設(shè)計(jì)。Python在DNNs研究領(lǐng)域成功的另一個(gè)關(guān)鍵因素是它的便捷可移植性和大量的數(shù)據(jù)庫(kù)，比如 Numpy、Scipy、Pandas、Theano等［54］。

5 小結(jié)與展望

運(yùn)用Python實(shí)現(xiàn)中醫(yī)人工智能的優(yōu)勢(shì)十分明顯，因?yàn)镻ython的開源性和豐富的應(yīng)用模塊，其應(yīng)用模塊集成了各種最先進(jìn)的機(jī)器學(xué)習(xí)算法，方便學(xué)習(xí)與應(yīng)用。且國(guó)內(nèi)尚未有基于Python對(duì)證素辨證心系疾病的診斷方法進(jìn)行研究的報(bào)道。因此，通過(guò)Python語(yǔ)言，借助大數(shù)據(jù)挖掘、人工智能機(jī)器學(xué)習(xí)等先進(jìn)科技手段，基于證素辨證學(xué)的理論研究心系疾病智能診斷方法，并運(yùn)用于基層醫(yī)療機(jī)構(gòu)的課題研究，具有十分重要的意義與應(yīng)用價(jià)值，其體現(xiàn)在以下幾個(gè)方面：（1）政策方面：通過(guò)多學(xué)科前沿技術(shù)與中醫(yī)藥的深度交叉融合，助力基層中醫(yī)藥服務(wù)能力提升工程的落地；（2）學(xué)術(shù)方面：利于中醫(yī)藥在人工智能領(lǐng)域的發(fā)展，促進(jìn)中醫(yī)診斷學(xué)在中醫(yī)辨證學(xué)與數(shù)字中醫(yī)藥方向的發(fā)展；（3）應(yīng)用方面：為基層醫(yī)療機(jī)構(gòu)提供辨證論治的輔助工具，提升其運(yùn)用中醫(yī)藥防治心血管病的服務(wù)能力。