孔 亮 楊 婷 范華雨 楊 鑫 崔宏勛 郭馬瓏 曹向陽*

1.湖南中醫(yī)藥大學(xué)，湖南 長沙 410208；2.河南省洛陽正骨醫(yī)院/河南省骨科醫(yī)院，河南 洛陽 471000

中醫(yī)(Traditional Chinese Medicine, TCM)是中華民族防治疾病數(shù)千年的經(jīng)驗(yàn)積累，但時(shí)至今日中醫(yī)診療方式的信度水平仍然較低，主要原因之一就是中醫(yī)傳統(tǒng)的四診模式缺乏客觀量化依據(jù)。診斷數(shù)據(jù)的客觀量化將為中醫(yī)開啟定量分析的時(shí)代，將大幅度提高疾病的診治精度。為解決客觀量化問題，人工智能技術(shù)在20世紀(jì)70年代就被引入中醫(yī)診斷領(lǐng)域[1]，但由于未能解決邏輯推理和客觀量化問題，其發(fā)展速度較為遲緩。近年來，得益于微傳感器[2-3]、深度學(xué)習(xí)技術(shù)[4-5]以及遠(yuǎn)程醫(yī)療[6-7]的突破性進(jìn)展，中醫(yī)診斷的智能化又一次迎來變革契機(jī)。推動(dòng)中醫(yī)藥現(xiàn)代化，支持中醫(yī)辨證論治智能輔助系統(tǒng)應(yīng)用，提升基層中醫(yī)診療服務(wù)能力已成為行業(yè)乃至全國的戰(zhàn)略性科技發(fā)展規(guī)劃[8]，用現(xiàn)代科學(xué)技術(shù)解決中醫(yī)藥領(lǐng)域的關(guān)鍵問題也將成為一項(xiàng)亟待研究的工作。

1 中醫(yī)四診客觀量化的技術(shù)研究

在中醫(yī)理論體系中，臨床上的任何癥狀或體征都有其特殊的含義，中醫(yī)不依靠特殊的“理化指標(biāo)”，不從單一局部判斷病情，而是從整體進(jìn)行定性分析。這種傳統(tǒng)意義上的中醫(yī)四診模式存在較大的誤差：首先，依靠醫(yī)者五官獲取的病人資料具有較強(qiáng)主觀性；其次，患者在癥狀描述上的偏差極易誤導(dǎo)醫(yī)者；最后，缺乏標(biāo)準(zhǔn)化術(shù)語、中醫(yī)藥信息管理質(zhì)量較差等多種因素共同阻礙著中醫(yī)臨床決策客觀化的發(fā)展。因此，對(duì)中醫(yī)診斷線索進(jìn)行量化、客觀反映中醫(yī)規(guī)律、闡釋中醫(yī)療效，在中醫(yī)現(xiàn)代化戰(zhàn)略中具有特殊意義。

1.1 中醫(yī)望診 單就中醫(yī)四診中的望診而言，以舌診的研究最為深入，近千年的發(fā)展為其奠定了厚重的基石。而近年來，更多的科研工作者加入到該方向的研究中，并提出了更多的量化途徑，如ZHANG D[9]等通過構(gòu)建數(shù)學(xué)幾何模型的方法對(duì)舌形進(jìn)行識(shí)別分類，訓(xùn)練模型準(zhǔn)確率達(dá)90.3%。王昇[10]對(duì)舌面點(diǎn)刺及瘀點(diǎn)設(shè)計(jì)了自動(dòng)識(shí)別與提取系統(tǒng)，其識(shí)別準(zhǔn)確率達(dá)到97.4%。LI Q等[11-12]借助高光譜技術(shù)分別提取出了舌裂紋及舌苔信息，證實(shí)了高光譜技術(shù)在舌診信息提取方面具有高應(yīng)用價(jià)值。而在舌診數(shù)據(jù)信息處理方面，闞紅星[13]提出了一種基于隨機(jī)森林理論的舌圖像識(shí)別算法，其平均識(shí)別準(zhǔn)確率為90.37%。MENG D[14]等基于卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了約束高擴(kuò)散神經(jīng)網(wǎng)絡(luò)舌診框架，為以往數(shù)據(jù)冗余和權(quán)重分配不平衡的問題提供了很好的解決思路。R Kanawong[15]等人設(shè)計(jì)了監(jiān)督學(xué)習(xí)的舌象分析程序并開發(fā)了移動(dòng)健康診斷終端，基于用戶使用過程中產(chǎn)生的數(shù)據(jù)量進(jìn)行分類模型訓(xùn)練從而提高其性能?？傊嘣\的研究已經(jīng)較為廣泛深入，但在相同用途上缺乏比較，不同用途上缺乏整合，技術(shù)上的不斷成熟說明了客觀化研究具有一定的可行性，未來可提供高質(zhì)量的分析數(shù)據(jù)。在唇診方面，F(xiàn). Li[16]等設(shè)計(jì)了基于多級(jí)分類向量機(jī)的電腦輔助唇診系統(tǒng)，通過圖像處理、特征提取、特征選擇、特征分類4步將257幅口唇圖像分成絳、紅、淡紅、蒼白4類，開創(chuàng)唇診圖像識(shí)別領(lǐng)域的先河。而在面診方面，LIU C[17]等通過面部分割的方法提取面部全局及局部的顏色特征，隨后對(duì)高維數(shù)據(jù)降維處理，再通過對(duì)支持向量機(jī)(Support Vector Machine, SVM), 樸素貝葉斯(Naive Bayes, NB), k最鄰近(K Nearest Neighbors, KNN)和Adaboost迭代四種分類器進(jìn)行性能評(píng)測(cè)，將性能最佳的分類器與之前的降維數(shù)據(jù)進(jìn)行加權(quán)融合，獲得最佳的分類性能，最終證明了局部特征的高分析價(jià)值。ZHAO C[18]等人以色彩和光澤的兩大方面的特征訓(xùn)練SVM分類器最終實(shí)現(xiàn)了86.89%的識(shí)別精度。ZHANG B[19]等人基于更先進(jìn)的稀疏表達(dá)分類器(sparse representation classifier, SRC)對(duì)糖尿病人與正常人進(jìn)行區(qū)分，最終得到的平均準(zhǔn)確率高達(dá)97.54%。望診研究主要以圖像處理和機(jī)器學(xué)習(xí)的方法來對(duì)面、舌、唇進(jìn)行證型識(shí)別，通過大量數(shù)據(jù)的標(biāo)注訓(xùn)練，可實(shí)現(xiàn)的識(shí)別精度較高，說明運(yùn)用圖像識(shí)別技術(shù)可實(shí)現(xiàn)中醫(yī)證型的望診自動(dòng)診斷，具有良好的前景，且結(jié)合目前的云計(jì)算方法，加速擴(kuò)充樣本體量，不斷提高識(shí)別精度，未來將成為智慧中醫(yī)診斷的重要依據(jù)來源。這種源于古典，結(jié)合現(xiàn)代技術(shù)的診斷方法有望成為現(xiàn)代醫(yī)學(xué)的有力補(bǔ)充[20]。

1.2 中醫(yī)切診 中醫(yī)切診即脈診，通過寸關(guān)尺部橈動(dòng)脈的波動(dòng)來探查全身氣血運(yùn)行狀態(tài)及五臟六腑的變化。由于脈診具有非侵入性和便利性，在現(xiàn)代醫(yī)學(xué)中也有很好的發(fā)展前景。LIU S[21]等設(shè)計(jì)了一種由壓電和壓阻傳感器的柔性負(fù)荷壓力傳感器陣列，可以測(cè)量脈沖波和靜壓，在搜集脈搏波的深度信息時(shí)還兼具良好的重復(fù)性和抗干擾性。ZHOU HL[22]將橈動(dòng)脈壓力分解成動(dòng)態(tài)力和靜態(tài)力進(jìn)行檢測(cè)，其設(shè)計(jì)的觸力傳感器在滿足大量程和高精度要求的同時(shí)，降低了制作的難度和成本，加速了觸力傳感器的推廣和應(yīng)用。而更多的學(xué)者研究了脈象波所蘊(yùn)含的意義，GUO R[23]等使用Hilbert-Huang變換將正常人和心臟病患者脈沖信號(hào)都進(jìn)行時(shí)間序列處理，然后利用隨機(jī)森林分類器對(duì)提取出的特征建立分類模型，最終發(fā)現(xiàn)能量特征和樣本熵特征的組合作為輸入特征向量時(shí)的平均準(zhǔn)確率最高，達(dá)90.21%。JIANG Z[24]等提出一種基于離散傅里葉級(jí)數(shù)(Discrete Fourier Series，DFS)的特征提取方法，先將波形信號(hào)拆分成不同頻率和振幅的子信號(hào)，再用DFS擬合，最終表明誤差較以往縮小。此外，該方法可以較好地表示原始信息和潛在信息，以更好地區(qū)分不同生理及病理狀態(tài)。Tsai Y N[25]等人利用傅里葉變換(Fourier Transform，F(xiàn)T)對(duì)徑向脈診不同位置和不同指標(biāo)間的差異進(jìn)行研究，指出在脈診的研究方面應(yīng)仔細(xì)選擇測(cè)量位置，從而確保獲取信息的完整性。此外，Lee B J[26]、Moura N G R D[27]、HU X J[28]等人也對(duì)高血壓病人的脈搏波進(jìn)行了大量的研究，其成果可以作為老年人心血管病風(fēng)險(xiǎn)研究基礎(chǔ)，對(duì)老年人的心血管功能進(jìn)行預(yù)測(cè)?？傊}診方面的研究，總體環(huán)節(jié)已經(jīng)健全，但缺乏局部節(jié)點(diǎn)技術(shù)上的突破。未來仍需提高傳感器的精度，避免測(cè)量偏倚，尋找不同證型波形的特征點(diǎn)，改善模型的識(shí)別效能。

1.3 中醫(yī)聞診 中醫(yī)聞診是通過聽聲音和嗅氣味來了解患者病情變化的方法。與人類指紋類似，聲音和言語模式富含特異性信息，具有極強(qiáng)的鑒別作用，如今在安防領(lǐng)域已有較多關(guān)于聲紋的應(yīng)用。2004年，Pelling A E[29]在《Science》上刊登的關(guān)于細(xì)胞聲學(xué)的研究發(fā)現(xiàn)，細(xì)胞從生長到凋亡，或是生存狀態(tài)的改變都會(huì)對(duì)細(xì)胞壁的振動(dòng)頻率產(chǎn)生影響。因此，從宏觀的角度考慮，生物體聲音的變化也可能會(huì)反映其生理病理狀態(tài)的改變，這與兩千年前中國古典醫(yī)籍《黃帝內(nèi)經(jīng)》通過聲音見微知著，調(diào)整亞健康狀態(tài)，預(yù)防疾病發(fā)生的觀點(diǎn)不謀而合。然而人類的聽覺能力還不足以提取、理解、識(shí)別這種微小差異，因此聞診的客觀化有賴于對(duì)聲音和氣味傳感器的研究開發(fā)。在聲學(xué)的研究方面，高也陶[30]等研發(fā)的二十五音分析儀為中醫(yī)聲診最先的嘗試，在后續(xù)汪東麗等人[31-32]的實(shí)證研究中分別證明了不同年齡女性、女性寒熱體質(zhì)的聲學(xué)差別。近來，YAN J J[33]等基于分形維數(shù)(Fractal Dimension)提取肺氣虛、肺陰虛、健康受試者的聲學(xué)特征，經(jīng)多分類SVM訓(xùn)練模型訓(xùn)練，最終在預(yù)先區(qū)分性別因素的前提下得到86.05%的整體識(shí)別率。在氣味的研究方面，劉鶯[34]等人運(yùn)用氣相色譜技術(shù)對(duì)70名口臭患者呼出氣體進(jìn)行定量檢測(cè)，證明不同含量的致臭物質(zhì)與中醫(yī)的不同證型有一定對(duì)應(yīng)關(guān)系。WU C[35]等就味覺和嗅覺的生物傳感器發(fā)展現(xiàn)狀進(jìn)行了總結(jié)，并按照體外和體內(nèi)分為兩大類，前者是以味覺、嗅覺生物組織和細(xì)胞、受體作為敏感元素來收集刺激信號(hào)，后者是在動(dòng)物體內(nèi)植入微電極，記錄信號(hào)通路所獲得的信號(hào)。良好的傳感器是中醫(yī)診斷客觀化的基礎(chǔ)，仿生傳感器在中醫(yī)聞診中的應(yīng)用則能提升中醫(yī)聞診的地位，使其在四診中發(fā)揮更重要的作用。

1.4 中醫(yī)問診 中醫(yī)問診是醫(yī)者獲取患者臨床資料的手段之一，在四診中占有重要地位[36]。中醫(yī)問診的智能化研究不僅可以搜集患者的非癥狀信息[37]，還可以極大提高醫(yī)者獲取病人資料的精確性和效率，也是中醫(yī)現(xiàn)代化中不可或缺的環(huán)節(jié)。梁建慶[38]應(yīng)用數(shù)字化問診系統(tǒng)對(duì)帕金森病的中醫(yī)證型和癥狀進(jìn)行數(shù)據(jù)挖掘分析，在378例臨床病人的測(cè)試中，最終得到90%的臨床診斷符合率，具有相當(dāng)?shù)膽?yīng)用價(jià)值。此外，鐘濤等人通過借助復(fù)雜系統(tǒng)方法構(gòu)建慢性胃炎中醫(yī)問診證候模型，針對(duì)中醫(yī)問診的整體性、動(dòng)態(tài)性、非線性、復(fù)雜性的特征挑選出每個(gè)證型相關(guān)癥狀群，再通過復(fù)雜網(wǎng)格對(duì)數(shù)據(jù)關(guān)系進(jìn)行挖掘，最終得到的辨證多標(biāo)記學(xué)習(xí)模型準(zhǔn)確率達(dá)82.5%[39]。近年來，由于中醫(yī)大數(shù)據(jù)應(yīng)用的戰(zhàn)略部署[40]，中醫(yī)相關(guān)的知識(shí)挖掘、隱性知識(shí)發(fā)現(xiàn)、語音識(shí)別等方面的研究明顯加快，結(jié)合目前醫(yī)療狀況，中醫(yī)智能輔助問診具有很好的發(fā)展前景[41]。

2 中醫(yī)四診輔助技術(shù)的未來展望

近十年來科技發(fā)展到一個(gè)拐點(diǎn)，人工智能語音識(shí)別率的大幅提高為人機(jī)對(duì)話掃清了障礙，5G通信的商業(yè)試用和微傳感器的發(fā)展為大數(shù)據(jù)和人工智能的發(fā)展提供了蓬勃?jiǎng)恿?。面?duì)極其復(fù)雜的中醫(yī)知識(shí)網(wǎng)絡(luò)，亦有許多學(xué)者提出不同的發(fā)展方向，比如應(yīng)用虛擬現(xiàn)實(shí)技術(shù)和高精度傳感器來遠(yuǎn)程模擬中醫(yī)醫(yī)師和患者面對(duì)面交流的場(chǎng)景；診治過程中記錄下的電子數(shù)據(jù)通過再呈現(xiàn)的方式用于年輕醫(yī)師情景教學(xué)；構(gòu)建大數(shù)據(jù)網(wǎng)絡(luò)平臺(tái)和自學(xué)習(xí)知識(shí)系統(tǒng)，將計(jì)算機(jī)人工智能發(fā)展的目標(biāo)從自主決策者變?yōu)樵\療建議者，使用人機(jī)結(jié)合的模式，該方法既可以成功減少大量的學(xué)科知識(shí)給臨床醫(yī)師帶來的記憶壓力，又可以有效地減少醫(yī)師診療過程中出現(xiàn)偶然差錯(cuò)的機(jī)會(huì)。

在大數(shù)據(jù)時(shí)代背景下，人類對(duì)于世界的感知將達(dá)到一個(gè)前所未有的高度，憑借人工智能技術(shù)的計(jì)算機(jī)工程會(huì)徹底改變“強(qiáng)調(diào)實(shí)驗(yàn)數(shù)據(jù)”的科學(xué)研究思路，因?yàn)闆]有人能知道訓(xùn)練模型之中的擬合參數(shù)，但這種重相關(guān)勝于因果的方法將加速世界發(fā)展[42]。傳統(tǒng)中醫(yī)依托文化和意象思維，現(xiàn)代科技依托客觀物質(zhì)基礎(chǔ)，貫通古今，尊重中醫(yī)本體特征，延展出新理論，并應(yīng)用不同方法角度給出客觀評(píng)價(jià)，提高中醫(yī)信度，將是中醫(yī)未來發(fā)展的重要途徑。