楊濤，朱學(xué)芳

(1.南京大學(xué)信息管理學(xué)院，江蘇 南京 210023；2.南京中醫(yī)藥大學(xué)人工智能與信息技術(shù)學(xué)院，江蘇 南京 210023)

證是中醫(yī)學(xué)特有的概念，是對(duì)疾病過(guò)程中所處特定階段的病位、病性、病因以及病勢(shì)等所作出的病理性概括。辨證是在中醫(yī)學(xué)的理論指導(dǎo)下，對(duì)病人的各種臨床資料進(jìn)行綜合分析，從而對(duì)疾病當(dāng)前的病位與病性等本質(zhì)做出判斷，并概括為完整證名的思維過(guò)程[1]。辨證是中醫(yī)臨床立法、處方、用藥的前提和基礎(chǔ)，辨證準(zhǔn)確與否直接影響著臨床療效[2]。近半個(gè)世紀(jì)以來(lái)，眾多學(xué)者在辨證規(guī)范化、數(shù)字化和智能化方面進(jìn)行了深入的探索，為中醫(yī)辨證智能化發(fā)展做出了重要貢獻(xiàn)[3-7]。近年來(lái)，隨著人工智能新技術(shù)的飛速發(fā)展，中醫(yī)辨證智能化迎來(lái)了新的機(jī)遇與挑戰(zhàn)。鑒于此，本文就中醫(yī)辨證智能化研究現(xiàn)狀及發(fā)展趨勢(shì)進(jìn)行總結(jié)和探討，以期為中醫(yī)辨證的數(shù)字化和智能化發(fā)展提供借鑒。

1 中醫(yī)辨證智能化研究背景

在信息技術(shù)(特別是人工智能)飛速發(fā)展的背景下,多方面因素共同促成中醫(yī)辨證走上數(shù)字化和智能化的發(fā)展道路，這其中既有中醫(yī)發(fā)展本身的要求，也有科技發(fā)展的客觀(guān)因素。

1.1 中醫(yī)現(xiàn)代化發(fā)展的迫切需求

中醫(yī)辨證主要依賴(lài)臨床專(zhuān)家的感官采集患者的四診信息，并在中醫(yī)理論指導(dǎo)下進(jìn)行分析和判斷，因而受到較多主觀(guān)因素的影響；加上不同醫(yī)家學(xué)術(shù)流派、知識(shí)結(jié)構(gòu)和臨證經(jīng)驗(yàn)等存在差異，導(dǎo)致臨床上常會(huì)出現(xiàn)辨證不準(zhǔn)、辨證不一等問(wèn)題。而統(tǒng)一規(guī)范的中醫(yī)辨證模式是中醫(yī)辨證智能化的基礎(chǔ)，也是中醫(yī)現(xiàn)代化發(fā)展的重要內(nèi)容之一。借助信息技術(shù)建立標(biāo)準(zhǔn)化的四診采集和分析系統(tǒng)，有望實(shí)現(xiàn)中醫(yī)辨證的規(guī)范化和標(biāo)準(zhǔn)化。

1.2 名老中醫(yī)經(jīng)驗(yàn)傳承的迫切需要

名老中醫(yī)是中醫(yī)界的楷模，具有較高的理論水平和豐富的實(shí)踐經(jīng)驗(yàn)，代表著中醫(yī)藥學(xué)術(shù)和臨床研究的最高水平。然而，名老中醫(yī)的成長(zhǎng)周期漫長(zhǎng)，供需嚴(yán)重失衡。學(xué)習(xí)、總結(jié)和傳承名老中醫(yī)經(jīng)驗(yàn)成為中醫(yī)傳承與發(fā)展的重要課題。借助人工智能技術(shù)，將名老中醫(yī)的經(jīng)驗(yàn)進(jìn)行數(shù)據(jù)化存儲(chǔ)、分析和利用，構(gòu)建名老中醫(yī)專(zhuān)家系統(tǒng)，可以有效解決名老中醫(yī)經(jīng)驗(yàn)傳承問(wèn)題。

1.3 現(xiàn)代科技發(fā)展的必然選擇

隨著1956年達(dá)特茅斯會(huì)議開(kāi)啟人工智能元年，人類(lèi)進(jìn)入了人工智能新時(shí)代。各個(gè)學(xué)科走上了數(shù)字化和智能化探索之路。美國(guó)斯坦福大學(xué)在1976年成功研制了用于鑒別細(xì)菌感染及治療的醫(yī)學(xué)專(zhuān)家系統(tǒng)MYCIN[8]，開(kāi)啟了醫(yī)學(xué)專(zhuān)家系統(tǒng)研究的序幕。國(guó)內(nèi)也于1978年開(kāi)始中醫(yī)專(zhuān)家系統(tǒng)的研制，之后各種專(zhuān)家系統(tǒng)如雨后春筍般出現(xiàn)[9]。隨著信息化的發(fā)展，中醫(yī)臨床大數(shù)據(jù)也呈指數(shù)級(jí)增長(zhǎng)，海量的數(shù)據(jù)推動(dòng)了中醫(yī)智能化朝著以數(shù)據(jù)為驅(qū)動(dòng)的新方向發(fā)展。在國(guó)家中醫(yī)藥發(fā)展政策的大力支持下，現(xiàn)代科技的大力推動(dòng)下，中醫(yī)現(xiàn)代化發(fā)展的迫切需求下，中醫(yī)辨證的智能化發(fā)展迎來(lái)了前所未有的機(jī)遇。

2 中醫(yī)辨證智能化研究現(xiàn)狀

中醫(yī)辨證是一個(gè)復(fù)雜的思維過(guò)程，臨床信息與證候之間存在復(fù)雜的映射關(guān)系[10]。建立科學(xué)、精準(zhǔn)的中醫(yī)辨證模型一直是中醫(yī)診斷領(lǐng)域探索的目標(biāo)之一。眾多專(zhuān)家學(xué)者圍繞中醫(yī)辨證問(wèn)題進(jìn)行了研究，提出了形式多樣的中醫(yī)辨證數(shù)學(xué)模型和知識(shí)表達(dá)方法，包括邏輯符號(hào)推理、模糊邏輯運(yùn)算、數(shù)理統(tǒng)計(jì)、案例推理、機(jī)器學(xué)習(xí)等[11-15]?？v觀(guān)整個(gè)中醫(yī)辨證智能化發(fā)展脈絡(luò)，可以將研究方法籠統(tǒng)地歸納為知識(shí)工程、數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)四大類(lèi)。

2.1 知識(shí)工程

1978年國(guó)內(nèi)掀起了中醫(yī)專(zhuān)家系統(tǒng)的研究熱潮。通過(guò)總結(jié)名老中醫(yī)專(zhuān)家的診療知識(shí)，利用邏輯符號(hào)語(yǔ)言將其表示為產(chǎn)生式規(guī)則，形成知識(shí)庫(kù)；利用前向推理、反向推理等策略，實(shí)現(xiàn)中醫(yī)知識(shí)的推理和決策，進(jìn)而模擬中醫(yī)專(zhuān)家思維，實(shí)現(xiàn)自動(dòng)化診療。其中比較有代表性的有關(guān)幼波診療肝病計(jì)算機(jī)程序、鄒云翔中醫(yī)腎病計(jì)算機(jī)診療系統(tǒng)、姚貞白婦科專(zhuān)家診療系統(tǒng)等[16-18]。利用知識(shí)工程方法構(gòu)建中醫(yī)辨證模型推理邏輯清晰，容易被中醫(yī)專(zhuān)家認(rèn)可。然而，將中醫(yī)知識(shí)抽象成規(guī)則是一項(xiàng)復(fù)雜的工作，經(jīng)常出現(xiàn)規(guī)則不準(zhǔn)、規(guī)則不全等問(wèn)題；此外，當(dāng)規(guī)則較多、推理鏈較長(zhǎng)時(shí)，容易出現(xiàn)前后矛盾的推理，甚至循環(huán)推理等問(wèn)題[16]。隨著科學(xué)技術(shù)的發(fā)展，知識(shí)圖譜成為知識(shí)工程新的研究熱點(diǎn)，利用知識(shí)抽取、融合、推理等技術(shù)，構(gòu)造較為完善的中醫(yī)辨證知識(shí)圖譜，有望實(shí)現(xiàn)更為科學(xué)的中醫(yī)智能辨證。

2.2 數(shù)理統(tǒng)計(jì)

利用加權(quán)求和、判別分析、回歸分析等模型構(gòu)建中醫(yī)辨證模型。這類(lèi)方法的特點(diǎn)是利用較為簡(jiǎn)單的函數(shù)或者方程模擬中醫(yī)辨證。例如，朱文鋒教授自主設(shè)計(jì)“雙層頻權(quán)剪叉算法”和“加權(quán)求和浮動(dòng)閾值運(yùn)算”數(shù)學(xué)模型，成功研制了“文鋒”系列中醫(yī)輔助診療系統(tǒng)[2]。曾聃等利用逐步判別分析法對(duì)224例肝病患者的127個(gè)指標(biāo)進(jìn)行了建模，判別正確率達(dá)84.38%[19]。張啟明應(yīng)用Logistic回歸分析分別對(duì)心病、肺病等進(jìn)行了建模，實(shí)現(xiàn)了上述疾病的辨證分型[20-21]。數(shù)理統(tǒng)計(jì)方法簡(jiǎn)單易用，在單一病證上尚可以達(dá)到較好的效果，但難以有效模擬非線(xiàn)性復(fù)雜病證的映射關(guān)系。

2.3 機(jī)器學(xué)習(xí)

隨著信息化的飛速發(fā)展，數(shù)據(jù)呈指數(shù)級(jí)的增長(zhǎng)，海量數(shù)據(jù)為人工智能的發(fā)展帶來(lái)前所未有的數(shù)據(jù)紅利。以數(shù)據(jù)為基礎(chǔ)的機(jī)器學(xué)習(xí)方法逐漸成為人工智能研究的主流方向之一。在中醫(yī)診斷領(lǐng)域，機(jī)器學(xué)習(xí)方法也被廣泛地借鑒和應(yīng)用，中醫(yī)智能辨證研究也進(jìn)入了數(shù)據(jù)驅(qū)動(dòng)的時(shí)代，出現(xiàn)了一大批研究成果。丁亮等[22]利用深度神經(jīng)網(wǎng)絡(luò)對(duì)976例原發(fā)性肝癌病例進(jìn)行建模，成功建立了原發(fā)性肝癌證型診斷分類(lèi)模型，診斷準(zhǔn)確率達(dá)82.8%。蘇翀等[23]利用決策樹(shù)算法對(duì)230例慢性阻塞性肺病患者數(shù)據(jù)進(jìn)行建模，建立了慢性阻塞性肺病辨證模型，診斷準(zhǔn)確率超過(guò)90%。Xia等[24]利用多標(biāo)記K近鄰算法(ML-KNN)對(duì)767例臨床病例進(jìn)行建模，成功建立了代謝綜合征的辨證模型。這類(lèi)方法大多針對(duì)單一疾病構(gòu)建證候分類(lèi)模型，將復(fù)雜的辨證問(wèn)題轉(zhuǎn)化為幾個(gè)基本證型的分類(lèi)問(wèn)題，難以應(yīng)對(duì)臨床復(fù)雜的多病證兼夾診斷問(wèn)題，臨床適用性不強(qiáng)。

2.4 深度學(xué)習(xí)

廣義上講，深度學(xué)習(xí)屬于特殊的機(jī)器學(xué)習(xí)，但其與傳統(tǒng)以特征工程為基礎(chǔ)的機(jī)器學(xué)習(xí)又有著本質(zhì)區(qū)別。其強(qiáng)大的自主特征學(xué)習(xí)和表示能力使其成為人工智能領(lǐng)域的新熱點(diǎn)。Pang等[25]將深度神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制相結(jié)合，對(duì)10 910例艾滋病數(shù)據(jù)集進(jìn)行了辨證模型構(gòu)建，準(zhǔn)確率達(dá)87.6%，表現(xiàn)優(yōu)于其他模型。Liu等[26]將RCNN、Text-HAN等多種深度學(xué)習(xí)模型應(yīng)用于1 206例肺癌患者的辨證分型，最優(yōu)的模型F1值達(dá)到88.84%。深度學(xué)習(xí)模型構(gòu)建需要大量的訓(xùn)練樣本，數(shù)據(jù)的規(guī)模和質(zhì)量影響著模型效果。此外，隨著網(wǎng)絡(luò)層數(shù)的增加，模型結(jié)構(gòu)越發(fā)復(fù)雜，其可解釋性也越來(lái)越差。醫(yī)學(xué)診斷希望有較強(qiáng)的規(guī)律性和可解釋性，其黑箱特性也制約了其在醫(yī)療領(lǐng)域的應(yīng)用。在深度學(xué)習(xí)領(lǐng)域，也有學(xué)者開(kāi)始關(guān)注模型的解釋性研究，取得了一些成果，隨著研究的深入，有望在未來(lái)解決深度學(xué)習(xí)模型的解釋問(wèn)題。

3 中醫(yī)辨證智能化面臨的問(wèn)題和對(duì)策

3.1 中醫(yī)辨證本身規(guī)范化和標(biāo)準(zhǔn)化問(wèn)題

中醫(yī)辨證智能化離不開(kāi)統(tǒng)一規(guī)范的辨證理論支撐。歷代醫(yī)家提出了多種辨證方法，它們相互交織、互為補(bǔ)充，共同指導(dǎo)著中醫(yī)臨床實(shí)踐。而如何有效地甄別選用辨證方法？如何讓辨證結(jié)果規(guī)范統(tǒng)一？如何讓辨證可量化、可重復(fù)？這些問(wèn)題嚴(yán)重阻礙了中醫(yī)辨證的智能化發(fā)展。誠(chéng)然，圍繞某一學(xué)術(shù)流派或者專(zhuān)家構(gòu)建智能辨證系統(tǒng)也有其生命力，但從中醫(yī)現(xiàn)代化和國(guó)際化發(fā)展的角度而言，圍繞統(tǒng)一規(guī)范的中醫(yī)辨證理論體系構(gòu)建智能辨證系統(tǒng)，對(duì)中醫(yī)的發(fā)展更有裨益。

因此，應(yīng)當(dāng)對(duì)中醫(yī)辨證進(jìn)行深入研究，在繼承以往辨證經(jīng)驗(yàn)的基礎(chǔ)上，充分考慮辨證的靈活性和規(guī)范性，以及證的層次性和結(jié)構(gòu)性，實(shí)現(xiàn)辨證的規(guī)范化和標(biāo)準(zhǔn)化。在這一方面，眾多學(xué)者做出了杰出工作。例如，朱文鋒教授提出“證素辨證學(xué)”[2]，采用“根據(jù)證候、辨別證素、組成證名”的辨證原則，系統(tǒng)總結(jié)了常見(jiàn)證素及其組合規(guī)律，實(shí)現(xiàn)了辨證的規(guī)范。周仲瑛教授提出“病機(jī)病證學(xué)”[27]，總結(jié)了病機(jī)十三條，建立了病機(jī)辨證網(wǎng)絡(luò)及其交叉復(fù)合關(guān)系，執(zhí)簡(jiǎn)馭繁的指導(dǎo)臨床辨證。吳承玉教授提出“藏象辨證學(xué)”[28]，以五臟系統(tǒng)為病位核心，按病性分類(lèi)立證，采用單一病性和病位組成基礎(chǔ)證，再由基礎(chǔ)證組成臨床上復(fù)雜的證型，實(shí)現(xiàn)了辨證的靈活和規(guī)范。

3.2 中醫(yī)標(biāo)準(zhǔn)數(shù)據(jù)集的統(tǒng)一規(guī)范問(wèn)題

當(dāng)前，人工智能發(fā)展進(jìn)入了以數(shù)據(jù)為基礎(chǔ)的智能時(shí)代，模型訓(xùn)練依賴(lài)大樣本標(biāo)記數(shù)據(jù)的學(xué)習(xí)，海量?jī)?yōu)質(zhì)的標(biāo)準(zhǔn)數(shù)據(jù)集對(duì)智能辨證模型構(gòu)建顯得尤為關(guān)鍵。然而，由于客觀(guān)化的四診信息采集普及程度不高，中醫(yī)標(biāo)準(zhǔn)規(guī)范的缺位，以及臨床數(shù)據(jù)隱私保護(hù)等多方面原因，導(dǎo)致中醫(yī)領(lǐng)域難以形成大型的標(biāo)準(zhǔn)數(shù)據(jù)集，特別是涵蓋四診客觀(guān)化數(shù)據(jù)的標(biāo)準(zhǔn)數(shù)據(jù)集。

因此，要進(jìn)一步普及四診采集設(shè)備，最大限度地采集客觀(guān)化數(shù)據(jù)；建立、健全中醫(yī)數(shù)據(jù)采集、存儲(chǔ)、分析、利用、保護(hù)等相關(guān)規(guī)范和標(biāo)準(zhǔn)，加強(qiáng)規(guī)范和標(biāo)準(zhǔn)的執(zhí)行和落地；依托國(guó)家和省級(jí)中醫(yī)藥數(shù)據(jù)中心，構(gòu)建統(tǒng)一規(guī)范的中醫(yī)標(biāo)準(zhǔn)數(shù)據(jù)集，為智能辨證模型構(gòu)建提供優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)。當(dāng)前，以中國(guó)中醫(yī)科學(xué)院為代表的研究機(jī)構(gòu)已經(jīng)開(kāi)始嘗試建立中醫(yī)藥知識(shí)圖譜、中醫(yī)古籍?dāng)?shù)據(jù)平臺(tái)、中醫(yī)臨床大數(shù)據(jù)平臺(tái)等[29-31]，為今后統(tǒng)一規(guī)范的中醫(yī)標(biāo)準(zhǔn)數(shù)據(jù)集建立奠定了基礎(chǔ)。

3.3 智能方法的設(shè)計(jì)和選用問(wèn)題

中醫(yī)智能辨證模型的構(gòu)建大多直接應(yīng)用較為成熟的人工智能方法。然而，無(wú)論是知識(shí)工程、數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)還是深度學(xué)習(xí)等方法都存在各自的局限性。知識(shí)工程難以解決推理鏈過(guò)長(zhǎng)導(dǎo)致的矛盾推理和循環(huán)推理問(wèn)題；數(shù)理統(tǒng)計(jì)難以有效模擬中醫(yī)辨證非線(xiàn)性的復(fù)雜映射關(guān)系；機(jī)器學(xué)習(xí)過(guò)分依賴(lài)大樣本高質(zhì)量的標(biāo)注數(shù)據(jù)；深度學(xué)習(xí)的數(shù)據(jù)依賴(lài)性和可解釋性也受到行業(yè)詬病。

因此，要充分認(rèn)識(shí)到不同分析方法的優(yōu)缺點(diǎn)，根據(jù)具體問(wèn)題和數(shù)據(jù)特點(diǎn)，選擇合適的方法；此外，可以嘗試將多種方法融合起來(lái)建模，取長(zhǎng)補(bǔ)短，實(shí)現(xiàn)更為精準(zhǔn)的辨證；最后，要根據(jù)中醫(yī)辨證思維特點(diǎn)(如病證結(jié)合、從癥辨證等)，設(shè)計(jì)符合中醫(yī)辨證理論的智能辨證數(shù)學(xué)模型，兼顧模型的準(zhǔn)確性和可解釋性，更好地模擬中醫(yī)辨證思維，服務(wù)中醫(yī)臨床。

4 中醫(yī)辨證智能化發(fā)展趨勢(shì)

中醫(yī)辨證智能化需要以統(tǒng)一規(guī)范的中醫(yī)理論為指導(dǎo)，設(shè)計(jì)相應(yīng)的數(shù)學(xué)模型，切實(shí)處理好先驗(yàn)知識(shí)和臨床數(shù)據(jù)之間的關(guān)系，實(shí)現(xiàn)符合中醫(yī)“以象測(cè)藏，從癥辨證”思維的中醫(yī)辨證模型，實(shí)現(xiàn)真正意義上的類(lèi)腦計(jì)算和認(rèn)知智能。

4.1 多模態(tài)數(shù)據(jù)的相互融合

多模態(tài)是指兩種以上的來(lái)源或者形式的數(shù)據(jù)，例如四診通過(guò)觸覺(jué)、聽(tīng)覺(jué)、視覺(jué)、嗅覺(jué)采集的不同類(lèi)型的數(shù)據(jù)(圖像、文本、聲音、視頻等)[32]。當(dāng)前，多模態(tài)機(jī)器學(xué)習(xí)已經(jīng)成為人工智能領(lǐng)域的熱點(diǎn)之一，旨在通過(guò)機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)處理和理解多源模態(tài)信息的能力。目前比較熱門(mén)的研究方向是圖像、視頻、音頻、語(yǔ)義之間的多模態(tài)學(xué)習(xí)[33]。眾所周知，中醫(yī)辨證講求望聞問(wèn)切、四診合參，這一過(guò)程產(chǎn)生多模態(tài)數(shù)據(jù)，將這些數(shù)據(jù)融合建模，將有效提升中醫(yī)辨證的客觀(guān)性和準(zhǔn)確性。然而，傳統(tǒng)的中醫(yī)智能辨證模型大多基于病案數(shù)據(jù)資料進(jìn)行建模，其四診數(shù)據(jù)均為醫(yī)生的主觀(guān)記錄，缺乏客觀(guān)數(shù)據(jù)的支撐。隨著數(shù)據(jù)采集技術(shù)的發(fā)展，通過(guò)舌象儀、脈診儀等設(shè)備，可以有效采集患者的四診信息，通過(guò)多模態(tài)機(jī)器學(xué)習(xí)，將多模態(tài)數(shù)據(jù)進(jìn)行融合，利用多模態(tài)之間的互補(bǔ)性，剔除模態(tài)間的冗余性，從而學(xué)習(xí)到更好的特征表示，進(jìn)而達(dá)到更為客觀(guān)、精準(zhǔn)的中醫(yī)辨證。

4.2 知識(shí)和數(shù)據(jù)的交互增強(qiáng)

中醫(yī)辨證是一個(gè)復(fù)雜的思維過(guò)程，既有依據(jù)中醫(yī)辨證先驗(yàn)知識(shí)的邏輯推理，也有基于臨床大量醫(yī)案的歸納演繹。如何有效地利用中醫(yī)辨證的先驗(yàn)知識(shí)，實(shí)現(xiàn)知識(shí)增強(qiáng)的中醫(yī)智能辨證已成為下一階段中醫(yī)辨證智能化研究的重要方向。當(dāng)前，以深度學(xué)習(xí)為基礎(chǔ)的知識(shí)表示學(xué)習(xí)已經(jīng)開(kāi)始應(yīng)用到機(jī)器翻譯、智能問(wèn)答等領(lǐng)域，取得了令人矚目的成績(jī)。將該技術(shù)遷移到中醫(yī)領(lǐng)域，從中醫(yī)典籍中整理出中醫(yī)知識(shí)，利用表示學(xué)習(xí)技術(shù)將先驗(yàn)知識(shí)表示到低維稠密向量，將其與大樣本臨床數(shù)據(jù)一道進(jìn)行訓(xùn)練，實(shí)現(xiàn)歸一化的語(yǔ)義表示和多尺度知識(shí)融合，進(jìn)而達(dá)到知識(shí)和數(shù)據(jù)的交互增強(qiáng)，實(shí)現(xiàn)更為精準(zhǔn)和智能的中醫(yī)辨證。

4.3 多決策模型的相互協(xié)作

傳統(tǒng)的中醫(yī)智能辨證應(yīng)用只有單個(gè)模型進(jìn)行辨證，模型準(zhǔn)確率往往不高。將多個(gè)決策模型進(jìn)行融合，采用類(lèi)似專(zhuān)家會(huì)診的模式，可以大大增強(qiáng)辨證的準(zhǔn)確性。從技術(shù)角度而言，可以從數(shù)據(jù)層面、特征層面、模型層面等進(jìn)行模型設(shè)計(jì)。例如，在數(shù)據(jù)層面可以采用集成學(xué)習(xí)的思想，對(duì)數(shù)據(jù)進(jìn)行多次采樣建模，前一個(gè)模型的殘差作為后一個(gè)模型的輸入，實(shí)現(xiàn)協(xié)同決策；在特征層面，可以分別抽取望、聞、問(wèn)、切相關(guān)特征，將這些特征融合后進(jìn)行建模和決策；在模型層面，可以利用不同的數(shù)據(jù)抽樣規(guī)則，或者不同的算法構(gòu)建決策模型，之后采用加權(quán)投票的方式進(jìn)行模型協(xié)同決策，提高辨證的準(zhǔn)確率。

4.4 多交互模式的人機(jī)協(xié)同

中醫(yī)臨床診療是醫(yī)患之間的交互問(wèn)答過(guò)程。這種交互極具針對(duì)性和目的性。隨著語(yǔ)音識(shí)別、文語(yǔ)轉(zhuǎn)換、腦機(jī)接口等技術(shù)的發(fā)展，圍繞中醫(yī)診療場(chǎng)景，可以建立智能辨證程序與患者之間的智能語(yǔ)音交互。通過(guò)人機(jī)之間的問(wèn)答，實(shí)現(xiàn)智能問(wèn)診，通過(guò)舌脈等采集終端，進(jìn)行舌脈數(shù)據(jù)的采集，之后再由算法進(jìn)行分析，根據(jù)分析結(jié)論再進(jìn)行針對(duì)性的問(wèn)診，進(jìn)而模擬真實(shí)世界的中醫(yī)診療過(guò)程，實(shí)現(xiàn)更為智能的中醫(yī)辨證。

5 結(jié)語(yǔ)

中醫(yī)辨證屬于思維科學(xué)、系統(tǒng)科學(xué)、復(fù)雜科學(xué)范疇，具有豐富的科學(xué)內(nèi)涵。深入研究辨證的原理和規(guī)律，建立科學(xué)規(guī)范的數(shù)字化和智能化辨證方法，對(duì)中醫(yī)現(xiàn)代化發(fā)展具有重要意義。以中醫(yī)辨證理論為指導(dǎo)，建立科學(xué)合理的數(shù)學(xué)模型是中醫(yī)辨證智能化研究的關(guān)鍵。眾多學(xué)者圍繞這一領(lǐng)域進(jìn)行了深入探索，取得了豐碩成果，也遇到了諸多問(wèn)題。在新一代人工智能發(fā)展的新時(shí)代，中醫(yī)辨證智能化迎來(lái)新的機(jī)遇和挑戰(zhàn)?？偨Y(jié)過(guò)往研究經(jīng)驗(yàn)和教訓(xùn)，展望未來(lái)發(fā)展趨勢(shì)，可為今后中醫(yī)辨證的智能化發(fā)展提供參考。