程序 ，張冬梅 ，趙亞男 ，趙夢竹 ，國倩倩 ，張馨月 ，劉夢華 ，魏瓊

1.北京中醫(yī)藥大學東直門醫(yī)院，北京 100700；2.首都醫(yī)科大學護理學院，北京 100069

《中國心血管健康與疾病報告2021》顯示，我國心血管疾病的發(fā)病率和病死率近年呈持續(xù)上升趨勢[1]，患病人群基數(shù)大，與醫(yī)療服務不匹配的矛盾凸顯，優(yōu)化醫(yī)療技術(shù)、提升醫(yī)療效率是解決問題的關鍵。人工智能（artificial Intelligence，AI）是用于模擬、延伸和擴展人的智能理論、方法、技術(shù)及應用系統(tǒng)的一門學科，可模擬人腦的思維和推理過程，利用計算機高效的信息處理系統(tǒng)，學習、整合輸出和利用新知識，為臨床解決心血管診療問題提供新方向。基于AI發(fā)掘、轉(zhuǎn)化醫(yī)學信息及自我計算演算發(fā)展的能力，在智能診療[2]、影像識別、專家系統(tǒng)[3]、藥物研發(fā)及醫(yī)療機器人[4]等方面已有廣泛應用。中醫(yī)有著堅實的理論基礎和豐富的診療經(jīng)驗，“堅持中西醫(yī)并重”是我國堅持的中醫(yī)藥發(fā)展戰(zhàn)略，在新一輪的科技革命和產(chǎn)業(yè)變革中，AI作為重要驅(qū)動力量為中醫(yī)藥的現(xiàn)代化發(fā)展帶來契機。AI技術(shù)在中醫(yī)診斷治療、預防心血管疾病等方面均有良好結(jié)合[5]。本文旨在對基于AI技術(shù)的中醫(yī)診療心血管疾病的研究現(xiàn)狀進行綜述。

1 “治未病”思想指導的人工智能輔助預防心血管疾病研究

《素問·四氣調(diào)神大論篇》記載“圣人不治已病治未病，不治已亂治未亂，此之謂也”，首次提出“治未病”。“治未病”包含“未病先防”“既病防變”“瘥后防復”3個方面，采用積極措施防止疾病的發(fā)生、發(fā)展和復發(fā)。在“治未病”思想指導下，中醫(yī)藥防治心血管病取得顯著臨床療效[6]。

1.1 中醫(yī)體質(zhì)辨識系統(tǒng)的研究

體質(zhì)的分類是一種對正氣盛衰的客觀詮釋，人體發(fā)病與否取決于正氣的強弱。隨著中醫(yī)體質(zhì)學的發(fā)展，中醫(yī)體質(zhì)分類與判定標準[7]已得到普遍認可，中醫(yī)體質(zhì)量表[8]被廣泛推廣，成為“治未病”健康辨識的主要手段。常小榮基于王琦教授提出的9種體質(zhì)，根據(jù)氣血陰陽、津液的盛衰虛實變化指導治未病研究[9]。林冰等[10]基于B/S模式設計中醫(yī)體質(zhì)辨識系統(tǒng)并形成個性化的體質(zhì)養(yǎng)生方案，有效指導日常健康管理和提高就診效率。李甘露等[11]建立了經(jīng)絡-體質(zhì)支持向量機算法（SVM）模型用于經(jīng)絡層面的體質(zhì)辨識，反映人體氣血運行和臟腑器官變化的情況，輔助體質(zhì)診查。嚴玲等[12]運用多標記k近鄰算法（ML-kNN）將中醫(yī)體質(zhì)納入危險因素，建立了心腦血管疾病患病風險預測模型和中醫(yī)促進心腦血管疾病健康方案的知識圖譜，并使用Cypher語句實現(xiàn)健康促進方案的推薦。

1.2 風險預測模型的研究

隨著預防理念的推廣和進步，心血管風險預警模型已經(jīng)取得一定發(fā)展[13]。中醫(yī)“治未病”理念與風險預警不謀而合。應用機器學習算法，充分結(jié)合危險因素和中醫(yī)證素，構(gòu)建心血管病證結(jié)合風險預警模型，可為臨床中西醫(yī)結(jié)合預防和早期干預提供科學依據(jù)。龐琳琳等[14]運用分類與回歸樹、人工神經(jīng)網(wǎng)絡等構(gòu)建急性ST段抬高型心肌梗死分類預測模型，為實現(xiàn)和改進更具個性化的中醫(yī)病證結(jié)合風險評估提供了前景，更好地為個體患者量身定制風險管理。風險預測模型的構(gòu)建對心血管疾病的預后亦有較好的提示作用。崔偉鋒等[15]基于血管功能、中醫(yī)證候構(gòu)建的原發(fā)性高血壓心血管風險預后模型對主要心血管事件可進行初步判定，研究表明，相對于決策樹、隨機森林，支持向量機善于處理各種維度的數(shù)據(jù)，具有良好的泛化能力，預測正確率更高。基于AI構(gòu)建風險預測模型可應用于基層社區(qū)醫(yī)院進行心血管疾病患病風險的初篩，提高診療效率，支持提高效率和有限資源分配的策略制定，為中西醫(yī)結(jié)合診治心血管疾病提供技術(shù)手段支持。

AI引導下的中醫(yī)體質(zhì)辨識研究和風險預測模型為疾病的早預警、早干預提供了新方法，在一定程度上促進了中醫(yī)防治心腦血管疾病自動化、智能化的進展，較好地達到“未病先防”的目的。中醫(yī)體質(zhì)不僅決定疾病的發(fā)生，對于疾病的發(fā)展方向也有重要意義，AI與中醫(yī)體質(zhì)的進一步結(jié)合將充分發(fā)展“未病先防、既病防變、瘥后防復”的理念。

2 人工智能輔助中醫(yī)診斷心血管疾病研究

2.1 人工智能技術(shù)結(jié)合中醫(yī)四診

“望、聞、問、切”四診合參是中醫(yī)診斷中最重要的思想，與AI技術(shù)融合是實現(xiàn)四診客觀化信息采集的重要發(fā)展方向。利用攝像機器采集舌象、面象進行眼診[16]、舌診[17]、面診在冠狀動脈疾病的診斷中具有潛在的應用價值，可應用于院外及臨床心血管疾病的診療，有助于心血管疾病的監(jiān)測篩查和檢測?；谌梭w可獲取診斷信息技術(shù)的集成中醫(yī)診療設備，具有特征性氣味采集分析平臺，運用嗅氣味傳感器，對所采集的氣味信息進行處理與特征提取，并分析處理[18]?；贏I的問診研究體現(xiàn)在智能問診模型[19]與問診量表的結(jié)合，利用通用錄音設備進行問診的人機交互，實時記錄全部的問診內(nèi)容，具有一定的規(guī)范化和可行性。基于AI的脈診研究取得了較為豐富的成果[20]，臨診切脈實質(zhì)上是對動脈內(nèi)血流動力學變化包括心血管狀態(tài)的綜合判斷。脈圖特征分析方法從線性方法如時域分析法向非線性時間序列方法發(fā)展，是深入挖掘脈象臨床診斷價值的重要手段[21]。采用光電容積脈搏波描記技術(shù)，不同于普遍使用的通過壓力測量獲得脈診信息，該技術(shù)根據(jù)不同血管狀態(tài)下血液量的差異導致對光的吸收也會隨之不同，因而具有較強的靈敏性[22]。劉璐等[23]采用隨機森林算法聯(lián)合脈象儀建立了冠狀動脈病變阻塞程度分層評估模型。基于遞歸定量分析提取脈象特征發(fā)現(xiàn)，冠心病患者的脈搏信號具有較高的規(guī)律性、確定性和穩(wěn)定性，為脈診的準確檢測提供了新方向[23]。

AI技術(shù)與四診信息的結(jié)合體現(xiàn)了中醫(yī)“整體觀念”的特點，基于四診信息建立多模態(tài)健康狀態(tài)辨識評價模型，能夠有效實現(xiàn)個人健康監(jiān)測和疾病風險預警[24]。Wang等[25]利用多任務交互注意學習模型對平移手掌圖像進行分析，提出檢測掌指關節(jié)和手掌魚際關節(jié)來輔助檢測急性心肌梗死。買瑩瑩等[26]采集分析了冠心病患者的舌、面診特征信息，結(jié)合神經(jīng)網(wǎng)絡、多標記學習等多種技術(shù)建立了不同健康狀態(tài)的診斷模型，研發(fā)了國內(nèi)首款中醫(yī)數(shù)字化健康監(jiān)測與管理系統(tǒng)“云中醫(yī)智能鏡”，實現(xiàn)了健康狀態(tài)的自我評估[27]。穆建萍等[28]采用自行研制的便攜式四診合參輔助診斷裝置及系統(tǒng)，實時監(jiān)測失重時航天員的四診、心電圖、指端容積及脈搏波傳導速度等信息，綜合分析評估身體狀態(tài)變化及心血管情況，同時使用中醫(yī)特色的干預措施和方藥進行調(diào)節(jié)，緩解了宇航員著陸后立位和運動耐力降低的不適。AI技術(shù)與經(jīng)典中醫(yī)診斷方法的結(jié)合將為心血管疾病的診斷和預防提供新見解。

2.2 智能證候診斷研究

客觀化的診斷信息采集是基礎，而數(shù)據(jù)的融合與分析是病證診斷的重點。AI模型在證候分型方面表現(xiàn)優(yōu)異。王憶勤等[29]發(fā)現(xiàn)，多標記學習算法對證型的識別率最高，不僅包含全面的四診特征，還充分考慮了證型和癥狀間的關系，建立了四診信息融合的辨證模型。趙書穎等[30]運用CHAID、CRT、QUEST及C5.0決策樹算法和神經(jīng)網(wǎng)絡的方法建立了高血壓病陰陽兩虛證診斷模型。樊佳賽等[31]發(fā)現(xiàn)，氣虛是慢性心力衰竭患者不良事件發(fā)生的獨立預測因子，提示臨床醫(yī)生應關注慢性心力衰竭益氣治法的重要性，改善患者預后。曹紫嫣等[32]通過卷積神經(jīng)網(wǎng)絡算法構(gòu)建了高血壓病肝火亢盛證面部圖像診斷模型，對高血壓病肝火亢盛證的臨床診斷具有輔助作用且準確率較高。神經(jīng)網(wǎng)絡建模需要大樣本學習以獲得良好的擬合模型。對于復雜證型，額外的癥狀增加模型計算的復雜性，從而降低模型的準確性。因此，更復雜的模型結(jié)構(gòu)有利于揭示中醫(yī)辨證的內(nèi)在規(guī)律和特征。使用DL算法（變壓器）結(jié)合dropout方法構(gòu)建的冠心病證候元素的診斷系統(tǒng)有效準確地分類了綜合征元素。變壓器的自注意機制揭示了核心癥狀對證候要素診斷的意義，而對dropout層進行正則化增加了模型的靈活性并避免過擬合[33]。胡恒昶等[34]以辨病與辨證相結(jié)合為基本框架，應用深度增強學習算法研發(fā)出臨床決策輔助系統(tǒng)——“問問中醫(yī)大腦”，輔助中醫(yī)師進行決策且提高用藥的安全性。構(gòu)建以數(shù)據(jù)驅(qū)動思想為指導的中醫(yī)精準診療模型可實現(xiàn)診療結(jié)果自動輸出，為中醫(yī)診療的信息化研究做出貢獻。李洪崢等[35]綜合運用多頭注意力機制、復合詞向量、隨機失活形成改良Transformer算法，構(gòu)建了“癥狀-證候-治法-方藥”為一體的智能化模型，診斷準確度達96.46%?；赑ython語言[36]、應用改良動手深度學習算法[37]、軟計算方法等一系列對心系疾病證素辨證輔助系統(tǒng)的構(gòu)建和應用研究，為中醫(yī)智能化診療做出貢獻。

中醫(yī)遠程智能診斷系統(tǒng)是通過圖像采集、圖像預處理、圖像分割、壓電傳感器、人機交互等獲取信息并將數(shù)據(jù)保存到數(shù)據(jù)庫中，利用Winsock類開辟基于IP/TCP協(xié)議的局域通信，使醫(yī)護人員進行會診輔助診斷。AI輔助診療模型為輔助臨床診斷提供決策支持，為遠程醫(yī)療提供中西醫(yī)解決方案，對于診療水平相對落后的偏遠地區(qū)患者具有重要意義。這種無創(chuàng)智能化的多集成診療設備同時使家庭監(jiān)測成為可能，由此實現(xiàn)的實時監(jiān)控與及時干預促進疾病的康復。然而主觀因素干擾了智能化中醫(yī)診斷結(jié)果的準確性，脈癥從舍的標準研究、證候分類標準研究、四診的權(quán)重等問題是中醫(yī)診斷客觀化所面臨的難點，仍需進一步研究以促進智能診療系統(tǒng)更加規(guī)范化地發(fā)展。

3 基于人工智能技術(shù)的中醫(yī)治療心血管疾病應用

3.1 人工智能技術(shù)輔助中藥治療應用

AI在中醫(yī)治療中的應用主要依賴于基于數(shù)據(jù)挖掘的治療經(jīng)驗，以實現(xiàn)臨床療效為導向。療效是“辨病”及“辨證”準確性的最終體現(xiàn)。AI技術(shù)在中藥材的輔助鑒別[38]、毒性預警[39]、性味物質(zhì)基礎的篩選[40]等研究表明，基于中藥藥性理論的深度學習分類方法有助于加深研究者對藥性和功效作用關系的理解，科學地豐富和發(fā)展中藥藥性理論[41]，輔助臨床中藥配伍與應用。方劑用藥規(guī)律研究是中醫(yī)傳承的關鍵。深度學習方法以其強大的擬合能力和泛化能力對組方規(guī)律、處方與功效的多標簽對應關系進行分析[42]，對中醫(yī)藥學術(shù)繼承與創(chuàng)新具有重要意義。Yang等[43]使用網(wǎng)絡藥理學和深度學習方法研究8個治療冠心病的經(jīng)典中藥方劑的潛在機制，發(fā)現(xiàn)了相關的藥物靶點、作用目標和途徑，為不同類型冠心病的中醫(yī)方劑辨證用藥提供了科學依據(jù)。在AI技術(shù)輔助下，進一步開發(fā)針對心血管疾病的個性化治療方法值得期待。Lin等[44]對107項隨機對照試驗進行了貝葉斯網(wǎng)絡Meta分析，評估了心麥龍注射液改善心功能、降低腦鈉肽和N端腦鈉肽前體水平的有效作用。在AI技術(shù)結(jié)合材料技術(shù)、生物技術(shù)等領域，納米技術(shù)凸顯出優(yōu)勢[45]。納米中藥集合了復方與有效組分的雙重優(yōu)勢，啟動以自體干細胞為靶點的修復受損心臟的系列效應。在再灌注治療領域，將納米中藥經(jīng)導管直接置入受損的心肌，能使心臟干細胞得以高效的原位動員與分化[46-47]。納米中醫(yī)藥技術(shù)仍處于起步階段，逐步推進納米中藥成為中醫(yī)現(xiàn)代化發(fā)展的重要組成部分。

3.2 其他治療方式

中醫(yī)針灸在心血管疾病的預防、診療經(jīng)皮冠狀動脈介入治療圍術(shù)期焦慮抑郁[48]方面具有較好療效[49]。陳日新[50]基于《黃帝內(nèi)經(jīng)》腧穴敏化理論，創(chuàng)立了“熱敏灸”，搭載智能協(xié)同系統(tǒng)的熱敏灸機器人[51]通過深度學習方法提升了熱敏灸技術(shù)標準化水平，可大幅縮短高級醫(yī)師的培訓周期，有效解決醫(yī)院臨床人手不足、灸療標準化欠缺等問題，同時在中醫(yī)教育領域具有較好前景。基于中醫(yī)證候和機器學習構(gòu)建心血管病的中西醫(yī)結(jié)合預后模型可以指導臨床治療方向。

由于中醫(yī)理論系統(tǒng)的復雜性、AI算法的可解釋性和準確性的不平衡，AI在中醫(yī)治療研究中的應用尚不成熟。例如，決策樹和聚類方法具有較高可解釋性，而人工神經(jīng)網(wǎng)絡的可解釋性較差，但在擬合復雜的函數(shù)上具有優(yōu)勢。因此，選擇合適的信息采集方法和算法對于解決問題至關重要。在今后研究中，多層次現(xiàn)代醫(yī)療數(shù)據(jù)的樣本將增加數(shù)據(jù)集的廣度和深度，提高底層算法的性能和適應性，有利于管理小樣本和多模態(tài)有噪聲的醫(yī)療數(shù)據(jù)。

4 結(jié)語

信息時代的到來促進了中醫(yī)、現(xiàn)代醫(yī)學、計算機科學和其他學科的交叉研究及應用。在我國老齡化程度加重、心血管疾病患病人群逐漸增多的現(xiàn)狀下，構(gòu)建具有中醫(yī)特色的基于AI的綜合診療系統(tǒng)將為心血管疾病的預防、診斷和治療提供更加準確、客觀的支持。然而AI需進一步發(fā)展才能更好地應用于臨床實踐，中醫(yī)藥與AI技術(shù)的結(jié)合仍需更多的努力迎接挑戰(zhàn)，如多種建模算法之間的比較和整合、AI算法的可解釋性和準確性之間的平衡等問題。AI技術(shù)輔助中醫(yī)治療疾病有望在個體化和精準化醫(yī)療方面發(fā)揮更大優(yōu)勢。