人工智能与现代中医诊断的结合探讨.docx

??

?

??

人工智能与现代中医诊断的结合探讨

?

?

?

?

?

??

?

?

?

摘要：在中医诊断学中指出中医诊断的基本原则是：整体观察，四诊合参，病症结合，动静合一。这是中医的核心辩证理论，即从辩证角度来分析病人证型分类，通过分型来综合确定用药。中医学科比较庞大，辩证又分为了八纲，六淫，阴阳，气血，津液，脏腑，六经，卫气营血，三焦，经络辩证等几大辩证方法，所以如何准确有效对病症进行辩证，分型和施治是中医辩治的核心难题。

关键词：人工智能；图神经网络;中医药特征向量;embedding；现代中医；诊断；结合

由于辩证需要分析和输入的参考信息关联性比较强，很多病症因为一些细微的区别决定了辩证结果，如何利用信息化技术进行辩治是各大医疗健康领域一直在探索的问题，出现了两类方法：1．利用代数或者聚类的方法解决症药匹配问题,有些甚至直接跳过辩证的过程，将病症和用药关联匹配，这在中医诊断学中是不严谨的。2．通过训练CNN卷积神经网络来预测结果，这种方法比较有效，但是在特征和权重训练学习过程中，不能够有效学习到关键特征，影响预测结果准确率。

应用人工智能解决辨证施治的方法

构建大型中医知识图谱

基于自然语言处理技术(NLP)和医学语言系统(UMLS)对医学相关信息(名医医案,典籍)等进行实体关系提取，构建基于中药，症状，疾病，证候，方剂，治法等相关的三元组信息。形成庞大的知识图谱数据库。并且包含了实体的属性信息比如中药【用量、别名、功用、药对]等，通过人工和机器学习结合的方式，对知识图谱进行：数据建模、知识映射、关系预测、知识融合、以及信息验证。构建一个描述准缺，有效，并且能够记录和还原名医医案思路的知识体系。

基于图神经网络对中医知识图谱的embedding提取

使用了一种基于空间域的图神经网络进行辩治的方法，该方法通过一种图的深度学习算法，使用无监督学习方式，在大图中批量提取子图信息，采样后对图中的顶点基于近邻节点属性信息聚合，从而获取中医症状向量(symptomembedding)，中医证候向量(dialecticembedding)和中药向量(herbembedding)的表征信息，通过在向量之间的计算获取症状在辩证的推荐评分以及证候在中药的推荐评分。

基于中医知识图谱的特征向量召回

由专业医师从医案和治疗方案中收集了大量的能够结合上下文形成辩治思想的训练数据集，保证了训练内容的可靠性，训练好的embedding能够从症状、症候、中药中学习归纳辨证施治的规律。

表1：症状-中药召回结果

病症(embedding)

证候(embedding)

恶寒,轻微发热,无汗,头痛,鼻塞,咳嗽,舌苔白,脉浮紧

风寒束表

身热,咽干,咽痛,鼻塞,头胀痛,咳嗽,舌苔黄,数脉,浮脉

风热犯表

身热,无汗,头晕,心烦,口干,舌苔红,舌苔少,细脉,数脉

阴虚感冒

鼻塞,气短,乏力,自汗,咳嗽,痰白,舌苔淡,舌苔薄,浮脉

气虚感冒

...

...

表1采用该方法预测的证候，由专业医师分析后，根据症状所召回的证候95.18%都符合临床经验的辩证，并可以用《中医诊断学》来验证结果。

表2：证候-中药召回结果

证候(embedding)

中药(embedding)

风寒束表

荆防败毒汤加减

风热犯表

银翘散加减

阴虚感冒

加减葳蕤汤

气虚感冒

参苏饮汤

...

...

表2采用该方法预测的用药方案，由专业医师分析后,根据证候所召回的用药方案92.53%都符合临床经验的用药，部分结论可以用《中医内科学》来验证结果。

二、人工智能在现代中医诊断的应用领域

（一）利用人工智能技术辅助鉴别中药

利用人工智能技术帮助鉴定中药是中药质量的关键，也是中药发展的基础，但中国医药品的质量受到资源、环境、技术、管理、收获、加工、保管、运输等诸多因素的影响，质量参差不齐[1]。利用人工智能技术来鉴别中国医药品，仅通过“望闻问切”等方法识别中国医药品。在中国药品样本基础上，通过大数据识别与分析、真实性识别、来源可追溯性、质量预测等方法，极大地缩短了鉴定时间，从而规范了中药生产，提高了中药质量，促进了中药产业的发展。

（二）利用人工智能技术进行中医药诊断

人工智能技术的发展为中医药诊断方法带来了新的机遇。在此基础上，通过对传统中医药诊断方法、脉冲诊断设备、舌诊设备、颜色现代化的深入研究，诊断仪器、臭气仪器、子午线仪器等已成为新型中医药诊断技术。例如：基于PCNN网络和注意力机制的中医辨证辅助决策方法，基于点排序卷积神经网络(PCNN)和注意力(Attention)机制的中医辨证辅助决策方法，具体包括:使用语言技术平台工具对每份医案进行分词处理;使用PCNN网络对每份医案进行特