人工智能在中医治未病领域的研究现状与发展

杨璠　李连新　陈菊

摘要：目的：中医药人工智能成果日渐丰富，越来越成为中医药产业发展的新动力。该文对人工智能中医治未病领域的研究进展、应用情况、存在的问题进行总结，为人工智能中医药治未病研究提供帮助。方法：收集近15年中医健康管理相关文章728篇，筛选出608篇进行重点分析，通过使用CiteSpace文献处理工具，对文献进行分析，获取该研究领域研究热点为如何通过现代技术促进AI中医健康管理模式的建立与应用。结果：提出了建立AI中医健康管理模式是实现治未病的根本途径，对医疗卫生发展具有重大意义，但是人工智能与治未病的结合还处于萌芽期，面临着技术、费用、伦理等诸多方面的难题。讨论：人工智能与治未病融合逐渐成为医学界新的研究趋势，应深入研究治未病智能化实现的途径与手段，让健康惠及全民。

关键词：人工智能;治未病;健康管理;预防

中图分类号：TP18      文献标识码：A

文章编号：1009-3044（2022）07-0012-04

中医治未病理论萌芽于西周，形成于《黄帝内经》时期，凝聚着中国古代朴素唯物主义思想以及两千多年的健康养生理念和实践经验，逐步形成了以“未病先防”“欲病救萌”“既病防变”“瘥后防复”为内涵的中医预防理念。治未病的核心是预防，在机体未出现明显病理症状时，就能预知机体状态并采取措施，病未发而先治，防患于未然。与现代西方形成的健康管理理念有相似之处，健康管理兴起于美国，是基于健康促进及干预技术发展提出的一个新概念，针对个体或群体的健康状况或健康危害因素进行全面监测、评估、干预和随访的过程与理念[1]。近年来，我国明确提出要打造以治未病为主导的具有中医药特色的健康保障体系，目的在于调动整个社会的积极性，有效运用有限的资源取得最大的效果，实现全民的健康。由此可见，治未病与健康管理的融合是大势所趋。

人工智能（Artificial Intelligence，AI）是一个复杂的概念，是对人的意识、思维进行模拟，生产出与人类智能相似的机器，代替人类完成一些复杂的工作。目前AI已广泛应用于医疗卫生领域[2-3]，医学影像智能识别系统、智能疾病诊断系统、医疗机器人等，大大提高了医疗效率，减少了不必要的医疗资源浪费。随着现代疾病谱的改变、社会观念的转变以及国家政策的出台，人工智能与中医治未病结合是中医学融入信息化时代、分享信息化的成果，也是提升中医治未病的水平和疗效的重要手段[4]，未来很长一段时间内，治未病都将是医学界重点研究之一。人工智能作为21世纪最前沿的科学技术之一，必将为中医治未病的发展提供助力，使中医学焕发出新的活力。

1 人工智能与中医治未病结合的背景

1.1 社会需求的改变

健康是人类共同追求的最终目标，随着现代医疗技术的进步和经济水平的提高，人们对医疗资源的需求已不仅局限于疾病的诊治，还包括心理、社会适应以及道德上的健康。与世界卫生组织（WHO）提出健康的定义相符：“健康不仅是疾病或羸弱的消除，而是体格、精神和社会生活的完全状态。[5]”倡导的是治病，更是治“未病”，这与中医治未病理论不谋而合。为适应这种转变，必须有现代新技术力量的注入。

1.2 政策的支撑

2008年，国家中医药管理局启动“治未病”健康工程方案，拉开了中医治未病快速发展的序幕;2016年，《“健康中国2030”规划纲要》再次强调健康建设的重要性，提出以预防为主、中西医并重，发挥中医治未病优势，做到早诊断、早治疗、早康复，减少疾病发生，实现全民健康;同年，《“十三五”国家战略性新兴产业发展规划》中指出要将云计算、大数据、AI等技术广泛融入社会各个领域，大力推动AI在健康医疗领域的应用;2018年，《关于促进“互联网+医疗健康”发展的意见》明确了“互联网+医疗健康”的措施，推进“互联网+”人工智能应用服务。国家对人工智能和治未病的日益重视，为二者的发展提供了政策上的支撑。

1.3 技术的支持

现代科技特别是AI的发展为医疗行业的发展带来了契机。AI是20世纪50年代出现的一门新兴学科，至今已有70年的历史，理论体系日渐成熟。2016年，智能机器人AlphaGo的胜利[6]，标志着21世纪AI深度学习领域里程碑式的发展，使AI相关研究应用开始呈现爆发式的增长。语音识别、计算机视觉、自然语言处理技术等都为人工智能在治未病领域的发展提供了技术保障。

中医领域人工智能相关研究，萌芽于20世纪70年代，中医专家系统的建立[7]拉开了中医学智能化发展的开端。近年来，人工智能与中医的研究处于蓬勃生长期（图1），这与人工智能技术的成熟和国家政策的支持密不可分。但同时也可以看到，治未病领域的人工智能目前处于萌芽阶段（图2），相关文献数量较小，且缺乏全面系统化、整体化的研究。如何多元化、多维度、全方面打造治未病智能化体系应是未来医学重点研究方向。

2 人工智能在中医治未病领域的具体应用

治未病智能化发展最重要的是打造治未病核心技术，通过现代化手段促进治未病在个体或群体中检测、诊断、治疗上的精准化[8]，针对个人健康状态进行个性化预防。中医治未病是对人体生命活动全过程的监测，采取预防或治疗手段，防止疾病发生、发展的方法，在疾病预防中有很大的优势。目前，AI在中医治未病领域的应用主要包括：AI中医信息采集、AI医学影像以及AI基因检测。

2.1 AI中医信息采集

中医信息采集是治未病理论发挥作用的基石，但传统治未病是在四诊信息收集的基础上，对机体的未病态、欲病态、已病态以及瘥后进行判断，主要依靠的是医者的个人经验和主观感受，缺乏客观化的标准[9]。AI的应用则为中医治未病突破這一发展瓶颈带来了机会。通过AI及大数据的支持，将中医信息客观化、标准化，将中医感性的信息变为以定量数据来准确衡量[10]。中医传统信息采集方法包括望、闻、问、切，从局部与整体双管齐下。结合AI，望诊有基于中医药知识图谱的舌像诊疗系统[11]、基于sLDA方法和SVM算法建立的肤色识别模型进行肤色五色识别[12]。平安好医生借助AI建立的智能问诊系统，能够实现听音辨病。问诊有基于深度学习与条件随机的多标记学习方法的慢性胃炎中医证型模型[13]。切诊有运用BP神经网络算法建立的脉象信号采集系统，对正常人与病人脉象信号分类进行了探讨[14]。

目前中医信息采集的客观化发展已取得较大突破，衍生的设备逐渐应用到临床，但仍存在一些问题。四诊合参是中医整体观念在疾病诊治过程中的具体体现，关键在于四诊资料要相互参照、印证、补充，而非强调单一诊法的深入研究，只有四诊信息的采集准确、相互合参，才能全面了解机体状态[15]。但目前大多数设备都是单独从脉、舌、面等某一方面采集信息，较局限，缺乏将四诊融合的技术。因此有学者在这方面提出了自己的观点，如结合多源数据学习、多核学习方法，借助子空间学习方法促进四诊合参的智能化[16]，建立中医临床辨证论治方法促进四诊合参数据的量化[17-18]，都为四诊合参提供了方向。

2.2 AI医学影像

运用现代西医科学知识桥接人工智能是中医治未病发展强有力的手段之一。医学影像是以非侵入性的方式获得机体内部组织影像结构的技术，辅助和指导疾病的治疗。传统医学影像在疾病诊疗过程中存在诸多问题，例如数据的快速增长、人才的缺口、超负荷的工作压力、肉眼阅片可能带来的漏诊误诊，都给影像学的发展带来了巨大的冲击。AI的运用则为有效解决这些问题提供了途径。AI通过图像识别技术和深度学习对医学影像数据进行训练学习，对疾病的早期识别、筛查具有高度灵敏性[19]。基于AI的医学影像对慢性非传染性病特别是癌症早期筛查，提高生命质量起着至关重要的作用。英国Avalon AI[20]，首个把深度学习用于老年痴呆症的公司，通过建立大脑3D核磁共振图像，运用卷积神经网络技术对图像进行分析，判断大脑是否有患病的倾向，目前有效预测准确率已经达到了75%。国内也有不少研究机构致力于打造AI醫学影像，力求早发现疾病患癌风险，实现疾病的早期预防，如用于筛查可疑食管癌的腾讯觅影、由中山大学肿瘤防治中心自主研发的“中肿智医”上消化道肿瘤人工智能诊疗决策系统。

分子影像是医学影像一门多学科交叉融合的新产物，在细胞和分子水平上，对活体生物过程应用影像学技术进行定性和定量研究[21]，可在没有形态学改变之前检出异常，广泛应用于肿瘤的早期检测。现代分子影像与AI影像分析相辅相成[22]，运用AI特别是深度学习方法研究PET仪器设计、PET图像重建量化和分割[23]等，促进了分子影像设备的完善。同时分子影像中融合了数据处理、图像识别等技术，也为AI影像分析提供了便利。在预防疾病理念上，治未病与分子影像有异曲同工之妙。目前，AI医学影像应用主要集中在癌症和心脑血管疾病等慢性病上，如何扩大疾病筛查种类、提高精准度，是未来AI医学影像的主攻方向。

2.3 AI基因检测

基因检测与治未病共同促进预防医学的发展。基因是生命遗传最基本的单位，储存着人体生、老、病、死的全部信息，人类疾病或多或少都与基因有关联，是影响人体健康最重要的内在因素。基因检测是通过特殊设备对细胞DNA分子进行检测分析，从而判断所含有的基因类型和基因是否有缺损或异常，对于疾病的预防以及现代治疗手段难以解决的病症有着重大意义。

基因检测是预防疾病最有效的手段，然而人体基因数量庞大，目前已经发现和定位了的功能基因就有两万多个，依靠“传统基因+人工目测”并不能发现所有基因片段上的问题。而AI在数据的分析上具备精准、快速的优势，相较于传统基因检测来说，基于人工智能深度学习和数据挖掘技术，不仅可以提高检测的时效、节约成本，还对基因突变具有高度敏感性，能够提供预警。如乳腺癌BRCA1/BRCA2基因突变检测，对发现携带基因突变者进行手术切除治疗，可降低近100%的发病风险[24];Sophia Genetics公司利用机器学习技术分析患者基因数据，可对基因变异进行评估，准确率在99%以上。AI在基因检测中有着不可比拟的优势，正逐渐影响着整个医学行业，但由于存在技术水平、费用、伦理学等问题，限制了AI基因检测的推广使用。

3 AI中医健康管理模式

3.1 文献研究现状分析

目前，我国正在尝试将治未病理论与健康管理理念融合，打造具有中医特色的中医健康管理模式。以中国知网（CNKI）为数据来源，以“中医健康管理”为主题检索2006年～2020年的文献，共728篇，人工排除不相关文献后，共获得608篇，以CiteSpace为工具，得到关键词共现知识图谱（图3）、关键词共现时区视图（图4）、2006年～2020年中医健康管理突现词（图5）。关键词共现图谱及时区图可以看到，该领域研究重点和方向的变化趋势。通过图3可以看到高频关键词有“健康管理”“治未病”“中医健康管理”，代表了该领域的研究重点，结合图4看到，在中医健康管理的基础上，越来越重视临床的实际运用与技术发展，2008年开始出现“糖尿病”“高血压”“2型糖尿病”等疾病相关名词，2010年逐渐出现“智能分析”“研发分析”“技术探析”，近几年更出现了“互联网+”“大数据”等与现代技术相关名词。突现词可以反映研究领域的前沿与趋势[25]。图5可以看到有4个突现词，包括健康管理法、社区、中医药、社区健康管理。通过以上说明，中医健康管理是当前实现中医治未病发展的重要途径，而如何将中医健康管理结合现代科技应用于临床实际、步入基层、实现对疾病的预防是其重点研究方向。

3.2 AI中医健康管理模式的建立

建立AI中医健康管理模式是实现治未病的根本途径。目前，我国已经出现了多种形式的中医健康管理模式，但基本是对中医治未病理论上的延续[26]，现有治未病领域信息系统也存在诸多问题：（1）依靠收集体检或就诊时的信息建立数据库，存在数据的来源不能固定、实时更新的缺点;（2）信息收集依靠问卷填写，耗费大量人力物力，并且缺乏客观化标准;（3）医院自身治未病系统与医院信息系统、医院与医院之间的治未病信息系统数据共享不方便等问题。AI的出现为解决这些问题提供了媒介，近几年已经开始出现结合“互联网+”、大数据等建立中医健康管理模式的研究。AI中医健康管理模式是借助人工智能、“互联网+”、大数据等信息化技术，在统一的数据中心基础上，建立中医健康管理平台，以治未病理论为指导，结合现代健康管理理念，通过智能化设备实时采集中医信息，传送到数据中心进行健康状态分析，并针对个人参数特征进行精准靶向干预，自动匹配方案，及时对干预效果进行反馈、评价[27-28]，同时可实现治未病数据的长期管理和实时更新访问。

通过AI对健康进行检测、干预、评价，是中医治未病思想在现代发展过程中最集中的体现。AI健康管理模式建立有两大重点技术，一是数据的实时收集，二是中医健康状态的辨识。雷黄伟[29]等提出运用现代信息化技术手段加快研制家庭便携式设备，实现实时互联互动，并在此基础上提出智能学习型机器人的研发，提高自主判断能力，使智能机器人能完成从监测到预警，从干预再到评估全过程的自主参与，人机结合共同参与健康管理。陈淑娇[30]等以体质辨识为指导，提出以证素辨证为核心，以宏、中、微三观参数为基础，以数据挖掘和信息处理等为手段和方法进行健康状态辨识，是目前健康状态辨识的热门研究方向。

4 展望

目前，国家于2016年立项中医药信息标准研究与制定项目，开始中医馆健康信息云平台信息标准化的建立，高度重视本领域工作，于2019年将治未病管理信息系统基本功能规范以团体标准发布，为治未病平台信息化建设提供统一开放的信息标准，供社会查阅使用，该项工作标志着中医人工智能治未病研究的信息标准化开启。信息标准化是信息化的前提和基础，智能化是信息化发展的必然趋势，当前治未病与人工智能融合发展还处于起步阶段，面临着巨大的阻力，主要体现在：（1）中医数据的有效性和科学性;（2）相关技术人才的缺乏;（3）技术的商业化和产品化;（4）伦理学问题。随着时代的发展，中医治未病领域必将成为人工智能应用最具潜力的领域之一，多学科融合发展，合理规避发展过程中出现的各种问题，促进中医治未病从信息化迈向智能化发展，实现疾病的防治，维护人类身心健康。

參考文献：

[1] 方锐，杨勇，郭清，等.从美国补充与结合医学的发展谈治未病与健康管理的思维范式[J].中国中西医结合杂志，2020，40（11）：1381-1387.

[2] 袁冰，范钢.中医学如何走进人工智能时代[J].中华中医药杂志，2018，33（2）：698-703.

[3] 刘军，韩燕鸿，潘建科，等.人工智能在中医骨伤科领域应用的现状与前景[J].中华中医药杂志，2019，34（8）：3608-3612.

[4] 陈菊，陶瑞卿，宋岚，等.基于中医优势病种的辨证论治平台[J].时珍国医国药，2017，28（10）：2552-2556.

[5] 苏静静，张大庆.世界卫生组织健康定义的历史源流探究[J].中国科技史杂志，2016，37（4）：485-496.

[6] 黄欣荣，钟平玉，马纲.人工智能与中医智能化[J].中医杂志，2017，58（24）：2076-2079，2106.

[7] 赵文，徐佳君，周常恩，等.中医与人工智能的探讨[J].福建中医药，2019，50（5）：46-48.

[8] 叶培汉，何清湖，杨磊，等.基于SWOT法治未病现代化装备发展战略研究[J].世界科学技术-中医药现代化，2020，22（7）：2447-2453.

[9] 姚敬心，邓文祥，李静，等.中医辅助诊疗系统在医疗活动中的应用现状及发展分析[J].中国中医药现代远程教育，2019，17（15）：55-57.

[10] 叶健成.利用部分中医思想结合现代科技应用阐释“中医西释治未病”理念[J].中华中医药杂志，2016，31（4）：1142-1145.

[11] 张莹莹.基于知识图谱的舌像诊疗系统研究与构建[D].成都：电子科技大学，2019.

[12] 王松.中医面诊客观化中若干图像分析技术研究[D].杭州：浙江理工大学，2012.

[13] 王立文.基于深度学习与条件随机场的多标记学习方法的中医问诊建模研究[D].上海：华东理工大学，2013.

[14] 王宇春.脉象信号人工智能辨识[D].秦皇岛：燕山大学，2006.

[15] 赵文，林雪娟，闵莉，等.中医思维的内涵与外延[J].中华中医药杂志，2020，35（1）：46-49.

[16] 赵文，张佳，徐佳君，等.四诊合参智能化发展现状及实现路径[J].中医杂志，2020，61（1）：58-62，67.

[17] 陈菊，严小英，裴敬，等.中医临床辨证论治辅助诊疗系统[J].世界科学技术-中医药现代化，2015，17（12）：2436-2442.

[18] Chen J，Yang D X，Cao Y，et al.Syndrome differentiation and treatment algorithm model in traditional Chinese medicine Based on disease cause，location，characteristics and conditions[J].IEEE Access，2018，6：71801-71813.

[19] 蔡菲菲，马立新，胡元佳，等.“AI+中医药”：迈向智慧中医药时代的新途径[J].世界科学技术-中医药现代化，2019，21（9）：1968-1973.

[20]可预测老年痴呆症患病概率Avalon AI医学影像诊断玩出新花样[J].中国医学计算机成像杂志，2016，22（4）：378.

[21] Weissleder R，Mahmood U. Molecularimaging[J].Radiology，2001，219（2）：316-333.

[22]分子影像人工智能专家共识（2019版）[J].中华核医学与分子影像杂志，2019，39（12）：748-751.

[23] Arabi H，Zaidi H.Applications of artificial intelligence and deep learning in molecular imaging and radiotherapy[J].European Journal of Hybrid Imaging，2020，4（1）：17.

[24] 龚珂，肖钧方，刘香婷，等.乳腺癌易感基因相关研究现状[J].现代肿瘤医学，2020，28（23）：4184-4190.

[25] 王艳秋，孟翔鹤，秦静波，等.基于Citespace的中醫药治疗过敏性紫癜可视化分析[J].中国实验方剂学杂志，2020，26（10）：173-179.

[26] 郑思思，郭华玲，张夏天，等.可穿戴设备在中医药健康管理中的应用与展望[J].世界科学技术-中医药现代化，2019，21（12）：2678-2683.

[27] 陈锦明，刘瑞芳，王维斌，等.中医健康管理原则的探讨[J].福建中医药，2019，50（4）：43-45.

[28] 夏淑洁，杨朝阳，李灿东.智能化中医“治未病”健康管理模式探析[J].中华中医药杂志，2019，34（11）：5007-5010.

[29] 雷黄伟，陈淑娇，李灿东.中医健康管理参与慢病管理的原则[J].中华中医药杂志，2019，34（7）：2880-2882.

[30] 陈淑娇，李灿东.论大健康背景下的中国特色的中医健康管理模式[J].中华中医药杂志，2017，32（11）：4789-4792.

【通联编辑：唐一东】

收稿日期：2021-11-15

基金项目：国家自然科学基金（No.81804222）：基于深度学习的“因位性势”四维中医辨证论治算法模型设计;国家重点研发计划中医药现代化研究（No.2018YFC1704104）：便携设备健康服务云平台构建及示范应用研究;四川省卫生健康委员会科研课题（No.20PJ168）：基于自动编码器和RNN结合的深度学习方法对肺系疾病进行临床诊断的应用研究;成都中医药大学杏林学者（No.QNXZ2018042）;成都中医药大学2020年大学生创新创业训练计划国家级立项课题（S202010633029）：基于DAELA-LSTM神经网络构建痛经专有性中医辨证模型;成都中医药大学2020年大学生创新创业训练计划省级立项课题（S202010633155）：国际中医在线助疫情;成都中医药大学2020-2021年大学生科研实践创新课题（ky-2021033）：LSTM神经网络在中医胃病病型诊断中的实现

作者简介：杨璠（2000—），女，重庆人，本科在读，研究方向为中医学;李连新（1998—），女，四川成都人，本科在读，研究方向为中医学;通信作者：陈菊（1987—），女，四川成都人，助理研究员，硕士，主要从事中医数字化工作。