中医诊疗专家系统论文

摘要随着医疗机器人技术及通用人工智能技术的迅猛发展，标准化、智能化已经成为了现代医学发展的主流趋势。我团队自主开发了基于数字经络理论的智能针灸机器人，具备基于经穴主治与症状联系的小世界网络自动配穴这一核心功能，我们运用基于模块度优化的启发式社区发现算法，对腧穴主治网络进行了较为系统的研究，并通过进一步的开发，初步实现了基于图论的针灸智能取穴功能。今天小编给大家找来了《中医诊疗专家系统论文(精选3篇)》仅供参考，希望能够帮助到大家。

中医诊疗专家系统论文 篇1：

面向大数据的高血压中医专家诊疗系统构建及应用

摘要：目的  為增强人们对高血压病的认识、提高医务人员的诊断水平，构建面向大数据的高血压中医专家诊疗系统。方法  以人机接口、数据库、知识库、推理机、解释机构和知识获取模块为主体，构建专家诊疗系统框架，使该系统具有症状检索、病情检索、西药药品检索、中医诊疗和系统管理等主要功能。结果  针对中医理论表述的不确定性，建立基于反向传播神经网络（BP网）的高血压病诊断网络结构，模拟南京中医药大学附属医院暨江苏省中医院心内科名中医的辨证论治方式，应用Visual Studio软件（2013）和SQL Server数据库软件（2012），开发了高血压中医专家诊疗系统，通过症状特征推理证候分型，并开出处方。通过对近5年本院93 626例高血压患者进行检测和应用对比，使用高血压中医专家诊疗系统辨证治疗的准确率达到95%以上。结论  将大数据、人工智能与中医诊疗相结合，研究高血压专家诊疗系统，为实现智慧中医诊疗、提升临床服务能力提供有力支撑。

关键词：大数据;高血压;中医专家诊疗系统;反向传播神经网络;诊疗

DOI： 10.3969/j.issn.2095-5707.2019.05.002

Key words： big data; hypertension; TCM expert diagnosis and treatment system; back-propagation neural network （BP）; diagnosis and treatment

中医专家的诊疗经验主要依靠师徒关系传承，中医药理论博大精深，隐含知识（或不确定知识）相对较多，传承难度大，传播速度慢。长期以来，相对西医西药，中医药的科学性备受质疑，无法或很难确定中药方剂中具体发挥治疗和预防作用的成分、剂量、化学结构，很难跟踪评价代谢成分^[1]。大数据、云计算、人工智能的迅猛发展为中医药研究开辟了新的方向，给中医药传承发展带来了新的机遇。

1  构建高血压中医专家诊疗系统的意义

建立具有辨证论治内涵的智能中医诊疗决策系统，可以进一步促进中医诊疗规律的提升和总结^[2]。智能辨证系统可以根据患者患病信息直接进行智能诊断，确定疾病的证型证候，进而选择治疗方法^[3]。针对传承难和临床服务能力低的问题，陈辛畋等^[4]提出构建全生态中医知识库和智慧系统，采用人工神经网络技术，通过网络训练和学习，实现“证型证候”到“处方方药”的相对准确对应，为中医客观化探索提供了新的规范化论治的研究方法^[5]。反向传播神经网络（Back-Propagation Neural Network，BP网）作为一种模拟人脑神经元结构的大规模、非线性、自适应网络，具有很强的自学习能力，已应用于疾病诊断、预测、疗效评价等方面。例如，应用BP网分析北京市社区中医药服务发展影响因素权重^[6];模拟中医切脉，构建脉搏动态图像、切脉压力、探头内压、示波法血压的多信息同步采集系统，应用BP网预测血压^[7]。另外，针对人体各项生理参数数据量大、过程较为复杂、预测效果差的问题，孙艳秋等提出了基于大数据分析潜在高血压的预测方法^[8]。

进入21世纪，压力高、节奏快的工作和不合理的饮食导致高血压患者越来越年轻化，门诊量越来越大，而医疗资源有限，具有丰富经验的名医更是稀少，迫切需要使用现代的信息化手段，研究中医诊疗决策模式^[9]、高血压医学知识库与智能检索推理系统^[10]，充分挖掘古籍和名中医的经验，将辨证施治、个性化诊疗的成功案例传承下来，服务于科研、临床的一线医生，以提高高血压专科医生的临床决策水平。

2  高血压中医专家诊疗系统

2.1  高血压中医专家诊疗系统的结构设计

高血压中医专家诊疗系统主要由人机接口（界面）、数据库、知识库、推理机、解释机构和知识获取模块组成（见图1）。采用以数据库为主体的构造模式，即将推理机和人机界面之外的部分以数据库的形式来表示。知识库中含有专家案例库和规则库。

数据库用于存放高血压领域的初始问题和推理过程中的中间数据（信息），如：医生在病人就诊时所做的关于症状、检查、用药等逐条具体记录。知识库用于存放高血压中医专家诊疗系统的专门知识，包括事实、规则等，规则常用产生表示法表达，即以“if条件1 and条件2……and条件N，Then结论”的方式表达。推理机用以模拟高血压中医专家的思维过程，控制并执行对问题的求解，它是一组用来控制和推理专家系统的程序，可从已知事实（症状特征等）出发，运用已掌握的专家知识，推导出结论（证候分型结果等）。解释机构是对患者提出的“为什么？结论是如何得出的？”等问题加以解答，它能够跟踪并记录推理过程，给出解释。知识获取模块是由知识工程师从科技文献、高血压中医专家处获取知识，转化成特定的计算机表示。

2.2  高血压中医专家诊疗系统的功能模块

高血压中医专家诊疗系统由症状检索、病情检索、西药药品检索、中医诊疗和系统管理5个主要功能模块构成（见图2）。

2.2.1  症状检索模块  此模块用于针对某一具体患者，检索高血压相关中医症状表象。症状检索包括主要症状、次要症状、脉象、舌象等模块。头晕、头痛、目眩、寐差、胸闷、心慌等属于主要症状。大便干结、痰多、麻木、急躁易怒、尿频、面赤等属于次要症状。脉象有弦、细、滑等。舌象有舌淡、舌红、舌紫、苔薄、苔腻、舌有瘀斑等。这些症状信息来源于专家临床所见及文献记载。

患者、医生、药师等用户可以浏览高血压症状的详细信息;也可以使用检索功能，方便快捷地查询到所需的高血压症状信息。检索方式有：浏览高血压中医相关症状信息，用检索树的方式查询高血压中医相关症状信息，用关键词查询高血压相关症状信息。

2.2.2  病情检索模块  病情检索模块分为2个部分：一是高血压分级分期情况，二是相关合并症情况。医生根据患者的高血压分级分期，判断病情程度;根据冠心病、糖尿病、高血脂等并发症的状态，适当调节处方用药。

2.2.3  西藥药品检索模块  此模块用于查询高血压病常见药物的名称、分类、用量及合并用药情况。检索方式有：直接浏览药品信息，按照药品名称查询，按照药品类型查询。

2.2.4  中医诊疗模块  根据所提供的症状、病情、西医诊疗信息，通过人工智能BP网进行中医辨证分析，得出相应的证型。根据证型结果，再次通过人工智能BP网模拟中医专家的处方用药生成针对该患者的中医处方。

2.2.5  系统管理模块  主要包含用户管理和知识库管理。通过在系统中设置权限来保证专家系统的安全性，被授权的专家可以对知识库进行完善和更新，可以修改自己的信息;系统管理员拥有后台所有管理权限。医生、药师等用户在注册后，可以通过人机界面使用专家系统，但是不能修改专家系统的知识库。

知识库管理主要对高血压相关领域的知识、规范、基础数据等进行描述和说明;可以定义、添加、删除相关知识和规则，并通过动态数据库进行实时更新。

3  基于BP网的高血压病智能诊断

人工神经网络可以模拟人脑信息处理功能，其基本处理单元是神经元，通过神经元互联的方式从输入、输出数据中学习有用的知识。BP网是应用较为广泛的一种人工神经网络模型，是一种按误差逆传播算法训练的多层前馈网络，擅长处理大量的非线性数据和信息，因此特别适合处理中医院大量的临床病例。BP网的神经元分层排列，具有输入层、输出层和隐藏层，能学习和存储大量的输入-输出模式映射关系，常用于模式识别、函数逼近、数据压缩等领域。由于人的机体与疾病之间是一种非线性关系，采用具有自适应学习、全局逼近、较好泛化能力的BP网，可以有效地建立高血压病智能诊断网络结构，该结构包含1个输入层、1个隐含层和1个输出层。

根据高血压病的症状，输入以7×4矩阵的症状特征（见表1），表中4列分别代表主要症状、次要症状、脉象和舌象，7行代表具体症状。经过向量转换成28×1的列向量，作为BP神经网络的输入层，隐藏层有15个神经单元，输出层有4个神经单元，最后得到证候分型的结果。

医患诊断中将所描述的症状契合单元的值置为1，不契合的单元值置为0，表1中第三列脉象只分为4个特征即脉弦、脉细、脉滑和其他，故其第4～6行以0补充空位。这样表1中的特征就可用以0，1组成的7×4矩阵表示出来，并转换为列向量作为输入，通过BP网的智能推理，得到证候分型结果。

4  高血压中医专家诊疗系统的实现

本文在研究南京中医药大学附属医院暨江苏省中医院心内科近5年高血压病例的基础上，应用Visual Studio软件（2013）和SQL Server数据库软件（2012），开发了高血压中医专家诊疗系统。下面以具体病例为例，介绍系统的实现过程。病例：王某，男，70岁，血压160/80 mmHg，西医诊断：高血压病，心律失常，室性早搏。主诉：头晕间作6年，加重2个月。症状：头晕，胸闷，心慌，寐差，尿频，舌淡紫，舌下青筋显露，苔薄白，脉细弦。图3为高血压中医专家诊疗系统的中医高血压研究界面，显示该患者基本信息，图4为患者的主要症状、次要症状、脉象、舌象等特征性症状。

专家系统将头晕、胸闷、寐差、心慌、尿频、脉细、脉弦、舌淡、舌紫、苔薄、舌下青筋以“1”替换，其他处以“0”表示，利用BP网智能推理出证候分型，结果为肝肾阴虚（见图5）。系统选择名中医方祝元主任，使用其常用经验处方：天麻10 g，钩藤10 g，潼蒺藜10 g，白蒺藜10 g，川芎10 g，川牛膝10 g，杜仲10 g，桑寄生10 g。根据合并疾病心律失常、失眠加用益气养阴、安神定志药物：太子参10 g，麦冬10 g，五味子10 g，黄精10 g，玉竹10 g，酸枣仁30 g，生龙齿30 g，模拟给出专家处方（见图6）。

使用高血压中医专家诊疗系统对近5年来院治疗的高血压患者93 626例进行了检测和应用对比，该系统准确率达到95%以上。

5  小结

采用Visual Studio软件（2013）和SQL Server数据库软件（2012），以近年来江苏省中医院心内科名中医的诊疗病例为基础，研发出基于大数据的高血压中医专家诊疗系统，通过BP网将文字描述的症状量化为数字表示的矩阵，自动推理出高血压病的证候分型，并模拟给出名中医处方，实现了“证候”到“处方”的对应，为发掘名中医的隐含知识、传承其诊疗经验，为提高广大中医的临床决策能力，提供了有力的技术支撑。

参考文献

[1] 解育静.大数据时代中医药领域面临的机遇与挑战[J].中华医学图书情报杂志，2015，24（7）：33-35.

[2] 崔骥，许家佗.人工智能背景下中医诊疗技术的应用与展望[J].第二军医大学学报，2018，39（8）：846-851.

[3] 孟学茹，温川飙.中医药领域人工智能研究现状[J].中医临床研究， 2018，10（22）：143-145.

[4] 陈辛畋，阮春阳，于观贞，等.融“古”贯“今”，构建智慧中医新体系[J].第二军医大学学报，2018，39（8）：826-829.

[5] 刘艳飞，孙明月，姚贺之，等.大数据技术在中医药领域中的应用现状及思考[J].中国循证医学杂志，2018，18（11）：1180-1185.

[6] 欧阳亚楠.基于BP神经网络對北京市社区中医药服务发展影响因素研究[D].北京：北京中医药大学，2017.

[7] 周兴忠.多信息同步采集系统构建与血压测量方法研究[D].兰州：兰州理工大学，2014.

[8] 孙艳秋，刘钢.基于大数据分析的潜在高血压病预测研究[J].计算机仿真，2015，32（5）：386-389，421.

[9] 谢晴宇.基于系统复杂性及其认识论的中医诊疗决策模式研究[D].北京：北京中医药大学，2013.

[10] 杨青.基于本体的高血压知识库与智能检索推理系统的研究[D].沈阳：东北大学，2013.

（收稿日期：2019-08-22）

（修回日期：2019-09-06;编辑：魏民）

作者：刘健　蒋卫民　沈宫建

中医诊疗专家系统论文 篇2：

基于图论的智能针灸机器人取穴原理研究

摘要随着医疗机器人技术及通用人工智能技术的迅猛发展，标准化、智能化已经成为了现代医学发展的主流趋势。我团队自主开发了基于数字经络理论的智能针灸机器人，具备基于经穴主治与症状联系的小世界网络自动配穴这一核心功能，我们运用基于模块度优化的启发式社区发现算法，对腧穴主治网络进行了较为系统的研究，并通过进一步的开发，初步实现了基于图论的针灸智能取穴功能。

关键词腧穴；复杂网络；社团划分；图论；针灸治疗；医疗机器人；人工智能；算法

Research on Acupoint Selection Theory of Intelligent Acupuncture Robot Based on Graph Theory

Liu Zhen1， Zhao Zhuang1， Lin Qi2， Xu Tiancheng3

（1 Institute of Information Technology， Nanjing University of Chinese Medicine， Nanjing 210023， China； 2 Second School of Clinical Medicine， Nanjing University of Chinese Medicine， 210023， China； 3 Affiliated Hospital of Nanjing University of Chinese Medicine， Nanjing 210029， China）

中圖分类号：R245文献标识码：Adoi：10.3969/j.issn.1673-7202.2018.08.043

Alpha Go人机围棋大战的成功给中医学提供了极大的启发，中医学将可能借助基于大数据的新人工智能走上以智能化、机器化、自动化为标志的现代化之路。将中医药典籍和中医诊疗过程等中医知识、经验转化为数据，所形成的中医大数据将为中医智能化提供丰富的经验基础[1]。而随着通用人工智能技术的进一步成熟，用于诊断的医疗人工智能正逐步从实验室走近临床，2018年2月23日，顶级期刊Cell以封面文章的形式发表了一篇人工智能（AI）在医疗领域应用的重磅研究成果，指出基于深度学习技术已研发出一款能诊断眼病和肺炎两大类疾病的AI系统[2]，跨病种、跨影像学数据类型并具有一定可解释性的新一代人工智能平台是人工智能图像技术在医学影像领域的首个应用成果，可促进疾病的早期治疗和精准治疗，改善患者的临床预后。而在中医针灸的相关研究中，引入循证医学理念和方法促进针灸经验决策模式向循证决策模式转变，对提高针灸临床疗效具有非常重要的意义[2]。而早年的研究较为分散和模糊[4]，且技术尚未成熟，诸多研究围绕的是基于深度学习或数据挖掘等得出腧穴的配伍规律[56]，而未能实现将得出的规律反向运用于指导临床，我团队尝试使用图论在挖掘腧穴主治网络拓扑学规律的基础上，形成基于该结果的智能针灸选穴软件。

1图论及其主要研究参数

11图论简介

图论起源于著名的Konigsberg七桥问题[7]。位于前苏联的这座古老的城堡中，有一条Pregel河，河水把城市分成4个小岛般的区域，人们在河上建造了7座桥，把城市连成一体。由此引发了一个问题：是否存在一种路径，从4个河岸中的任1个开始，通过每座桥且只能通过1次，并最后回到起点。数学家Leonhard Euler解决了这一难题，他认为，该问题与河岸和岛的大小、形状以及桥的长度曲直无关，关键取决于河岸、岛、桥的数目并证明了这个问题没有解。之后他又对这一类问题进行总结推广，给出了关于一个图以某种方式走遍的判定法则，标志着图论的诞生。许多的自然系统和社会系统以网络的式存在，如因特网，代谢网络、社交网络、食物链网络、知识网络、神经网络、业务关系网络、血管网络等[8]。网络在数学上又称为“图”，图论作为离散数学的重要组成之一，通常也是研究网络的主要且有效的方法。这种生物、社会、交通、能源等存在于真实世界中的很多系统，都可表示成若干节点和边构成的网络。其表示的系统，其基本单位可简化成这些节点，边则表示这些基本单元间的相互作用或关系[9]。这样的系统数学网络化的过程以系统的基本单位及其间的结构联系为重点，忽略了这些系统本身的理化等特性，抽象出“图”的数学模式。

现实世界中，不同类的系统间差异鲜明，但通过图论的数学建模过程发现，这些抽象而来的网络中很多具有共同的结构或性质，且通过研究这些网络的特性可进一步揭示系统原型的形成原理、结构功能和演化规律等。随着信息技术的迅猛发展，现在我们能够收集和分析的数据规模远大于先前，复杂网络可达数百万节点以及数十亿连边的级别[10]。网络规模的变化势必引起分析方法的改变，原本小型网络中不存在的问题可能在大型网络中出现，并且无法被原先仅适用于小型网络的方法所解决。在大规模如上万节点的一个网络中，随意移除一两个节点网络整体可能并没有什么变化，但究竟移除多少个顶点才会对网络的连通性产生极大的影响呢？这样的问题就具有非常现实的意义[11]。近年来对大规模复杂网络的定量与定性研究，尤其是幾个重要的特性。吸引子、小世界、无标度等的研究，已成为当代科学研究中极其重要的挑战性问题之一[12]。

12图论在中医药研究中的应用

作为一项通用性的分析技术，使用图论研究的中医问题也十分丰富，例如佟旭[13]提出的基于复杂网络重叠社区发现算法的特征选择，能有效提取出对证型代表性强且区分度高的典型特征组合，所得出的多种建模策略可胜任糖尿病肾病多证型分类任务，类似模型也适用于中医药领域具有高维度、稀疏性和非线性特点的其他数据和类似问题的建模研究。而在针灸领域，图论更广泛地应用于观测针刺特定穴位后脑功能的改变数据分析，如付彩红[14]应用独立成分分析提取静息态多个脑功能网络，并通过比较分析中风偏瘫患者和健康受试者脑网络内的功能连接的特点，探讨中风偏瘫患者脑功能网络变化的异常特征。在此基础上，采用格兰杰因果分析进一步探讨针刺对中风偏瘫多个脑网络间的调节效应。

13图论研究的主要参数介绍

在图论研究过程中，对于某一网络的拓扑特征分析，主要从最短路径、平均路径、网络直径、节点度、度分布、度中心性、介数中心性、聚集系数和特征向量等参数展开，下面本文就这些参数作简要介绍。

131最短路径、平均路径和网络直径

最短路径是连接两个节点的所有路径中最小的路径，在无权图中就是最短路径经历的边数，表示为dij。网络平均路径为所有节点对之间距离的平均值，记为L=avgij（dij）。网络直径为任意两个节点距离的最大值，记为D=maxij（dij）。现实世界中复杂网络所涌现出来的重要特性，比如小世界现象和无标度特性，都影响着病毒的传播行为。探索复杂网络上病毒的传播行为，揭示蕴藏其中的传播规律，进而发现影响病毒传播的重要因素，对于提出相应的预防，免疫和控制策略有着非常重要的现实意义[15]。

132节点度和度分布

网络中节点i的度ki为节点i连接的边的总数目，记为d（v）。所有节点i的度ki的平均值称为网络的平均度k，记为。网络中节点的度分布用分布函数p（k）来表示，其含义为任意选择的某一节点恰好有k条边的概率，也等于网络中度数为k的节点的个数占网络中节点总个数的比值。

133度中心性和介数中心性

中心性反映了成员在网络中所处的地位和权利影响，分为度中心性和介数中心性。前者反映了节点与其他节点存在直接联系，以节点度大小作为衡量标准；而介数中心性则反映节点对其他节点之间联系的控制作用，用经过节点的最短路径来衡量[16]。吕永强等[15]用介数中心性刻画北京交通流量，值越高，说明该交通节点的流量越高，对其他节点的影响越大，最终指出北京交通网络的介数中心性高值区沿京港澳高速、京藏高速、机场高速等和二环、三环、四环分布，得出这些道路内部的交通流量大、通勤度较高，能够吸引人口、产业集聚的结论[17]。这就是图论在真实世界中的实际运用。

134聚集系数

聚集系数表示一个图中节点聚集的程度，在现实网络中，尤其是在特定的网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密的组织关系。在现实世界的网络，这种可能性往往比两个节点之间随机设立了一个连接的平均概率更大。节点i的聚集系数定义为Ci=2Mid（vi）（d（vi）-1），其中d（vi）为节点i的度，Mi为与节点i实际相连的边数。

135特征向量

节点的重要性除了与连接的边数有关，还与连接节点本身的重要性有关，一个节点可通过连接重要的节点从而提高本身在网络中的重要性，特征向量就是刻画与节点相连接的节点与边的影响。λ1，λ2，λ3…，λN表示网络的邻接矩阵A的N个特征值，设λ是邻接矩阵A的主特征值，特征向量为e=[e1，e2，e3…，eN]T，λei=Nj-1aijej，i=1，…，n，那么节点vi的特征向量指标可定义为：Ce（vi）=λ-1Nj-1aijej[19]。

2针灸腧穴主治网络的小世界特征

我们团队提取《经络腧穴学》及《针灸甲乙经》书中的“穴名”和“主治”2个元素进行的经脉系统的数学建模。其基本原理为：穴位间根据相同主治进行连边，如劳宫穴与涌泉穴的共同主治证候之一为中暑，则形成一条连边。根据这一原则构建的腧穴主治网络，在未标定网络经穴连线方向（即构建无向网络）的情况下，计算出《经络腧穴学》中穴症网络平均聚类系数为0643，而相同条件下，节点数362个，连线率5%的随机网络的平均聚类系数为0026[19]。经穴主治复杂网络的高聚类系数是同规模随机网络的24倍，体现了高度的聚类特性。同理所得，《针灸甲乙经》穴症网络平均聚类系数为0709，同样条件下，节点数306个，连线率5%的随机网络的平均聚类系数为0022。这一组研究成果的具体分析已经发表[2021]，后续的分析和编程均基于以上研究成果。

3编程思路

31模块度的意义

典型的大型网络如社交网络、移动电话网络等，规模可达数百万甚至数十亿。传统算法难以胜任对整个网络的分析挖掘，学者提出的一个可能的方法是将网络提取出由一些高度连接的节点构成的子网络（或社区）[22]。识别这些社区的意义重大，有利于发现未知的功能模块。

社区划分的目标是使得划分后的社区内部节点间联系较为紧密，而隶属于不同社区的节点之间的联系则较为稀疏。近年来，几种不同的社区发现算法被提出，如分裂算法，扫描网络试图检测并删除不重要的连接边，凝聚算法等分裂算法也在腧穴社区发现中得到了应用[23]。

为了评价社区划分的优劣，Newman等提出了模块度的概念[24]，用社区内的连接数量与社区间的连接数量比较以衡量社区内部的连接密度。带权网络中的模块度定义如下：

Q=12 mi，j[Ai，j-kikj2 m]δ（ci，cj）（1）

其中，m=12i，jAi，j表示的是网络中的所有的权重，Ai，j表示的是节点i和节点j之间的权重，ki=jAi，j表示的是與顶点连接的边的权重，ci表示的是顶点被分配到的社区，当ci=cj时δ（ci，cj）函数为1，否则为0。

本文采用基于模块度衡量社区优劣的fast_unfolding算法对病症腧穴网络进行社团划分。算法分为以下步骤：

1）网络初始化：先将网络中每个节点划分到一个单独的社区中；

2）迭代计算：对于每个节点，尝试将其划分到与其相邻的节点所属的社区中，计算此时的模块度Qnew并与此次划分前的模块度Q比较得到△Q，若△Q为正，则接受本次划分，否则，拒绝本次划分；

重复以上过程，直到模块度Q值不能再增大为止；

3）重新构造改图：根据当前社团划分情况，将同一社团中的节点凝聚为一个节点并计算相应边的权重；

4）依次重复过程2）和3），直到该图不再变化为止。

32Q峰值的计算

Q函数可真实反映网络社团化的程度，其计算公式如式（1）。在fast_unfolding算法迭代过程中，根据公式计算每次划分后网络的Q值整体呈上升趋势，在前4 000次迭代过程中Q值迅速上升，在4 000到12 000次迭代过程中Q值上升速度略有减缓，在12 000次到20 000次迭代过程中，Q值上升速度进一步减慢，20 000次迭代之后Q值逐渐趋于稳定，并局部有振荡。说明划分结果趋于稳定，Q值逐渐收敛，值得强调的是，fast_unfolding算法对不合理的划分更加敏感，即在找到最理想的社团划分结果之前，算法尝试不合理的社团划分会在Q值上体现地更加明显，直观的变化趋势如图1所示：

算法输入为由腧穴症状组成的网络，其中腧穴和症状作为节点，腧穴与症状的连接作为边，部分迭代结果如图2。

最终社团划分结果，由于节点较多，此处选择度数大于7的节点给予显示。见图3。

4对针灸发展的意义

41对针灸临床取穴具有指导意义

如今针灸临床治疗疾病，多有循经取穴，通过“经络理论”进行归经和主治整理，弱化了对穴位本身治疗作用的考虑，也是由于“经络理论”，可能放大了不同经穴位的差异，例如便秘，多考虑从手阳明大肠经，足阳明胃经等进行取穴，而临床多使用手少阳三焦经上支沟穴。通过穴症的小世界网络，可使临床取穴更加简洁高效，使用最少的穴位，达到最高的疗效，组成“性价比高”的针灸处方。

42发展现代针灸

基于图论的智能针灸配穴系统顺应了数字经络智能针灸机器人的思维方式，从而使机器人理解经络，能够使其在得到症状后快速取穴，以发展现代针灸事业。根据“小世界效应”与“涌现计算”构建经穴主治定量分析模型，经由一系列数据挖掘的算法分析，穴症网络具备高效的信息传递性，经脉不是穴位间关系的唯一表达。为将此理论实体化，我们建立穴位主治网络，并以此为基础开发辅助选穴系统。软件系统最主要的功能为识别用户输入症状组，经由算法处理反馈给用户一组治疗对应症状的有效穴位。见图4、图5。

5结语

随着当代医学科学的迅猛发展，中医学面临着日趋严峻的挑战和竞争，中医学要保持自身的魅力必须适应时代的需要进行发展与创新。创新是人类发展的不竭动力，是民族凝聚力和创造力的具体表现，同时也是对传统的继承与发扬。在国家创新体系中，高校学生处于创新链条的前端，是知识创新和技术创新的引领者和开拓者。

使用针灸机器人进行针灸科学研究是一个全新的设想，存在以下问题：1）初创成本较高：初级版机器人治疗范围局限，但功能有限，实现全身穴位自动化定位和针刺的升级产品成本会进一步增加；2）行业标准空白：针刺治疗属于介入性手段，国内尚无配套医疗行业标准；3）安全措施有限：需按受体皮脂厚度等因素制定更详细的个体化针刺程序，增加超声传感器、力学传感器等提高自动针刺的安全性。因此，短期内其主要应用方向是针刺研究中的实验动物。此外，值得思考的是，针刺的刺激是否能够简化为单纯的物理刺激？机器人针刺和人工针刺在“治神”等方面的区别是否能够证明针刺的非物理作用？这些都是今后研究中需要进一步探讨的问题。而使用图论进行智能选穴的设想正式针灸机器人的核心组件之一，我们希望类似的研究能对中医现代化的事业尽一份绵薄之力。

参考文献

[1]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）：20762079，2106.

[2]Kermany DS，Goldbaum M，Cai W，et al.Identifying Medical Diagnoses and Treatable Diseases by ImageBased Deep Learning[J].Cell，2018，172（5）：11221131.e9.

[3]任玉兰，梁繁荣，吴曦，等.基于数据挖掘的针灸临床循证决策支持系统研究[J].中华中医药杂志，2011，26（4）：795797.

[4]蒋培.基于超文本知识库的模糊针灸专家系统[D].合肥：合肥工业大学，1997.

[5]刘精精.基于人工智能算法的腧穴配伍规律的研究[D].长春：长春工业大学，2016.

[6]赵凌，任玉兰，余毓如，等.基于数据挖掘技术分析古代针灸治疗偏头痛的经穴特点[J].中国中医基础医学杂志，2008，14（10）：774776.

[7]张欣.公交网络的复杂性研究[D].大连：大连理工大学，2006.

[8]乔赫元.基于复杂网络的腦功能研究与分析[D].合肥：中国科学技术大学，2011.

[9]梁夏，王金辉，贺永等.人脑连接组研究：脑结构网络和脑功能网络[J].科学通报，2010，55（16）：15651583.

[10]张文波.Internet宏观拓扑结构的生命特征研究[D].沈阳：东北大学，2006.

[11]钱学森，于景元，戴汝为.一个科学新领域——开放的复杂巨系统及其方法论[J].自然杂志，1990，13（1）：3.

[12]方锦清，汪小帆，刘曾荣.略论复杂性问题和非线性复杂网络系统的研究[J].科技导报，2004，6（2）：1517.

[13]佟旭.基于复杂网络理论的糖尿病肾病辨证建模研究[D].北京：北京中医药大学，2016.

[14]付彩红.针刺阳陵泉对中风偏瘫静息脑网络响应特征的多元Granger因果分析研究[D].北京：北京中医药大学，2016.

[15]吕永强，郑新奇，周麟.路网中心性与城市功能用地空间分布相关性研究——以北京城市中心区为例[J].地理研究，2017，36（7）：13531363.

[16]熊云艳.复杂网络的某些性质研究及其应用[D].广州：华南理工大学，2016.

[17]Fortunato S，Castellano C.Community structure in graphs[J].Encyclopedia of Complexity & Systems Science，2007：490512.

[18]孙天晓.基于复杂网络社团结构划分的面瘫腧穴配伍规律研究[D].成都：成都中医药大学，2016.

[19]Newman ME，Park J.Why social networks are different from other types of networks[J].Phys Rev E Stat Nonlin Soft Matter Phys，2003，68（3 Pt 2）：036122.Epub 2003 Sep 22.

[20]刘涛，陈忠，陈晓荣.复杂网络理论及其应用研究概述[J].系统工程，2005，23（6）：17.

[21]钟琦，汪克夷.基于社会网络分析法的组织知识网络及实例研究[J].科技管理研究，2009，29（4）：211214.

[22]黄鑫.复杂网络上计算机病毒传播研究[D].沈阳：辽宁工程技术大学，2011.

[23]Latapy M.Mainmemory triangle computations for very large（sparse（powerlaw））graphs[J].Theor Comput Sci，2008，407（13）：458473.

[24]徐天成，李诗园，徐先红，等.基于穴症关系的经脉拓扑模型定量研究[J].中国针灸，2017，37（11）：12291232.

（2018-03-28收稿责任编辑：杨觉雄）

作者：刘震　赵壮　林祺

中医诊疗专家系统论文 篇3：

大数据时代中医药信息的应用

摘要：通过对大数据背景下中医药领域的中医药信息进行分析，确定中医药信息在中医药诊疗和科研中的作用、在中医医疗机构管理中的作用以及在公共卫生研究机构中的作用，认识到大数据的中医药信息在未来中医药发展中具有非常大的价值。大数据时代刚刚到来，尤其在中医药领域的应用才刚刚起步，要把握住这次机会，让中医药行业迎来崛起的良机。

关键词：大数据；中医药信息

doi： 10.3969/j.issn.2095-5707.2014.01.001

Application of TCM Information in the Age of Big Data

Pan Wen， Cheng Tao， Niu Chongxin， Zhao Xiaoli

（Gansu Academy of Traditional Chinese Medicine Sciences and Technology， Information Research Institute of Traditional Chinese Medicine， Gansu Lanzhou 730050， China）

Key words： big data； TCM information

随着信息技术产业的高速发展，越来越多的计算机技术融入到人们工作和生活的各个领域。而计算机信息技术与传统的中医药行业的结合，则大大推动了中医药行业的发展，各种中医、中药数据库和以提高诊疗质量为目的包括专家系统在内的医用人工智能系统、远程医学系统、综合医院信息网络系统的研制与开发成为中医药信息化的重点。

1 大数据时代到来

当数据成为一种新的经济资产，当科研处于以数据为基础进行科学发现的第四范式[1]，当数据开始变革教育[2]，这些都标志着我们已经进入了大数据（big data）时代。全球知名咨询公司麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”同样，在中医药领域，应用大数据时代的理念与技术的研究，也已经悄然展开。中国中医科学院副院长刘保延教授指出：“‘大数据’应用于中医药临床与科研，将给这个领域带来革命性的变化。”大数据，顾名思义是大规模的数据集，但它又不仅仅是一个简单的数量的概念。大数据是指所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更积极目的的资讯。相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。IBM公司指出，大数据的特点是4个V：Volume（大量）、Velocity（高速）、Variety（多样）及Veracity（真实），它提供了在新的和正在出现的数据和内容中洞悉事物的机会，使业务更加灵活，并回答以往没有考虑到的问 题[3]。Gartner公司的报告也提出，大数据是大容量、高速和多样化的信息资产，它们需要新的处理方式，以提高决策能力、洞察力和流程优化[4]。

由此可见，大数据的战略意义，不在于掌握了庞大的数据信息，而在于对那些有意义的数据进行专业化处理，使之成为一种大资源。其背后隐藏了深刻的理念，这些理念包括：①将对数据和信息的分析提升到了前所未有的高度。这里的分析是指深层的挖掘。大数据时代，如何充分利用好积累的数据和信息，以创造出更多的价值，已经成为企业管理者、政府机构以及科研工作者首要关注的问题。②多种数据的整合和融合利用。大数据时代，数据的多样性是一种真实的存在，其表现方式可以是数据库、数据表格、文本、传感数据、音频、视频等多种形式。同一个事实或规律可以同时隐藏在不同的数据形式中，也可能是每一种数据形式分别支持了同一个事实或规律的某一个或几个侧面，这既为数据和信息分析的结论的交叉验证提供了契机，也要求分析者在分析研究过程中有意识地融集各种类型的数据，从多种信息源中发现潜在知识。只有如此，才能真正地提高数据分析的科学性和准确性。③更加广泛地应用新技术和适用技术。数据量大、类型多样、增长速度快是大数据的突出特点，这必然会带来数据获取、整合、存储、分析等方面的新发展，产生相应的新技术或者将已有的技术创新地应用于大数据的管理与分析。同时，计算机辅助分析或基于计算机的智能化分析，将成为大数据时代数据与信息分析的主流模式。

2 中医药信息在大数据时代背景下的作用

在中医药领域中，中医药信息具有非常典型的大数据特征。有资料显示，中国中医科学院2012年4所医院全年的门诊量达到698万人次，仅广安门医院1天的门诊量就超过1万人次，每年还有6万多的住院患者。如果将这些患者的诊疗过程全部数据化，每人次就诊产生的医学数据以10 M计，每年产生的数据量将高达70 TB，如果把全国中医院的临床数据都汇聚起来，其规模之大可想而知。另外，在中医医院，每个患者不但要经过辨证论治的个体化诊疗，还要经过各种理化检测进行疾病及其预后的诊断，所以不只有病历资料中包含的信息，还会有生化检查、多种影像或病理切片检查的生物学信息。收集这些庞大、多类别的数据，通过分析处理将其盘活，可以产生意想不到的价值。

2.1 中医药信息在中医药诊疗和科研中的作用

中医药信息在中医药领域具有非常重要的作用。大数据的中医药信息对中医药的诊疗和科研有着非常重要的促进作用，将给中医药科研带来巨大的变化和极大的便利。刘保延教授认为，利用数字技术记录中医临床诊疗实践中大量的中医学知识和诊疗信息，并把这些信息用于分析中医临床诊疗的疗效和经验知识，是中医药学现代化研究和发展的重要课题。这些海量信息就是一笔巨大的财富。中医药从人体状态切入，整体、动态、个性化地掌握人体，理念超前，方法先进，但中医药的巨大潜力并没有充分发挥，至今仍不能满足人们日益增长的需求，关键问题在于缺乏实现超前理念、先进方法的技术手段。当前记录实践的技术仍然停留在千余年前的水平，当务之急是进行技术体系的创新，数字技术是促进中医药快速发展的必由之路。对于中医药学来说，如何让大数据成为学科发展的大优势，取决于对大数据的收集与处理。这是一个极其复杂的工程，也是一个大考验，处理得好，应用得当，大数据就会成为“大优势”，为中医药发展带来“大价值”。

众所周知，中医药发展离不开临床。以前中医主要通过个人在临床实践中积累经验，用纸质病历将临床诊疗过程记录下来，通过自己感悟升华，变成自己的学术观点或学术思想，再回到临床指导实践，这种“从临床中来，到临床中去”的发展模式是一个非常漫长、以实践中的疗效为检验标准的过程，导致了中医传承困难、成才缓慢、发展不能满足需求等状况。中医药行业利用大数据技术，重点要解决的是临床实践如何数据化、数字化问题。由中国中医科学院牵头研制的“中医临床科研信息共享系统”及其成果的延续和推广应用“中医临床科研信息共享系统构建”就是利用大数据实现中医药临床科研变革的有力工具。中医临床科研信息共享系统旨在建立中医临床实践数据化的工具与复杂海量临床数据管理和利用的平台，在这个平台上，利用大数据进行科学研究的过程实际上是一个以人为主、人机结合的临床科研一体化研究过程。其中，医者在临床实践中通过与患者的交互，采用“继承创新”的方法，践行着自己的诊疗实践，而同时通过临床科研信息共享系统，将实践数据化、规范化、数字化，海量临床数据经过整理、清理、装载、转换等过程，被放在了以“证-治-效”紧密相关模型为主题的数据仓库中，在医者“思维”的组织下，通过查询检索、统计分析以及数据挖掘等，从中发现中医临床的经验，揭示诊疗规律，评价临床疗效等，从而产生新的知识，再去更加有效地指导临床实践，使中医临床诊疗把握度不断提高，治疗范围不断扩大，服务能力与服务质量不断提升。

临床科研信息共享系统将临床实践数据化，采用高度结构化的电子病历系统，将不同医生采用的自由语言记录临床信息的方式，改变成通过数字化中医临床术语应用系统支撑下的结构化电子病历。研究建立了“中医临床标准术语集”和“中医临床规范术语字典”等系统，基本满足了临床病历书写与数据挖掘等对规范术语的需求，并在此基础上形成了结构化的中医电子病历系统。目前该项目合作医院利用此系统，已经收集中风、糖尿病、冠心病、肿瘤、针灸等中医、中西医结合诊治病历10万余份，其中包括40多位名老中医诊治的上万份病历。在不影响中医辨证论治临床实践的基础上，通过此系统，临床诊疗实践被详细记录并被量化为可分析的临床数据，形成了蕴含丰富临床经验和临床规律的海量数据库。然后，数据管理平台将整合不同研究中心、研究现场所产生的数据，形成蕴含内容极其丰富的大数据资源。中医临床数据一旦被全部汇集起来，将形成世界上独一无二的中医药资源宝库，将具备无与伦比的特色优势。

2.2 中医药信息在中医医疗机构管理中的作用

大数据的中医药信息能够进一步促进中医医疗机构的管理工作，为医护人员创造更加公平、公正、有效激励的工作环境和为广大百姓提供更为充裕的医疗资源。2012年3月，广东中医药大学第一附属医院正式携手IBM构建智能运营平台，利用IBM在业界领先的业务分析和数据挖掘工具，帮助该院搭建了大数据时代下的智能运营平台，成功部署了国内中医院行业第一个完整的运营数据分析系统，为医院管理体系输入至关重要的洞察力，不仅推进医院向管理现代化大阔步迈进，也极大程度地提升了民生大众的就医体验。智能运营平台的构建全面提升了医院在日常运营监控、阳光用药监察、医保费用监控、科室目标管理四大方面的技术能力。基于此项技术，IBM医院智能运营系统致力于帮助医院进行日常运营信息的整合，从医院管理目标出发对医院运营数据仓库进行规划和建模，以医院的医院信息管理系统（HIS）、电子病历（EMR）、病案管理、医保等系统作为数据源，进行数据抽取、清洗和转换，为数据的智能化分析利用打好基础。在医院运营数据仓库的基础上，IBM先进的医疗运营分析模型和分析工具能够帮助医院获得良好的业务洞察能力。而在进行数据整合与分析的过程中，IBM医疗分析专家不仅可以帮助医院发现原有系统中存在的数据质量问题，提出整改建议，还可以立足于医院的发展战略，帮助医院设计、规划出新的管控指标体系并对医院业务系统提出一系列整改要求，使医院的分析数据更加完整，更加准确。这些工作也从决策分析的角度引导和促进医院业务系统配合分析目标的要求，采集更加动态全面的信息，支持更深更广的业务洞察。

2.3 中医药信息在公共卫生研究机构中的作用

利用大数据的中医药信息，公共卫生研究机构能够更早地预测即将爆发的传染病及其传播范围和规模。对于个体而言，大数据就是全数据，通过集中全部诊疗信息、体检信息形成个体的全健康档案，可以使患者得到更有针对性的治疗方案。

总之，对于中医药领域来讲，包括中医、藏医、苗医等民族医学在内的中国传统医学拥有真正的大数据。现在仅仅是一个开始，既是挑战也是良机。只要以开放的心态、创新的勇气迎接大数据时代，就能更好地发挥中医药信息对中医药发展的重要作用，抓住祖国传统医学崛起的机会。

参考文献

[1]eScience-A Transformed Scientific Method[EB/OL].[2012-09-06].http：//research.microsoft.com/en-us/ um/people/gray/talks/ NRC-CSTB_eScience.ppt.

[2]Advanced Personalized Education[EB/OL].[2012-09- 06].http：//www.cra.org/ccc/docs/web_learning_spring. pdf.

[3]What is big data ？[EB/OL].[2012-09-06].http：// www-01.ibm.com/software/data/big-data/.

[4]Big data in little New Zealand[EB/OL].[2012-09- 06].http：//www.techday.co.nz/itbrief/news/big data- in-little-new-zealand/24518/.

（收稿日期：2013-07-24，编辑：魏民）

作者：潘文 程涛 牛崇信 赵晓丽