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(xué)東直門醫(yī)院，北京 100700；2.首都醫(yī)科大學(xué)護(hù)理學(xué)院，北京 100069

《中國心血管健康與疾病報(bào)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(wù)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(guān)鍵。人工智能（artificial Intelligence，AI）是用于模擬、延伸和擴(kuò)展人的智能理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門學(xué)科，可模擬人腦的思維和推理過程，利用計(jì)算機(jī)高效的信息處理系統(tǒng)，學(xué)習(xí)、整合輸出和利用新知識(shí)，為臨床解決心血管診療問題提供新方向?；贏I發(fā)掘、轉(zhuǎn)化醫(yī)學(xué)信息及自我計(jì)算演算發(fā)展的能力，在智能診療[2]、影像識(shí)別、專家系統(tǒng)[3]、藥物研發(fā)及醫(yī)療機(jī)器人[4]等方面已有廣泛應(yīng)用。中醫(yī)有著堅(jiān)實(shí)的理論基礎(chǔ)和豐富的診療經(jīng)驗(yàn)，“堅(jiān)持中西醫(yī)并重”是我國堅(jiān)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(dòng)力量為中醫(yī)藥的現(xiàn)代化發(fā)展帶來契機(jī)。AI技術(shù)在中醫(yī)診斷治療、預(yù)防心血管疾病等方面均有良好結(jié)合[5]。本文旨在對(duì)基于AI技術(shù)的中醫(yī)診療心血管疾病的研究現(xiàn)狀進(jìn)行綜述。

1 “治未病”思想指導(dǎo)的人工智能輔助預(yù)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”?！爸挝床　卑拔床∠确馈薄凹炔》雷儭薄梆蠓缽?fù)”3個(gè)方面，采用積極措施防止疾病的發(fā)生、發(fā)展和復(fù)發(fā)。在“治未病”思想指導(dǎo)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(shí)系統(tǒng)的研究

體質(zhì)的分類是一種對(duì)正氣盛衰的客觀詮釋，人體發(fā)病與否取決于正氣的強(qiáng)弱。隨著中醫(yī)體質(zhì)學(xué)的發(fā)展，中醫(yī)體質(zhì)分類與判定標(biāo)準(zhǔn)[7]已得到普遍認(rèn)可，中醫(yī)體質(zhì)量表[8]被廣泛推廣，成為“治未病”健康辨識(shí)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(shí)變化指導(dǎo)治未病研究[9]。林冰等[10]基于B/S模式設(shè)計(jì)中醫(yī)體質(zhì)辨識(shí)系統(tǒng)并形成個(gè)性化的體質(zhì)養(yǎng)生方案，有效指導(dǎo)日常健康管理和提高就診效率。李甘露等[11]建立了經(jīng)絡(luò)-體質(zhì)支持向量機(jī)算法（SVM）模型用于經(jīng)絡(luò)層面的體質(zhì)辨識(shí)，反映人體氣血運(yùn)行和臟腑器官變化的情況，輔助體質(zhì)診查。嚴(yán)玲等[12]運(yùn)用多標(biāo)記k近鄰算法（ML-kNN）將中醫(yī)體質(zhì)納入危險(xiǎn)因素，建立了心腦血管疾病患病風(fēng)險(xiǎn)預(yù)測模型和中醫(yī)促進(jìn)心腦血管疾病健康方案的知識(shí)圖譜，并使用Cypher語句實(shí)現(xiàn)健康促進(jìn)方案的推薦。

1.2 風(fēng)險(xiǎn)預(yù)測模型的研究

隨著預(yù)防理念的推廣和進(jìn)步，心血管風(fēng)險(xiǎn)預(yù)警模型已經(jīng)取得一定發(fā)展[13]。中醫(yī)“治未病”理念與風(fēng)險(xiǎn)預(yù)警不謀而合。應(yīng)用機(jī)器學(xué)習(xí)算法，充分結(jié)合危險(xiǎn)因素和中醫(yī)證素，構(gòu)建心血管病證結(jié)合風(fēng)險(xiǎn)預(yù)警模型，可為臨床中西醫(yī)結(jié)合預(yù)防和早期干預(yù)提供科學(xué)依據(jù)。龐琳琳等[14]運(yùn)用分類與回歸樹、人工神經(jīng)網(wǎng)絡(luò)等構(gòu)建急性ST段抬高型心肌梗死分類預(yù)測模型，為實(shí)現(xiàn)和改進(jìn)更具個(gè)性化的中醫(yī)病證結(jié)合風(fēng)險(xiǎn)評(píng)估提供了前景，更好地為個(gè)體患者量身定制風(fēng)險(xiǎn)管理。風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建對(duì)心血管疾病的預(yù)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(fēng)險(xiǎn)預(yù)后模型對(duì)主要心血管事件可進(jìn)行初步判定，研究表明，相對(duì)于決策樹、隨機(jī)森林，支持向量機(jī)善于處理各種維度的數(shù)據(jù)，具有良好的泛化能力，預(yù)測正確率更高。基于AI構(gòu)建風(fēng)險(xiǎn)預(yù)測模型可應(yīng)用于基層社區(qū)醫(yī)院進(jìn)行心血管疾病患病風(fēng)險(xiǎn)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(dǎo)下的中醫(yī)體質(zhì)辨識(shí)研究和風(fēng)險(xiǎn)預(yù)測模型為疾病的早預(yù)警、早干預(yù)提供了新方法，在一定程度上促進(jìn)了中醫(yī)防治心腦血管疾病自動(dòng)化、智能化的進(jìn)展，較好地達(dá)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(duì)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(jìn)一步結(jié)合將充分發(fā)展“未病先防、既病防變、瘥后防復(fù)”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(shí)現(xiàn)四診客觀化信息采集的重要發(fā)展方向。利用攝像機(jī)器采集舌象、面象進(jìn)行眼診[16]、舌診[17]、面診在冠狀動(dòng)脈疾病的診斷中具有潛在的應(yīng)用價(jià)值，可應(yīng)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。基于人體可獲取診斷信息技術(shù)的集成中醫(yī)診療設(shè)備，具有特征性氣味采集分析平臺(tái)，運(yùn)用嗅氣味傳感器，對(duì)所采集的氣味信息進(jìn)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(shè)備進(jìn)行問診的人機(jī)交互，實(shí)時(shí)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(shí)質(zhì)上是對(duì)動(dòng)脈內(nèi)血流動(dòng)力學(xué)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(shí)域分析法向非線性時(shí)間序列方法發(fā)展，是深入挖掘脈象臨床診斷價(jià)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(dǎo)致對(duì)光的吸收也會(huì)隨之不同，因而具有較強(qiáng)的靈敏性[22]。劉璐等[23]采用隨機(jī)森林算法聯(lián)合脈象儀建立了冠狀動(dòng)脈病變阻塞程度分層評(píng)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(hào)具有較高的規(guī)律性、確定性和穩(wěn)定性，為脈診的準(zhǔn)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(diǎn)，基于四診信息建立多模態(tài)健康狀態(tài)辨識(shí)評(píng)價(jià)模型，能夠有效實(shí)現(xiàn)個(gè)人健康監(jiān)測和疾病風(fēng)險(xiǎn)預(yù)警[24]。Wang等[25]利用多任務(wù)交互注意學(xué)習(xí)模型對(duì)平移手掌圖像進(jìn)行分析，提出檢測掌指關(guān)節(jié)和手掌魚際關(guān)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(luò)、多標(biāo)記學(xué)習(xí)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(shí)現(xiàn)了健康狀態(tài)的自我評(píng)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(shí)時(shí)監(jiān)測失重時(shí)航天員的四診、心電圖、指端容積及脈搏波傳導(dǎo)速度等信息，綜合分析評(píng)估身體狀態(tài)變化及心血管情況，同時(shí)使用中醫(yī)特色的干預(yù)措施和方藥進(jìn)行調(diào)節(jié)，緩解了宇航員著陸后立位和運(yùn)動(dòng)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(yù)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(chǔ)，而數(shù)據(jù)的融合與分析是病證診斷的重點(diǎn)。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(biāo)記學(xué)習(xí)算法對(duì)證型的識(shí)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(guān)系，建立了四診信息融合的辨證模型。趙書穎等[30]運(yùn)用CHAID、CRT、QUEST及C5.0決策樹算法和神經(jīng)網(wǎng)絡(luò)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(dú)立預(yù)測因子，提示臨床醫(yī)生應(yīng)關(guān)注慢性心力衰竭益氣治法的重要性，改善患者預(yù)后。曹紫嫣等[32]通過卷積神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了高血壓病肝火亢盛證面部圖像診斷模型，對(duì)高血壓病肝火亢盛證的臨床診斷具有輔助作用且準(zhǔn)確率較高。神經(jīng)網(wǎng)絡(luò)建模需要大樣本學(xué)習(xí)以獲得良好的擬合模型。對(duì)于復(fù)雜證型，額外的癥狀增加模型計(jì)算的復(fù)雜性，從而降低模型的準(zhǔn)確性。因此，更復(fù)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(zhǔn)確地分類了綜合征元素。變壓器的自注意機(jī)制揭示了核心癥狀對(duì)證候要素診斷的意義，而對(duì)dropout層進(jìn)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(yīng)用深度增強(qiáng)學(xué)習(xí)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(jìn)行決策且提高用藥的安全性。構(gòu)建以數(shù)據(jù)驅(qū)動(dòng)思想為指導(dǎo)的中醫(yī)精準(zhǔn)診療模型可實(shí)現(xiàn)診療結(jié)果自動(dòng)輸出，為中醫(yī)診療的信息化研究做出貢獻(xiàn)。李洪崢等[35]綜合運(yùn)用多頭注意力機(jī)制、復(fù)合詞向量、隨機(jī)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(zhǔn)確度達(dá)96.46%?；赑ython語言[36]、應(yīng)用改良動(dòng)手深度學(xué)習(xí)算法[37]、軟計(jì)算方法等一系列對(duì)心系疾病證素辨證輔助系統(tǒng)的構(gòu)建和應(yīng)用研究，為中醫(yī)智能化診療做出貢獻(xiàn)。

中醫(yī)遠(yuǎn)程智能診斷系統(tǒng)是通過圖像采集、圖像預(yù)處理、圖像分割、壓電傳感器、人機(jī)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(hù)人員進(jìn)行會(huì)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(yuǎn)程醫(yī)療提供中西醫(yī)解決方案，對(duì)于診療水平相對(duì)落后的偏遠(yuǎn)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(shè)備同時(shí)使家庭監(jiān)測成為可能，由此實(shí)現(xiàn)的實(shí)時(shí)監(jiān)控與及時(shí)干預(yù)促進(jìn)疾病的康復(fù)。然而主觀因素干擾了智能化中醫(yī)診斷結(jié)果的準(zhǔn)確性，脈癥從舍的標(biāo)準(zhǔn)研究、證候分類標(biāo)準(zhǔn)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(diǎn)，仍需進(jìn)一步研究以促進(jìn)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(yīng)用

3.1 人工智能技術(shù)輔助中藥治療應(yīng)用

AI在中醫(yī)治療中的應(yīng)用主要依賴于基于數(shù)據(jù)挖掘的治療經(jīng)驗(yàn)，以實(shí)現(xiàn)臨床療效為導(dǎo)向。療效是“辨病”及“辨證”準(zhǔn)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(yù)警[39]、性味物質(zhì)基礎(chǔ)的篩選[40]等研究表明，基于中藥藥性理論的深度學(xué)習(xí)分類方法有助于加深研究者對(duì)藥性和功效作用關(guān)系的理解，科學(xué)地豐富和發(fā)展中藥藥性理論[41]，輔助臨床中藥配伍與應(yīng)用。方劑用藥規(guī)律研究是中醫(yī)傳承的關(guān)鍵。深度學(xué)習(xí)方法以其強(qiáng)大的擬合能力和泛化能力對(duì)組方規(guī)律、處方與功效的多標(biāo)簽對(duì)應(yīng)關(guān)系進(jìn)行分析[42]，對(duì)中醫(yī)藥學(xué)術(shù)繼承與創(chuàng)新具有重要意義。Yang等[43]使用網(wǎng)絡(luò)藥理學(xué)和深度學(xué)習(xí)方法研究8個(gè)治療冠心病的經(jīng)典中藥方劑的潛在機(jī)制，發(fā)現(xiàn)了相關(guān)的藥物靶點(diǎn)、作用目標(biāo)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(xué)依據(jù)。在AI技術(shù)輔助下，進(jìn)一步開發(fā)針對(duì)心血管疾病的個(gè)性化治療方法值得期待。Lin等[44]對(duì)107項(xiàng)隨機(jī)對(duì)照試驗(yàn)進(jìn)行了貝葉斯網(wǎng)絡(luò)Meta分析，評(píng)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(lǐng)域，納米技術(shù)凸顯出優(yōu)勢[45]。納米中藥集合了復(fù)方與有效組分的雙重優(yōu)勢，啟動(dòng)以自體干細(xì)胞為靶點(diǎn)的修復(fù)受損心臟的系列效應(yīng)。在再灌注治療領(lǐng)域，將納米中藥經(jīng)導(dǎo)管直接置入受損的心肌，能使心臟干細(xì)胞得以高效的原位動(dòng)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(jìn)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(yù)防、診療經(jīng)皮冠狀動(dòng)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(jī)器人[51]通過深度學(xué)習(xí)方法提升了熱敏灸技術(shù)標(biāo)準(zhǔn)化水平，可大幅縮短高級(jí)醫(yī)師的培訓(xùn)周期，有效解決醫(yī)院臨床人手不足、灸療標(biāo)準(zhǔn)化欠缺等問題，同時(shí)在中醫(yī)教育領(lǐng)域具有較好前景。基于中醫(yī)證候和機(jī)器學(xué)習(xí)構(gòu)建心血管病的中西醫(yī)結(jié)合預(yù)后模型可以指導(dǎo)臨床治療方向。

由于中醫(yī)理論系統(tǒng)的復(fù)雜性、AI算法的可解釋性和準(zhǔn)確性的不平衡，AI在中醫(yī)治療研究中的應(yīng)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(luò)的可解釋性較差，但在擬合復(fù)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(duì)于解決問題至關(guān)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(yīng)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(shí)代的到來促進(jìn)了中醫(yī)、現(xiàn)代醫(yī)學(xué)、計(jì)算機(jī)科學(xué)和其他學(xué)科的交叉研究及應(yīng)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(yù)防、診斷和治療提供更加準(zhǔn)確、客觀的支持。然而AI需進(jìn)一步發(fā)展才能更好地應(yīng)用于臨床實(shí)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(zhǔn)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(gè)體化和精準(zhǔn)化醫(yī)療方面發(fā)揮更大優(yōu)勢。