劉健　蔣衛(wèi)民　沈?qū)m建

摘要：目的? 為增強(qiáng)人們對(duì)高血壓病的認(rèn)識(shí)、提高醫(yī)務(wù)人員的診斷水平，構(gòu)建面向大數(shù)據(jù)的高血壓中醫(yī)專家診療系統(tǒng)。方法? 以人機(jī)接口、數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、推理機(jī)、解釋機(jī)構(gòu)和知識(shí)獲取模塊為主體，構(gòu)建專家診療系統(tǒng)框架，使該系統(tǒng)具有癥狀檢索、病情檢索、西藥藥品檢索、中醫(yī)診療和系統(tǒng)管理等主要功能。結(jié)果? 針對(duì)中醫(yī)理論表述的不確定性，建立基于反向傳播神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)）的高血壓病診斷網(wǎng)絡(luò)結(jié)構(gòu)，模擬南京中醫(yī)藥大學(xué)附屬醫(yī)院暨江蘇省中醫(yī)院心內(nèi)科名中醫(yī)的辨證論治方式，應(yīng)用Visual Studio軟件（2013）和SQL Server數(shù)據(jù)庫(kù)軟件（2012），開發(fā)了高血壓中醫(yī)專家診療系統(tǒng)，通過(guò)癥狀特征推理證候分型，并開出處方。通過(guò)對(duì)近5年本院93 626例高血壓患者進(jìn)行檢測(cè)和應(yīng)用對(duì)比，使用高血壓中醫(yī)專家診療系統(tǒng)辨證治療的準(zhǔn)確率達(dá)到95%以上。結(jié)論? 將大數(shù)據(jù)、人工智能與中醫(yī)診療相結(jié)合，研究高血壓專家診療系統(tǒng)，為實(shí)現(xiàn)智慧中醫(yī)診療、提升臨床服務(wù)能力提供有力支撐。

關(guān)鍵詞：大數(shù)據(jù);高血壓;中醫(yī)專家診療系統(tǒng);反向傳播神經(jīng)網(wǎng)絡(luò);診療

DOI： 10.3969/j.issn.2095-5707.2019.05.002

中圖分類號(hào)：R2-03;R241??? 文獻(xiàn)標(biāo)識(shí)碼：A??? 文章編號(hào)：2095-5707（2019）05-0005-05

Abstract： Objective To construct TCM expert diagnosis and treatment system for hypertension oriented to big data; To enhance peoples understanding of hypertension; To improve the diagnostic level of medical staff. Methods Based on man-machine interface， database， knowledge base， inference machine， interpretation mechanism and knowledge acquisition modules， an expert diagnosis system framework was constructed， which equipped the system with the main functions of symptom retrieval， condition retrieval， Western medicine retrieval， TCM diagnosis and treatment， system management， etc. Results Aiming at the uncertainty of TCM theory， the network structure of hypertension diagnosis based on back-propagation neural network （BP network） was established. Simulated by the syndrome differentiation and treatment of TCM experts in Department of Cardiology of Affiliated Hospital of Nanjing University of Chinese Medicine and Jiangsu Provincial Hospital of TCM， and using Visual Studio software （2013） and SQL Server database software （2012）， a TCM expert diagnosis and treatment system for hypertension was developed. Syndrome types were inferred by symptomatic characteristics and medicine was prescribed. Through the detection and application comparison of 93 626 patients with hypertension in recent 5 years， the accuracy of syndrome differentiation and treatment of TCM expert diagnosis and treatment system for hypertension was more than 95%. Conclusion Combined with big

data， artificial intelligence and TCM diagnosis and treatment， TCM expert diagnosis and treatment system is studied， which can provide strong support for realizing TCM intelligent diagnosis and treatment and promoting clinical service ability.

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

中醫(yī)專家的診療經(jīng)驗(yàn)主要依靠師徒關(guān)系傳承，中醫(yī)藥理論博大精深，隱含知識(shí)（或不確定知識(shí)）相對(duì)較多，傳承難度大，傳播速度慢。長(zhǎng)期以來(lái)，相對(duì)西醫(yī)西藥，中醫(yī)藥的科學(xué)性備受質(zhì)疑，無(wú)法或很難確定中藥方劑中具體發(fā)揮治療和預(yù)防作用的成分、劑量、化學(xué)結(jié)構(gòu)，很難跟蹤評(píng)價(jià)代謝成分^[1]。大數(shù)據(jù)、云計(jì)算、人工智能的迅猛發(fā)展為中醫(yī)藥研究開辟了新的方向，給中醫(yī)藥傳承發(fā)展帶來(lái)了新的機(jī)遇。

1? 構(gòu)建高血壓中醫(yī)專家診療系統(tǒng)的意義

建立具有辨證論治內(nèi)涵的智能中醫(yī)診療決策系統(tǒng)，可以進(jìn)一步促進(jìn)中醫(yī)診療規(guī)律的提升和總結(jié)^[2]。智能辨證系統(tǒng)可以根據(jù)患者患病信息直接進(jìn)行智能診斷，確定疾病的證型證候，進(jìn)而選擇治療方法^[3]。針對(duì)傳承難和臨床服務(wù)能力低的問題，陳辛畋等^[4]提出構(gòu)建全生態(tài)中醫(yī)知識(shí)庫(kù)和智慧系統(tǒng)，采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，通過(guò)網(wǎng)絡(luò)訓(xùn)練和學(xué)習(xí)，實(shí)現(xiàn)“證型證候”到“處方方藥”的相對(duì)準(zhǔn)確對(duì)應(yīng)，為中醫(yī)客觀化探索提供了新的規(guī)范化論治的研究方法^[5]。反向傳播神經(jīng)網(wǎng)絡(luò)（Back-Propagation Neural Network，BP網(wǎng)）作為一種模擬人腦神經(jīng)元結(jié)構(gòu)的大規(guī)模、非線性、自適應(yīng)網(wǎng)絡(luò)，具有很強(qiáng)的自學(xué)習(xí)能力，已應(yīng)用于疾病診斷、預(yù)測(cè)、療效評(píng)價(jià)等方面。例如，應(yīng)用BP網(wǎng)分析北京市社區(qū)中醫(yī)藥服務(wù)發(fā)展影響因素權(quán)重^[6];模擬中醫(yī)切脈，構(gòu)建脈搏動(dòng)態(tài)圖像、切脈壓力、探頭內(nèi)壓、示波法血壓的多信息同步采集系統(tǒng)，應(yīng)用BP網(wǎng)預(yù)測(cè)血壓^[7]。另外，針對(duì)人體各項(xiàng)生理參數(shù)數(shù)據(jù)量大、過(guò)程較為復(fù)雜、預(yù)測(cè)效果差的問題，孫艷秋等提出了基于大數(shù)據(jù)分析潛在高血壓的預(yù)測(cè)方法^[8]。

進(jìn)入21世紀(jì)，壓力高、節(jié)奏快的工作和不合理的飲食導(dǎo)致高血壓患者越來(lái)越年輕化，門診量越來(lái)越大，而醫(yī)療資源有限，具有豐富經(jīng)驗(yàn)的名醫(yī)更是稀少，迫切需要使用現(xiàn)代的信息化手段，研究中醫(yī)診療決策模式^[9]、高血壓醫(yī)學(xué)知識(shí)庫(kù)與智能檢索推理系統(tǒng)^[10]，充分挖掘古籍和名中醫(yī)的經(jīng)驗(yàn)，將辨證施治、個(gè)性化診療的成功案例傳承下來(lái)，服務(wù)于科研、臨床的一線醫(yī)生，以提高高血壓專科醫(yī)生的臨床決策水平。

2? 高血壓中醫(yī)專家診療系統(tǒng)

2.1? 高血壓中醫(yī)專家診療系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)

高血壓中醫(yī)專家診療系統(tǒng)主要由人機(jī)接口（界面）、數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、推理機(jī)、解釋機(jī)構(gòu)和知識(shí)獲取模塊組成（見圖1）。采用以數(shù)據(jù)庫(kù)為主體的構(gòu)造模式，即將推理機(jī)和人機(jī)界面之外的部分以數(shù)據(jù)庫(kù)的形式來(lái)表示。知識(shí)庫(kù)中含有專家案例庫(kù)和規(guī)則庫(kù)。

數(shù)據(jù)庫(kù)用于存放高血壓領(lǐng)域的初始問題和推理過(guò)程中的中間數(shù)據(jù)（信息），如：醫(yī)生在病人就診時(shí)所做的關(guān)于癥狀、檢查、用藥等逐條具體記錄。知識(shí)庫(kù)用于存放高血壓中醫(yī)專家診療系統(tǒng)的專門知識(shí)，包括事實(shí)、規(guī)則等，規(guī)則常用產(chǎn)生表示法表達(dá)，即以“if條件1 and條件2……and條件N，Then結(jié)論”的方式表達(dá)。推理機(jī)用以模擬高血壓中醫(yī)專家的思維過(guò)程，控制并執(zhí)行對(duì)問題的求解，它是一組用來(lái)控制和推理專家系統(tǒng)的程序，可從已知事實(shí)（癥狀特征等）出發(fā)，運(yùn)用已掌握的專家知識(shí)，推導(dǎo)出結(jié)論（證候分型結(jié)果等）。解釋機(jī)構(gòu)是對(duì)患者提出的“為什么？結(jié)論是如何得出的？”等問題加以解答，它能夠跟蹤并記錄推理過(guò)程，給出解釋。知識(shí)獲取模塊是由知識(shí)工程師從科技文獻(xiàn)、高血壓中醫(yī)專家處獲取知識(shí)，轉(zhuǎn)化成特定的計(jì)算機(jī)表示。

2.2? 高血壓中醫(yī)專家診療系統(tǒng)的功能模塊

高血壓中醫(yī)專家診療系統(tǒng)由癥狀檢索、病情檢索、西藥藥品檢索、中醫(yī)診療和系統(tǒng)管理5個(gè)主要功能模塊構(gòu)成（見圖2）。

2.2.1? 癥狀檢索模塊 ?此模塊用于針對(duì)某一具體患者，檢索高血壓相關(guān)中醫(yī)癥狀表象。癥狀檢索包括主要癥狀、次要癥狀、脈象、舌象等模塊。頭暈、頭痛、目眩、寐差、胸悶、心慌等屬于主要癥狀。大便干結(jié)、痰多、麻木、急躁易怒、尿頻、面赤等屬于次要癥狀。脈象有弦、細(xì)、滑等。舌象有舌淡、舌紅、舌紫、苔薄、苔膩、舌有瘀斑等。這些癥狀信息來(lái)源于專家臨床所見及文獻(xiàn)記載。

患者、醫(yī)生、藥師等用戶可以瀏覽高血壓癥狀的詳細(xì)信息;也可以使用檢索功能，方便快捷地查詢到所需的高血壓癥狀信息。檢索方式有：瀏覽高血壓中醫(yī)相關(guān)癥狀信息，用檢索樹的方式查詢高血壓中醫(yī)相關(guān)癥狀信息，用關(guān)鍵詞查詢高血壓相關(guān)癥狀信息。

2.2.2? 病情檢索模塊 ?病情檢索模塊分為2個(gè)部分：一是高血壓分級(jí)分期情況，二是相關(guān)合并癥情況。醫(yī)生根據(jù)患者的高血壓分級(jí)分期，判斷病情程度;根據(jù)冠心病、糖尿病、高血脂等并發(fā)癥的狀態(tài)，適當(dāng)調(diào)節(jié)處方用藥。

2.2.3? 西藥藥品檢索模塊 ?此模塊用于查詢高血壓病常見藥物的名稱、分類、用量及合并用藥情況。檢索方式有：直接瀏覽藥品信息，按照藥品名稱查詢，按照藥品類型查詢。

2.2.4? 中醫(yī)診療模塊 ?根據(jù)所提供的癥狀、病情、西醫(yī)診療信息，通過(guò)人工智能BP網(wǎng)進(jìn)行中醫(yī)辨證分析，得出相應(yīng)的證型。根據(jù)證型結(jié)果，再次通過(guò)人工智能BP網(wǎng)模擬中醫(yī)專家的處方用藥生成針對(duì)該患者的中醫(yī)處方。

2.2.5? 系統(tǒng)管理模塊? 主要包含用戶管理和知識(shí)庫(kù)管理。通過(guò)在系統(tǒng)中設(shè)置權(quán)限來(lái)保證專家系統(tǒng)的安全性，被授權(quán)的專家可以對(duì)知識(shí)庫(kù)進(jìn)行完善和更新，可以修改自己的信息;系統(tǒng)管理員擁有后臺(tái)所有管理權(quán)限。醫(yī)生、藥師等用戶在注冊(cè)后，可以通過(guò)人機(jī)界面使用專家系統(tǒng)，但是不能修改專家系統(tǒng)的知識(shí)庫(kù)。

知識(shí)庫(kù)管理主要對(duì)高血壓相關(guān)領(lǐng)域的知識(shí)、規(guī)范、基礎(chǔ)數(shù)據(jù)等進(jìn)行描述和說(shuō)明;可以定義、添加、刪除相關(guān)知識(shí)和規(guī)則，并通過(guò)動(dòng)態(tài)數(shù)據(jù)庫(kù)進(jìn)行實(shí)時(shí)更新。

3? 基于BP網(wǎng)的高血壓病智能診斷

人工神經(jīng)網(wǎng)絡(luò)可以模擬人腦信息處理功能，其基本處理單元是神經(jīng)元，通過(guò)神經(jīng)元互聯(lián)的方式從輸入、輸出數(shù)據(jù)中學(xué)習(xí)有用的知識(shí)。BP網(wǎng)是應(yīng)用較為廣泛的一種人工神經(jīng)網(wǎng)絡(luò)模型，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，擅長(zhǎng)處理大量的非線性數(shù)據(jù)和信息，因此特別適合處理中醫(yī)院大量的臨床病例。BP網(wǎng)的神經(jīng)元分層排列，具有輸入層、輸出層和隱藏層，能學(xué)習(xí)和存儲(chǔ)大量的輸入-輸出模式映射關(guān)系，常用于模式識(shí)別、函數(shù)逼近、數(shù)據(jù)壓縮等領(lǐng)域。由于人的機(jī)體與疾病之間是一種非線性關(guān)系，采用具有自適應(yīng)學(xué)習(xí)、全局逼近、較好泛化能力的BP網(wǎng)，可以有效地建立高血壓病智能診斷網(wǎng)絡(luò)結(jié)構(gòu)，該結(jié)構(gòu)包含1個(gè)輸入層、1個(gè)隱含層和1個(gè)輸出層。

根據(jù)高血壓病的癥狀，輸入以7×4矩陣的癥狀特征（見表1），表中4列分別代表主要癥狀、次要癥狀、脈象和舌象，7行代表具體癥狀。經(jīng)過(guò)向量轉(zhuǎn)換成28×1的列向量，作為BP神經(jīng)網(wǎng)絡(luò)的輸入層，隱藏層有15個(gè)神經(jīng)單元，輸出層有4個(gè)神經(jīng)單元，最后得到證候分型的結(jié)果。

醫(yī)患診斷中將所描述的癥狀契合單元的值置為1，不契合的單元值置為0，表1中第三列脈象只分為4個(gè)特征即脈弦、脈細(xì)、脈滑和其他，故其第4～6行以0補(bǔ)充空位。這樣表1中的特征就可用以0，1組成的7×4矩陣表示出來(lái)，并轉(zhuǎn)換為列向量作為輸入，通過(guò)BP網(wǎng)的智能推理，得到證候分型結(jié)果。

4? 高血壓中醫(yī)專家診療系統(tǒng)的實(shí)現(xiàn)

本文在研究南京中醫(yī)藥大學(xué)附屬醫(yī)院暨江蘇省中醫(yī)院心內(nèi)科近5年高血壓病例的基礎(chǔ)上，應(yīng)用Visual Studio軟件（2013）和SQL Server數(shù)據(jù)庫(kù)軟件（2012），開發(fā)了高血壓中醫(yī)專家診療系統(tǒng)。下面以具體病例為例，介紹系統(tǒng)的實(shí)現(xiàn)過(guò)程。病例：王某，男，70歲，血壓160/80 mmHg，西醫(yī)診斷：高血壓病，心律失常，室性早搏。主訴：頭暈間作6年，加重2個(gè)月。癥狀：頭暈，胸悶，心慌，寐差，尿頻，舌淡紫，舌下青筋顯露，苔薄白，脈細(xì)弦。圖3為高血壓中醫(yī)專家診療系統(tǒng)的中醫(yī)高血壓研究界面，顯示該患者基本信息，圖4為患者的主要癥狀、次要癥狀、脈象、舌象等特征性癥狀。

專家系統(tǒng)將頭暈、胸悶、寐差、心慌、尿頻、脈細(xì)、脈弦、舌淡、舌紫、苔薄、舌下青筋以“1”替換，其他處以“0”表示，利用BP網(wǎng)智能推理出證候分型，結(jié)果為肝腎陰虛（見圖5）。系統(tǒng)選擇名中醫(yī)方祝元主任，使用其常用經(jīng)驗(yàn)處方：天麻10 g，鉤藤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。根據(jù)合并疾病心律失常、失眠加用益氣養(yǎng)陰、安神定志藥物：太子參10 g，麥冬10 g，五味子10 g，黃精10 g，玉竹10 g，酸棗仁30 g，生龍齒30 g，模擬給出專家處方（見圖6）。

使用高血壓中醫(yī)專家診療系統(tǒng)對(duì)近5年來(lái)院治療的高血壓患者93 626例進(jìn)行了檢測(cè)和應(yīng)用對(duì)比，該系統(tǒng)準(zhǔn)確率達(dá)到95%以上。

5? 小結(jié)

采用Visual Studio軟件（2013）和SQL Server數(shù)據(jù)庫(kù)軟件（2012），以近年來(lái)江蘇省中醫(yī)院心內(nèi)科名中醫(yī)的診療病例為基礎(chǔ)，研發(fā)出基于大數(shù)據(jù)的高血壓中醫(yī)專家診療系統(tǒng)，通過(guò)BP網(wǎng)將文字描述的癥狀量化為數(shù)字表示的矩陣，自動(dòng)推理出高血壓病的證候分型，并模擬給出名中醫(yī)處方，實(shí)現(xiàn)了“證候”到“處方”的對(duì)應(yīng)，為發(fā)掘名中醫(yī)的隱含知識(shí)、傳承其診療經(jīng)驗(yàn)，為提高廣大中醫(yī)的臨床決策能力，提供了有力的技術(shù)支撐。

參考文獻(xiàn)

[1] 解育靜.大數(shù)據(jù)時(shí)代中醫(yī)藥領(lǐng)域面臨的機(jī)遇與挑戰(zhàn)[J].中華醫(yī)學(xué)圖書情報(bào)雜志，2015，24（7）：33-35.

[2] 崔驥，許家佗.人工智能背景下中醫(yī)診療技術(shù)的應(yīng)用與展望[J].第二軍醫(yī)大學(xué)學(xué)報(bào)，2018，39（8）：846-851.

[3] 孟學(xué)茹，溫川飆.中醫(yī)藥領(lǐng)域人工智能研究現(xiàn)狀[J].中醫(yī)臨床研究， 2018，10（22）：143-145.

[4] 陳辛畋，阮春陽(yáng)，于觀貞，等.融“古”貫“今”，構(gòu)建智慧中醫(yī)新體系[J].第二軍醫(yī)大學(xué)學(xué)報(bào)，2018，39（8）：826-829.

[5] 劉艷飛，孫明月，姚賀之，等.大數(shù)據(jù)技術(shù)在中醫(yī)藥領(lǐng)域中的應(yīng)用現(xiàn)狀及思考[J].中國(guó)循證醫(yī)學(xué)雜志，2018，18（11）：1180-1185.

[6] 歐陽(yáng)亞楠.基于BP神經(jīng)網(wǎng)絡(luò)對(duì)北京市社區(qū)中醫(yī)藥服務(wù)發(fā)展影響因素研究[D].北京：北京中醫(yī)藥大學(xué)，2017.

[7] 周興忠.多信息同步采集系統(tǒng)構(gòu)建與血壓測(cè)量方法研究[D].蘭州：蘭州理工大學(xué)，2014.

[8] 孫艷秋，劉鋼.基于大數(shù)據(jù)分析的潛在高血壓病預(yù)測(cè)研究[J].計(jì)算機(jī)仿真，2015，32（5）：386-389，421.

[9] 謝晴宇.基于系統(tǒng)復(fù)雜性及其認(rèn)識(shí)論的中醫(yī)診療決策模式研究[D].北京：北京中醫(yī)藥大學(xué)，2013.

[10] 楊青.基于本體的高血壓知識(shí)庫(kù)與智能檢索推理系統(tǒng)的研究[D].沈陽(yáng)：東北大學(xué)，2013.

（收稿日期：2019-08-22）

（修回日期：2019-09-06;編輯：魏民）