付姝菲，劉宏艷，任海燕，李 戈，陳莉莉

（1.天津中醫(yī)藥大學(xué)中醫(yī)學(xué)院，天津 301617；2.天津中醫(yī)藥大學(xué)健康科學(xué)與工程學(xué)院，天津 301617；3.天津中醫(yī)藥大學(xué)附屬?？滇t(yī)院，天津 300190）

反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)于1986 年由Rumelhart 與McCelland 為代表的科學(xué)家團(tuán)隊(duì)提出，是指基于誤差逆?zhèn)鞑ニ惴ǖ亩鄬忧梆伨W(wǎng)絡(luò)。BP 神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)通常由一個(gè)輸入層、一個(gè)輸出層和一個(gè)或多個(gè)隱層構(gòu)成，信號(hào)經(jīng)輸入層輸入，通過隱含層計(jì)算由輸出層輸出，如輸出值與標(biāo)記值有誤差，將誤差反向傳播至輸入層，對(duì)神經(jīng)元權(quán)值進(jìn)行調(diào)整[1]。BP 神經(jīng)網(wǎng)絡(luò)具有良好的自組織適應(yīng)性、學(xué)習(xí)能力與對(duì)復(fù)雜非線性系統(tǒng)的分析與識(shí)別功能，在疾病診斷[2]、病情預(yù)測[3]、發(fā)病相關(guān)因素分析[4]、疾病預(yù)后[5]等醫(yī)學(xué)領(lǐng)域的應(yīng)用愈發(fā)廣泛。本文旨在通過文獻(xiàn)分析總結(jié)BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用現(xiàn)狀，以期為解決相關(guān)問題提供參考。

1 資料與方法

1.1 檢索策略 檢索中國知網(wǎng)（CNKI）、萬方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)（WANFANG DATA）、維普資訊中文期刊服務(wù)平臺(tái)（VIP）、中國生物醫(yī)學(xué)文獻(xiàn)服務(wù)系統(tǒng)（Sinomed）和PubMed 等中英文數(shù)據(jù)庫。以中文主題詞“BP 神經(jīng)網(wǎng)絡(luò)/反向傳播神經(jīng)網(wǎng)絡(luò)”“中醫(yī)/中藥”等，英文主題詞“Back Propagation Neural Network/BP neural networks”“traditional Chinese medicine/TCM”等構(gòu)建檢索策略。檢索時(shí)間為各數(shù)據(jù)庫建庫至2020 年12 月31 日。

1.2 納入與排除標(biāo)準(zhǔn) 納入以BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用為主題的碩博士學(xué)位論文、期刊論文、會(huì)議論文。排除綜述、Meta 分析、系統(tǒng)評(píng)價(jià)類文獻(xiàn)、重復(fù)發(fā)表或雷同文獻(xiàn)。

1.3 數(shù)據(jù)資料提取與分析 應(yīng)用Microsoft Excel 建立文獻(xiàn)數(shù)據(jù)資料提取數(shù)據(jù)庫，采集文獻(xiàn)的發(fā)表信息（發(fā)表年份、來源、語種、題目、類型、第一作者等），研究領(lǐng)域（中醫(yī)、中藥），研究具體內(nèi)容等相關(guān)信息。由兩名信息員進(jìn)行數(shù)據(jù)錄入并交叉核對(duì)，以保證數(shù)據(jù)的完整性和準(zhǔn)確性。采用頻數(shù)，構(gòu)成比等統(tǒng)計(jì)方法進(jìn)行分析。

2 結(jié)果與分析

2.1 文獻(xiàn)篩選結(jié)果 根據(jù)檢索策略，各數(shù)據(jù)庫共檢出文獻(xiàn)670 篇，去除重復(fù)檢出245 篇，按照納入與排除標(biāo)準(zhǔn)最終納入文獻(xiàn)363 篇，其中英文文獻(xiàn)33 篇，文獻(xiàn)篩選流程見圖1。

圖1 文獻(xiàn)篩選流程圖

2.2 文獻(xiàn)基本信息 此類研究最早發(fā)表于1993 年，討論應(yīng)用神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)中藥威靈仙的質(zhì)量[6]，2003年起發(fā)文量逐步增長，2011 年達(dá)到最高峰，年發(fā)文量27 篇，各年度發(fā)文情況見圖2 所示（2020 年尚有文章持續(xù)被收入數(shù)據(jù)庫）。納入的文獻(xiàn)以期刊論文為主，占58.40%（212/363），學(xué)位論文139 篇，占比38.29%（139/363），其中30 篇為博士論文；另外還有會(huì)議論文12 篇。賀娟、程翼宇作為核心研究者的發(fā)文量最多，各8 篇。收錄此類研究的主要刊物見表1。

圖2 BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用年發(fā)文情況

表1 BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥研究領(lǐng)域中的應(yīng)用發(fā)文期刊（發(fā)文量≥5 篇）

2.3 文獻(xiàn)分析結(jié)果 納入的363 篇文獻(xiàn)中有183 篇（50.41%）隸屬中醫(yī)相關(guān)研究領(lǐng)域，應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)輔助辨證，診療等方面；另外180 篇文獻(xiàn)（49.59%）隸屬中藥研究領(lǐng)域，基于BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化提取工藝，分類分級(jí)鑒別等。

2.3.1 基于BP 神經(jīng)網(wǎng)絡(luò)的四診信息分析與證候辨識(shí)BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)四診信息分析中應(yīng)用廣泛，望診以舌診為主，涉及19 篇文獻(xiàn)，通過數(shù)字化舌象多重特征參數(shù)反復(fù)訓(xùn)練，對(duì)舌色、舌形、舌苔等進(jìn)行自動(dòng)分類識(shí)別[7]，見表2；另外，基于BP 神經(jīng)網(wǎng)絡(luò)反復(fù)校正的計(jì)算機(jī)圖像檢測，尚可對(duì)眼神[8]、面色[9]等特征信息進(jìn)行處理。中醫(yī)聞診從聽聲音、嗅氣味角度診察疾病，利用支持向量機(jī)、BP 神經(jīng)網(wǎng)絡(luò)，結(jié)合小波包能量值和Shannon 熵值為中醫(yī)聲診開展客觀化研究提供思路[10]；而結(jié)合高精度曲線擬合模型的電子鼻系統(tǒng)能夠穩(wěn)定地反應(yīng)氣味數(shù)據(jù)的類別信息[11]。BP 神經(jīng)網(wǎng)絡(luò)在脈象識(shí)別中的應(yīng)用是四診信息分析中應(yīng)用最為廣泛的，涉及40 篇文獻(xiàn)，近年來隨著算法不斷改進(jìn)，針對(duì)特征復(fù)雜，種類繁多的脈象信息識(shí)別精度不斷提高[12]，BP 神經(jīng)網(wǎng)絡(luò)在四診信息分析中的應(yīng)用為中醫(yī)理論指導(dǎo)下的人體健康狀態(tài)輔助診斷提供了客觀依據(jù)。

表2 基于BP 神經(jīng)網(wǎng)絡(luò)的四診信息分析

此外，四診信息客觀化為準(zhǔn)確的中醫(yī)辨證打下了堅(jiān)實(shí)基礎(chǔ)，基于BP 神經(jīng)網(wǎng)絡(luò)的體質(zhì)辨識(shí)、證候分類涉及文獻(xiàn)52 篇，病種13 個(gè)，其中對(duì)于冠心病、高血壓、腫瘤（大腸癌、胃癌）的研究最多，不僅為中醫(yī)證候判斷提供有效支撐，同時(shí)又與實(shí)驗(yàn)室理化指標(biāo)充分結(jié)合，使辨證準(zhǔn)確度更高。

2.3.2 基于BP 神經(jīng)網(wǎng)絡(luò)的智能選方與方劑效能預(yù)測BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)辨證領(lǐng)域中的廣泛應(yīng)用，為“方-證要素對(duì)應(yīng)”原則指導(dǎo)下的智能選方奠定了基礎(chǔ)[13]，為復(fù)雜病機(jī)的臨證輔助選藥組方開辟了思路。同時(shí)，BP 神經(jīng)網(wǎng)絡(luò)也為挖掘中藥復(fù)方藥性特征與功效間的非線性不確定關(guān)聯(lián)提供了新的技術(shù)支撐，使中藥復(fù)方功效的快速預(yù)測成為可能[14]，目前以126 種補(bǔ)益類中藥復(fù)方為樣本分析對(duì)象，對(duì)補(bǔ)氣、補(bǔ)血、補(bǔ)陰、補(bǔ)陽功效預(yù)測準(zhǔn)確率可達(dá)92.5%。同時(shí)應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)也促進(jìn)了復(fù)方配伍的進(jìn)一步優(yōu)化[15]，以半夏、生姜、甘草三瀉心湯為研究模板，提出了拆方優(yōu)化實(shí)驗(yàn)設(shè)計(jì)同時(shí)結(jié)合人工智能數(shù)據(jù)挖掘，實(shí)現(xiàn)復(fù)方類方的知識(shí)發(fā)現(xiàn)。

2.3.3 基于BP 神經(jīng)網(wǎng)絡(luò)的中藥多角度研究 180 篇文獻(xiàn)涉及BP 神經(jīng)網(wǎng)絡(luò)在中藥相關(guān)研究領(lǐng)域中的應(yīng)用，主要包括提取工藝優(yōu)化（52 篇），分類分級(jí)鑒定（41 篇），品種質(zhì)量控制（38 篇），以及性味歸經(jīng)藥性研究（15 篇），藥效評(píng)價(jià)（11 篇），成分分析預(yù)測（10篇）等。如應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)結(jié)合正交試驗(yàn)優(yōu)化解毒止血顆粒的提取工藝[16]；基于多參考相關(guān)系數(shù)法和BP 神經(jīng)網(wǎng)絡(luò)的近紅外光譜法快速識(shí)別爐甘石[17]；通過聚類分析、判別分析結(jié)合BP 神經(jīng)網(wǎng)絡(luò)可對(duì)皂角刺及其偽品準(zhǔn)確分類[18]；采用BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建的補(bǔ)虛藥分類模型，預(yù)測結(jié)果正確率可達(dá)83.3%[19]，另外，對(duì)于中藥材適生地選址[20]，中藥廢水處理[21]，價(jià)格預(yù)測[22]等也有報(bào)道。180 篇BP 神經(jīng)網(wǎng)絡(luò)在中藥相關(guān)研究領(lǐng)域中的應(yīng)用，文獻(xiàn)關(guān)鍵詞涉及中藥主要為黃芪、甘草、丹參等，見表3。

表3 BP 神經(jīng)網(wǎng)絡(luò)在中藥相關(guān)研究領(lǐng)域中的應(yīng)用文獻(xiàn)關(guān)鍵詞涉及中藥（頻次≥3）

2.3.4 BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥其他領(lǐng)域中的應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)可用于中醫(yī)證候、證素與西醫(yī)指標(biāo)的相關(guān)性分析[23]，針刺療效的量化描述[24]，經(jīng)穴電信號(hào)特性分析[25]以及提高按摩機(jī)器人的穴位尋找行為精度等[26]。另外，運(yùn)用神經(jīng)網(wǎng)絡(luò)基于運(yùn)氣理論分析發(fā)病與氣象因素的相關(guān)性也備受關(guān)注[27]。

3 總結(jié)

本研究通過對(duì)363 篇現(xiàn)代文獻(xiàn)分析表明BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥研究領(lǐng)域中運(yùn)用廣泛，涉及中醫(yī)四診信息分析與證候辨識(shí)，智能選方與方劑效能預(yù)測，中藥工藝優(yōu)化、鑒定、質(zhì)控等多個(gè)方面。由于BP 神經(jīng)網(wǎng)絡(luò)對(duì)于研究資料的類型、分布具有一定的容錯(cuò)性，可通過自我學(xué)習(xí)，自我調(diào)整逐步實(shí)現(xiàn)輸入變量和輸出變量之間的復(fù)雜映射關(guān)系，因此對(duì)于一些傳統(tǒng)統(tǒng)計(jì)學(xué)方法不能完全適應(yīng)的數(shù)據(jù)資料，應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)也可以進(jìn)行客觀分析。這種對(duì)于資料類型限制性較小，善于處理模糊、非線性、含有噪聲的數(shù)據(jù)特點(diǎn)，加之其能夠利用資料全部信息的“學(xué)習(xí)性”和“自適應(yīng)性”，使BP 神經(jīng)網(wǎng)絡(luò)在中醫(yī)藥學(xué)研究領(lǐng)域數(shù)據(jù)挖掘中具有一定優(yōu)勢。諸如BP 神經(jīng)網(wǎng)絡(luò)之類的人工智能算法必將賦能中醫(yī)藥大時(shí)代，促進(jìn)中醫(yī)藥信息化，智能化發(fā)展，以此助力中醫(yī)藥健康產(chǎn)業(yè)傳承與發(fā)展。