首頁資訊人工智能在中醫(yī)藥的研究現(xiàn)狀及展望

人工智能在中醫(yī)藥的研究現(xiàn)狀及展望

來源：泰然健康網(wǎng) 時間：2025年07月20日 22:33

摘要

中醫(yī)藥在世界范圍內(nèi)難以被廣泛接受的主要問題是缺少足夠客觀定量的數(shù)據(jù)支撐和完備而自洽的理論體系。此外，傳統(tǒng)中醫(yī)術(shù)語的模糊性、理論知識的難以理解性、治療思維的抽象性、中醫(yī)醫(yī)案的繁雜性也對中醫(yī)現(xiàn)代化發(fā)展帶來了極大的挑戰(zhàn)。隨著信息技術(shù)的日新月異，大數(shù)據(jù)和人工智能技術(shù)為規(guī)范中醫(yī)診療數(shù)據(jù)、構(gòu)建智能中醫(yī)診療體系以及突破傳統(tǒng)中醫(yī)診療模式提供了新方法，進一步推動了中醫(yī)藥智能化的發(fā)展。經(jīng)過半個多世紀的發(fā)展，中醫(yī)與人工智能技術(shù)的融合逐步深入，取得了一定的應(yīng)用成果，如中醫(yī)藥中醫(yī)信息化數(shù)據(jù)庫、中醫(yī)四診采集設(shè)備、中醫(yī)輔助診療系統(tǒng)以及智慧中醫(yī)健康管理等。但就目前而言，中醫(yī)藥智能化發(fā)展中仍存在數(shù)據(jù)標(biāo)準(zhǔn)欠缺、相關(guān)制度不夠完善、交叉人才匱乏等問題，未來還需進一步建立規(guī)范的數(shù)據(jù)標(biāo)準(zhǔn)，完善數(shù)據(jù)共享、知識產(chǎn)權(quán)、倫理規(guī)范等法律法規(guī)，加速培養(yǎng)學(xué)科交叉復(fù)合型人才，創(chuàng)新思維革新醫(yī)療模式等，促進人工智能背景下的中醫(yī)藥創(chuàng)新發(fā)展。本文從知識發(fā)現(xiàn)與機器學(xué)習(xí)的角度，對人工智能在中醫(yī)藥的研究進展概括總結(jié)，以期為中醫(yī)藥智能化提供助力。

Abstract

Traditional Chinese Medicine (TCM) has not been widely accepted in the world for the lack of objective data and complete theoretical system. In addition, the ambiguous of language, the difficulty in understanding theoretical knowledge, the abstractness of therapeutic mind, and the complexity of medical records have also brought great challenges to the development of TCM modernization. With the rapid development of information technology, big data and Artificial Intelligence (AI) technology have provided new methods for standardizing TCM diagnosis and treatment data, building an intelligent TCM diagnosis and treatment system and breaking through TCM diagnosis and treatment model, further promoting the development of TCM intellectualization. After more than half a century of development, the integration of TCM and AI technology has gradually deepened and certain application results have been achieved, such as the information database of TCM, four diagnosis collection equipment of TCM, the clinical auxiliary diagnosis and treatment system of TCM and intelligent health management of TCM, etc. However, for now, there are still some problems in the intellectualized development of TCM, such as the lack of data standards, the insufficient improvement of related systems and the lack of talents with interdisciplinary backgrounds, etc. The focus of future work is to establish normative data standards, improve relevant laws and regulations on data sharing, intellectual property rights, and cord of ethics, so as to promote the innovative development of TCM in the AI background. The study summarizes the progress of AI in TCM from the perspective of knowledge discovery and machine learning, in order to provide assistance for the intellectualization of TCM.

前言

人工智能（Artificial Intelligence，AI）特指一類通過仿生學(xué)、神經(jīng)學(xué)、統(tǒng)計學(xué)等原理模仿人類感知及行動的行為體[1]，人工智能從20世紀70年代初開始應(yīng)用于醫(yī)學(xué)領(lǐng)域[2]，用于輔助臨床診斷及規(guī)劃治療方案。近年來，由于并行計算軟硬件的革命性進步及大數(shù)據(jù)時代的到來，醫(yī)學(xué)人工智能迎來了飛速發(fā)展[3]，中醫(yī)與人工智能的有機結(jié)合也迎來了新的契機[4]。中醫(yī)堅持“以人為本，重視預(yù)防”，在傳承發(fā)展中醫(yī)特色的同時，充分結(jié)合現(xiàn)代科技技術(shù)，發(fā)揮中醫(yī)自身優(yōu)勢，從而在做到“整體觀念”“辨證論治”的基礎(chǔ)上同時推進中醫(yī)客觀化、標(biāo)準(zhǔn)化、準(zhǔn)確化，具體應(yīng)用包括：自然語言處理技術(shù)被運用于古籍及醫(yī)案的數(shù)據(jù)挖掘當(dāng)中，計算機視覺技術(shù)被運用于舌診等領(lǐng)域，小樣本機器學(xué)習(xí)被運用在辨證論治等領(lǐng)域，無監(jiān)督聚類算法被運用在藥理分析等領(lǐng)域。

知識發(fā)現(xiàn)是一種廣義的“數(shù)據(jù)挖掘”說法，指從大量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)中提取出有實用價值模式的非平凡過程。相較于一般的統(tǒng)計學(xué)分析，知識發(fā)現(xiàn)具備一定智能性和自主行為能力。機器學(xué)習(xí)是一類算法的總稱，目的是通過先驗知識形成訓(xùn)練集進行學(xué)習(xí)，具有預(yù)測相同類型數(shù)據(jù)的能力。并且，當(dāng)訓(xùn)練集數(shù)據(jù)量增加，機器學(xué)習(xí)可自適性提高預(yù)測準(zhǔn)確性，而不僅僅是依賴于固定的方程模型。方藥作為中醫(yī)療法的重要組成部分，在中醫(yī)現(xiàn)代化領(lǐng)域占據(jù)重要部分。通過對海量中醫(yī)數(shù)據(jù)庫和相關(guān)文獻的學(xué)習(xí)，知識發(fā)現(xiàn)可以挖掘中醫(yī)數(shù)據(jù)庫、書籍、文獻之中的潛在模式，對藥與藥、藥與方和方與證之間進行多維度的關(guān)聯(lián)分析[5]。機器學(xué)習(xí)則可形成具有中醫(yī)思維的人工智能模型，既能探索方藥組成規(guī)律，又能在不知道組成規(guī)律的情況下對方藥進行預(yù)測分類[6]。知識發(fā)現(xiàn)和機器學(xué)習(xí)共同應(yīng)用有利于結(jié)構(gòu)化中醫(yī)藥數(shù)據(jù)庫的建立，實現(xiàn)中醫(yī)藥規(guī)范化。本文立足于方藥，從方藥藥理分析和方-證關(guān)聯(lián)維度具體分析人工智能應(yīng)用于中醫(yī)方藥的研究進展，以在大數(shù)據(jù)時代的背景下，為中醫(yī)智能化與現(xiàn)代化提供參考依據(jù)。

1 人工智能在中醫(yī)學(xué)的應(yīng)用現(xiàn)狀

人工智能技術(shù)為中醫(yī)藥現(xiàn)代化發(fā)展提供了有力的技術(shù)支持，通過對CNKI數(shù)據(jù)庫發(fā)表的中醫(yī)人工智能相關(guān)文獻進行檢索，利用vosviewer軟件（https://www.vosviewer.com/）構(gòu)建了智能中醫(yī)關(guān)鍵詞聚類圖和關(guān)鍵詞時間疊加網(wǎng)絡(luò)圖，可視化重現(xiàn)中醫(yī)藥與人工智能結(jié)合的應(yīng)用現(xiàn)狀（見圖1）。研究發(fā)現(xiàn)，智能中醫(yī)關(guān)鍵詞聚類主要圍繞“人工神經(jīng)網(wǎng)絡(luò)”“人工智能”“數(shù)據(jù)挖掘”“深度學(xué)習(xí)”和“機器人”等五大聚類。在智能中醫(yī)應(yīng)用領(lǐng)域，“人工神經(jīng)網(wǎng)絡(luò)”與“模式識別”等為初期應(yīng)用的常用方法，“深度學(xué)習(xí)”“機器學(xué)習(xí)”“卷積神經(jīng)網(wǎng)絡(luò)”“網(wǎng)絡(luò)藥理學(xué)”“自然語言處理”和“大數(shù)據(jù)”等為目前熱點方法。此外，從智能中醫(yī)藥研究內(nèi)容來看，早期多涉及對“中藥的質(zhì)量”“中藥成分”及“專家系統(tǒng)”等研究，而“名老中醫(yī)經(jīng)驗”“中醫(yī)診斷” “用藥規(guī)律”“健康管理”與“中醫(yī)診療設(shè)備”等中醫(yī)臨床智能診療相關(guān)研究逐漸成為目前的研究熱點。

圖1 人工智能在中醫(yī)領(lǐng)域的關(guān)鍵詞聚類分析圖和時間網(wǎng)絡(luò)疊加圖

2 人工智能在中醫(yī)藥中的運用

2.1 AI與中醫(yī)方藥藥理分析

中藥分為四氣五味、升降浮沉和歸經(jīng)。四氣即寒、熱、溫、涼四種不同藥性，又稱為四性，是由于藥物作用于人體產(chǎn)生的不同反應(yīng)和療效歸納總結(jié)而來[7]。五味即辛、甘、酸、苦、咸五種藥味，既源于中藥本身的味道，也與中藥本身作用有關(guān)[8]。升降浮沉是與疾病的相對趨向性而言，與中醫(yī)基礎(chǔ)理論有關(guān)[9]。歸經(jīng)則是指中藥對于作用部位有選擇作用，以臟腑經(jīng)絡(luò)為基礎(chǔ)，以藥物療效為依據(jù)[10]。根據(jù)中國古代哲學(xué)和長期經(jīng)驗，各類的中藥進行配伍聯(lián)合使用，符合“君臣佐使”規(guī)律，增強療效、減少毒副作用、兼顧次癥，被稱為方劑。近年來開始進行對照組驗證及有效成分探究[11-13]，這從一定程度上解釋了中藥和方劑的有效性。但是方劑組成的基本規(guī)律，即“君臣佐使”，具有盲目性、模糊性、主觀性、片面性[14] 的特點。從而導(dǎo)致了方劑的隨意性和缺乏普適性，進而造成了科學(xué)研究方劑的困擾[15]。

而AI的介入為解決中醫(yī)藥現(xiàn)代化和科學(xué)化問題提供了新的途徑。目前急待處理的數(shù)據(jù)大致可分為兩類，一類為中醫(yī)幾千年傳承所得的文獻與臨床經(jīng)驗[16]，其中蘊藏著大量基于長期臨床實踐得來的經(jīng)驗性知識。該類數(shù)據(jù)龐大的規(guī)模及缺乏統(tǒng)一標(biāo)準(zhǔn)的用詞很大程度上制約了它的充分利用。另一類為近年來為促使中醫(yī)科學(xué)化與中西醫(yī)結(jié)合所做的臨床研究和數(shù)據(jù)整理，此類數(shù)據(jù)本身經(jīng)過處理，但缺乏統(tǒng)一標(biāo)準(zhǔn)并極少公開所有數(shù)據(jù)[17, 18]。相較于人工對上述數(shù)據(jù)進行學(xué)習(xí)與整理，知識發(fā)現(xiàn)與機器學(xué)習(xí)技術(shù)能更好地匯總兩類數(shù)據(jù)、加速中醫(yī)數(shù)據(jù)庫融合并減少人力資源的投入。其優(yōu)越的運算性能夠在少量時間內(nèi)推算出有參考性的結(jié)論，包括中藥組方的核心探究、藥對使用規(guī)律、方劑使用原則、方劑實施的安全性和規(guī)范化、中藥方劑使用經(jīng)驗和傳承等。

基于人工智能的知識發(fā)現(xiàn)可應(yīng)用于探索中醫(yī)藥中，方劑錯綜復(fù)雜的組合規(guī)律，包括安全性評價、中藥對機制探索、中草藥的核心藥材辨識、方劑中的草藥配比和處方驗證等。關(guān)聯(lián)規(guī)則挖掘、支持向量機（Support Vector Machine, SVM）、貝葉斯網(wǎng)絡(luò) （Bayesian Network, BN）、組合規(guī)則、馬爾可夫決策過程（Markov Decision Process, MDP）、文本聚類分析和文獻計量學(xué)在該領(lǐng)域應(yīng)用廣泛。Yao等[5] 以3 090例中醫(yī)臨床病例數(shù)據(jù)及中醫(yī)先驗知識為基礎(chǔ)，建立了可以有效提出相應(yīng)治療方案的知識發(fā)現(xiàn)系統(tǒng)，并進一步對中藥的機制進行了探索。Yang等[19] 則將偏頭痛處方作為模型訓(xùn)練集，以無監(jiān)督分層模式發(fā)現(xiàn)算法學(xué)習(xí)規(guī)則關(guān)聯(lián)，提出了新的偏頭痛處方，并利用川芎為監(jiān)督學(xué)習(xí)信號進一步對處方進行優(yōu)化。 Sheng等[20] 則更進一步地建立了證、病、藥聯(lián)合分析的條件概率模型，通過挖掘三者之間的潛在模式為臨床應(yīng)用提供了依據(jù)。

機器學(xué)習(xí)中的分類及聚類算法也是探索方劑組合規(guī)律方面的關(guān)鍵，包括概率神經(jīng)網(wǎng)絡(luò) （Probabilistic Neural Network, PNN）、K-近鄰算法（K-Nearest Neighbor, KNN）等。Ung等[6] 在不知道配對規(guī)律的前提下，根據(jù)已知中藥對所屬藥性，利用機器學(xué)習(xí)算法對隨機中藥組合和中藥對進行預(yù)測和區(qū)分，其準(zhǔn)確率在90%以上。姜皓等[21] 則將神經(jīng)網(wǎng)絡(luò)、SVM、樸素貝葉斯和隨機森林四種機器學(xué)習(xí)算法應(yīng)用在了妊娠期中藥“禁忌慎”判別上，并取得了最高0.885的F1分數(shù)。Li等[22] 則將代謝組學(xué)與SVM算法相結(jié)合，建立了一種快捷、靈敏、特異性強的中藥配伍心臟毒性預(yù)測方法，并將此方法用于驗證附子配伍的心臟毒性。此外，深度學(xué)習(xí)與文本挖掘技術(shù)也被用于進行中藥方劑分類與表征學(xué)習(xí)當(dāng)中[23, 24]。

2.2 AI與中醫(yī)方-證關(guān)聯(lián)

正如前言所說，中醫(yī)歷來有“同病異治，異病同治”的觀念。具體指病相同而證不同時需用不同方劑進行治療，而病不同證卻相同時可用相同方劑進行治療。這不僅僅說明了辨證論治的重要性，也說明了方和證是存在關(guān)聯(lián)的，如果希望達到良好的臨床療效，必須在辨證的基礎(chǔ)上，給予對應(yīng)的方劑處方。方與證的內(nèi)在聯(lián)系立足于方劑臨床療效總結(jié)，具體受到中藥本身藥性和中藥間配伍影響。目前來說，方-證關(guān)聯(lián)的主要知識來源為古文獻的傳承學(xué)習(xí)[25] 和近代醫(yī)家在臨床使用中通過加減化裁，形成自己的經(jīng)驗方并加以驗證后確有療效[26, 27]。

由于方-證之間的關(guān)系紛繁復(fù)雜，相較于傳統(tǒng)基于經(jīng)驗的方法，現(xiàn)代數(shù)據(jù)挖掘、機器學(xué)習(xí)技術(shù)將海量古籍以及臨床數(shù)據(jù)庫統(tǒng)一為結(jié)構(gòu)化數(shù)據(jù)庫，并從統(tǒng)計學(xué)角度對元知識之間的潛在模式進行挖掘，從中獲取到的客觀化、定量化的方-證關(guān)聯(lián)知識可為其他中醫(yī)師臨床治療同一證時提供參考依據(jù)。自動編碼器、MDP、K-均值聚類算法、SVM、BN、異構(gòu)因子圖模型（Heterogeneous Factor Graph Model, HFGM）等數(shù)據(jù)挖掘及機器學(xué)習(xí)算法被廣泛用于該領(lǐng)域。如Zhang等[28] 利用基于證型的自動編碼器模型將臨床病例自動分類，并分析了典型方劑對不同類別中高血壓各癥狀的療效；Meng等[29] 基于粒級屬性偏序結(jié)構(gòu)圖（Attribute Partial Ordered Structure Diagram, APOSD），通過對中醫(yī)臨床數(shù)據(jù)庫中脾虛證治療方劑的分析，提取出對脾虛證治療具有特定效果的藥材，并可在APOSD中進行數(shù)據(jù)關(guān)聯(lián)性可視化。知識發(fā)現(xiàn)理論也可根據(jù)患者特定證型對方劑進行個性化的調(diào)整，以獲得更好的臨床療效，如Zhao等[30] 根據(jù)115位中風(fēng)患者的生理指標(biāo)與中醫(yī)師對其開具的處方為訓(xùn)練樣本，基于流形學(xué)習(xí)理論建立了中成藥治療腦卒中的輔助決策模型。

3 結(jié)語

中醫(yī)藥在世界范圍內(nèi)難以被廣泛接受，主要問題是缺少足夠客觀定量的數(shù)據(jù)支撐和完備而自洽的理論體系。與此同時，中醫(yī)語言的模糊性、理論知識的難以理解性、治療思維的抽象性、中醫(yī)醫(yī)案的繁雜性阻礙著中醫(yī)藥的客觀化與規(guī)范化。然而，AI的出現(xiàn)彌補了中醫(yī)藥與現(xiàn)代科技的裂痕，基于統(tǒng)計學(xué)原理的數(shù)據(jù)挖掘與知識發(fā)現(xiàn)方法將中醫(yī)藥內(nèi)部紛繁復(fù)雜的聯(lián)系轉(zhuǎn)化為不同變量在隱層空間的數(shù)學(xué)關(guān)系；基于自然語言處理與文本挖掘的AI技術(shù)將海量中醫(yī)文獻和繁雜的科研成果，規(guī)范了中醫(yī)用詞模糊性和主觀性，推進了中醫(yī)藥理論體系標(biāo)準(zhǔn)化、理解化；聚類算法與無監(jiān)督學(xué)習(xí)理論則將方劑、證型分為多個具有隱式內(nèi)部關(guān)聯(lián)的簇。上述方法所建立的具備中醫(yī)思維與大數(shù)據(jù)知識的模型將成為連接AI和中醫(yī)的重要橋梁，并為世界接受中醫(yī)藥體系的傳承與創(chuàng)新、中醫(yī)循證醫(yī)學(xué)的發(fā)展做出巨大貢獻，而AI的加入對于醫(yī)療數(shù)據(jù)庫建立、中醫(yī)理論體系規(guī)范化、臨床診斷精確性、教學(xué)傳承標(biāo)準(zhǔn)性、科研的科學(xué)性都大有裨益。

隨著人工智能技術(shù)的成熟，人工智能技術(shù)與中醫(yī)的交叉融合為突破中醫(yī)藥現(xiàn)代化的發(fā)展瓶頸、探索中醫(yī)藥科技創(chuàng)新發(fā)展提供了可能。2021年，國內(nèi)首部智能中醫(yī)學(xué)專著《智能中醫(yī)學(xué)概論》[31] 的發(fā)布，在行業(yè)內(nèi)反響巨大，書中首次明確了“智能中醫(yī)學(xué)”的概念，并對其科學(xué)內(nèi)涵進行了全面的闡釋，進一步促進了智能中醫(yī)學(xué)學(xué)科的形成和發(fā)展。目前，中醫(yī)數(shù)字化的統(tǒng)一標(biāo)準(zhǔn)尚無定論，仍需各個研究之間達成共識?？傊胍_到暢想的未來，還需不同國家AI領(lǐng)域和中醫(yī)領(lǐng)域研究人員進一步加強合作，共同建立起全球接受的AI輔助中醫(yī)理論體系。

參考文獻

[1] FRANK P.Introduction to knowledge systems[J].Artificial Intelligence in Medicine,1997,9(2):201-203.

[2] MARIO S.The socio-organizational age of artificial intelligence in medicine[J].Artificial Intelligence in Medicine,2001,23(1):25-47.

[3] 李明珠,李靜然,儲成頂,等.人工智能在我國醫(yī)學(xué)科技領(lǐng)域的研究現(xiàn)狀及趨勢分析[J].中國醫(yī)學(xué)裝備,2022,19(2):176-180.

[4] 田賽男,劉琦,夏帥帥,等.人工智能技術(shù)在中醫(yī)藥領(lǐng)域中的應(yīng)用與思考[J].時珍國醫(yī)國藥,2021,32(11):2740-2742.

[5] YAO L,ZHANG Y,WEI B,et al.Discovering treatment pattern in traditional Chinese medicine clinical cases by exploiting supervised topic model and domain knowledge [J].Journal of Biomedical Informatics,2015,58:260-267.

[6] UNG C Y,LI H,CAO Z W,et al.Are herb-pairs of traditional Chinese medicine distinguishable from others?Pattern analysis and artificial intelligence classification study of traditionally defined herbal properties[J].Journal of Ethnopharmacology,2007,111(2):371-377.

[7] 劉曉燕,崔亞東,田合祿.中醫(yī)四氣五味理論與臟腑補瀉關(guān)系的探討[J].世界中醫(yī)藥,2021,16(1):121-124,129.

[8] 陳銅鎖,何永生.四氣五味制方原理初探[J].湖南中醫(yī)雜志,2019,35(5):112-114.

[9] 陳龍.淺析中藥升降浮沉藥性理論[J].廣西中醫(yī)藥,2020,43(2):44-47.

[10] 郜賀,龐敏,于睿,等.白長川教授談歸經(jīng)藥與引經(jīng)方 [J].中華中醫(yī)藥學(xué)刊,2022,40(1):66-69.

[11] 王菁斐.白虎加桂枝湯治療類風(fēng)濕關(guān)節(jié)炎濕熱痹阻證的臨床療效及可行性分析[J].中國現(xiàn)代藥物應(yīng)用,2022,16(2):204-206.

[12] 侯明.慢性蕁麻疹患者聯(lián)合應(yīng)用桂枝湯與針刺放血治療的臨床療效及對免疫指標(biāo)的影響[J].黑龍江醫(yī)藥,2021,34(6):1388-1389.

[13] 王春茜,高旅,吳茵,等.基于內(nèi)源性代謝產(chǎn)物解析桂枝湯解熱作用的分子機制[J].中華中醫(yī)藥雜志,2021,36(9):5169-5175.

[14] 王付.重新厘定從君臣佐使角度研究方劑的理論意義及臨床價值[J].中醫(yī)藥通報,2020,19(3):25-27.

[15] 龔軒.《方劑學(xué)》本科教學(xué)中“君臣佐使”的處理[J].教育現(xiàn)代化,2018,5(35):205-207.

[16] 榮士琪,楊朝暉.中醫(yī)古籍?dāng)?shù)據(jù)庫數(shù)字化建設(shè)發(fā)展綜述 [J].黑龍江科技信息,2015,(11):174-175.

[17] 翁曉蘭,申力,賈佳,等.中醫(yī)醫(yī)案數(shù)據(jù)庫的構(gòu)建及其應(yīng)用研究[J].浙江中醫(yī)雜志,2016,51(8):613-614.

[18] 于琦,李敬華,高宏杰,等.中醫(yī)養(yǎng)生數(shù)據(jù)庫建設(shè)[J].中國數(shù)字醫(yī)學(xué),2015,10(8):73-75.

[19] YANG H,CHEN J,TANG S,et al.New drug r&d of traditional Chinese medicine:role of data mining approaches[J].Journal of Biological Systems,2009,17(3):329-347.

[20] SHENG W,HUANG E W,ZHANG R,et al.A conditional probabilistic model for joint analysis of symptoms,diseases,and herbs in traditional Chinese medicine patient records[C]:2016 IEEE International Conference on Bioinformatics and Biomedicine(BIBM),2016.

[21] 姜皓,張冰,張曉朦,等.基于4種機器學(xué)習(xí)算法的妊娠期中藥“禁忌慎”判別[J].中草藥,2021,52(24):7596-7605.

[22] LI Y,ZHOU H,XIE J,et al.A novel method for evaluating the cardiotoxicity of traditional Chinese medicine compatibility by using support vector machine model combined with metabonomics[J].Evidence-Based Complementary and Alternative Medicine,2016(2016):6012761.

[23] CHENG N,CHEN Y,GAO W,et al.An improved deep learning model:s-textBL CNN for traditional Chinese medicine formula classification[J].Front Genet,2021,12:807825.

[24] WEI L,ZHENG Y.Distributed representation for traditional Chinese medicine herb via deep learning models[J].2017.

[25] 王笑青,時紅磊.柴胡類方在風(fēng)濕免疫疾病中的應(yīng)用 [J].中醫(yī)藥導(dǎo)報,2021,27(8):204-207.

[26] 董摩揚,丁婷婷,饒向榮,等.益氣清解方聯(lián)合免疫抑制劑治療高危IgA腎病療效傾向性評分匹配研究[J].中國中西醫(yī)結(jié)合雜志,2019,39(7):791-797.

[27] 李深,饒向榮,戴希文.益腎緩衰方治療慢性腎功能衰竭35例遠期療效觀察[J].中醫(yī)雜志,2001(3):164-166.

[28] ZHANG Q,BAI C,CHEN Z,et al.Smart Chinese medicine for hypertension treatment with a deep learning model[J].Journal of Network and Computer Applications,2019,129(3):1-8.

[29] MENG H,HONG W X,YU G,et al.Symptom-herb knowledge discovery based on attribute partial ordered structure diagrams[J].Granular Computing,2021,6(2):229.

[30] ZHAO Y,LI G,LIU B,et al.A novel classification method for aid decision of traditional Chinese patent medicines for stroke treatment[J].Front Med,2017,11(3):8.

[31] 田貴華,商洪才《智能中醫(yī)學(xué)概論》[M].人民衛(wèi)生出版社,2021.

網(wǎng)址: 人工智能在中醫(yī)藥的研究現(xiàn)狀及展望 http://www.u1s5d6.cn/newsview1577761.html