人工智能在中醫(yī)治未病領域的研究現(xiàn)狀與發(fā)展

楊璠　李連新　陳菊

摘要：目的：中醫(yī)藥人工智能成果日漸豐富，越來越成為中醫(yī)藥產(chǎn)業(yè)發(fā)展的新動力。該文對人工智能中醫(yī)治未病領域的研究進展、應用情況、存在的問題進行總結，為人工智能中醫(yī)藥治未病研究提供幫助。方法：收集近15年中醫(yī)健康管理相關文章728篇，篩選出608篇進行重點分析，通過使用CiteSpace文獻處理工具，對文獻進行分析，獲取該研究領域研究熱點為如何通過現(xiàn)代技術促進AI中醫(yī)健康管理模式的建立與應用。結果：提出了建立AI中醫(yī)健康管理模式是實現(xiàn)治未病的根本途徑，對醫(yī)療衛(wèi)生發(fā)展具有重大意義，但是人工智能與治未病的結合還處于萌芽期，面臨著技術、費用、倫理等諸多方面的難題。討論：人工智能與治未病融合逐漸成為醫(yī)學界新的研究趨勢，應深入研究治未病智能化實現(xiàn)的途徑與手段，讓健康惠及全民。

關鍵詞：人工智能;治未病;健康管理;預防

中圖分類號：TP18? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）07-0012-04

中醫(yī)治未病理論萌芽于西周，形成于《黃帝內(nèi)經(jīng)》時期，凝聚著中國古代樸素唯物主義思想以及兩千多年的健康養(yǎng)生理念和實踐經(jīng)驗，逐步形成了以“未病先防”“欲病救萌”“既病防變”“瘥后防復”為內(nèi)涵的中醫(yī)預防理念。治未病的核心是預防，在機體未出現(xiàn)明顯病理癥狀時，就能預知機體狀態(tài)并采取措施，病未發(fā)而先治，防患于未然。與現(xiàn)代西方形成的健康管理理念有相似之處，健康管理興起于美國，是基于健康促進及干預技術發(fā)展提出的一個新概念，針對個體或群體的健康狀況或健康危害因素進行全面監(jiān)測、評估、干預和隨訪的過程與理念[1]。近年來，我國明確提出要打造以治未病為主導的具有中醫(yī)藥特色的健康保障體系，目的在于調(diào)動整個社會的積極性，有效運用有限的資源取得最大的效果，實現(xiàn)全民的健康。由此可見，治未病與健康管理的融合是大勢所趨。

人工智能（Artificial Intelligence，AI）是一個復雜的概念，是對人的意識、思維進行模擬，生產(chǎn)出與人類智能相似的機器，代替人類完成一些復雜的工作。目前AI已廣泛應用于醫(yī)療衛(wèi)生領域[2-3]，醫(yī)學影像智能識別系統(tǒng)、智能疾病診斷系統(tǒng)、醫(yī)療機器人等，大大提高了醫(yī)療效率，減少了不必要的醫(yī)療資源浪費。隨著現(xiàn)代疾病譜的改變、社會觀念的轉(zhuǎn)變以及國家政策的出臺，人工智能與中醫(yī)治未病結合是中醫(yī)學融入信息化時代、分享信息化的成果，也是提升中醫(yī)治未病的水平和療效的重要手段[4]，未來很長一段時間內(nèi)，治未病都將是醫(yī)學界重點研究之一。人工智能作為21世紀最前沿的科學技術之一，必將為中醫(yī)治未病的發(fā)展提供助力，使中醫(yī)學煥發(fā)出新的活力。

1 人工智能與中醫(yī)治未病結合的背景

1.1 社會需求的改變

健康是人類共同追求的最終目標，隨著現(xiàn)代醫(yī)療技術的進步和經(jīng)濟水平的提高，人們對醫(yī)療資源的需求已不僅局限于疾病的診治，還包括心理、社會適應以及道德上的健康。與世界衛(wèi)生組織（WHO）提出健康的定義相符：“健康不僅是疾病或羸弱的消除，而是體格、精神和社會生活的完全狀態(tài)。[5]”倡導的是治病，更是治“未病”，這與中醫(yī)治未病理論不謀而合。為適應這種轉(zhuǎn)變，必須有現(xiàn)代新技術力量的注入。

1.2 政策的支撐

2008年，國家中醫(yī)藥管理局啟動“治未病”健康工程方案，拉開了中醫(yī)治未病快速發(fā)展的序幕;2016年，《“健康中國2030”規(guī)劃綱要》再次強調(diào)健康建設的重要性，提出以預防為主、中西醫(yī)并重，發(fā)揮中醫(yī)治未病優(yōu)勢，做到早診斷、早治療、早康復，減少疾病發(fā)生，實現(xiàn)全民健康;同年，《“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》中指出要將云計算、大數(shù)據(jù)、AI等技術廣泛融入社會各個領域，大力推動AI在健康醫(yī)療領域的應用;2018年，《關于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》明確了“互聯(lián)網(wǎng)+醫(yī)療健康”的措施，推進“互聯(lián)網(wǎng)+”人工智能應用服務。國家對人工智能和治未病的日益重視，為二者的發(fā)展提供了政策上的支撐。

1.3 技術的支持

現(xiàn)代科技特別是AI的發(fā)展為醫(yī)療行業(yè)的發(fā)展帶來了契機。AI是20世紀50年代出現(xiàn)的一門新興學科，至今已有70年的歷史，理論體系日漸成熟。2016年，智能機器人AlphaGo的勝利[6]，標志著21世紀AI深度學習領域里程碑式的發(fā)展，使AI相關研究應用開始呈現(xiàn)爆發(fā)式的增長。語音識別、計算機視覺、自然語言處理技術等都為人工智能在治未病領域的發(fā)展提供了技術保障。

中醫(yī)領域人工智能相關研究，萌芽于20世紀70年代，中醫(yī)專家系統(tǒng)的建立[7]拉開了中醫(yī)學智能化發(fā)展的開端。近年來，人工智能與中醫(yī)的研究處于蓬勃生長期（圖1），這與人工智能技術的成熟和國家政策的支持密不可分。但同時也可以看到，治未病領域的人工智能目前處于萌芽階段（圖2），相關文獻數(shù)量較小，且缺乏全面系統(tǒng)化、整體化的研究。如何多元化、多維度、全方面打造治未病智能化體系應是未來醫(yī)學重點研究方向。

2 人工智能在中醫(yī)治未病領域的具體應用

治未病智能化發(fā)展最重要的是打造治未病核心技術，通過現(xiàn)代化手段促進治未病在個體或群體中檢測、診斷、治療上的精準化[8]，針對個人健康狀態(tài)進行個性化預防。中醫(yī)治未病是對人體生命活動全過程的監(jiān)測，采取預防或治療手段，防止疾病發(fā)生、發(fā)展的方法，在疾病預防中有很大的優(yōu)勢。目前，AI在中醫(yī)治未病領域的應用主要包括：AI中醫(yī)信息采集、AI醫(yī)學影像以及AI基因檢測。

2.1 AI中醫(yī)信息采集

中醫(yī)信息采集是治未病理論發(fā)揮作用的基石，但傳統(tǒng)治未病是在四診信息收集的基礎上，對機體的未病態(tài)、欲病態(tài)、已病態(tài)以及瘥后進行判斷，主要依靠的是醫(yī)者的個人經(jīng)驗和主觀感受，缺乏客觀化的標準[9]。AI的應用則為中醫(yī)治未病突破這一發(fā)展瓶頸帶來了機會。通過AI及大數(shù)據(jù)的支持，將中醫(yī)信息客觀化、標準化，將中醫(yī)感性的信息變?yōu)橐远繑?shù)據(jù)來準確衡量[10]。中醫(yī)傳統(tǒng)信息采集方法包括望、聞、問、切，從局部與整體雙管齊下。結合AI，望診有基于中醫(yī)藥知識圖譜的舌像診療系統(tǒng)[11]、基于sLDA方法和SVM算法建立的膚色識別模型進行膚色五色識別[12]。平安好醫(yī)生借助AI建立的智能問診系統(tǒng)，能夠?qū)崿F(xiàn)聽音辨病。問診有基于深度學習與條件隨機的多標記學習方法的慢性胃炎中醫(yī)證型模型[13]。切診有運用BP神經(jīng)網(wǎng)絡算法建立的脈象信號采集系統(tǒng)，對正常人與病人脈象信號分類進行了探討[14]。

目前中醫(yī)信息采集的客觀化發(fā)展已取得較大突破，衍生的設備逐漸應用到臨床，但仍存在一些問題。四診合參是中醫(yī)整體觀念在疾病診治過程中的具體體現(xiàn)，關鍵在于四診資料要相互參照、印證、補充，而非強調(diào)單一診法的深入研究，只有四診信息的采集準確、相互合參，才能全面了解機體狀態(tài)[15]。但目前大多數(shù)設備都是單獨從脈、舌、面等某一方面采集信息，較局限，缺乏將四診融合的技術。因此有學者在這方面提出了自己的觀點，如結合多源數(shù)據(jù)學習、多核學習方法，借助子空間學習方法促進四診合參的智能化[16]，建立中醫(yī)臨床辨證論治方法促進四診合參數(shù)據(jù)的量化[17-18]，都為四診合參提供了方向。

2.2 AI醫(yī)學影像

運用現(xiàn)代西醫(yī)科學知識橋接人工智能是中醫(yī)治未病發(fā)展強有力的手段之一。醫(yī)學影像是以非侵入性的方式獲得機體內(nèi)部組織影像結構的技術，輔助和指導疾病的治療。傳統(tǒng)醫(yī)學影像在疾病診療過程中存在諸多問題，例如數(shù)據(jù)的快速增長、人才的缺口、超負荷的工作壓力、肉眼閱片可能帶來的漏診誤診，都給影像學的發(fā)展帶來了巨大的沖擊。AI的運用則為有效解決這些問題提供了途徑。AI通過圖像識別技術和深度學習對醫(yī)學影像數(shù)據(jù)進行訓練學習，對疾病的早期識別、篩查具有高度靈敏性[19]?；贏I的醫(yī)學影像對慢性非傳染性病特別是癌癥早期篩查，提高生命質(zhì)量起著至關重要的作用。英國Avalon AI[20]，首個把深度學習用于老年癡呆癥的公司，通過建立大腦3D核磁共振圖像，運用卷積神經(jīng)網(wǎng)絡技術對圖像進行分析，判斷大腦是否有患病的傾向，目前有效預測準確率已經(jīng)達到了75%。國內(nèi)也有不少研究機構致力于打造AI醫(yī)學影像，力求早發(fā)現(xiàn)疾病患癌風險，實現(xiàn)疾病的早期預防，如用于篩查可疑食管癌的騰訊覓影、由中山大學腫瘤防治中心自主研發(fā)的“中腫智醫(yī)”上消化道腫瘤人工智能診療決策系統(tǒng)。

分子影像是醫(yī)學影像一門多學科交叉融合的新產(chǎn)物，在細胞和分子水平上，對活體生物過程應用影像學技術進行定性和定量研究[21]，可在沒有形態(tài)學改變之前檢出異常，廣泛應用于腫瘤的早期檢測?，F(xiàn)代分子影像與AI影像分析相輔相成[22]，運用AI特別是深度學習方法研究PET儀器設計、PET圖像重建量化和分割[23]等，促進了分子影像設備的完善。同時分子影像中融合了數(shù)據(jù)處理、圖像識別等技術，也為AI影像分析提供了便利。在預防疾病理念上，治未病與分子影像有異曲同工之妙。目前，AI醫(yī)學影像應用主要集中在癌癥和心腦血管疾病等慢性病上，如何擴大疾病篩查種類、提高精準度，是未來AI醫(yī)學影像的主攻方向。

2.3 AI基因檢測

基因檢測與治未病共同促進預防醫(yī)學的發(fā)展?；蚴巧z傳最基本的單位，儲存著人體生、老、病、死的全部信息，人類疾病或多或少都與基因有關聯(lián)，是影響人體健康最重要的內(nèi)在因素?；驒z測是通過特殊設備對細胞DNA分子進行檢測分析，從而判斷所含有的基因類型和基因是否有缺損或異常，對于疾病的預防以及現(xiàn)代治療手段難以解決的病癥有著重大意義。

基因檢測是預防疾病最有效的手段，然而人體基因數(shù)量龐大，目前已經(jīng)發(fā)現(xiàn)和定位了的功能基因就有兩萬多個，依靠“傳統(tǒng)基因+人工目測”并不能發(fā)現(xiàn)所有基因片段上的問題。而AI在數(shù)據(jù)的分析上具備精準、快速的優(yōu)勢，相較于傳統(tǒng)基因檢測來說，基于人工智能深度學習和數(shù)據(jù)挖掘技術，不僅可以提高檢測的時效、節(jié)約成本，還對基因突變具有高度敏感性，能夠提供預警。如乳腺癌BRCA1/BRCA2基因突變檢測，對發(fā)現(xiàn)攜帶基因突變者進行手術切除治療，可降低近100%的發(fā)病風險[24];Sophia Genetics公司利用機器學習技術分析患者基因數(shù)據(jù)，可對基因變異進行評估，準確率在99%以上。AI在基因檢測中有著不可比擬的優(yōu)勢，正逐漸影響著整個醫(yī)學行業(yè)，但由于存在技術水平、費用、倫理學等問題，限制了AI基因檢測的推廣使用。

3 AI中醫(yī)健康管理模式

3.1 文獻研究現(xiàn)狀分析

目前，我國正在嘗試將治未病理論與健康管理理念融合，打造具有中醫(yī)特色的中醫(yī)健康管理模式。以中國知網(wǎng)（CNKI）為數(shù)據(jù)來源，以“中醫(yī)健康管理”為主題檢索2006年～2020年的文獻，共728篇，人工排除不相關文獻后，共獲得608篇，以CiteSpace為工具，得到關鍵詞共現(xiàn)知識圖譜（圖3）、關鍵詞共現(xiàn)時區(qū)視圖（圖4）、2006年～2020年中醫(yī)健康管理突現(xiàn)詞（圖5）。關鍵詞共現(xiàn)圖譜及時區(qū)圖可以看到，該領域研究重點和方向的變化趨勢。通過圖3可以看到高頻關鍵詞有“健康管理”“治未病”“中醫(yī)健康管理”，代表了該領域的研究重點，結合圖4看到，在中醫(yī)健康管理的基礎上，越來越重視臨床的實際運用與技術發(fā)展，2008年開始出現(xiàn)“糖尿病”“高血壓”“2型糖尿病”等疾病相關名詞，2010年逐漸出現(xiàn)“智能分析”“研發(fā)分析”“技術探析”，近幾年更出現(xiàn)了“互聯(lián)網(wǎng)+”“大數(shù)據(jù)”等與現(xiàn)代技術相關名詞。突現(xiàn)詞可以反映研究領域的前沿與趨勢[25]。圖5可以看到有4個突現(xiàn)詞，包括健康管理法、社區(qū)、中醫(yī)藥、社區(qū)健康管理。通過以上說明，中醫(yī)健康管理是當前實現(xiàn)中醫(yī)治未病發(fā)展的重要途徑，而如何將中醫(yī)健康管理結合現(xiàn)代科技應用于臨床實際、步入基層、實現(xiàn)對疾病的預防是其重點研究方向。

3.2 AI中醫(yī)健康管理模式的建立

建立AI中醫(yī)健康管理模式是實現(xiàn)治未病的根本途徑。目前，我國已經(jīng)出現(xiàn)了多種形式的中醫(yī)健康管理模式，但基本是對中醫(yī)治未病理論上的延續(xù)[26]，現(xiàn)有治未病領域信息系統(tǒng)也存在諸多問題：（1）依靠收集體檢或就診時的信息建立數(shù)據(jù)庫，存在數(shù)據(jù)的來源不能固定、實時更新的缺點;（2）信息收集依靠問卷填寫，耗費大量人力物力，并且缺乏客觀化標準;（3）醫(yī)院自身治未病系統(tǒng)與醫(yī)院信息系統(tǒng)、醫(yī)院與醫(yī)院之間的治未病信息系統(tǒng)數(shù)據(jù)共享不方便等問題。AI的出現(xiàn)為解決這些問題提供了媒介，近幾年已經(jīng)開始出現(xiàn)結合“互聯(lián)網(wǎng)+”、大數(shù)據(jù)等建立中醫(yī)健康管理模式的研究。AI中醫(yī)健康管理模式是借助人工智能、“互聯(lián)網(wǎng)+”、大數(shù)據(jù)等信息化技術，在統(tǒng)一的數(shù)據(jù)中心基礎上，建立中醫(yī)健康管理平臺，以治未病理論為指導，結合現(xiàn)代健康管理理念，通過智能化設備實時采集中醫(yī)信息，傳送到數(shù)據(jù)中心進行健康狀態(tài)分析，并針對個人參數(shù)特征進行精準靶向干預，自動匹配方案，及時對干預效果進行反饋、評價[27-28]，同時可實現(xiàn)治未病數(shù)據(jù)的長期管理和實時更新訪問。

通過AI對健康進行檢測、干預、評價，是中醫(yī)治未病思想在現(xiàn)代發(fā)展過程中最集中的體現(xiàn)。AI健康管理模式建立有兩大重點技術，一是數(shù)據(jù)的實時收集，二是中醫(yī)健康狀態(tài)的辨識。雷黃偉[29]等提出運用現(xiàn)代信息化技術手段加快研制家庭便攜式設備，實現(xiàn)實時互聯(lián)互動，并在此基礎上提出智能學習型機器人的研發(fā)，提高自主判斷能力，使智能機器人能完成從監(jiān)測到預警，從干預再到評估全過程的自主參與，人機結合共同參與健康管理。陳淑嬌[30]等以體質(zhì)辨識為指導，提出以證素辨證為核心，以宏、中、微三觀參數(shù)為基礎，以數(shù)據(jù)挖掘和信息處理等為手段和方法進行健康狀態(tài)辨識，是目前健康狀態(tài)辨識的熱門研究方向。

4 展望

目前，國家于2016年立項中醫(yī)藥信息標準研究與制定項目，開始中醫(yī)館健康信息云平臺信息標準化的建立，高度重視本領域工作，于2019年將治未病管理信息系統(tǒng)基本功能規(guī)范以團體標準發(fā)布，為治未病平臺信息化建設提供統(tǒng)一開放的信息標準，供社會查閱使用，該項工作標志著中醫(yī)人工智能治未病研究的信息標準化開啟。信息標準化是信息化的前提和基礎，智能化是信息化發(fā)展的必然趨勢，當前治未病與人工智能融合發(fā)展還處于起步階段，面臨著巨大的阻力，主要體現(xiàn)在：（1）中醫(yī)數(shù)據(jù)的有效性和科學性;（2）相關技術人才的缺乏;（3）技術的商業(yè)化和產(chǎn)品化;（4）倫理學問題。隨著時代的發(fā)展，中醫(yī)治未病領域必將成為人工智能應用最具潛力的領域之一，多學科融合發(fā)展，合理規(guī)避發(fā)展過程中出現(xiàn)的各種問題，促進中醫(yī)治未病從信息化邁向智能化發(fā)展，實現(xiàn)疾病的防治，維護人類身心健康。

參考文獻：

[1] 方銳，楊勇，郭清，等.從美國補充與結合醫(yī)學的發(fā)展談治未病與健康管理的思維范式[J].中國中西醫(yī)結合雜志，2020，40（11）：1381-1387.

[2] 袁冰，范鋼.中醫(yī)學如何走進人工智能時代[J].中華中醫(yī)藥雜志，2018，33（2）：698-703.

[3] 劉軍，韓燕鴻，潘建科，等.人工智能在中醫(yī)骨傷科領域應用的現(xiàn)狀與前景[J].中華中醫(yī)藥雜志，2019，34（8）：3608-3612.

[4] 陳菊，陶瑞卿，宋嵐，等.基于中醫(yī)優(yōu)勢病種的辨證論治平臺[J].時珍國醫(yī)國藥，2017，28（10）：2552-2556.

[5] 蘇靜靜，張大慶.世界衛(wèi)生組織健康定義的歷史源流探究[J].中國科技史雜志，2016，37（4）：485-496.

[6] 黃欣榮，鐘平玉，馬綱.人工智能與中醫(yī)智能化[J].中醫(yī)雜志，2017，58（24）：2076-2079，2106.

[7] 趙文，徐佳君，周常恩，等.中醫(yī)與人工智能的探討[J].福建中醫(yī)藥，2019，50（5）：46-48.

[8] 葉培漢，何清湖，楊磊，等.基于SWOT法治未病現(xiàn)代化裝備發(fā)展戰(zhàn)略研究[J].世界科學技術-中醫(yī)藥現(xiàn)代化，2020，22（7）：2447-2453.

[9] 姚敬心，鄧文祥，李靜，等.中醫(yī)輔助診療系統(tǒng)在醫(yī)療活動中的應用現(xiàn)狀及發(fā)展分析[J].中國中醫(yī)藥現(xiàn)代遠程教育，2019，17（15）：55-57.

[10] 葉健成.利用部分中醫(yī)思想結合現(xiàn)代科技應用闡釋“中醫(yī)西釋治未病”理念[J].中華中醫(yī)藥雜志，2016，31（4）：1142-1145.

[11] 張瑩瑩.基于知識圖譜的舌像診療系統(tǒng)研究與構建[D].成都：電子科技大學，2019.

[12] 王松.中醫(yī)面診客觀化中若干圖像分析技術研究[D].杭州：浙江理工大學，2012.

[13] 王立文.基于深度學習與條件隨機場的多標記學習方法的中醫(yī)問診建模研究[D].上海：華東理工大學，2013.

[14] 王宇春.脈象信號人工智能辨識[D].秦皇島：燕山大學，2006.

[15] 趙文，林雪娟，閔莉，等.中醫(yī)思維的內(nèi)涵與外延[J].中華中醫(yī)藥雜志，2020，35（1）：46-49.

[16] 趙文，張佳，徐佳君，等.四診合參智能化發(fā)展現(xiàn)狀及實現(xiàn)路徑[J].中醫(yī)雜志，2020，61（1）：58-62，67.

[17] 陳菊，嚴小英，裴敬，等.中醫(yī)臨床辨證論治輔助診療系統(tǒng)[J].世界科學技術-中醫(yī)藥現(xiàn)代化，2015，17（12）：2436-2442.

[18] Chen J，Yang D X，Cao Y，et al.Syndrome differentiation and treatment algorithm model in traditional Chinese medicine Based on disease cause，location，characteristics and conditions[J].IEEE Access，2018，6：71801-71813.

[19] 蔡菲菲，馬立新，胡元佳，等.“AI+中醫(yī)藥”：邁向智慧中醫(yī)藥時代的新途徑[J].世界科學技術-中醫(yī)藥現(xiàn)代化，2019，21（9）：1968-1973.

[20]可預測老年癡呆癥患病概率Avalon AI醫(yī)學影像診斷玩出新花樣[J].中國醫(yī)學計算機成像雜志，2016，22（4）：378.

[21] Weissleder R，Mahmood U. Molecularimaging[J].Radiology，2001，219（2）：316-333.

[22]分子影像人工智能專家共識（2019版）[J].中華核醫(yī)學與分子影像雜志，2019，39（12）：748-751.

[23] Arabi H，Zaidi H.Applications of artificial intelligence and deep learning in molecular imaging and radiotherapy[J].European Journal of Hybrid Imaging，2020，4（1）：17.

[24] 龔珂，肖鈞方，劉香婷，等.乳腺癌易感基因相關研究現(xiàn)狀[J].現(xiàn)代腫瘤醫(yī)學，2020，28（23）：4184-4190.

[25] 王艷秋，孟翔鶴，秦靜波，等.基于Citespace的中醫(yī)藥治療過敏性紫癜可視化分析[J].中國實驗方劑學雜志，2020，26（10）：173-179.

[26] 鄭思思，郭華玲，張夏天，等.可穿戴設備在中醫(yī)藥健康管理中的應用與展望[J].世界科學技術-中醫(yī)藥現(xiàn)代化，2019，21（12）：2678-2683.

[27] 陳錦明，劉瑞芳，王維斌，等.中醫(yī)健康管理原則的探討[J].福建中醫(yī)藥，2019，50（4）：43-45.

[28] 夏淑潔，楊朝陽，李燦東.智能化中醫(yī)“治未病”健康管理模式探析[J].中華中醫(yī)藥雜志，2019，34（11）：5007-5010.

[29] 雷黃偉，陳淑嬌，李燦東.中醫(yī)健康管理參與慢病管理的原則[J].中華中醫(yī)藥雜志，2019，34（7）：2880-2882.

[30] 陳淑嬌，李燦東.論大健康背景下的中國特色的中醫(yī)健康管理模式[J].中華中醫(yī)藥雜志，2017，32（11）：4789-4792.

【通聯(lián)編輯：唐一東】

收稿日期：2021-11-15

基金項目：國家自然科學基金（No.81804222）：基于深度學習的“因位性勢”四維中醫(yī)辨證論治算法模型設計;國家重點研發(fā)計劃中醫(yī)藥現(xiàn)代化研究（No.2018YFC1704104）：便攜設備健康服務云平臺構建及示范應用研究;四川省衛(wèi)生健康委員會科研課題（No.20PJ168）：基于自動編碼器和RNN結合的深度學習方法對肺系疾病進行臨床診斷的應用研究;成都中醫(yī)藥大學杏林學者（No.QNXZ2018042）;成都中醫(yī)藥大學2020年大學生創(chuàng)新創(chuàng)業(yè)訓練計劃國家級立項課題（S202010633029）：基于DAELA-LSTM神經(jīng)網(wǎng)絡構建痛經(jīng)專有性中醫(yī)辨證模型;成都中醫(yī)藥大學2020年大學生創(chuàng)新創(chuàng)業(yè)訓練計劃省級立項課題（S202010633155）：國際中醫(yī)在線助疫情;成都中醫(yī)藥大學2020-2021年大學生科研實踐創(chuàng)新課題（ky-2021033）：LSTM神經(jīng)網(wǎng)絡在中醫(yī)胃病病型診斷中的實現(xiàn)

作者簡介：楊璠（2000—），女，重慶人，本科在讀，研究方向為中醫(yī)學;李連新（1998—），女，四川成都人，本科在讀，研究方向為中醫(yī)學;通信作者：陳菊（1987—），女，四川成都人，助理研究員，碩士，主要從事中醫(yī)數(shù)字化工作。