Page 77 - 中医针灸与人工智能

第三章 中医人工智能发展研究

参数的处理。其中，所采集的表征参数可分为宏观、中观、微观三类：宏观层面

主要是指天、地、时，即与健康相关的时间、气候、地理环境等参数；中观层面
主要是常规四诊收集的内容，如性别、年龄、心理状态、体质辨识量表等参数；
微观层面主要是理化指标及中医四诊仪器所采集的参数等。“三观参数”是一种
具有创新性、客观性的健康认知方法体系，能较为直观地反映个体健康状态。

目前，随着中医智能仪器的不断改进，与传统中医诊法相比诊断过程中由于
主观因素所致的误差和不确定性明显减少，也使得病史采集过程更趋规范。如中
医舌诊仪在中医理论基础上，采用机器学习方法和数字图像分析处理等技术提取

舌部客观量化指标，可为舌诊提供辨识客观依据。中医脉诊可直接影响中医临床
辨证的准确性，亦十分重要，从脉象的“位、数、形、势”出发，脉诊仪多是利
用传感器及脉象识别技术来代替手指感觉，通过对脉象信息的采集分析处理，获
得客观定量指标。此外还有智能问诊仪、面诊仪、闻诊仪、经络检测仪等均可实

现信息客观化采集与智能处理，其中可穿戴健康设备的研发也为中医健康管理平
台即时健康监测与数据共享带来了便捷。在此基础上，将规范采集的中医健康信
息进行存储、分类、处理、整合等，可为状态辨识提供数据基础，同时，也可用

于患者筛选、疾病预防、随访、诊断教学和科学等研究 [138] 。
2.状态辨识
人体的状态虽然是动态变化的，但可通过对外在表征的客观化测量来反映某

一阶段的内在状态，正如《灵枢·本脏》所言：“视其外应，以知其内藏。”通
过数据挖掘方法可得出不同表征参数对某状态要素的权重（即贡献度）来分别计
算不同状态要素得分，然后借助人工智能技术，如多标记学习、AdaBoost方法、

神经网络及模糊数学等方法构建状态辨识模型，同时挖掘各状态之间相关性以解
决多状态兼杂问题，最后综合辨别生命某一阶段所处的状态。状态辨识的思维
过程可概括为“根据表征参数，辨别状态要素，组成状态名称”，最终目的是要
判断出个体所处哪种状态，有何风险。可见，中医状态辨识也是对中医诊断学中

“司外揣内”辨识方法的继承与发展。其中，辨识的结果用状态要素来表示，其
包含：一是程度，二是由部位和性质构成的状态名称。程度，即指阴阳等功能状
态偏离正常的幅度，反映了状态好坏的程度、预后及转归，其可通过信息处理等

技术对表征信息量化并设置相应诊断阈值部位，是人体状态变化所发生和影响的
脏腑、气血、经络等，其基于中医理论根据表征贡献度计算可得。性质，是机体

69