Page 93 - 中医针灸与人工智能

第四章 智能针灸发展研究

的状态。研究发现在静息状态下，大脑在低频范围内会进行自发性活动，同时不
同脑区间也会存在固有的功能性连接。FC分析法就是依据此现象，通过识别静

息状态下相关脑区低频BOLD信号时间序列上的同步波动，来研究脑区间的功能
整合作用。近年来，越来越多的学者开始应用脑网络分析法来研究针刺效应的机
制，已有研究表明，针刺作用与脑区的激活和这些脑区间的功能连接有关，从网
络整合分析针刺效应的中枢机制是针灸机制研究的一个重要新趋势。

二、机器学习在针灸中的应用

机器学习旨在训练计算机利用数据而非指令开展各种工作，具体来说即是通

过算法使计算机从大量已有数据中学习规律，训练得到适合的数学模型，并使用
训练好的模型对数据进行分析预测。按照学习方式不同，机器学习可分为有监督
学习、无监督学习和半监督学习；根据算法复杂程度不同，又可分为传统机器学
习和深度学习。

（一）机器学习在针灸处方及适应证挖掘中的应用
以聚类算法、关联规则算法等无监督学习算法为基础的数据挖掘技术是当前
机器学习在针灸研究领域的主要应用形式之一，研究者以大量的针灸文献数据为
基础，依托相关算法，对数据中的隐含信息进行自动搜索整理，挖掘出针灸处方

腧穴配伍规律、针灸适宜病种、名老中医临床配穴经验等重要信息。如Yu使用
关联规则算法发现，三阴交、气海、关元是针刺治疗痛经的最常用穴对；王坤等
使用聚类算法，将针灸治疗癫痫常用腧穴聚成5类，然后使用关联规则算法提炼
出支持度最高的“大椎-心俞-丰隆”穴对，作为针灸治疗癫痫的最常用配穴。相

似的研究方法还被运用到了针灸治疗慢性支气管炎、多囊卵巢综合征多毛症、慢
性萎缩性胃炎等多种疾病的针灸处方挖掘中，这为针灸临床实践中腧穴选择提供
了重要参考，说明使用聚类算法等无监督的传统机器学习算法可以有效分析处方
数据，提炼出重要的腧穴配伍规律，助力针灸临床疗效的提高。除此之外，数据

挖掘技术还被应用于针灸适应证及临床应用特点研究中，如贾春生教授团队使用
多维布尔型关联规则算法、遗传算法、分类算法等对火针、腕踝针等特色针灸疗
法的临床优势病种和应用规律进行挖掘整理，建立了特色针法临床应用数据库，
辅助针灸医生在临床决策时选择更行之有效的治疗方法。

（二）机器学习在针刺疗效预测及其影响因素研究中的应用
针刺疗效预测是机器学习在针灸研究领域的又一重要应用形式。计算机通过

85