浅谈人工智能对中医诊断的影响＊

中医药是中华民族的瑰宝，随着人工智能（Artificial Intelligence，AI）的迅猛发展，中医药与AI的结合将可以为中医药的传承和现代化提供助力。本研究将从搭建AI中医专家系统入手，阐述AI对提高中医诊断的作用，物联网搭建AI中医药服务，存在的问题和对策，以及中医药人工智能化的前景，以图为中医药的发展提供新的思路和方法。     

基于LDA模型的中医药人工智能领域主题演化分析＊

目的 梳理总结中医药人工智能领域近40年的研究情况，分析该领域研究主题演化过程，发现热点主题和研究前沿。方法 本研究检索了CNKI和WOS中中医药人工智能领域的文献，根据生命周期理论划分不同时间片，将文献摘要作为研究对象，采用LDA主题模型挖掘文本主题，分析主题的演化过程，识别热点主题。结果 纳入中英文文献2750篇，根据生命周期理论划分中医药人工智能领域发展阶段，分别建立全局和各阶段的LDA模型，挖掘出全局热点主题有中医专家系统、中医辅助诊断系统、中医药数据挖掘等，发现主题演化路径并进行可视化展示。结论 中医药与人工智能主要的结合点在中医智能系统、中医药知识组织和中医智能诊疗机器人这3方面，这3个方向的研究均离不开神经网络技术的支持，同时也结合了关联规则发现、复杂网络研究等方法。     

人工智能在名老中医学术传承中的应用探讨＊

中医药学是中华民族灿烂文化的重要组成部分,传承与创新相结合,是延续中医药事业的根本途径。名老中医的学术思想和临床经验在中医药发展中至关重要,其传承模式也随着时代发展而逐渐多元化。然而,大量隐性知识存在于中医临床诊疗过程中,极大地增加了名老中医学术传承的难度。人工智能技术目前在现代医学诊疗中已有了初步应用,它可以拓展人类局限的数据存储和计算分析能力。与人工智能相结合的中医传承模式,可以深度挖掘名老中医学术思想,为中医学的传承发展贡献力量。本文主要介绍名老中医学术传承现状,探讨并展望人工智能在名老中医学术传承中的应用以及前景。     

人工智能技术在中医诊断领域应用述评＊

本研究从技术落地应用的角度出发，描述和评论目前中医诊断领域常用的AI技术的应用历史、现状及与中医诊断需求之间切合程度等问题，包括专家系统用于智能辨证、图像诊断和望诊、自然语言处理和问诊、传感器和智能硬件用于闻诊、切诊等；分析和预测和描绘未来AI相关新技术在中医诊断领域应用的趋势，包括多模态信息融合的中医智能化思路、物联网拓展诊断信息边界、区块链+联邦学习破解隐私安全需求与数据协作共享矛盾，以及通用中医思维知识图谱助力智能装备辅助诊断。     

基于SWOT分析的中医人工智能现状与发展研究＊

人工智能技术如今已经广泛应用于各个领域，医学领域对人工智能设备开发和应用一直有着较高的关注，而中医药作为中国特色的医学资源，与人工智能技术和设备开发的联系日益紧密。目前，中医人工智能技术在四诊客观化研究等方面取得一定成果，但也存在产品实际效果不佳、数据库建立不规范、不合理以及相关专业人才匮乏等诸多问题。本研究通过文献评阅、专家访谈和SWOT分析法，总结中医人工智能技术的发展和应用现况，分析中医人工智能发展过程中存在的主要问题，并提出相应完善策略，为中医药人工智能设备的研发和政府决策提供参考依据。     

中医智能辨证诊断技术的演进与问题探讨＊

本文通过对国内中医智能辨证诊断研究历程的梳理，系统总结了不同阶段中医智能辨证诊断的技术特点，并对基于经验知识的推理到基于机器学习的数字辨证模型构建的代表性成果进行了阐述，对技术演进过程涉及的主要技术在未来中医智能辨证诊断研究中的前景、难点和挑战提出了一些观点及相关设想，以期为未来中医智能辨证诊断在方法、模型、技术方面的进一步研究提供思路。     

中医人工智能辨证研究现状与发展＊

目的 总结中医人工智能辨证领域的研究历史与现状、应用状况、所面临的挑战，为中医辨证智能发展提供帮助。方法 检索中国知网（China National Knowledge Infrastructure，CNKI）总库1980年-2020年人工智能与中医辨证相关文献，筛选出301篇，以时间为线索，从专家系统、机器学习、深度学习和知识图谱，对中医辨证算法研究进行分类；以地域为线索，结合文献计量学可视化分析，梳理出中医辨证人工智能地域发展态势。结果 通过三个阶段中医辨证算法的比较，机器学习的神经网络、决策树和贝叶斯等算法模型辨证准确率均值在90%以上，适用于中医辨证，未来深度学习与知识图谱在中医辨证方面极具潜力。结论 中医辨证信息化迅猛发展并处于持续深入的状态，但中医文本数据的处理和结构化工作滞后，缺乏评价系统来评判人工智能算法在辨证上的效果，需予以重视。     

肿瘤舌象信息研究进展＊

信息技术引入到肿瘤舌诊的研究与应用中，让肿瘤的中医舌诊辨治逐步走向客观化、定量化和标准化。在近几年的研究中，各类肿瘤不同临床阶段的舌象特点逐渐显现，证明舌象信息对肿瘤具有一定的辅助诊治价值。人工智能、大数据等最新信息技术与中医的传统理论相结合，利用现代化科技手段采集、分析、自我学习和自我判断肿瘤患者舌象信息，找寻中医肿瘤舌象数据的内在规律，提升中医舌诊诊治肿瘤地精确性和指导性。     

心房颤动发病机制的基础研究进展＊

心房颤动是最常见的进行性心律失常，患病率随年龄的增长呈指数增长，治疗主要是针对患者已有症状的改善，包括手术治疗、药物控制心室率、药物抗凝等，治疗手段十分局限。术后复发和药物并发症的存在使疗效一直存在争议，而且在预防方面也没有取得很好的效果，给社会及家庭带来了沉重负担。迄今为止，心房颤动的发病机制尚未完全明确，但了解心房颤动的发病机制对改善其治疗方式至关重要，因此，本文将目前发现的炎症、蛋白稳定损伤、钙处理异常、非编码RNA等发病机制与中医药研究发现相结合，分析中医药在心房颤动防治中的应用价值，以期为心房颤动的治疗带来新思路。     

艾烟的研究进展＊

古人云“针所不为，灸之所宜”。艾灸在防病治病方面疗效显著，具有温经散寒、行气通络、扶阳固脱等作用。然而，目前对其安全性尚有疑问，特别是艾烟。本文通过总结近二十年来学者对艾烟的研究成果，对其化学成分、作用以及安全性进行系统的综述，为艾灸技术的推广提供依据。同时，引发思考如何建立艾柱的质量标准，选取高质量的艾柱，提高全民对传统热敏灸的信服度，为全民艾灸提供保障。     

人工智能在中医药领域的应用进展及现状思考

人工智能(Artificial Intelligence,AI)的蓬勃兴起为现代社会带来了前所未有的机遇,中医药是中华民族传承千年的文化瑰宝.随着人工智能技术不断在中医药领域的科技创新中崭露头角,二者的融合不断加深,人工智能在中医药领域的发展前景、争议挑战也引发了诸多思考.本文将从人工智能在中医药领域的应用入手,对人工...     

引入人工智能构建肺癌中医处方系统探索

目的:探讨采用人工智能技术构建中医药治疗肺癌处方系统。通过构建智能处方系统并利用2955例次中医肺癌门诊资料完成模型训练,使其能完成较高准确率的处方输出,并最终应用于临床治疗参考。方 法: 使用基于高斯核的岭回归的算法,然后通过实际的病例108例次结合专家评估来验证处方的准确率。结 果：出现频率次数高于300的药物,准确率达到62.9%,召回率80.2%,F1值为70.5;分类考虑不同药物出现频率 后,出现频率大于300次的准确率可以达到66.8%,召回率74.4%,F1值为70.3,专家对处方的评估（10分制）,方 法一评分为8分,方法二评分为8.3分。结论：现阶段肺癌人工智能处方系统的准确率比较令人满意,单病种的 中医药人工智能处方系统可能可以作为人工智能运用到中医诊疗的一个突破口,该系统可以有望用于提高中 医药传承效率,促进中医药传承和发展,后期将进一步提高病例数,改进病历提取模式,提升系统效能。     

人工智能——引领中医学新发展的有效工具

伴随AlphaGo Zero 称霸围棋领域,谷歌公司宣布全力转向智慧医疗方向发展,深度学习训练虚拟老鼠可以模拟人类大脑空间导航能力的飞跃式进展,全球医疗领域的人工智能技术进入了高速发展阶段。人工智能为西医的体外诊断技术、手术导航等方面提供了极大帮助,也通过专家系统、大数据、辅助诊断设备等方面协助中医诊断,规范中医诊疗。     

中医药物外治法的临床应用研究进展

中医外治法是中医外科的特色治疗方法,药物经体表皮肤、黏膜、穴位等方式吸收从而发挥临床疗效,在临床应用中对许多疾病的治疗及预后显示出了确切的疗效.药物外治法是中医外治法的重要组成部分,其有多样形式,主要包括膏药、油膏、箍围药、草药、掺药、酊剂、洗剂等,在现代的临床应用研究中疗效显著、应用范围广泛、安全高效、操作简便、不良...     

基于CiteSpace探讨人工智能在中医药领域的研究热点及趋势

目的:探讨人工智能在中医药领域的研究热点及前沿方向,为今后的研究提供参考及借鉴.方法:以中国知网(CNKI)和Web of Science(WoS)中人工智能在中医药学领城相关文献为数据来源,结合人工梳理及信息整合的方法,运用CiteSpace软件对文献分布、作者、机构、关键词、共被引文献进行统计分析.结果:共纳入中文...     

蒙医五味甘露药浴研究进展

蒙医药浴疗法具有悠久的历史和独特的理论,同时具有疗效显著、毒副作用小,适应范围广、简便易行等特点。该文对近20年来蒙医五味甘露药浴在治疗风湿、类风湿、布鲁氏杆菌病、妇科疾病、皮肤病及某些疑难杂症等临床研究进行了较全面地概述。     

人工智能在心血管疾病诊断及风险预测中的研究进展

随着电子病历系统及医学影像技术在医院的广泛应用，如何分析各种医疗设备产生的海量医学数据仍然是当前研究热点之一。由于医学数据集的数量，高维性和异构性，使得人为驱动的分析变得不切实际。基于机器学习算法的人工智能特别适合应对“大数据”的挑战。心血管病是由遗传、环境和行为学多因素共同作用造成的，机器学习算法可以通过全面整合患者心血管病的危险因素和冠脉解剖影像参数，优化传统的风险评估模型，从而更加精准地预测病情的发展及预后，为患者后续治疗提供精准决策支持。本文主要对人工智能在心血管病中的应用进行综述。