基于改良动手深度学习算法的冠心病病变全程证候要素分布与组合规律研究＊

目的 探索冠心病病变全程的证候要素分布与组合规律。方法 基于冠心病证候、证候要素诊断的行业标准，运用改良动手深度学习（Transformer）算法构建冠心病证候要素诊断系统，对比系统诊断结果与4位临床医师基于治疗指南的诊断结果，获知系统证候要素诊断准确性；借助冠心病证候要素诊断系统对中国中医科学院广安门医院的1221例冠心病住院病例进行证候要素诊断及不同分期证候要素分布、组合规律研究。结果 通过临界病变、冠心病心绞痛未行介入手术、冠心病心绞痛介入术后12周内、冠心病心绞痛介入术后1年以上并伴心功能降低（NYHA分级为II级或III级）患者病例各20例的人、机对比，冠心病证候要素诊断系统平均准确度可达96.46 ± 8.957%。冠心病证候要素诊断系统对证候要素判断结果提示，冠心病冠脉临界病变阶段以气滞、血瘀的实性证候要素及组合为主；冠心病心绞痛未行介入手术阶段存在血瘀、气虚、痰浊、气滞等实性证候要素为主的分布及其组合形式；冠心病介入术后12周内的患者可呈现阴虚、气虚、气滞、血瘀等证候要素分布及其组合形式；冠心病介入术后1年以上伴心功能不全的患者多表现为气虚、痰浊、阳虚等虚性证候要素为主的证候要素分布及组合形式。结论 冠心病病变全程的证候要素分布及组合形式存在一定时间性的演变规律，可出现由实性证候要素向虚实夹杂的证候要素分布及组合形式演变，最终发展成虚性为主的证候要素分布及组合模式，而基于深度学习算法的冠心病证候要素辨证系统为证候要素诊断的客观化提供途径。     

基于改良Transformer算法的冠心病证候要素诊断处方模型分析

目的：利用改良Transformer算法构建冠心病中医证候诊断、方药推荐模型。方法：以冠心病证候要素为关键环节,基于临证诊疗思路“症状-证候要素-证候-治法-方剂-药物（剂量）”搭建基本逻辑,综合运用多头注意力机制、复合词向量、随机失活形成改良Transformer算法,模拟临床医师临证思路,形成具备冠心病中医证候要素判断、证候诊断、方药推荐、可更新迭代功能的智能化模型。模型建立后,选择8 030例临床病例诊疗数据作为训练集进行模型训练,随机筛选100例基于真实临床病例的中医开方数据进行测试,比较模型输出方药与临床医师方药,对模型进行定性评价。结果：加入多头注意力机制的改良Transformer算法使模型准确率有更大的提升,模型在主要证候的判断、主要方剂的选择上与临床医师一致,在药物加减上有一定提升空间。结论：改良Transformer模型可提高冠心病证候要素、主要证候、处方、用药的准确率,较为准确、稳定地输出主要证候和方药建议,是中医智能化发展的体现。