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。     

基于自适应矩估计的BP神经网络对中医痛经证型分类的研究＊

目的 探讨基于自适应矩估计（Adam）的反向传播（BP）神经网络通过痛经症状，预测对应的中医证型的临床价值和可行性。方法 将5151份中医痛经临床病例组成的真实临床数据集进行数据编码，利用Python的TensorFlow库，构建基于自适应矩估计的BP神经网络的中医证型预测模型，然后对模型进行训练、测试。结果 训练出的BP神经网络模型对气血两虚、肝郁湿热等7种证型的预测结果的精准率、召回率和F1分数大部分在0.9以上，在寒湿凝滞和气滞血瘀证型预测上较弱，模型整体准确率为0.89，特异度为0.99，马修斯相关系数为0.87。结论 基于BP神经网络构建的预测痛经中医证型模型整体正确率较高，具有一定临床使用、教学价值，可缩短年轻中医生临床经验积累时间，为下一步优化模型提供了思路。