默认

目前中医智能辩证可解释研究遇到了什么障碍?有何研究策略?

2023-05-24 10:41

中医智能辩证.png


        辨证是中医诊疗过程中的关键环节,对治疗方案乃至治疗效果有决定性的影响。通过分析中医智能辨证的发展,了解到中医智能辩证的研究障碍,而中医辨证本身的解释难度大和非规范化等因素,致使中医辨证可解释研究的开展面临挑战。


        1、可利用的解释数据不足且质量参差不齐


        由于大多数临床记录缺少解释,而来自非作者的解释又难以得到广泛认可,因此目前可用于辨证解释的资源并不多,主要包括住院病历、门诊医案以及论文。住院病历大多由一线住院医生记录,其解释内容质量参差不齐。相比而言,由经验丰富的中医专家或其徒弟整理和记录的医案和按语能够更大程度地体现中医专家的学术经验,其讨论部分的内容对可解释性的研究有很好的参考价值。然而, 还有部分医案记录的解释非常简略,按语部分寥寥数语,让人难以完全掌握中医专家的辨证思维过程。此外,论文也是可用于解释的数据,主要是个案报道,但作者分散,整理起来相对困难。从现存的可用于解释研究的数据来看,略者多、详者少,尽管专家本人医术精湛,但是其辨证治疗的思维过程难以从医案按语中完全体现,因此研究者难以通过医案的内容充分继承其学术思想。


        2、中医辨证及解释的差异性


        中医学数千年历史中呈现出一源多流的现象,中医学术呈现百家争鸣的繁荣景象,也导致辨证观念存在了显著的差异性。中医学属于经验医学,除了丰富的中医理论,中医辨证过程还体现了专家多年的诊疗经验和习惯。即使面对相同的患者,不同地域(如南方和北方)、不同学科领域(如针灸和 内科)、不同流派(如川派和新安医学) 的专家的辨证思维和结果也可能不同。而辨证思维的不同,导致辨证的解释难以统一,甚至存在争议。


        3、解释语料库的缺乏


        目前,中医领域自然语言处理的研究很大程度上依赖于“金标准”的语料库,即受到领域广泛认可的带标记数据库。但中医领域语料库极度缺乏,目前已发表的少数语料库也都是针对某个特定任务的语料库,且规模较小。要进行辨证的解 释,需要构建用于解释研究的金标准语料库,用以训练和测试模型,同时也能用于模型性能的测评。目前,中医领域的解释研究的语料库的构建面临巨大的挑战,数据的标注需要耗费大量的时间和精力,且权威专家也很难有时间来参与标注工作,导致目前中医领域解释语料的标注非常困难。


         4、智能辨证结果评价的局限


        在当下的深度学习浪潮中,许多新发表的工作都声称自己可以在目标任务上取得良好的性能。然而,由于缺少对决策和预测的解释,人们无法获知所有结论的内在逻辑,所以只能用准确率、错误率、回归等评价标准来代替评估模型的性能和结果的可信度。显然,这样的评价是不足的,只能解释模型预测决策的概况。在中医应用场景中,需要结合中医特点,制定中医甚至患者能够理解的评价方式,来说明决策是否可信。


         智能辩证可解释研究策略:


       (1)多领域专家合作


        尽管可解释性是人工智能技术在中医临床受到认可和运用的重要条件,但是由于中医领域知识的专业性非常强,中医辨证过程拥有复杂的内部逻辑和层次递进关系,导致技术人员不清楚真实中医辨证过程的“解释”是什么样的,中医需要的“解释”是什么,如何评价“解释”是合理的、可信的。因此,技术人员难以利用计算机技术对智能中医临床的研究结果进行合理的、可信的、直观的解 释。换言之,中医决策者和技术人员之间缺乏有效的连接。因此,中医临床辨证论治的可解释研究需 要技术人员和中医专家,甚至语言学专家的合作。 这种合作应该是深入的,且参与合作的专家都应具有一定的交叉学科背景,对任务有充分的认识。


       (2)充分利用已有的解释资源


        目前可用于中医辨证解释研究的数据资源不多,因此一定要充分利用目前已有的可用于解释研究的资源。这些资源包括:1)中医基础理论知识。 即获取中医辨证的先验知识,具体包括中医基础理论知识、方剂学基础知识、诊断学基础知识等中医临床初学者必须掌握的基本知识。2)有解释内容的临床记录。筛选出“辨证依据”可用的病历和按语可用的医案,以及部分案例报道的论文。在数据筛选过程中,可以利用大数据技术,通过数据清洗等方法,减少劣质数据对结果的影响。


       (3)构建辨证解释体系


         构建辨证的解释体系即将基于真实的中医临床辨证过程,从更为详细和具象的角度,去研究中医决策者和技术人员都能明白的辨证解释要点和表达方式,以及中医专家理解和认可的评价方式,并形成体系。构建辨证解释体系是为了让技术人员能够充分理解中医辨证的解释原貌,让更多的计算机专家能够参与到中医辨证的可解释研究中,同时让中医专家能够理解和认可解释的内容。


        (4)构建大规模解释语料库


        中医领域目前主流的数据挖掘技术是有监督的深度学习模型,需要一定规模的标注语料为机器提供训练数据和测试数据。目前我国公开的医学领域的语料库很少,而散在的语料库相关的研究都是以国外经典标注语料库为参考。在中医领域,目前尚未有与解释相关的语料库发布。构建大规模的语料库是今后进行解释研究的重要途径之一。


       冬青云诊所管理系统 永久免费使用诊所软件