人工智慧在中醫領域的發展應用

吳鑄峰 ； 黃永廣 ； 張清貿

《臨床醫學月刊》 89卷1期 (2022/01) Pp. 6-11

https://doi.org/10.6666/ClinMed.202201_89(1).0002

摘要

隨著醫療科技的進步，研發智慧中醫診斷系統，協助中醫師進行疾病檢測或為用戶提供健康建議是當今趨勢。然因中醫學對疾病與證型的看法並非一對一的線性關係，人工智慧的應用發展是具有挑戰性的，過去20年研究欠缺4診資訊的有效整合，只是根據零星的生理資訊進行特徵提取與歸類，無法做到中醫診察所強調的「4診合參」，本文將探討深度學習方法出現後所帶來的幾項突破。我們針對近年來許多採用深度學習技術的中醫輔助診斷研究工作進行回顧，看到在2019年開始有了飛躍性的進展。研究者藉由深度學習技術來實現終端到終端的輔助診斷工具（end-to-end diagnostic model），與傳統分類方法相比，在收集各種中醫數據用於中醫疾病檢測時，無需事先進行資料處理及人為的特徵提取程序，可藉由非監督式深度學習進行分析，整合多模態的資料與演算法，治法上也開始借重資訊科技突破原有限制，未來在臨床治療上可達成人工智慧輔助精準選方與探穴針刺。將深度學習技術應用於多模態中醫數據，可以改善中醫臨床的可重複性、預測性、整合性及資料庫完備性，通過使用可信賴的人工智慧（trustworthy AI）來輔助中醫臨床診斷與治療應用的問題已成為熱門研究主題，未來需要建構大規模中醫臨床數據庫並促進醫療與資通產業的跨界合作。

關鍵字

中醫藥（Chinese medicine） ； 深度學習（deep learning） ； 人工智慧（artificial intelligence, AI） ； 醫學倫理（medical ethics）

參考文獻

Zhang H, Ni W, Li J, et al. Artificial Intelligence-Based Traditional Chinese Medicine Assistive Diagnostic System: Validation Study. JMIR Med Inform 2020;8:e17608.

Waring J, Lindvall C, Umeton R. Automated machine learning: Review of the state-of-the-art and opportunities for healthcare. Artif Intell Med 2020;104:101822.

LeCun Y, Bengio Y, Hinton G. Deep learning. Nature 2015;521:436-44.

Nogier PFM. Auriculotherapy. J Am Med Assoc 1984;252:1855-6.

Hou HI, Chen HY, Lu JJ, et al. The Relationships between Leptin, Genotype, and Chinese Medicine Body Constitution for Obesity. Evid Based Complement Alternat Med 2021;2021:5510552.