中华中医药学刊

基于机器学习的中医个体化辨证模式及智慧诊疗模型构建思路

PDF下载

屈馨宁 , 刘宏潇

中华中医药学刊 | 数字中医中药 2026,44(8): 19-22

收起

中华中医药学刊 |数字中医中药 2026 , 44 (8) : 19 -22

基于机器学习的中医个体化辨证模式及智慧诊疗模型构建思路

全屏

[Author(id=1319291356170793051, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, orderNo=0, firstName=null, middleName=null, lastName=null, nameCn=null, orcid=null, stid=null, country=null, authorPic=null, dead=0, email=null, emailSecond=null, emailThird=null, correspondingAuthor=0, authorType=1, ext={EN=AuthorExt(id=1319291356267262045, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, authorId=1319291356170793051, language=EN, stringName=Xinning QU, firstName=Xinning, middleName=null, lastName=QU, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=null, address=Guang'anmen Hospital China Academy of Chinese Medical Sciences, Beijing 100053, China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null), CN=AuthorExt(id=1319291356334370910, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, authorId=1319291356170793051, language=CN, stringName=屈馨宁, firstName=null, middleName=null, lastName=null, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=null, address=中国中医科学院广安门医院，北京　100053, bio={"content":"

屈馨宁（1999-），女，山东临清人，硕士，研究方向：中医风湿病临床与基础。

"}, bioImg=null, bioContent=

屈馨宁（1999-），女，山东临清人，硕士，研究方向：中医风湿病临床与基础。

, aboutCorrespAuthor=null)}, companyList=[AuthorCompany(id=1319291356078518359, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, xref=null, ext=[AuthorCompanyExt(id=1319291356086906968, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, companyId=1319291356078518359, language=EN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=Guang'anmen Hospital China Academy of Chinese Medical Sciences, Beijing 100053, China), AuthorCompanyExt(id=1319291356095295577, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, companyId=1319291356078518359, language=CN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=中国中医科学院广安门医院，北京　100053)])]), Author(id=1319291356405674080, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, orderNo=1, firstName=null, middleName=null, lastName=null, nameCn=null, orcid=null, stid=null, country=null, authorPic=null, dead=0, email=liuhongxiao_@123.com, emailSecond=null, emailThird=null, correspondingAuthor=1, authorType=1, ext={EN=AuthorExt(id=1319291356468588642, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, authorId=1319291356405674080, language=EN, stringName=Hongxiao LIU, firstName=Hongxiao, middleName=null, lastName=LIU, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=null, address=Guang'anmen Hospital China Academy of Chinese Medical Sciences, Beijing 100053, China, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null), CN=AuthorExt(id=1319291356527308899, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, authorId=1319291356405674080, language=CN, stringName=刘宏潇, firstName=null, middleName=null, lastName=null, prefix=null, suffix=null, authorComment=null, nameInitials=null, affiliation=null, department=null, xref=null, address=中国中医科学院广安门医院，北京　100053, bio=null, bioImg=null, bioContent=null, aboutCorrespAuthor=null)}, companyList=[AuthorCompany(id=1319291356078518359, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, xref=null, ext=[AuthorCompanyExt(id=1319291356086906968, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, companyId=1319291356078518359, language=EN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=Guang'anmen Hospital China Academy of Chinese Medical Sciences, Beijing 100053, China), AuthorCompanyExt(id=1319291356095295577, tenantId=1146029695717560320, journalId=1255847919539208197, articleId=1319291353578713172, companyId=1319291356078518359, language=CN, country=null, province=null, city=null, postcode=null, companyName=null, departmentName=null, remark=中国中医科学院广安门医院，北京　100053)])])]

屈馨宁, 刘宏潇

作者信息

中国中医科学院广安门医院，北京　100053

通讯作者:

刘宏潇（1975-），女，山东济南人，主任医师，博士研究生导师，博士后，研究方向：中医风湿病临床与基础。E-mail：liuhongxiao_@123.com。

作者简介:

屈馨宁（1999-），女，山东临清人，硕士，研究方向：中医风湿病临床与基础。

Construction Strategy of Machine Learning-Based Individualized Syndrome Differentiation Model and Intelligent Diagnosis-Treatment Framework in Traditional Chinese Medicine

Xinning QU, Hongxiao LIU

Affiliations

Guang'anmen Hospital China Academy of Chinese Medical Sciences, Beijing 100053, China

出版时间: 2026-08-10 doi: 10.13193/j.issn.1673-7717.2026.08.004

文章导航

摘要

收起

宏观辨证是中医诊疗体系的基础，通过望、闻、问、切四诊方法对患者的整体状态和疾病特征进行整合分析，“以表知里”“司外揣内”，形成病机的整体认知。微观辨证通过检测患者的组织、细胞、分子和基因水平等微观指标，揭示证候的深层机制与物质基础，是对宏观辨证的补充，也是中医精准化的重要方向。因此，分别从宏观、微观辨证视角，综述了中医证的客观化研究现状，指出通过机器学习建立“宏观-微观”特征关联模式，系统绘制中医“证”的知识图谱，在此基础上序贯采集疾病特征信息，精准把握证候变化及发展趋势，形成临床序贯诊疗辅助决策，是中医走向精准医疗的有效路径。

关键词

机器学习 / 个体化辨证 / 智慧诊疗 / 宏观辨证 / 微观辨证

Abstract

收起

Macroscopic syndrome differentiation is the foundation of the traditional Chinese medicine (TCM) diagnosis and treatment system. Through the four diagnostic methods of observation, auscultation and olfaction, inquiry and palpation, it integrates and analyzes the overall state of the patient and the characteristics of the disease, “understanding the interior from the exterior” and “diagnosing the interior from the exterior”, thus forming an overall understanding of the pathogenesis. Microscopic syndrome differentiation, by detecting microscopic indicators such as the tissue, cell, molecular and genetic levels of the patients, revealed the deep mechanism and material basis of syndromes. It is a supplement to macroscopic syndrome differentiation and also an important direction for the precision of traditional Chinese medicine. This paper reviewed the current research status of the objectification of TCM syndromes from the perspectives of macro and micro syndrome differentiation respectively. It proposed to establish a “macro-micro” feature correlation model through machine learning, systematically drew the knowledge graph of TCM “syndromes” and on this basis, sequentially collected disease characteristic information, accurately grasped the changes and development trends of syndromes and form clinical sequential diagnosis and treatment auxiliary decision-making. It is an effective path for traditional Chinese medicine to move towards precision medicine.

Key words

machine learning / individualized diagnosis and treatment / intelligent diagnosis and treatment / macroscopic diagnosis and treatment / microscopic diagnosis and treatment

引用本文

屈馨宁, 刘宏潇. 基于机器学习的中医个体化辨证模式及智慧诊疗模型构建思路. 中华中医药学刊, 2026 , 44 (8) : 19 -22 . DOI: 10.13193/j.issn.1673-7717.2026.08.004

Xinning QU, Hongxiao LIU. Construction Strategy of Machine Learning-Based Individualized Syndrome Differentiation Model and Intelligent Diagnosis-Treatment Framework in Traditional Chinese Medicine[J]. Chinese Archives of Traditional Chinese Medicine, 2026 , 44 (8) : 19 -22 . DOI: 10.13193/j.issn.1673-7717.2026.08.004

基金

收起

国家自然科学基金面上项目(81873292)
中央高水平中医医院临床研究和成果转化能力提升项目(HLCMHPP2023049)
北京自然科学基金面上项目(7252264)
北京市中医药科技发展资金重点项目(BJZYZD-2023-02)
中国中医科学院科技创新工程重点协同攻关项目(CI2023C072YLL)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

王晓洒, 王峰, 王宏武, 等. 图像处理在中医望诊中的应用[J]. 电脑知识与技术, 2019, 15(22): 212-213, 221.

[2]

宋海贝, 温川飙. 中医面诊信息自动识别方法研究进展[J]. 成都中医药大学学报, 2018, 41(1): 5-8.

[3]

张红凯, 李小雪, 王祉, 等. 基于图像处理的五脏病面诊信息研究[J]. 中华中医药杂志, 2015, 30(8): 2897-2902.

[4]

ZHOU R, LI F F, WANG Y Q, et al. Application of PCA and LDA methods on gloss recognition research in TCM complexion inspection[C]//2010 IEEE International Conference on Bioinformatics and Biomedicine Workshops (BIBMW). December 18-18, 2010, Hong Kong, China. IEEE, 2011: 666-669.

[5]

LI F F, ZHOU R, LI G Z, et al. Classification of facial diagnosis gloss in Chinese medicine based on different algorithms[J]. Chin J Integr Med, 2016. DOI: 10.1007/s11655-016-2492-3.

[6]

刘媛, 赵鹏程, 陆小左. 一种面诊图像的分割算法[J]. 电脑知识与技术, 2017, 13(26): 183-185.

[7]

刘迈, 王晶, 王曼睿, 等. 基于SAM与FastSAM交互式分割技术在中医望诊客观化中的应用探究[J]. 中华中医药学刊, 2025, 43(9): 21-25, I0005-I0007.

[8]

滕瑄, 彭添凤, 周宇轩, 等. 阳虚质人群舌象和面象客观化分析[J]. 广州中医药大学学报, 2025, 42(4): 797-802.

[9]

谢芳芳, 谢超群, 马健文, 等. 不同疲劳程度患者中医证候的舌象特征研究[J]. 中国中医药信息杂志, 2024, 31(11): 158-165.

[10]

王弈瑞, 赵慎昌, 葛家嘉, 等. 痰瘀互结证舌象特征信息研究[J]. 中华中医药杂志, 2024, 39(7): 3784-3787.

[11]

丁然, 陆小左. 慢性乙型肝炎中医证候与舌象客观量化指标相关性的临床研究[J]. 西部中医药, 2015, 28(1): 56-59.

[12]

张珊珊. 黄利兴闻声辨治咳嗽经验[J]. 山东中医杂志, 2018, 37(11): 931-933.

[13]

张虹. “五脏相音”理论及其在耳鸣诊断中的应用[J]. 北京中医药, 2009, 28(5): 350-352.

[14]

江益靓, 张旭龙, 邓晋, 等. 数据增强基础上使用卷积神经网络进行闻诊[J]. 复旦学报(自然科学版), 2019, 58(3): 328-334.

[15]

MELEK MANSHOURI N. Identifying COVID-19 by using spectral analysis of cough recordings: a distinctive classification study[J]. Cogn Neurodyn, 2022, 16(1): 239-253.

[16]

SHARAN R V, QIAN K, YAMAMOTO Y. Automated cough sound analysis for detecting childhood pneumonia[J]. IEEE J Biomed Health Inform, 2024, 28(1): 193-203.

[17]

侯丽敏, 刘焕成, 张新鹏. 基于卷积神经网络的不同病理的鼾声分类[J]. 复旦学报(自然科学版), 2021, 60(3): 367-374.

[18]

汪东丽, 时善全, 贺佳, 等. 《黄帝内经》五脏相音理论与女性年龄关系的研究[J]. 中西医结合学报, 2006, 4(1): 10-12.

[19]

高也陶, 时善全, 贺佳, 等. 《黄帝内经》“五脏相音”与男性年龄之关系的现代研究[C]//中国针灸学会临床分会第三届全国代表大会暨全国针灸临床学术论坛论文集. 苏州, 2005: 9-12.

[20]

李萍. 中医嗅诊的理论与应用探析[J]. 中华养生保健, 2024, 42(12): 66-68.

[21]

林雪娟, 周福, 吴青海, 等. 基于电子鼻的2型糖尿病常见病位的气味图谱辨识研究[J]. 中华中医药杂志, 2022, 37(7): 3785-3789.

[22]

周福, 连梨梨, 张劲松, 等. 基于电子鼻的社区获得性肺炎常见病位间的气味图谱特征识别[J]. 中华中医药杂志, 2019, 34(12): 5954-5956.

[23]

武家伟, 孙艳春. 融合知识图谱和深度学习方法的问诊推荐系统[J]. 计算机科学与探索, 2021, 15(8): 1432-1440.

[24]

聂卉, 蔡瑞癉. 引入注意力机制的在线问诊推荐研究[J]. 数据分析与知识发现, 2023, 7(8): 138-148.

[25]

周开元. 基于图神经网络的中医处方对话推荐[D]. 广州: 广州大学, 2023.

[26]

陈小强, 胡翰, 陈燕军. 基于深度学习的智能问诊系统设计与实现[J]. 电脑编程技巧与维护, 2023(5): 119-122.

[27]

陈璐, 赵宇涵, 李伟峰, 等. 基于深度学习的智能中医辅助诊疗系统[J]. 计算机时代, 2023(4): 72-76, 85.

[28]

颜建军, 刘章鹏, 刘国萍, 等. 基于深度森林算法的慢性胃炎中医证候分类[J]. 华东理工大学学报(自然科学版), 2019, 45(4): 593-599.

[29]

许朝霞, 王忆勤, 颜建军, 等. 基于支持向量机和人工神经网络的心血管疾病中医证候分类识别研究[J]. 北京中医药大学学报, 2011, 34(8): 539-543.

[30]

史话跃, 吴承玉. 基于关联规则的肝癌证候与病位病性的相关性研究[J]. 北京中医药大学学报, 2017, 40(10): 876-880.

[31]

王芬, 刘铜华, 丁雷, 等. 基于概率图的中医动态交互问诊与智能辨证的数学模型的探索[J]. 世界科学技术-中医药现代化, 2023, 25(10): 3370-3376.

[32]

赵智慧, 秦睿, 李炜弘, 等. 基于多级任务的“视觉脉诊”方法研究[J]. 成都中医药大学学报, 2024, 47(5): 60-66.

[33]

林雄威. 基于压电复合材料的柔性压力传感器的设计、性能与应用研究[D]. 广州: 广东工业大学, 2021.

[34]

金陈玲. 便携式三部脉象采集系统与脉象信号处理研究[D]. 上海: 华东理工大学, 2019.

[35]

徐佳钦. 基于深度残差神经网络和迁移学习的中医脉象识别研究[D]. 哈尔滨: 哈尔滨医科大学, 2021.

[36]

王一飞. 基于深度学习的脉象特征提取与分类识别研究[D]. 太原: 太原理工大学, 2022.

[37]

张嘉琪. 基于深度强化学习的老年健康数据挖掘及应用研究[D]. 太原: 太原理工大学, 2021.

[38]

王新宇. 基于脉搏的女性生理期分析与识别[D]. 北京: 北京邮电大学, 2020.

[39]

WU H K, KO Y S, LIN Y S, et al. The correlation between pulse diagnosis and constitution identification in traditional Chinese medicine[J]. Complement Ther Med, 2017, 30: 107-112.

[40]

仝小林. 态靶医学——中医未来发展之路[J]. 中国中西医结合杂志, 2021, 41(1): 16-18.

[41]

仝小林, 何莉莎, 赵林华. 论“态靶因果”中医临床辨治方略[J]. 中医杂志, 2015, 56(17): 1441-1444.

[42]

KANG H, ZHAO Y, LI C, et al. Integrating clinical indexes into four-diagnostic information contributes to the traditional Chinese medicine (TCM) syndrome diagnosis of chronic hepatitis B[J]. Sci Rep, 2015, 5: 9395.

[43]

NICHOLSON J K, LINDON J C. Metabonomics[J]. Nature, 2008, 455(7216): 1054-1056.

[44]

ZHANG A H, SUN H, WANG Z G, et al. Metabolomics: towards understanding traditional Chinese medicine[J]. Planta Med, 2010, 76(17): 2026-2035.

[45]

GAN L, JIANG T T, YI W J, et al. Study on potential biomarkers of energy metabolism-related to early-stage Yin-deficiency-heat syndrome based on metabolomics and transcriptomics[J]. Anat Rec, 2020, 303(8): 2109-2120.

[46]

WEN Y, WANG Y, FENG T T, et al. Differential proteomics analysis of endometriosis in blood stasis syndrome[J]. Chin J Integr Med, 2018, 24(12): 925-929.

[47]

SONG Y N, ZHANG H, GUAN Y, et al. Classification of traditional Chinese medicine syndromes in patients with chronic hepatitis B by SELDI-based ProteinChip analysis[J]. Evid Based Complementary Altern Med, 2012, 2012(1): 626320.

[48]

胡锦浩, 孙贵炎, 杨宇峰, 等. 气血津液视域下糖尿病时空辨证的序贯诊疗模式刍议[J]. 北京中医药大学学报, 2025, 48(1): 8-13.

[49]

庞晴. 病证结合序贯辨证治疗Graves病临床观察及相关机制探讨[D]. 北京: 中国中医科学院, 2022.

[50]

冯奇. POMDP近似解法研究及在中医诊疗方案优化中的应用[D]. 北京: 北京交通大学, 2011.

[51]

KAI L, ZHOU X Z, YAN F, et al. Clinical data preprocessing and case studies of POMDP for TCM treatment knowledge discovery[C]//2012 IEEE 14th International Conference on e-Health Networking, Applications and Services (Healthcom). IEEE, 2012: 10-14.

2026年第44卷第8期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.13193/j.issn.1673-7717.2026.08.004

首发时间：2026-10-20
出版时间：2026-08-10

补充材料

相关文章

文章信息

作者

出版历史

基金

国家自然科学基金面上项目(81873292)

中央高水平中医医院临床研究和成果转化能力提升项目(HLCMHPP2023049)

北京自然科学基金面上项目(7252264)

北京市中医药科技发展资金重点项目(BJZYZD-2023-02)

中国中医科学院科技创新工程重点协同攻关项目(CI2023C072YLL)

作者信息

中国中医科学院广安门医院，北京　100053

通讯作者:

刘宏潇（1975-），女，山东济南人，主任医师，博士研究生导师，博士后，研究方向：中医风湿病临床与基础。E-mail：liuhongxiao_@123.com。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zhzyyxk/CN/10.13193/j.issn.1673-7717.2026.08.004

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT