冠心病診斷中中醫四診客觀化研究的運用論文

冠心病具有發病率高、致殘率高、複發率高、病死率高及併發症多等特徵。現代醫學對冠心病的檢查手段有冠狀動脈 CT、冠狀動脈造影、心血管超聲等，其中冠狀動脈造影是診斷冠心病的 “金指標”,但因其檢查有創、費用高，限制了臨牀應用； 冠狀動脈 CT 檢查是一種斷層檢查後重構的血管檢查方法，雖屬於無創傷檢查手段，但行 CT 冠狀動脈檢查時受檢者心率的影響較大。基礎研究和臨牀大樣本循證醫學研究均表明，中醫藥對防治冠心病有着巨大的應用潛力。

尋找切實可行的無創檢查方法對合理利用醫療資源、減少患者負擔非常重要。中醫診斷客觀化檢測有無創、便捷的優勢，目前中醫四診客觀化已取得了較好的發展，上海中醫藥大學研製的中醫四診檢測系統已基本實現了中醫面診、舌診、聲診、問診、脈診的採集以及分析，可望爲冠心病預警、健康評估、臨牀療效、中藥新藥評審的臨牀試驗提供評價指標。

1 冠心病舌診研究。

舌診是富有中醫特色的診法之一。舌爲心之苗竅，脾之外候。《辨舌指南》曰： “辨舌質可辨五臟之虛實，察舌苔可觀六淫之深淺。”因而舌診對冠心病證候虛實寒熱的辨證，以及療效評價、預後判斷都有重要意義。隨着計算機及其圖像處理分析技術研究的深入，舌診客觀化研究有了長足的進步。如李敬華[1]運用 “適於療效評測的舌象儀”對 200 例冠心病患者舌圖像進行分析，計算了舌體參數如舌體面積、薄苔與厚苔面積及舌質、舌苔各自的顏色平均值 （ R、G、B） 等，發現舌質顏色、舌苔顏色、舌苔厚度、瘀斑瘀點在冠心病各證型分佈上有顯着差異。

本課題組提取了 100 例冠心病患者中醫治療前後的舌圖像參數[2],發現冠心病不同中醫證型患者在治療前後舌圖像參數有顯着變化。如心氣虛組治療前舌體多胖厚有齒痕，治療後舌苔厚薄指數、齒痕指數下降； 心陰虛組治療前患者舌質光裂，多屬少津之證，而治療後整體舌色指數中的 R 值下降，舌色由深紅到淡紅，裂紋指數下降； 痰濁組患者治療前以膩苔爲多見，治療後舌苔腐膩指數下降。從一定程度上說明舌診參數的改變能爲中醫診療評價提供客觀依據。

2 冠心病面診研究。

中醫學認爲，面部面板薄嫩、體內氣血盛衰變化最易透過面色變化顯露出來。《靈樞·邪氣臟腑病形》曰： “十二經脈，三百六十五絡，其血氣皆上於面而走空竅。”面部色澤變化能反映人體臟腑的氣血盛衰。心主血脈，其華在面，因此，面診在心病診治中有十分重要的意義，對心主血脈功能強弱有所提示。胡志希等[3]檢測冠心病心血瘀阻證患者與健康人面部 5 個區域的血流容積參數情況，發現冠心病心血瘀阻證患者上述指標有異常變化。

袁肇凱等[4]對心氣虛、心血虛、心脈瘀阻證患者進行面部血管容積觀測，也發現面部血管容積變化與不同證型的病理生理有一定相關性。本課題組應用自行研製的中醫面診數字化檢測儀採集並分析了冠心病、慢性支氣管哮喘、慢性腎功能衰竭、慢性乙型肝炎患者面色特徵資訊，發現不同疾病面色參數變化有一定的規律[5].對359 例冠心病患者面色進行分析發現，氣陰兩虛組、血瘀兼虛組、陰陽兩虛組以面色青黑和黃赤色較爲多見； 痰瘀互結組、陰虛組、氣虛組以面色青黑較爲多見； 不同證型之間面色參數 R、G、B 有顯着性差異，提示面色參數可作爲冠心病臨牀辨證的客觀依據之一[6].

3 冠心病聲診研究。

中醫聲診是聞診的主要組成部分，是指醫生透過聽患者聲音的強弱、清濁等變化來辨析患者病之新久、寒熱虛實的不同性質。 《難經》認爲， “聞而知之者，聞其五音以別其病”,此即五聲應五臟理論。與其他診法相比，聲診的客觀化研究成果尚未彰顯。林源等[7]運用電腦音頻分析儀分析了哮喘患者治療前後發音改變的規律，高也陶[8]利用二十五音分析儀實時測定發音的頻率，根據 “五臟相音”理論，研究了健康人的二十五音規律。

本課題組運用小波包分解，結合非線性分析方法分析了寒、熱、虛、實證型受測者的聲診資訊；基於 “五臟相音”理論，分析五臟疾病患者的聲診資訊等。如我們運用自行研發的 “中醫聞診採集系統”採集虛實證型聲樣 308 例，其中氣虛 150例、陰虛 52 例、實證 55 例、正常對照組 51 例，並運用小波包變換和非線性時間序列方法提取上述聲樣不同頻段的近似熵，對正常與非健康、實證與虛證、氣虛與陰虛聲樣進行了分類識別，結果發現，正常與非健康、實證與虛證、氣虛與陰虛的聲樣近似熵值在不同頻段具有顯着差異，基於支援向量機對上述證型進行分類識別，其識別率分別達到88. 9% 、90. 4% 、87. 8%[9].又如，我們採集五臟病變患者聲樣 803 例，其中肺系 139 例、肝系 48例、脾系 86 例、腎系 66 例、心繫 464 例，另設正常組 100 例。以五臟相音理論爲指導，運用樣本熵方法對上述聲樣進行分析，提取與中醫五臟分類相關的特徵參數。結果發現，在嵌入維數爲 2 時，上述 6 類聲樣在不同頻段的樣本熵均有顯着性差異，且五臟病變患者聲樣不同頻段的總樣本熵值呈現如下規律： 肺系組最高，其次爲脾系組、心繫組、肝系組、腎系組和正常組[10].中醫學認爲， “肺主聲”,若肺系生理病理髮生改變，其反應於聲音的資訊則最爲明顯，聲音信號的複雜度更高，體現在樣本熵值上趨於更高。我們採集 100 例冠心病患者治療前後的聲診資訊，結果發現冠心病心氣虛證、心陰虛證和痰濁證治療前後聲診參數的變化有顯着差異[2].從一定程度上說明聲診參數的改變能爲中醫診療評價提供客觀依據。

4 冠心病脈診研究。

脈診是醫生用手指切按患者的脈搏，感知脈動應指的形象，以瞭解病情、判斷病症的診察方法。脈象的形成與心臟的搏動、脈道的通利和氣血的盈虧直接相關。近 20 年來中醫脈診客觀化研究取得很大的發展，陳素雲等[11]基於時域特徵探討了120 例冠心病患者橈動脈脈圖時域特徵及與血液流變學的關係； 楊天權等[12]用頻率分析方法計算了冠心病動脈硬化患者脈圖諧波的幅值和相角，發現脈圖諧波分量對於診斷動脈硬化有一定的臨牀意義； 孫智山等[13]基於時域方法探討了冠心病患者冠狀動脈狹窄程度與脈象弦度有一定的相關性。

本課題組運用不同的方法對冠心病脈象進行了研究。基於時域方法分析了冠心病脈圖時域參數與冠脈狹窄程度及超聲心動圖指標的相關性[14],研究表明，冠狀動脈及心臟形態的病理改變可能是冠心病脈圖形態變化的病理基礎之一。基於時頻結合方法如 HHT 方法分析比較了冠心病與正常人的脈圖特徵的差異、同一患者支架植入手術前後脈圖特徵的差異，研究表明，HHT 方法對於區別冠心病患者與正常人的脈象以及冠心病患者支架植入術前後的脈象變化有顯着意義[15].基於非線性動力學方法分析了冠心病脈象特徵，如基於遞歸定量分析、樣本熵研究了冠心病患者與正常人羣脈圖的差異，透過繪製上述參數的 ROC 曲線評估了這些參數區分冠心病組和正常組脈圖的診斷價值[16 -17].

在樣本熵的基礎上，我們運用多尺熵分析比較了冠心病患者與高血壓病患者、正常組脈象的差異[18].爲了闡明脈象的遞歸定量參數能提高冠心病證型的識別率，我們基於問診資訊和脈象參數建立了冠心病證型識別模型並進行了分類預測，研究表明，基於問診資訊融合脈象遞歸定理參數建立的證型模型，其識別性能高於融合脈象時域參數建立的模型； 融合脈象參數 （ 時域參數或遞歸定理參數）建立的證型模型，其識別性能均高於僅基於問診資訊建立的模型[19],該研究同時驗證了脈診在辨證中的重要作用，爲建立 “四診合參”模型奠定了基礎。基於時頻方法結合非線性動力學方法，我們提取了 HHT 方法分解后冠心病脈象模型函數（ IMF） 的能量值、IMF 樣本熵值，發現冠心病各模態的能量、樣本熵值顯着小於正常組； 基於這兩類特徵，運用隨機森林分類器對兩組進行區分，識別率可達 90. 21%[20].

5 冠心病問診研究。

問診被視爲 “診病之要領，臨證之首務”,在四診中佔有重要地位。傳統問診來源於醫生的耳聞、患者的口述，其主觀性強、模糊性大，可重複性差，給臨牀科研帶來困難。據文獻[21]報道，用以表達四診資訊的症狀表詞有 817 個，由發生部位和性質聯合組成的複合症狀有 2317 個，如果再考慮症狀的發生原因、誘發、加重等因素，形成的複合症狀達 4500 個之多。因此，學者們開展了中醫問診規範化、客觀化研究。如王哲等[22]對中醫症狀的量化表達方面進行了嘗試，採用臨牀流行病學調查、條目分析及經驗性篩選等方法，編制了簡明抑鬱症中醫證候自評量表。

本課題組以中醫心繫問診量表的研製爲切入點，進行了問診規範化的研究。我們運用問卷法，透過文獻梳理、專家討論，初步確定了心繫問診的'條目池，在此基礎上，藉助多元統計學方法進行症狀的篩選，並對量表進行信度、效度等檢驗，從而研製了中醫心繫問診採集量表[23].在量表製作完善的基礎上，結合現代計算機技術，研製了心繫問診資訊採集系統[24],實現了中醫心繫問診資訊的規範化和數字化。爲了探討心血管疾病的中醫問診分類特徵，爲中醫證候診斷標準的建立提供客觀依據，我們嘗試運用數據挖掘、模式識別等方法建立中醫問診模型。我們運用中醫心繫問診量表和採集系統採集了 3021 例心繫疾病患者的資訊，其中冠心病有 1521 例[21],建立了中醫心繫問診的隱結構模型[25],該模型無論定性層面或定量層面都與心繫辨證理論基本吻合。基於問診資訊應用支援向量機 （ 徑向基函數與多項式函數 2 種算法） 和人工神經網絡 （ ACON 與 OCON2 種結構的網絡） 建立3000 例心血管疾病常見證型心氣虛、心陽虛、心陰虛、痰濁、氣滯以及血瘀證的證候模型，研究發現，基於 OCON 結構的神經網絡建立的證候模型，其識別準確率最高，均在 60% 以上，其中心氣虛和心陽虛證分別高達 92. 4%、82. 9%[26].在前期研究的基礎上，我們對機器學習領域的多標記學習進行了研究，提出了基於標記相關特徵的多標記學習算法 （ revelant feature for each label,REAL） ,建立中醫證候模型[27 -28],基於 REAL 對 695 例冠心病常見證型心氣虛、心陽虛證、心陰虛證、痰濁證、血瘀證和心腎不交證進行分析，建立了冠心病中醫證候模型，對於上述證型的識別率分別爲73. 5% 、89. 5% 、79. 1% 、63. 8% 、85. 2% 、81. 8% 模型能很好地處理兼證，充分關注了證型和症狀的關係，適合於中醫辨證模型的建立。

6 冠心病四診資訊融合的研究。

中醫 “望、聞、問、切”四診資訊是辨證論治的基礎，透過四診合參，達到審查病因、闡述病機、確定治療原則以及判斷預後等目的。然而傳統中醫診法缺乏客觀評價標準，導致中醫辨證的精確性和可重複性較差，因此，實現中醫四診資訊的客觀化、辨證規範化是中醫發展的迫切需要。早在20 世紀 70 年代，已有學者在中醫領域引入計算機資訊處理技術，開展了中醫專家系統的研究[29].

早期的中醫專家系統都是基於規則的推理[30],其缺點是自主 “學習”能力和 “適應”能力較差，知識自動更新困難。21 世紀初，隨着計算機技術的發展，數據挖掘、人工智能等技術引入到中醫辨證推理的研究領域，如基於人工神經網絡技術、決策樹方法建立中醫辨證系統[31 -32].由於受限於當時四診資訊標準化採集手段及其資訊化技術水平，參與辨證的客觀化指標量化不足如望診、聲診等資訊尚未客觀量化，影響了最終的辨證結果。近幾年，中醫四診資訊客觀採集和分析系統的研究日益完善，爲開展問診、舌面、脈、聲診等四診客觀資訊的融合研究奠定了基礎，四診資訊融合研究成爲中醫診斷客觀化研究的必然發展趨勢。

20 年來本課題組合作開展了中醫脈診、問診、望診和聲診等檢測系統的研究，研製出中醫四個診法的採集與分析系統，其能夠提供的客觀化指標基本覆蓋了四診的資訊，解決了參與辨證的客觀化指標量化不足的缺陷。在此基礎上，我們研發了集成的中醫四診檢測系統，並對 “四診合參”資訊融合研究做了許多創新性的嘗試。應用中醫四診檢測系統獲取患者的舌診、面診、脈診、問診、聲診等四診綜合資訊，基於四診資訊分別應用支援向量機和人工神經網絡建立了 506 例心繫疾病常見心氣虛、心陽虛證、心陰虛證、痰濁證、血瘀證和氣滯證的證候模型並進行預測，基於人工神經網建立證候模型中，氣滯證模型的識別最高 （ 87. 07%） ,基於支援向量機建立的證候模型中，心陽虛證模型的識別率最高 （ 81. 70%）[28,33].爲了驗證 “四診合參”的優勢，分別基於問診、基於問診 + 望診、基於問診 + 望診 + 脈診、基於問診 + 望診 + 脈診 +聲診 4 個數據集建立辨證模型並對其進行比較。考慮臨牀多兼證，採用 REAL 算法進行辨證模型的建模。基於 REAL 算法，建立了 693 例冠心病四診資訊融合的辨證模型，該模型透過互資訊最大化來挑選與證型最相關的特徵子集，從而建立心氣虛證、心陽虛證、心陰虛證、痰濁證、血瘀證和心腎不交證的識別模型。當建模的數據集採用問診資訊時，上述證型的平均識別率爲 84. 9%,當建模的數據集採用問診 + 望診資訊時，上述證型的平均識別率爲 85%,當建模的數據集採用問診 + 望診 + 脈診資訊時，上述證型的平均識別率爲 85. 1%,當建模的數據集採用問診 + 望診 + 脈診 + 聲診資訊時，上述證型的平均識別率爲 85. 8%.由此可見，當四診資訊收集全面時，模型的識別率最高。

7 展望。

隨着科學技術的發展，脈診儀、舌診儀、面診儀、聲診儀應運而生，但仍存在諸多不足，如現有的舌象採集設備多是從單一角度採集舌象，照相機採集的單幀圖像易受光源電壓和舌體運動的影響；中醫 “三部九候”脈診理論與方法尚需大量臨牀數據予以驗證，三探頭傳感器尚未走進臨牀； 有40 餘年現代化研究歷史的脈診尚未建立標準圖譜及參數標準等。此外，分散於不同課題組的研究數據是孤立的，難以綜合反映病證診斷的深層意義，而集成的中醫四診檢測系統的研發，四診資訊融合的研究，有望解決由於不同診法數據分離導致的資訊孤島問題。對整合的數據進行分析決策成爲大數據下中醫診療技術必然的發展趨勢，大數據可以爲患者的數據資訊的收集、存儲、檢索和分析利用提供服務； 實現臨牀科研數據的持續積累、有效集成與應用。利用大數據可以從大量臨牀數據中發掘隱藏在現象背後的知識和規律。

心血管疾病是威脅人類生命健康的嚴重疾病，許多心血管疾病如冠心病、高血壓病等在早期可以沒有自覺症狀，導致患者錯過最佳治療機會，因此，在疾病未發生時便開始積極預防和干預可達到防患於未然。大數據下的中醫診療技術充分體現中醫時間醫學和中醫個性化診療的特點，能夠爲患者帶來最大的收益。中醫四診檢測系統結合互聯網技術，可以全面實時監測個人的健康數據，醫生透過監測到的數據，利用先進的數據分析方法和模型，繪製患者的健康曲線圖，計算機系統對患者的異常情況進行預警，並給予個性化干預，達到防病治病的目的。

參考文獻

[1]李敬華 . 冠心病舌診定量研究[D]. 北京： 中國中醫科學院，2003.

[2]WANG YQ,XU J,GUO R,et al. Therapeutic effect inpatients with coronary heart disease based on informationanalysis from traditional Chinese medicine four diagnosticmethods[J]. JTCM,2014,31（ 1） : 34-41.

[3]胡志希，袁肇凱，顧星，等 . GD-型光電流容積儀對 113例健康病人面部常見的檢測分析[J]. 中國中醫藥資訊雜誌，2004,11（ 11） : 965-967.

[4]袁肇凱，黃獻平，範伏元，等 . 心病氣血辨證面色變化特點及面部血管容積圖檢測分析[J]. 中醫雜誌，2001,42（ 3） : 173-175.

[5]董夢青，李福鳳，周睿，等 . 基於圖像處理的不同臟腑疾病患者面部顏色特徵分析[J]. 中華中醫藥雜誌，2013,28（ 4） : 959-963.

[6]董夢青 . 冠心病不同證候舌、面診資訊特徵研究與實驗室指標的相關性研究[D]. 上海： 上海中醫藥大學，2013.