在中国传统医学中开发人工智能方法和系统,用于"多种疾病整体差异化"及其对临床决策的解释性
Zhe Chen1,2,3,4, Dong Zhang1, Pengfei Nie5
1Evidence-Based Medicine Center, Tianjin University of Traditional Chinese Medicine, Tianjin, China.
Journal of evidence-based medicine
|April 3, 2025
概括
本研究介绍了一种用于传统中医 (TCM) 的AI方法和系统,以改善临床决策. 人工智能在预测TCM综合征和模式方面取得了很高的准确性,提高了诊断透明度.
科学领域:
- 人工智能在医学中的应用
- 传统中国医学 (TCM) 是一种
- 临床决策支持系统 临床决策支持系统
背景情况:
- 传统中医 (TCM) 诊断涉及多种疾病的复杂症状差异化.
- 现有的AI方法与TCM症状,综合征和模式的变化和交叉性作斗争.
- 在TCM临床决策中需要透明和可解释的AI.
研究的目的:
- 开发用于TCM临床决策的AI方法和系统.
- 为了提高TCM诊断的透明度和可解释性.
- 在TCM中解决多种疾病的整体差异化.
主要方法:
- 开发了TCM综合征元素集成与先验规则和深度学习 (TCM-SEI-RD) 方法.
- 利用TCM-BERT-CNN模型预测TCM综合征元素,表现优于基准模型.
- 将TCM-SEI-RD方法集成到TCM-MDHD系统中,用于层次模式预测.
主要成果:
- 通过TCM-SEI-RD方法实现了高精度 (95.4%),回忆 (94.43%) 和F1得分 (94.89%).
- 与基准模型相比,表现有3.33%至2.81%的性能改善.
- 该TCM-MDHD系统提供了可信度等级,并说明了透明的决策.
结论:
- 开发的AI方法和系统为TCM诊断提供了可通用的技术.
- 为合理使用TCM制剂提供了强有力的临床诊断基础.
- 在TCM临床决策过程中提高了解释性.
