基于智能计算的中医方剂基础治法模型的构建

"基于智能计算的中医方剂基础治法模型的构建"是在已结题的自然基金项目"中医方剂功效因子的量化与分类的建模方法研究"基础上的深入进行，是我们规划的"中医辨证论治黑箱系统工程研究"的重要组成部分，在把"经验"转化为"知识"的研究中，具有方法创新并辅以软件实现的科研价值。本项目以"方剂"为研究对象，以创建方剂治法模型为目标；构建包括数据库挖掘、不确定性推理、机器学习等智能计算的综合技术平台，完成12种中医方剂基础治法的建模；采用不同数据、不同方法对照的计算实验方案，评价所建模型的有效性和稳健性；并对所建模型的模拟能力进行实验，探讨治法模型的应用前景。本研究的设计坚持在方法上追逐"系统化"，在观念上强调"个体化"，既遵循了中医学的思维方法，又顺应了生物医学研究的新动向，在中医学科与计算学科深度交叉的科研实践中，发现自身的局限和相关的科学问题，在谋求自我超越式发展的同时，获取新技术、新方法和新成果。

“基于智能计算的中医方剂基础治法模型的构建”，是在已结题的自然基金项目“中医方剂功效因子的量化与分类的建模方法研究”基础上的深入研究。此次研究主要内容包括二部分：①CPIAS（中医方剂信息智能分析系统）知识库的扩展设计，及其应用效果的实验研究；②CPSVM（中医方剂分类模式识别系统）机器学习平台的构建，及基于CPIAS计算结果的方剂治法建模的实验研究。我们在成功解决了“建模样本数据量化处理技术”和“治法模型的构建和评价方案”等关键问题的前提下，完成了任务书中制定的12种方剂治法模型构建目标，并对这些模型的有效性、稳健性进行了大量的实验。研究中发现影响模型学习能力的关键因子有：方剂药物贡献度计算、方剂性质（性、味、归经）的量化表达、方剂功用时效筛选、主治症状主次排序、适应证素准确集合等。并创建了支持这些因子量化计算的方法，改进和扩展了相关中医学知识表达的方法，而这些方法均具有原创性。我们的结论是：在方剂治法模型的构建中，知识库的作用是对培根“知识就是力量”这一名言的诠释；同时将SVM方法用于中医方剂的学习，实践证明在传统中医药知识与当今最先进的数学理论之间，没有不可逾越的鸿沟。