近日，北京中医药大学东方医院主治医师骆长永作为通讯作者，之江实验室助理研究员刘智作为第一作者，于计算机科学领域Top期刊IEEE Internet of Things Journal（中科院一区，IF=10.6）在线发表题为“TCM-KDIF: An Information Interaction Framework Driven by Knowledge-Data and Its Clinical Application in Traditional Chinese Medicine”的论文。该项工作得到了中国博士后科学基金，国家自然科学基金等课题的资助。

　　名老中医是中医药薪火相传的主轴和中医药创新发展的源泉，智能化传承名老中医独具特色的理论体系和临证诊疗技能，是提高基层中医临床服务水平的重要环节。在长期的名老中医智能化传承研究工作中，北京中医药大学东方医院与之江实验室联合团队发现名老中医的临床医案普遍存在样本量小、结构化程度不统一等特点，导致常规的深度学习方法对真实世界的映射能力不足。

　　对此，研究团队提出了“知识-数据”双驱动的小样本机器学习策略，设计了一个使融合外部知识和训练样本之间进行信息交互的新人工智能框架TCM-KDIF，该框架由用于初始症状群特征提取的TCMBERT、信息交互块和中药选择的LSTM组成，完成不同模态之间信息的相互增益。为了使模型能够充分利用外部中医知识，研究团队从宏观的中医概念和微观的分子生物学概念出发，构建了融合宏微概念的中医知识图谱。在此基础上，模型通过TCM-KDIF实现训练样本信息与外部知识子图的信息交互。TCM-KDIF框架首先提取训练样本的特征及其相关知识子图。然后，这两类信息在训练样本和知识子图之间进行双向迭代交互。模型训练完成后，TCM- KDIF在中药处方生成任务上进行了评价。实验结果表明，TCM-KDIF在极少、罕见的中医临床病例场景中，优于所有参与比较的其他利用外部中医知识的AI模型，显著降低了模型对训练样本的依赖性。

　　原文链接：https://ieeexplore.ieee.org/document/10443268

文/骆长永

审核/高瞻

审阅/郭蓉娟