文章中心

了解、体验、感悟、分享——汇聚平台使用教程与科研动态。

新闻资讯

AI构建中医嵌入空间，架起传统医学与生物医学桥梁

Genelibs文献解读 2026-10-24 01:34 30 次阅读

原文：Artificial intelligence models Traditional Chinese Medicine principles to integrate with biomedicine.
期刊：iMeta（影响因子 44.4） | PubMed | PMC 全文（含 PDF）

在现代生物医学高歌猛进的今天，还原论或自下而上的研究策略极大地推动了人类对疾病机制的理解，也加速了靶向药物的开发。然而，面对复杂性疾病、慢性病以及个体间巨大的治疗反应差异，这种高度依赖“症状—基因—分子”单线联系的思路常常显得力不从心：系统复杂性、高维度数据以及患者异质性构成了难以逾越的障碍。

与之相对，传统中医学（TCM）提供了一套整体且自顶向下的互补视角。中医诊疗的核心逻辑在于：将患者错综复杂的症状群“压缩”为特定的“证候”，再依据证候“扩展”为个性化的多草药复方。这种“压缩—扩展”的辩证逻辑，本质上是一种对高维临床表型进行降维并重新映射的过程。但长期以来，中医原理多停留在定性描述层面，缺乏系统性的定量表征，难以与现代生物医学体系深度整合。

近日，一项发表于国际期刊 iMeta（影响因子 44.4）的研究打破了这一僵局。研究团队受中医“压缩—扩展”逻辑的启发，将其类比为人工智能中的“编码—解码”机制，利用深度学习模型构建了名为“中医嵌入空间”（TCM embedding space, TCM-ES）的定量框架，成功将传统中医经验与现代生物医学实体连接在一起。

研究背景：当古老智慧遇上现代AI

此前的计算中医研究多采用基于成对关系的网络模型，难以捕捉高阶非线性特征；而部分深度学习模型虽能处理高维数据，却往往缺乏可解释性。更为关键的是，既往模型通常依赖人工标注的证候标签或明确的中医原则进行监督训练，这不仅限制了模型对海量古籍的学习能力，也难以客观验证中医理论本身的内在结构。

该研究团队提出了一个大胆的设想：如果完全不给模型“喂食”任何证候标签或中医理论注释，仅让AI学习“症状群”与“草药复方”之间的对应关系，它能否自发涌现出符合传统中医原则的数学结构？

核心发现：AI自发“悟”出中医原则

研究团队从84,491条古代及经典中医方剂记录中筛选出26,339条符合建模条件的记录。他们训练了一个基于Transformer架构的自编码器：模型仅接收配对的“症状模式”与“处方草药”作为输入，通过瓶颈层将其压缩为低维表征（即证候的数学隐喻），再分别通过解码器重建症状与草药。证候标签和中医原则注释被完全排除在训练过程之外。

训练完成后，所有症状、单味草药、完整症状群及复方都被映射到了同一个低维坐标系中，这便是TCM-ES。令人惊叹的是，尽管模型从未学过“寒、热、虚、实”等中医概念，TCM-ES的几何结构却与传统中医原则高度吻合。

主成分分析显示，TCM-ES的前三个主成分分别对应了不同的症状与草药分布：PC1主要关联胃肠道症状及温热性草药，PC2关联呼吸道及热性症状与寒凉草药，PC3则关联虚弱、虚损类症状及中性或温热草药。这种分布恰好对应了中医传统的“寒、热、虚”证候分类框架。

在整体症状群和复方层面，被诊断为典型中医证候的记录，其嵌入向量在空间中占据了可区分但连续的区域，且症状群与复方的空间邻近性显著超越了随机排列的预期。这表明，TCM-ES捕捉到了超越简单两两共现的高阶组合结构。

**FIGURE 1** FIGURE 1: 中医嵌入空间（TCM‐ES）与传统中医原则一致，并支持中医实践的定量分析。(A) 框架概述。匹配的症状模式和中药方剂被嵌入到一个共享的低维空间中，并通过相应的解码器进行重构。由此得到的瓶颈空间被定义为 TCM‐ES（注释 S2）。生物医学实体通过其与中医实体的既定关系事后映射到固定的 TCM‐ES 中（注释 S6）。一个基于网络的工具箱支持 TCM‐ES 嵌入的生成与探索（注释 S8）。(B) TCM‐ES 投影到前三个主成分（PCs）上，显示代表性症状、中药和方剂嵌入。插图显示按中医定义的药性（寒/凉、平、温/热）分类的中药沿相应 PCs 的投影排序分布。中药药性未用于模型训练。(C) TCM‐ES 中中医方剂记录的证候相关组织。每个点代表来自标注为七种代表性证候之一的记录的症状模式（上）或方剂（下）的嵌入。点根据辨别的证候着色。证候标签未用于模型训练。在所有带证候标注的记录中，证候相关的邻域一致性（k=20 最近邻中共享至少一个证候标签的比例）超过了证候标签置换期望，症状模式嵌入（0.170 对 0.044）和方剂嵌入（0.173 对 0.044；1000 次置换；Holm 校正 p_perm=0.002，两者均如此）。来自冻结嵌入的留出线性读出分别产生了 0.844 和 0.851 的宏 AUROC（图 S14D）。(D) 在公共 TCM‐PD 基准上的外部方剂预测性能。冻结的 TCM‐ES 症状模式嵌入被用于拟合 MLP 或线性岭回归读出，并展示了 k=5、10 和 20 时的 Precision@k、Recall@k 和 F1@k。展示了六种中药方剂推荐模型在 TCM‐PD 上的性能以作比较。(E) 三个临床数据集中的方剂—症状关系。将处方方剂到随后记录为缓解的症状之间的嵌入距离，与 COVID‐19 和一般中医病例中未缓解的症状、以及长期 COVID 病例中的其他症状进行比较。分析要求至少有一个缓解症状和一个对照症状。两例因缺乏未缓解症状被排除（n=2488）。处方方剂中的中药也必须被 TCM‐ES 中药词汇完全覆盖。筛选后得到 1454 例 COVID‐19 病例、2488 例一般中医病例和 203 对长期 COVID 连续就诊配对。配对均值差异（对照减去缓解）以 95% 置信区间显示。****p<0.0001，配对双侧 t 检验。(F) 一般中医临床病例中的双向集合到集合检索。首先，使用初始症状模式检索相应病例中处方的方剂（上）。然后，使用处方方剂检索随访时记录的缓解症状模式（下）。TCM‐ES 使用编码器衍生的完整集合嵌入，而 SVD 和图共现基线使用单个症状或中药的池化嵌入。条形显示 Hit@1、Hit@5 和 Hit@10。误差条表示重复候选采样中的标准误。(G) 2132 例 COVID‐19 病例中患者病情—方剂嵌入邻近性与随后病情改善之间的校正回顾性关联。患者病情—方剂距离在初始症状模式与处方方剂嵌入之间计算，并在处方方剂组内标准化。病情改善量化为从初诊到随访总症状评分的降低，并对初始总症状评分、初始症状数、随访间隔、年龄、性别和处方方剂固定效应进行校正。橙色点显示等频距离分箱中校正后平均改善及标准误。蓝线显示来自连续多变量模型的估计关联，阴影区域表示其 95% 置信区间。

在外部验证中，研究团队在公开的TCM-PD基准数据集上测试了模型的方剂预测能力。在冻结TCM-ES编码器参数的情况下，仅用简单的线性岭回归或多层感知机读取向量，其Precision@5、Recall@20、F1@20等九项指标均数值上优于六种已发表的方剂推荐模型。这说明，TCM-ES的冻结向量中已经线性包含了丰富的方剂预测信息。

更具说服力的是临床回顾性分析。在三项包含治疗与随访信息的临床数据集（涵盖普通中医门诊、长新冠及COVID-19病例）中，TCM-ES的空间关系与真实世界疗效紧密对应。在个体症状层面，处方在嵌入空间中总是更接近那些后续被记录为“缓解”的症状，而非未缓解症状；在症状群层面，利用初始症状检索对应处方、或利用处方检索随访缓解症状的双向任务中，TCM-ES的命中率均显著优于基于共现的基线模型；在整体患者层面，对2132例COVID-19病例的分析显示，在调整了年龄、性别、基线症状评分及处方固定效应后，患者初始状态与处方在TCM-ES中的距离每增加1个标准差，后续症状总评分的改善就减少0.306分（95% CI: -0.520至-0.092，p=0.005）。这意味着，AI计算出的“空间距离”真实反映了临床预后的优劣。

方法亮点：固定空间后的生物医学映射

该研究在技术路线上最大的创新在于“先纯中医，后生物医学”的两阶段策略。核心TCM-ES完全由症状与草药数据驱动训练，不掺杂任何现代生物医学信息。待这个空间固定后，研究者再通过已建立的关联关系，将人类疾病、草药化合物、靶点蛋白及FDA批准药物等生物医学实体“投射”进去。

例如，人类疾病通过相关症状模式表征，草药化合物和靶点蛋白通过对应草药映射，现代药物则通过与嵌入草药化合物的结构相似性进行高置信度映射。这种“事后映射”（post hoc）的策略，保证了中医空间本身的纯粹性与可解释性，同时为其在现代生物医学语境下的应用打开了大门。

模型架构上，Transformer的注意力机制使其能够建模症状与草药之间的上下文依赖、组合关系及高阶交互，而对比学习则确保了配对的症状群与复方在共享空间中对齐。研究团队还开发了基于网页的工具箱，支持数据浏览、定制表征、候选方剂生成、注意力可视化及知识图谱探索。

应用意义：从疾病关系到药物重定位

整合后的TCM-ES展现出与分子生物学的深刻一致性。其主成分方向分别与产热及线粒体氧化代谢、气道固有免疫炎症反应、脂肪酸氧化与胆固醇处理等基因本体（GO）生物过程模块显著相关。更重要的是，TCM-ES中实体对之间的嵌入距离，与人类蛋白质-蛋白质相互作用（PPI）网络的拓扑关系全局一致：无论是草药-草药、疾病-疾病还是疾病-草药对，空间距离越近，其对应基因集在PPI网络中的功能模块分离度越小。

**FIGURE 2** FIGURE 2: 整合的中医嵌入空间（TCM‐ES）显示生物医学一致性，并支持疾病关系和治疗候选的探索性分析。(A) 通过生物医学实体与中医实体的既定关系将其映射到固定的 TCM‐ES 中。所得整合 TCM‐ES 在 PC1–PC3 上可视化。插图显示沿相应 PCs 排名靠前的中药对三个文献支持的基因本体（GO）生物过程模块的相对暴露：产热和线粒体氧化代谢、气道先天炎症反应、以及脂肪酸氧化和胆固醇处理。模块暴露根据与中药相关的 GO 注释靶蛋白谱计算（注释 S7）。条形显示观察到的暴露和中药标签置换对照在 10 个独立训练和 PC 对齐模型上的均值±标准差。相应 PC 关联模块与两个替代模块使用 10 个独立训练模型的配对双侧 t 检验进行比较，并对六个预先指定的 PC 内比较（PC1–PC3 每个两个比较）进行 Holm 校正。TCM‐ES 中成对距离与人类蛋白质—蛋白质相互作用（PPI）网络中关系之间的全局一致性，针对中药—中药（B）、疾病—疾病（C）和疾病—中药（D）对。对于每个实体对，嵌入距离百分位数由十个独立训练模型的中位数汇总。PPI 关系通过相应中药靶点和/或疾病相关基因集之间的标准化模块分离来量化。点和误差条显示嵌入距离百分位数等频分箱内的均值±标准误。线和阴影区域显示线性拟合和 95% 置信区间。r_bin 表示跨显示分箱均值的 Pearson 相关性。p_perm 值来自使用相同统计量的 1000 次双侧置换检验，n 表示基础实体对的数量。共享实体的对在统计上不独立。灰线显示相应的置换对照。(E) TCM‐ES 邻近性与 PPI 最短路径距离之间的蛋白质—蛋白质一致性。条形显示按 PPI 最短路径长度分组的蛋白质对的均值嵌入距离百分位数。p_perm 来自 1000 次双侧 PPI 标签置换，n 表示连通蛋白质对的数量。共享蛋白质的对在统计上不独立。灰线显示相应的置换对照。对于图（B–E），置换对照基于保持度的 PPI 置换的身份混洗。节点级留一分析确认了对单个实体的稳健性（注释 S7）。(F) 基于 TCM‐ES 中疾病嵌入邻近性的疾病关系 k 最近邻网络（k=7）。节点代表疾病，节点形状表示 MeSH 类别，节点颜色反映其沿领先 TCM‐ES PCs 的位置。边宽随嵌入邻近性增加。灰边连接共享注释基因或症状的疾病对，而红边表示既不共享的邻近疾病对。(G) 用于探索性治疗候选优先排序的整合 TCM‐ES 知识图谱。疾病与 TCM‐ES 中邻近的分子和治疗实体相连，包括靶蛋白、中药化合物、中药、方剂以及支持的现代药物。类风湿关节炎（RA）作为示例展示，附近实体跨相应数据类型显示。插图显示临床定义的寒型和热型 RA 的不同症状谱。选定 RA 相关靶点和治疗候选的支持证据见表 S12。

基于这种一致性，TCM-ES为疾病关系提供了全新的“症状模式”视角。研究者构建了疾病的k近邻网络，发现空间邻近的疾病不仅共享注释基因或症状，还能揭示出传统分类学未捕捉到的潜在联系。此外，整合空间支持探索性的治疗候选优先级排序：以类风湿关节炎（RA）为例，系统可展示其邻近的靶点蛋白、草药化合物、单味草药、复方及现代药物，并区分临床定义的“寒型”与“热型”RA所对应的不同症状谱与候选实体。

这项研究的意义远不止于“用AI解释中医”。它首次在不依赖先验标签的前提下，以数据驱动的方式定量验证了中医“压缩—扩展”诊疗逻辑的数学合理性；同时，它提供了一个可扩展的坐标系，让复方、症状、疾病、靶点、化合物与现代药物能够在同一空间中被比较和检索。对于复杂慢性病、系统医学研究以及基于天然产物的药物重定位而言，TCM-ES无疑是一座连接传统经验与现代精准医学的桥梁。

当然，作者也指出，当前的映射依赖于已有文献支持的关联关系，且部分分析受限于草药化合物训练域；未来需要在前瞻性临床研究中进一步验证其治疗优先级排序的预测效能。但无论如何，这项工作标志着人工智能在整合传统医学与生物医学的征程上迈出了关键一步。

本文图片转载自 PMC 开放获取全文，仅供学习参考，请以原文为准。

返回文章列表