自报告发布至今的8个月以来，我们持续在关注医疗AI的行业新动态。我们发现，以往的研究内容更多针对西医与西药的技术应用，而针对中医与中药的较少。在媒体中零星出现过一些中医AI的消息，但否定的声音居多。这篇文章，笔者将梳理3类靠谱的中医AI的应用场景，供业内参考。

应用一：智能味觉分析系统

智能味觉分析系统，日常名称是“电子舌”。电子舌采用了同人舌头味觉细胞工作原理相类似的人工脂膜传感器技术，通过神经网络算法，可以客观数字化的评价食品或药品等样品的苦味、涩味、酸味、咸味、鲜味、甜味等基本味觉感官指标。

电子舌最初用于酒类等级的鉴别，发明者是西班牙巴塞罗那自治大学的几位科学家。电子舌真正开始大范围应用于食品和药品的味觉，是在2007年日本INSENT公司（2002年从日本安立公司脱离）推出的名为“TS－5000Z”味觉分析系统。国内目前主流产品基本源自该系统。

电子舌主要应用于中药的定量鉴别、药品质量控制及炮制工艺评价等多个领域，核心围绕“苦度”的鉴别。中药给人们的第一印象是“苦”，所以在中药炮制过程中，选择哪一种苦味抑制剂是重要环节。尤其是随着国际化趋势的增强，非常需要有一个苦度评价标准，以解决由于地域引起的苦味感知差异的问题。具备价格优势的后发药品逐渐占领市场的前提下，开发比竞争对手的产品更具备易服用性的产品势在必行。使用味觉传感器定量苦度，可以推测哪种剂型的苦味抑制效果最好，不受国家地域等因素的限制，成为客观的评价标准。

进口电子舌的价格较高，大约在70万以上。国内部分高校、研究所制作的电子舌价格相对较低，例如浙江工商大学邓少平团队就自己发明了一个“智舌”（Smartongue），价格大约在二三十万左右。

除了电子舌以外，还有电子鼻、电子眼、电子耳及电子皮肤等，原理与电子舌大致相同。

应用二：处方智能生成

自“神农尝百草”，到《黄帝内经》、《伤寒杂病论》、《本草纲目》等中医药巨著，历史上传承至今的中医古方非常多。这些古方的内容往往包括“症状”与“药方”两部分内容，已经形成了较好的映射关系。近年来，循环神经网络（Recurrent neural network， RNN）、seq2seq等算法，在自然语言理解领域的提升效果逐步凸显，近期国内研究者也在尝试应用于中药处方的智能化生成。

今年1月，来自北京大学计算语言学教育部重点实验室和北京中医药大学的三位研究者发表论文，研究者在seq2seq模型基础上，使用了覆盖机制和masking，利用Pytorch框架进行训练，实现了处方的自动生成功能。

图片来源：论文Exploration on Generating Traditional Chinese Medicine Prescription
from Symptoms with an End－to－End method

目前国内已有企业推出智能化诊断的产品，典型企业包括康夫子、搜狗明医、平安好医生、卓健科技等；也有推出智能推荐用药系统的企业，典型代表有药师小乔、自测用药、九大夫、叮当快药的大白AI机器人等。在中医的智能诊断方面，国医堂已有尝试。但中药处方的智能生成，该论文应属首例。

应用三：个性化中药膏方定制

随着基因测序和生物技术的进步，人们开始认识到，每个人的体内环境都是一个个特殊的生态圈，所以不同的人对于同一种食品或药品的机体反应也是不同的。国内妙健康、碳云智能等专注于健康管理类的企业，正在尝试通过收集人体的表性（性状）数据、代谢数据和基因数据，构建每个人的生命健康数据库，进而帮助每个人在饮食、作息等各方面提供健康管理服务。

而在中医领域，中药对每一个人的作用效果也会有所不同。传统基于“平均”概念的中药膏方的制定，无法满足不同年龄段、不同地区、不同性别、不同疾病史患者的个性化、定制化的需求。平安好医生正在尝试个性化中药膏方的定制，但还处于十分早期的阶段。基于平安好医生产品后台积累的每个患者的历史数据，通过AI算法实时地组成用户画像，目前已与固生堂等连锁中医药馆合作推出定制类中药膏方。

以上三类中医AI的应用，相信只是冰山一角。随着中药定性、定量、剂型改革，以及中药数据库的建设，数据与算法将有望成为中医药在这个时代崛起的新机遇。