先是无人驾驶热透半边天，继而下围棋又打遍天下无敌手……逆天的人工智能，近年来频频把手伸进医学界。

　　医学，一个正在被人工智能改变的领域。

　　一讲到这个，常见的报道大都是AI阅X光片无数，无师自通成良医。前不久，FDA还批准通过了首个AI设备，能预测以及预防猝死……等等，怎么都是西方传来的那一套!

　　民族的，能不能是AI的?

　　也行。

　　最近国内学者就发布了一项中医AI的最新研究。这项研究的目标，是基于症状的文本描述，更好地自动生成对应的中药处方。

　　论文中提到，之所以这个方向可行，是因为中医大夫主要根据患者描述的症状开出药方，通常不需要借助医疗器械的观察和分析。

　　另外研究人员指出，中医历史悠久，产生了很多医疗典籍，积累了大量的治疗记录。其中就包括症状的文本描述，以及对应的中药处方。

　　这不正好就是深度学习可以派上用场的地方么?

　　来看一个实际的案例。

　　比如这个《常用解表剂》中的案例。症状描述为：“外感风寒表实证。恶寒发热，头身疼痛，无汗自喘，舌苔薄白，脉浮紧。”对应的重要处方为：麻黄汤，主要成分为：麻黄、杏仁、桂枝、炙甘草。

　　这种模式，也可以理解为一问一答的任务。症状描述就是问题，生成的处方就是答案。

　　听起来简单，但研究人员发现直接使用简单的seq2seq模型时，并不能很好的完成这个任务。这也促使他们继续研究，最后得到一个更好的多元化的模型。

　　这就是最后的模型架构图。这个模型基于具有注意力机制的seq2seq模型基础上，并且使用了覆盖机制和masking来减少重复问题。

　　覆盖机制是通过向解码器添加覆盖矢量来实现的。研究人员在进行推理时在输出层添加了masking。

　　这个模型最后使用了PyTorch实现。

　　据说，这是首个用AI生成中医处方的研究。

　　这也意味着，之前并没有太多可借鉴的工作。实际上大部分中医病例和处方都没有数字化，已有的内容质量也不是很好。

　　所以，几位研究人员最终选择从中医典籍里获取数据，虽然这样构建的数据集比较小，但是能保证处方质量。

　　然后就是一系列的实验，过程就按下不表了。有兴趣的同学，可以看看论文。反正最后的结论如下图所示，最后一种方案在两种数据集上的表现最好。

　　需要说明的是，为了简化研究工作，这个项目只考虑了如何精准的生成处方中的成分，至于剂量等问题，并不在此次研究之列。

　　研究者也在论文中指出，希望他们的工作能为中医相关的AI研究奠定一些基础，能够鼓励更多的研究人员关注中医治疗自动化的问题。

　　脑洞一下，如果数据足够多，未来应该可以训练出一个AI老中医。

　　可以可以。

　　最后说一下，这项研究的三位作者，两位来自北京大学计算语言学教育部重点实验室，一位来自北京中医药大学。他们这次研究的论文，可以在arXiv上查阅。