中西医融合的三个阶段

熊江辉

【摘要】提出中西医融合可分成临床协同、数据协同、本体论（术语）融通三个阶段的观点。其中最有挑战的是本体论融通阶段，该阶段在大数据的基础上，规模化地进行定性归纳、不断更新术语与知识结构。与数据协同阶段以统计学为内涵不同，该阶段将以信息论为主导。建议建立专门的多学科融合创新中心。

中医、西医具有不同的理论体系，是人类智慧之花的结晶。最近，关于中医西医关系出现了一些新的提法，包括中西医结合、到中西医协同、中西医合作。笔者认为，中医西医必将走向融合，并且大致会经历三个阶段。

首先，中西医必将融合是由人类思维的特点决定的。中医是演绎法，西医是归纳法，二者天然互补，解决复杂的医学问题需要演绎法归纳法的综合集成，需要定量定性的结合。中医的特点是演绎法的运用，中医辨证本质上是通过症状归纳提炼为“证”的特征，从而利用演绎法遣方用药。演绎法的特点是其“保真”性。在新发传染病，特别是出现新的病毒变异时，并不需要完成对新病原体的详尽测量，通过人体症状表型测量，即可对新情况作出适当响应。当然，通过表观症状的表型测量进行分类，存在一定的主观性。如何实现中医辨证的标准化，是该领域的重大技术挑战。融合西医精准测量的特点，是中西医合作的一个方向。

 值得注意的是，整体论不代表模糊。“西医无症状，中医有证候”，说明中医证候是一个灵敏的信号检测工具，可以灵敏地检测出来具有临床意义、与患者预后显著相关的特征。

其次，西医正在进行整体论的归纳，西医的特征归纳到一定程度必然与中医特征术语产生交集。随着现代生命科学的进展，现代生物医学逐步在从现象观察到抽象提炼上取得新的进展。一方面，系统生物学、网络药理学研究使得人们认识到基因网络的特征性变化是疾病、药物作用的本质特征，制药工业也在探讨从靶向分子向靶向信号通路的思路扩展。另一方面，科学家试图从宏观整体角度把握健康和疾病的本质属性，一系列健康与衰老、疾病的hallmarks（本质特征，或共性特征）的提出是其典型代表。2000年，Cell杂志发表了综述《Hallmarks of Cancer》（癌症的共性特征）[1]。文章问世后，很快成为领域内的经典，是《Cell》历史上被引用次数最多的综述之一，说明这个理论体系对癌症领域研究具有重要指导或参考作用。该理论总结了癌症的6个标志性特征，例如自给自足的生长信号。2011年，第二版发布，新增了4个特征。2022年，第三版发布，又增加了4个特征。至此，癌症被归纳为有14个共性特征[2-3]。2013年，Cell杂志发表题为《Hallmarks of Aging》的综述论文，系统归纳了衰老的本质特征[4]，包括端粒损耗等一共9项特征。2021年，Cell杂志发表题为《Hallmarks of Health》的综述论文，从细胞分子生物学的角度，归纳了健康的本质特征[5]。总体来看，上述Hallmarks的总结是一种由下而上(bottom-up)的归纳，并非基于一个逻辑基点的演绎，且有越总结越多的趋势，其逻辑体系尚待完善。

在生命组学+人工智能时代，中西医融合的条件正在成熟。生命组学提供了各个角度、各个层级的数据，AI人工智能、深度学习技术的本质是大规模产生特征（feature），并量化评估特征的对系统描述的能力。生命组学+深度学习技术应用于大型临床队列数据，具备了对大规模计算生成的特征进行规模化评估的能力。

中西医融合的路径可能分成三个阶段：临床协同、数据协同、本体论融通。

第一阶段，临床协同阶段。继续在新发突发传染病防治、病毒变异应对方面进行临床协同，并将在慢病管理、疾病预防等方面扩展。

第二阶段，数据协同阶段。将西医的精准检测与中医思维相结合，特别是通过生命组学、中医辨证同步采集的临床队列与数据资源，实现中医辨证的标准化。同一套临床样本，同步进行精准医学疾病分型、证候识别分类，对西医疾病亚型与中医证候的对应关系进行规模性的挖掘与验证，从相关性(association)的层面建立中西医概念的映射关系。该阶段的关键资源是：临床队列资源、标准化的表型组学测试、广谱适用的生命组学测量技术（例如，具有广泛表型拟合能力的血细胞DNA甲基化组学）、人工智能深度学习技术（深度学习的本质优势是其产生有价值的特征feature的能力，西医疾病亚型的定义本身可以以数据驱动的方式，通过深度学习来生成）。

第三阶段，本体论融通阶段。通过第二阶段的数据协同，挖掘到疾病亚型与中医证候的映射关系，是一种相关性，进一步归纳到本体论（ontology）的本质认识。转变传统话语体系，用现代话语对中医学进行现代阐释是中医现代化的关键环节。本体论（ontology）是哲学概念，是对概念化的精确描述，用于描述事物的本质。近年来这个词被应用到计算机界，并在人工智能、计算机语言以及数据库理论中起到越来越重要的作用。这些基本概念如同一座大厦的基石，为交流各方提供了一个统一的认识，知识的测试、验证、搜索、积累和共享的效率将大大提高，真正意义上的知识重用和共享也成为可能。例如，分子生物学领域的Gene Ontology，建立了所有与基因描述相关术语的词汇表，成为生物信息学领域的重要基础设施。在中国古代哲学中，本体论也叫“本根论”，探究天地万物产生、存在、发展变化根本原因和根本依据。

第三阶段的目标是将中医，西医的理论用一个统一的本体论体系统一起来。这其中的一个基本前提就是确认中医概念的客观指向性、可计算性，即中医概念不是简单的哲学术语，而是具体指向人体的功能单元。这一点从中药的注释，例如“补脾益肺”、“软坚散结”等可以看出来，这里“脾”，“坚”就是中药靶向体内的生物学过程。这个生物学过程需要结合第二阶段的数据，通过建模拟合形成。

因此，第三阶段的医学本体论ontology，不光包括中医术语，更包括在第二阶段经由基因-表型映射形成的从细胞、分子，到组织、器官系统各个层级形成的功能术语。例如，对基因网络进行提炼形成的参与多种生物学过程的、数据驱动形成的基因模块就可以定型归纳为ontology体系的术语。可以想见，将来的医学本体论ontology是一个层级结构，其顶层主要是一系列来自中医的术语，数量较少，其底层是一系列来自基因组学的术语。中医遣方用药靶向的是顶层术语，西药研发的靶标是一个个基因或蛋白，最近的趋势，是同时靶向多个蛋白，或者靶向某个功能路径pathway。还有一个新的趋势，是跳开人体而靶向肠道菌群。可以想象，在底层成千上万个底层蛋白质节点到顶层“心肝脾肺肾”等少数功能术语之间，存在大量的层级。这些层级的术语或节点，也代表具有生理意义的生物学功能，是计算产生的，经过规模化的实验验证和归纳形成的。这将为新型药物研发提供广泛的靶向空间。

在方法论层面，第二阶段注重使用深度学习进行表型拟合，其学科内核是统计学。第三阶段则更注重建立模型，特别是两个术语体系之间的映射、互译，本质上可视为一个通信过程，因此电子工程、信息论思维与工具将发挥重要作用。

在产业带动方面，第二阶段将规模化地建立一系列拟合函数，即用生物学测量为x，中医证候为y的拟合函数。通过数据筛选以及经济可行性的选择，将形成由简到繁、具有不同精度的中医辨证、或名为精准医学疾病诊断、分型的技术。简便快速的表型测试将覆盖疾病预防、基层医疗等大量场景。来自生命组学筛选的新型标志物，将为更为精细的分型和治疗方案选择提供新的可能。因此，中医辨证的标准化成为可能。

第三阶段，由于在中医术语层、西医术语层之间新增了大量计算驱动形成的新的术语层，将中医整体性特点和西医高分辨率特点相结合，将为新型的诊疗一体化技术提供新的可能。基于这个新的ontology体系，可以规模化地对所有西药、营养素、中药、微生态制剂等进行作用机制和靶向机制进行认知更新。针对所有干预工具箱（药物）中干预手段的作用机理，建立可干预的分型术语，一旦识别出当前个体的分型，就可以对应一组干预方案，实现类似“发现即摧毁”的效果。因此，诊疗一体化方案的创新空间、创新药物制剂的空间极大打开。

目前，第一、二阶段的科学研究已经展开，或者说在已有立项项目中已有体现。第三阶段的本体论融通，则需要提前布局，特别是需要建立跨学科交叉的信息研究中心。以生物信息学、医学信息学领域为例，该领域具有大量来自统计学背景的人才，在call出信号方面非常擅长，应该来说满足一、二阶段的需求问题不大。第三阶段本体论融通，需要大量定性归纳，需要信息论思维和方法创新，这方面亟需建立学科交叉研究中心+大数据喂养。从项目组织的角度，第二阶段数据协同可以由生物医学方向主导，因为产生临床队列数据是关键，生物统计学主要是发挥手段和工具的作用。第三阶段本体论融通，信息论将唱主角，需要由信息学、生物医学共同主导。因此，笔者建议，应当建立专门的多学科融合创新中心，独特定位于本体论融通方面的计算创新，建立数据与算法基础设施，进行数据驱动的中西医两大理论体系的映射与翻译研究，同时积极参与基于临床队列数据的中医辨证标准化等研发方向。

（作者：熊江辉，原航天医学国家重点实验室副主任，航天员健康维护理论与技术方向PI，数据平台负责人。曾通过计算药理学手段简单研究了中医术语靶向的基因网络特征，提示中医术语可计算、可测量、可验证。探讨学术观点、实施路径请联系xiongjh77 AT 163.com）

主要参考文献

1. The hallmarks of cancer. Cell 2000. doi: 10.1016/s0092-8674(00)81683-9

2. Hallmarks of cancer: the next generation. Cell 2011. doi: 10.1016/j.cell.2011.02.013

3. Hallmarks of Cancer: New Dimensions. Cancer Discov 2022.doi: 10.1158/2159-8290.CD-21-1059

4. The hallmarks of aging. Cell 2013. doi: 10.1016/j.cell.2013.05.039

5. Hallmarks of Health. Cell 2021. doi: 10.1016/j.cell.2020.11.034