换一批基于AI"宏-微"观结合的证候多维诊断研究路径——以非酒精性脂肪性肝病为例
A Multi-dimensional Diagnostic Research Path for Syndromes Based on the Combination of AI"Macro micro"Perspectives:A Case Study of Non-alcoholic Fatty Liver Disease
摘要随着现代研究方法的发展,机器学习(ML)算法在中医药诊疗等领域中的广泛应用,使中医辨证主观化进而转变为相对客观的诊断,为其中医辨证客观化、量化提供了一种可行的途径.但也出现了病-证诊断模型双重"黑箱"的不可解释性、时空动态数据缺失、临床表征模型与证候分子生物学研究"各自为政"等相关问题.本文通过聚焦非酒精性脂肪性肝病(NAFLD),基于生物学"多重打击"理论,以中医"病-证-症-期"诊疗为指导,提出以下研究思路:构建表型-细胞-分子多层次关键网络模块的"单纯性脂肪肝→脂肪性肝炎→肝纤维化→肝硬化"的数学模型框架;建立基于证候-影像表型组(宏)与代谢组学为代表的分子标志物群(微)特征融合的可解释性多维模型的方法学框架,以期实现NAFLD证候个体化的精准诊断.
更多相关知识
关键词
"宏-微"结合证候非酒精性脂肪肝机器学习可解释性模型"Macro-micro"integrationSyndromNon-alcoholic fatty liver diseaseMachine learningInterpretable model
分类号
R575.5（消化系及腹部疾病）
栏目名称
DOI
10.11842/wst.20250108008
发布时间
2025-12-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览8
- 被引0
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
