摘要目的 创新性地提出了一种能够直观利用中医诊断学知识推理的智能辨证模型以及零临床样本机器学习训练方法,并以眩晕病辨证进行实例分析.方法 在基于Transformer的双向编码器(Bidirectional encoder representations from transformers,Bert)深度学习大语言模型的基础上提出新的推理算法,以建立新型智能诊断推理模型.根据《中医内科学》眩晕病肝阳上亢、气血亏虚等6种证型的辨证要点,通过随机函数生成每类证型各400例辨证样本句子序列,直接让模型学习诊断学知识.以5折交叉法对新模型和随机森林模型进行预测对比,以准确率(Accuracy)、F1值(F1-score)、受试者工作特征曲线(Receiver operating characteristic curve,ROC 曲线)、精确率-召回率曲线(Precision-recall curve,P-R曲线)等指标评价模型对各种证型的预测性能.同时通过新模型自动输出的辨证推理图直观展示算法对中医辨证思维的模拟推理过程,根据模型推理过程中产生的症状和概率组合数据,计算并绘制证型-概率密度分布图、症状-证型关联聚类热图、证型-证型Pearson相关性分析图,进一步验证辨证结果的可靠性.结果 新模型使用5折交叉法测试的平均总体Accuracy以及F1值分别为0.990和0.971,在所有证型中肝肾阴虚的Accuracy(0.975)以及F1值(0.923)最低.ROC曲线和P-R曲线显示新模型预测能力较差的是肝肾阴虚证和肝阳上亢证,而随机森林预测能力较差的是气血亏虚证.证型-概率密度分布图、症状-证型关联聚类热图的数据分布与新模型的推理结论相符,证型-证型Pearson相关性图显示模型所诊断的主证型与其余证型负相关且相关系数的P值小于0.01,表明模型推理过程中对证型的区分性良好.结论 基于新型中医智能诊断推理模型,能够进行眩晕智能辨证并根据中医辨证思维展示推理过程,可能有助于解决当前中医人工智能诊断领域的瓶颈难题.