CJLIS (Traditional Chinese Medicine)
基于人工智能技术的中医防治心血管疾病研究进展
程序1,张冬梅1,赵亚男2,赵梦竹1,国倩倩1,张馨月1,刘梦华1,魏琼 1
1.北京中医药大学东直门医院,北京 100700; 2.首都医科大学护理学院,北京 100069
摘要:中医理论指导下的人工智能技术发展为心血管疾病的防治提供了新思路,基于“治未病”思想对诊疗流程进行优化,可提升临床诊疗的效率和准确率。中医体质辨识系统及风险预测模型的构建有助于中医预防心脑血管疾病自动化、智能化;人工智能联合中医四诊理论可促进中医智能化诊断研究及临床应用;中药注射剂及纳米中药的开发丰富了中药药性理论,可辅助临床中药配伍与应用。本文通过总结人工智能辅助中医在预防、诊断和治疗心血管疾病三方面研究现状,阐释中医理论指导下人工智能技术发展对推动中医药疾病诊疗现代化进程的重要意义。
关键词:人工智能;中医药;诊断;治疗;心血管疾病;综述
中图分类号:R2-03;R259.4 文献标识码:A 文章编号:2095-5707(2024)02-0265-05
DOI:10.3969/j.issn.2095-5707.202305021 开放科学(资源服务)标识码(OSID):
Research Progress in Artificial Intelligence Technology Assisting TCM in the Prevention and Treatment of Cardiovascular Diseases
CHENG Xu1, ZHANG Dongmei1, ZHAO Yanan2, ZHAO Mengzhu1, GUO Qianqian1, ZHANG Xinyue1, LIU Menghua1, WEI Qiong1
(1. Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing 100700, China; 2. School of Nursing, Capital Medical University, Beijing 100069, China)
Abstract: The development of artificial intelligence (AI) technology under the guidance of TCM theory provides a new idea for the prevention and treatment of cardiovascular diseases. Under the guidance of the idea of “preventing diseases”, the diagnosis and treatment process is optimized, which improves the efficiency and accuracy of clinical diagnosis and treatment. The construction of TCM constitution identification system and risk prediction model has promoted the progress of automation and intelligence of TCM in preventing cardiovascular and cerebrovascular diseases; the combination of AI and TCM four diagnostic theories can promote the research and clinical application of intelligent diagnosis in TCM; the development of TCM injections and nano-medicine scientifically enriches and develops the theory of TCM properties, and assists the compatibility and application of TCM in clinic. This article summarized the current situation of research on AI assisting TCM in the prevention, diagnosis and treatment of cardiovascular diseases, and expounded the important significance of the development of AI technology under the guidance of TCM theory to promote the modernization of TCM in disease diagnosis and treatment. Keywords: artificial intelligence; TCM; diagnosis; treatment; cardiovascular diseases; review
《中国心血管健康与疾病报告2021》显示,我国心血管疾病的发病率和病死率近年呈持续上升趋势[1],患
病人群基数大,与医疗服务不匹配的矛盾凸显,优化医疗技术、提升医疗效率是解决问题的关键。人工智能(artificial Intelligence,AI)是用于模拟、延伸和扩
展人的智能理论、方法、技术及应用系统的一门学科,可模拟人脑的思维和推理过程,利用计算机高效的信息处理系统,学习、整合输出和利用新知识,为临床解决心血管诊疗问题提供新方向。基于AI发掘、转化医学信息及自我计算演算发展的能力,在智能诊疗[2]、影像识别、专家系统[3]、药物研发及医疗机器人[4]等方
面已有广泛应用。中医有着坚实的理论基础和丰富的诊疗经验,“坚持中西医并重”是我国坚持的中医药发展战略,在新一轮的科技革命和产业变革中,AI作为重要驱动力量为中医药的现代化发展带来契机。AI技
术在中医诊断治疗、预防心血管疾病等方面均有良好结合[5]。本文旨在对基于AI技术的中医诊疗心血管疾病的研究现状进行综述。
1 “治未病”思想指导的人工智能辅助预防心血管疾病研究
《素问·四气调神大论篇》记载“圣人不治已病治未病,不治已乱治未乱,此之谓也”,首次提出“治未病”。“治未病”包含“未病先防”“既病防变”“瘥后防复”3个方面,采用积极措施防止疾病的发生、发展和复发。在“治未病”思想指导下,中医药防治心血管病取得显著临床疗效[6]。
1.1 中医体质辨识系统的研究
体质的分类是一种对正气盛衰的客观诠释,人体发病与否取决于正气的强弱。随着中医体质学的发展,中医体质分类与判定标准[7]已得到普遍认可,中医体质量表[8]被广泛推广,成为“治未病”健康辨识的主要手段。常小荣基于王琦教授提出的9种体质,根据气血阴阳、津液的盛衰虚实变化指导治未病研究[9]。林冰等[10]基于B/S模式设计中医体质辨识系统并形成个性化的体质养生方案,有效指导日常健康管理和提高就诊效率。李甘露等[11]建立了经络-体质支持向量机算法(SVM)
模型用于经络层面的体质辨识,反映人体气血运行和脏腑器官变化的情况,辅助体质诊查。严玲等[12]运用
多标记k近邻算法(ML-kNN)将中医体质纳入危险因
素,建立了心脑血管疾病患病风险预测模型和中医促进心脑血管疾病健康方案的知识图谱,并使用Cypher
语句实现健康促进方案的推荐。
1.2 风险预测模型的研究
随着预防理念的推广和进步,心血管风险预警模
型已经取得一定发展[13]。中医“治未病”理念与风险
预警不谋而合。应用机器学习算法,充分结合危险因素和中医证素,构建心血管病证结合风险预警模型,可为临床中西医结合预防和早期干预提供科学依据。庞琳琳等[14]运用分类与回归树、人工神经网络等构建急性ST段抬高型心肌梗死分类预测模型,为实现和改进更具个性化的中医病证结合风险评估提供了前景,更好地为个体患者量身定制风险管理。风险预测模型的构建对心血管疾病的预后亦有较好的提示作用。崔伟锋等[15]基于血管功能、中医证候构建的原发性高
血压心血管风险预后模型对主要心血管事件可进行初步判定,研究表明,相对于决策树、随机森林,支持向量机善于处理各种维度的数据,具有良好的泛化能力,预测正确率更高。基于AI构建风险预测模型可应用于基层社区医院进行心血管疾病患病风险的初筛,提高诊疗效率,支持提高效率和有限资源分配的策略制定,为中西医结合诊治心血管疾病提供技术手段支持。
AI引导下的中医体质辨识研究和风险预测模型为疾病的早预警、早干预提供了新方法,在一定程度上促进了中医防治心脑血管疾病自动化、智能化的进展,较好地达到“未病先防”的目的。中医体质不仅决定疾病的发生,对于疾病的发展方向也有重要意义,AI
与中医体质的进一步结合将充分发展“未病先防、既病防变、瘥后防复”的理念。
2 人工智能辅助中医诊断心血管疾病研究
2.1 人工智能技术结合中医四诊
“望、闻、问、切”四诊合参是中医诊断中最重要的思想,与AI技术融合是实现四诊客观化信息采集的重要发展方向。利用摄像机器采集舌象、面象进行眼诊[16]、舌诊[17]、面诊在冠状动脉疾病的诊断中具有潜
在的应用价值,可应用于院外及临床心血管疾病的诊疗,有助于心血管疾病的监测筛查和检测。基于人体可获取诊断信息技术的集成中医诊疗设备,具有特征性气味采集分析平台,运用嗅气味传感器,对所采集的气味信息进行处理与特征提取,并分析处理[18]。基
于AI的问诊研究体现在智能问诊模型[19]与问诊量表的
结合,利用通用录音设备进行问诊的人机交互,实时记录全部的问诊内容,具有一定的规范化和可行性。基于AI的脉诊研究取得了较为丰富的成果[20],临诊切
脉实质上是对动脉内血流动力学变化包括心血管状态的综合判断。脉图特征分析方法从线性方法如时域分析法向非线性时间序列方法发展,是深入挖掘脉象临床诊断价值的重要手段[21]。采用光电容积脉搏波描记
技术,不同于普遍使用的通过压力测量获得脉诊信息,该技术根据不同血管状态下血液量的差异导致对光的吸收也会随之不同,因而具有较强的灵敏性[22]。刘璐等[23]采用随机森林算法联合脉象仪建立了冠状动脉病
变阻塞程度分层评估模型。基于递归定量分析提取脉象特征发现,冠心病患者的脉搏信号具有较高的规律性、确定性和稳定性,为脉诊的准确检测提供了新方向[23]。
AI技术与四诊信息的结合体现了中医“整体观念”的特点,基于四诊信息建立多模态健康状态辨识评价模型,能够有效实现个人健康监测和疾病风险预警[24]。Wang等[25]利用多任务交互注意学习模型对平移手掌图
像进行分析,提出检测掌指关节和手掌鱼际关节来辅助检测急性心肌梗死。买莹莹等[26]采集分析了冠心病
患者的舌、面诊特征信息,结合神经网络、多标记学习等多种技术建立了不同健康状态的诊断模型,研发了国内首款中医数字化健康监测与管理系统“云中医智能镜”,实现了健康状态的自我评估[27]。穆建萍等[28]
采用自行研制的便携式四诊合参辅助诊断装置及系统,实时监测失重时航天员的四诊、心电图、指端容积及脉搏波传导速度等信息,综合分析评估身体状态变化及心血管情况,同时使用中医特色的干预措施和方药进行调节,缓解了宇航员着陆后立位和运动耐力降低的不适。AI技术与经典中医诊断方法的结合将为心血管疾病的诊断和预防提供新见解。
2.2 智能证候诊断研究
客观化的诊断信息采集是基础,而数据的融合与分析是病证诊断的重点。AI模型在证候分型方面表现优异。王忆勤等[29]发现,多标记学习算法对证型的识
别率最高,不仅包含全面的四诊特征,还充分考虑了证型和症状间的关系,建立了四诊信息融合的辨证模型。赵书颖等[30]运用CHAID、CRT、QUEST及C5.0
决策树算法和神经网络的方法建立了高血压病阴阳两虚证诊断模型。樊佳赛等[31]发现,气虚是慢性心力衰
竭患者不良事件发生的独立预测因子,提示临床医生应关注慢性心力衰竭益气治法的重要性,改善患者预后。曹紫嫣等[32]通过卷积神经网络算法构建了高血压
病肝火亢盛证面部图像诊断模型,对高血压病肝火亢盛证的临床诊断具有辅助作用且准确率较高。神经网络建模需要大样本学习以获得良好的拟合模型。对于复杂证型,额外的症状增加模型计算的复杂性,从而降低模型的准确性。因此,更复杂的模型结构有利于揭示中医辨证的内在规律和特征。使用DL算法(变压器)结合dropout方法构建的冠心病证候元素的诊断系统有效准确地分类了综合征元素。变压器的自注意机制揭示了核心症状对证候要素诊断的意义,而对
dropout层进行正则化增加了模型的灵活性并避免过拟
合[33]。胡恒昶等[34]以辨病与辨证相结合为基本框架,应用深度增强学习算法研发出临床决策辅助系统—— “问问中医大脑”,辅助中医师进行决策且提高用药的安全性。构建以数据驱动思想为指导的中医精准诊疗模型可实现诊疗结果自动输出,为中医诊疗的信息化
研究做出贡献。李洪峥等[35]综合运用多头注意力机制、复合词向量、随机失活形成改良Transformer算法,构建了“症状-证候-治法-方药”为一体的智能化模型,诊断准确度达96.46%。基于Python语言[36]、应用改良动手深度学习算法[37]、软计算方法等一系列对心系疾病证素辨证辅助系统的构建和应用研究,为中医智能化诊疗做出贡献。
中医远程智能诊断系统是通过图像采集、图像预处理、图像分割、压电传感器、人机交互等获取信息并将数据保存到数据库中,利用Winsock类开辟基于
IP/TCP协议的局域通信,使医护人员进行会诊辅助诊
断。AI辅助诊疗模型为辅助临床诊断提供决策支持,为远程医疗提供中西医解决方案,对于诊疗水平相对落后的偏远地区患者具有重要意义。这种无创智能化的多集成诊疗设备同时使家庭监测成为可能,由此实现的实时监控与及时干预促进疾病的康复。然而主观因素干扰了智能化中医诊断结果的准确性,脉症从舍的标准研究、证候分类标准研究、四诊的权重等问题是中医诊断客观化所面临的难点,仍需进一步研究以促进智能诊疗系统更加规范化地发展。
3 基于人工智能技术的中医治疗心血管疾病应用
3.1 人工智能技术辅助中药治疗应用
AI在中医治疗中的应用主要依赖于基于数据挖掘的治疗经验,以实现临床疗效为导向。疗效是“辨病”
及“辨证”准确性的最终体现。AI技术在中药材的辅
助鉴别[38]、毒性预警[39]、性味物质基础的筛选[40]等研究表明,基于中药药性理论的深度学习分类方法有助于加深研究者对药性和功效作用关系的理解,科学地
丰富和发展中药药性理论[41],辅助临床中药配伍与应用。方剂用药规律研究是中医传承的关键。深度学习方法以其强大的拟合能力和泛化能力对组方规律、处
方与功效的多标签对应关系进行分析[42],对中医药学
术继承与创新具有重要意义。Yang等[43]使用网络药理学和深度学习方法研究8个治疗冠心病的经典中药方剂的潜在机制,发现了相关的药物靶点、作用目标和途径,为不同类型冠心病的中医方剂辨证用药提供了科
学依据。在AI技术辅助下,进一步开发针对心血管疾
病的个性化治疗方法值得期待。Lin等[44]对107项随机对照试验进行了贝叶斯网络Meta分析,评估了心麦龙注射液改善心功能、降低脑钠肽和N端脑钠肽前体水平的有效作用。在AI技术结合材料技术、生物技术等
领域,纳米技术凸显出优势[45]。纳米中药集合了复方与有效组分的双重优势,启动以自体干细胞为靶点的修复受损心脏的系列效应。在再灌注治疗领域,将纳米中药经导管直接置入受损的心肌,能使心脏干细胞
得以高效的原位动员与分化[46-47]。纳米中医药技术仍处于起步阶段,逐步推进纳米中药成为中医现代化发展的重要组成部分。
3.2 其他治疗方式
中医针灸在心血管疾病的预防、诊疗经皮冠状
动脉介入治疗围术期焦虑抑郁[48]方面具有较好疗
效[49]。陈日新[50]基于《黄帝内经》腧穴敏化理论,创立了“热敏灸”,搭载智能协同系统的热敏灸机器
人[51]通过深度学习方法提升了热敏灸技术标准化水平,可大幅缩短高级医师的培训周期,有效解决医院临床人手不足、灸疗标准化欠缺等问题,同时在中医教育领域具有较好前景。基于中医证候和机器学习构建心血管病的中西医结合预后模型可以指导临床治疗方向。
由于中医理论系统的复杂性、AI算法的可解释性
和准确性的不平衡,AI在中医治疗研究中的应用尚不成熟。例如,决策树和聚类方法具有较高可解释性,而人工神经网络的可解释性较差,但在拟合复杂的函数上具有优势。因此,选择合适的信息采集方法和算法对于解决问题至关重要。在今后研究中,多层次现代医疗数据的样本将增加数据集的广度和深度,提高底层算法的性能和适应性,有利于管理小样本和多模态有噪声的医疗数据。
4 结语
信息时代的到来促进了中医、现代医学、计算机科学和其他学科的交叉研究及应用。在我国老龄化程度加重、心血管疾病患病人群逐渐增多的现状下,构建具有中医特色的基于AI的综合诊疗系统将为心血管疾病的预防、诊断和治疗提供更加准确、客观的支持。然而AI需进一步发展才能更好地应用于临床实践,中医药与AI技术的结合仍需更多的努力迎接挑战,如多
种建模算法之间的比较和整合、AI算法的可解释性和
准确性之间的平衡等问题。AI技术辅助中医治疗疾病有望在个体化和精准化医疗方面发挥更大优势。参考文献: [1] 马丽媛,王增武,樊静,等.《中国心血管健康与疾病报告2021》要点
解读[J].中国全科医学,2022,25(27):3331-3346. [2] 刘健,蒋卫民,沈宫建.面向大数据的高血压中医专家诊疗系统构建及应用[J].中国中医药图书情报杂志,2019,43(5):5-9. [3] Ershadi M M, Seifi A. An efficient Bayesian network for differential diagnosis using experts' knowledge[J].
International Journal of Intelligent Computing and
Cybernetics,2020,13(1):103-126. [4] Hidalgo E M, Wright L, Isaksson M, et al. Current applications of robot-assisted ultrasound examination[J].
JACC Cardiovasc Imaging,2023,16(2):239-247. [5] 林瑞华,张雨恬,王学成,等.基于互联网模式下的中医药个体化智慧诊疗服务模式研究[J].中草药,2022,53(13):4223-4232. [6] 赵东奇.“治未病”在心血管疾病高危人群中的实施效果评价[J].中西医结合心血管病电子杂志,2021,9(29):82-84. [7] 李东遥,李力恒,曹凤鸣.中医体质、中医体质分类与判定系统[J].科技创新与应用,2019(3):29-30. [8] 白明华,李倩茹,李竹青,等.中医体质量表的国内外研究概述[J].中华中医药杂志,2021,36(10):5993-5996. [9] 曾理,谭舒怀,冯芳,等.浅析常小荣教授在治未病理论指导下的灸法应用——以心脑血管疾病为例[J].湖南中医药大学学报,2021,41(10): 1506-1509. [10] 林冰,张欣悦,张永康,等.中医体质辨识系统的设计与实现[J].成都
中医药大学学报,2016,39(4):123-125. [11] 李甘露,刘静文,欧阳敏华,等.痰湿体质经络特征探究[J].中华中医
药杂志,2022,37(7):4159-4164. [12] 严玲,周作建,宋懿花,等.基于ML-kNN多标记学习的中医体质辨识模型研究[J].世界科学技术-中医药现代化,2020,22(10):35583562. [13] 马腾,杨继,田昕彤,等.心血管风险预警模型研究进展及冠心病合并糖尿病病证结合风险预警模型的构建设想[J].中国医药,2022,17(12): 1888-1892. [14] 庞琳琳,张会永,张哲,等.心血管病风险预测模型发展及关于构建急性ST段抬高型心肌梗死病证结合风险预测模型的设想[J].中华中医药学刊,2020,38(11):85-89. [15] 崔伟锋,林萍,刘萧萧,等.基于机器学习的原发性高血压心血管风险预后模型[J].中国老年学杂志,2022,42(15):3625-3629. [16] 朱晓萌,姜峰,庞嘉楠.数字图像处理技术在中医眼诊方面的应用[J].
科技创新导报,2020,17(16):148-149,151. [17] 王立娟,杨帅,徐莹,等.舌下络脉的图像采集及特征提取研究进展[J].
中华中医药杂志,2021,36(7):4132-4135. [18] 洪静,陈聪,许朝霞,等.中医声诊客观化研究进展[J].中华中医药杂
志,2019,34(11):5324-5326.
[19] [20] [21]平台[J].软件,2021,42(1):113-116.医药信息杂志,2022,29(3):147-150.浦秀丽,刘翔,夏春明,等.基于超声的脉诊技术研究进展[J].中国中刘磊,吴秋峰,张宏志,等刘银芝,苗华栋,黄夏彬,等.基于人工智能的患者智能问诊服务应用.脉诊客观化研究综述[J].智能计算机与应[22]用,2013,3(3):20-24.张婧雯,温川飙.一种中医四诊信息采集新模式的探索[J].时珍国医国药,2019,30(3):738-740. [23] 刘璐,张春柯,颜建军,等.冠状动脉不同阻塞程度冠心病患者的中医脉图特征参数分析[J].北京中医药大学学报,2022,45(8):835-841. [24] 刘明,陆小左,赵静.中医健康状态辨识系统开发及在中医临床的应用初探[J].辽宁中医杂志,2018,45(2):421-423. [25] Wang Q, Zhao C, Qiang Y, et al. Multitask interactive attention learning model based on hand images for assisting
Chinese medicine in predicting myocardial infarction[J].
Comput Math Methods Med,2021,2021:6046184. [26] 买莹莹,董梦青,李福凤.冠心病不同证候舌诊信息特征研究[J].世
界科学技术-中医药现代化,2020,22(5):1567-1572. [27] 张红凯,胡洋洋,张伟妃,等.基于舌、面、问诊数字信息的“云中医”移动健康管理平台的建立[J].中国中医药科技,2018,25(2): 151-154. [28] 穆建萍,朱庆文,李海燕,等.中医四诊合参辨识人体失重状态下的心血管功能变化[C]//全国第十二次中医诊断学术年会,2011:173-175. [29] 王忆勤,燕海霞,李福凤,等.基于标记相关特征的多标记学习算法的
中医心系四诊信息融合辨证模型的研究[C]//全国第十二次中医诊断学术年会,2011:55-61. [30] 赵书颖,张新雅,李运伦.基于决策树及神经网络的高血压病阴阳两虚证诊断模型的研究[J].中华中医药学刊,2019,37(5):1120-1123, 1288-1291. [31] 樊佳赛,杜艺菲,许佳颖,等.基于中医证候和机器学习构建慢性心力衰竭中西医结合预后模型[J].基础医学与临床,2022,42(8):11691175. [32] 曹紫嫣,陈仁波,李佳佳,等.高血压病肝火亢盛证面部色诊客观化诊断的探索性研究[J].环球中医药,2021,14(2):193-198. [33] Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: a simple way to prevent neural networks from overfitting[J].
Journal of Machine Learning Research,2014,15(1):1929-1958. [34] 胡恒昶,莫沙,苏可,等.中医大脑-人工智能在中医临床中的创新性应用[J].中国民间疗法,2021,29(19):90-93. [35] 李洪峥,王阶,郭雨晨,等.基于改良Transformer算法的冠心病证候要素诊断处方模型分析[J].中国实验方剂学杂志,2023,29(1):148-154. [36] 邓文祥,何德智,陈桂萍,等.运用Python优化证素辨证心系疾病诊* [37]疗系统的思考[J].中国中医药现代远程教育,2019,17(11):130-133. 2021,23(9):3086-3094.全程证候要素分布与组合规律研究[J].世界科学技术-中医药现代化,李洪峥,王阶,张振鹏,等.基于改良动手深度学习算法的冠心病病变[38]用[J].中华中医药学刊,2022,40(8):47-50.徐雅静,俞捷,余远盼,等.人工智能在中药材及饮片鉴别领域的应[39] 颜彩琴,范睿琦,宁雨坪,等.深度学习模型在中药毒性预警中的应用
和前景[J].中国药理学与毒理学杂志,2022,36(3):231-240. [40] 葛改变,吴心悦,陈姣,等.计算机虚拟筛选技术在中药苦味物质基础
中的研究应用[J].中国新药杂志,2022,31(13):1273-1281. [41] Chen Z, Cao Y, He S, et al. Development of models for classification of action between heat-clearing herbs and blood-activating stasis-resolving herbs based on theory of traditional Chinese medicine[J]. Chin Med,2018,13(1):12. [42] 高婉卿,程宁,李力松,等.机器学习在方剂研究中的应用概述[J].中国中医药信息杂志,2021,28(6):131-137. [43] Yang J, Tian S, Zhao J, et al. Exploring the mechanism of TCM formulae in the treatment of different types of coronary heart disease by network pharmacology and machining learning[J]. Pharmacological Research,2020,159:105034. [44] Lin S, Shi Q, Ge Z, et al. Efficacy and safety of traditional chinese medicine injections for heart failure with reduced ejection fraction: a bayesian network metaanalysis of randomized controlled trials[J]. Frontiers in
Pharmacology,2021,12:659707. [45] 柳奕诚,宋欣阳,李宗友.三论医疗人工智能的未来:“无机化”的未来[J].中华中医药杂志,2021,36(2):1002-1005. [46] 田琳,柯晓,孙月明,等.纳米中药的发展与中药现代化[J].世界中医
药,2023,18(4):588-592. [47] 杨珂,李澜,樊官伟.负载黄芪甲苷的心脏—线粒体双靶向递药纳米
胶束改善急性心肌梗死后心脏损伤[J].生物医学转化,2022,3(3): 45-56. [48] 秦雍,赵丽君,罗鑫,等.中医疗法对冠心病患者PCI术后不良事件的防治对策分析[J].中国民族民间医药,2021,30(17):64-68. [49] 武治彪,刘炳义,马宏宇,等.灸法治疗冠心病研究进展[J].辽宁中医杂志,2023,50(4):204-208. [50] 陈日新.热敏灸:中医灸法的传承、创新与发展[J].中国针灸,2023, 43(4):483-488. [51] 王绥卓,谢丁一,李巧林,等.热敏灸机器人的优势与应用前景[J].针刺研究,2023,48(2):211-216.