開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇藥學管理論文，希望這些內(nèi)容能成為您創(chuàng)作過程中的良師益友，陪伴您不斷探索和進步。

第1篇

實驗室對大學生科研及畢業(yè)設計進行開放，有效提高實驗室利用率。藥學綜合實驗室建成后，進行三次藥學綜合實驗課程，學生從查找文獻、收集資料、方案設計到藥物合成、分析、藥理毒理試驗、制劑、質(zhì)量檢測，最后進行總結交流，完成一整套實驗過程。與以往實驗不同，學生通過文獻查閱，拓寬了知識面，每個實驗數(shù)據(jù)都來自自己的實驗探索，有效激發(fā)了學生的學習熱情和學習興趣，最后的總結交流更有利于學生發(fā)現(xiàn)自身的不足之處，為以后學習和工作打好扎實的基礎。實驗室經(jīng)過三年運行，學生普遍反映收獲很大，不僅鍛煉了動手能力，還讓他們對書本所學知識更加深刻。實踐證明，這種綜合實驗室的運行模式順應了學科發(fā)展的需要，提高了實驗教學資源利用率，推動了多個關聯(lián)學科和整個專業(yè)發(fā)展進程，有效提高了學生的實驗動手能力，培養(yǎng)了創(chuàng)新精神。

2.實驗室管理體制

藥學綜合實驗室自成立以來，先后制定了實驗室管理條例、學生實驗守則及實驗室開放制度等一系列規(guī)章制度。

2.1做好儀器設備的規(guī)范化管理，建立相應的物資設備檔案，包括儀器設備的信息、配件及耗材情況登記。做好各項運行檔案的記載，特別對大型儀器高效液相色譜儀包括使用時間、使用人、使用時的運轉(zhuǎn)情況、使用效果等進行登記。對儀器的基本操作方法及重點注意事項簡易化，并在醒目位置張貼。

2.2合理配備實驗技術人員，提高實驗教學人員的業(yè)務水平與職業(yè)技能。要求實驗技術人員熟練掌握所管儀器設備的各種使用方法、操作技能及日常維護技能。同時，實驗技術人員應不斷學習有關理論知識，更新實驗知識，特別是藥學綜合課程的學習，掌握涉及課程的理論知識，到其他高校先進實驗室進行參觀學習，開闊眼界，更有效地為教學服務。

2.3為了提高實驗教學質(zhì)量，提高實驗室使用效率，對藥學綜合實驗室實現(xiàn)網(wǎng)絡化管理。對實驗室的基本信息、功能等實現(xiàn)網(wǎng)上查詢、網(wǎng)上預約開放。

2.4建立健全實驗室管理規(guī)章制度并上墻，包括學生進入實驗室的行為規(guī)范，實驗室的安全與環(huán)境管理規(guī)范，實驗室開放管理制度及實驗室管理人員的崗位職責等。

3.實驗教學體系的改革

3.1改革實驗教學內(nèi)容與方法，提高實驗教學質(zhì)量。藥學綜合實驗室成立后，根據(jù)自身實際情況，編寫藥學綜合實驗的指導大綱，提出幾種藥物由合成到制劑分析的一系列實驗指導，引導學生自行設計實驗，激發(fā)學生學習興趣和自覺性，培養(yǎng)學生獨立工作能力和團隊合作精神。學生自行查找資料，設計實驗方案，在設計和實驗過程中掌握較多的基本理論知識和操作技能，幫助學生提高動手能力和科研水平。

3.2建立包含多學科的綜合實驗體系。根據(jù)教學計劃與課程大綱，重組實驗教學內(nèi)容，分別包含藥物化學、藥物分析、藥理學、藥劑學及藥代動力學實驗等課程，完成從原料到成品藥的全過程學習。另外，學生通過對各種制劑制備、質(zhì)量分析、藥物在體內(nèi)的代謝等實驗，掌握藥物制備、質(zhì)量控制、藥效學和藥物安全性評價等基本方法和技術，從而學習如何獲取安全有效的藥物。

3.3改革藥學綜合實驗的評價方法藥學綜合實驗是一門以學生為中心、以學生自我訓練為主的實驗課程，由過去老師上課、演示指導轉(zhuǎn)變?yōu)閷W生全過程的綜合設計性實驗，每一階段由不同老師負責，學生自行設計方案，再經(jīng)老師負責確定可行性后，學生動手操作，整理實驗數(shù)據(jù)，并進行科學分析判斷，得出結論，最后學生分組答辯。老師對學生的整個過程進行考核評價。

第2篇

關鍵詞：中醫(yī)藥 知識工程 知識庫 知識獲取 知識發(fā)現(xiàn)

分類號：TP182

引用格式：于彤. 中醫(yī)藥知識工程的理論體系構建和關鍵技術分析[J/OL]. 知識管理論壇， 2016， 1（5）： 336-343[引用日期]. http：///p/1/56/.

1 引言

中醫(yī)藥是中華民族的文化瑰寶，無論作為文化遺產(chǎn)還是作為醫(yī)學資源，都理應得到保護和傳承。對中醫(yī)藥理論知識與實踐經(jīng)驗的總結、詮釋與研究，是中醫(yī)藥傳承的一項核心任務。知識工程（knowledge engineering）為中醫(yī)藥知識的組織、存儲、處理和利用提供了必要的理論、方法和工具，在中醫(yī)藥領域具有廣闊的應用前景[1-2]。

知識工程是隨著信息革命而出現(xiàn)的一種新興的知識管理和知識創(chuàng)造手段。知識工程源于人工智能領域，其最初的目標是構建基于知識的系統(tǒng)（或稱專家系統(tǒng)）[1，3]。為了構建基于知識的系統(tǒng)，需要獲取足夠的專業(yè)知識，并將這些知識表示為計算機可以理解的形式，以支持自動推理和問題求解[3]。因此，知識獲取、知識表示以及知識運用成為知識工程領域研究的主要問題。隨著知識工程在知識管理中應用的不斷深入，知識工程的研究范疇從知識庫和專家系統(tǒng)，擴展到自由文本、半結構性數(shù)據(jù)和多媒體內(nèi)容的處理。時至今日，知識工程已發(fā)展為涉及知識表示與推理[4]、語義網(wǎng)[5-6]和數(shù)據(jù)挖掘[7]等多個技術領域的交叉學科，在電子科學、電子商務和電子政務等許多領域得到了廣泛的應用。

知識工程在中醫(yī)藥領域的應用起源于20世紀70年代。當代著名中醫(yī)學家關幼波與計算機專家合作，于1979年研制了首個實用的中醫(yī)專家系統(tǒng)DD中醫(yī)關幼波診療肝病的計算機系統(tǒng)，它在臨床應用中取得良好效果[8]。此后，全國興起了一股中醫(yī)專家系統(tǒng)研發(fā)與應用的熱潮[9]，知識工程作為專家系統(tǒng)的支撐技術也得到了中醫(yī)界的重視。近30年來，中醫(yī)藥工作者采用知識工程方法對中醫(yī)藥領域的知識遺產(chǎn)進行廣泛采集和永久保存，建成了大量的知識資源和智能系統(tǒng)，為中醫(yī)藥知識創(chuàng)新提供了有力的支持[10]。為此，本文對中醫(yī)藥知識工程進行系統(tǒng)總結和綜合論述，分析存在的問題和發(fā)展趨勢，為相關領域?qū)W者和知識工程師提供參考。

2 中醫(yī)藥知識工程的概念

中醫(yī)藥知識工程是指將中醫(yī)藥知識整合存入計算機系統(tǒng)，以使計算機能夠利用這些知識來解決中醫(yī)藥領域復雜問題的工程學科[1-2]。旨在實現(xiàn)中醫(yī)藥知識的“計算機化”，并將計算機技術融入中醫(yī)藥知識的收集、挖掘、整理、更新、傳播及轉(zhuǎn)化等環(huán)節(jié)，從而豐富和完善中醫(yī)藥知識體系，提升中醫(yī)信息系統(tǒng)的智能水平。之所以稱之為一項“工程”，是因為這項工作涉及系統(tǒng)性的方法、大規(guī)模的協(xié)作、嚴密的流程以及復雜的產(chǎn)品（本體、知識庫、專家系統(tǒng)等），這些都是系統(tǒng)工程的顯著特征。

中醫(yī)藥知識來自中醫(yī)專家的頭腦，以及書籍、論文、病案等各種專業(yè)資料。為使中醫(yī)藥知識“計算機化”，需要從各種知識源中廣泛獲取知識，將知識進行編碼并錄入計算機系統(tǒng)；還要按照一定的結構和方案對知識進行組織和存儲；最終實現(xiàn)專家系統(tǒng)、知識發(fā)現(xiàn)等各種計算機應用。中醫(yī)藥知識工程的關鍵環(huán)節(jié)，包括中醫(yī)藥知識表示方法的研究、中醫(yī)藥領域知識的獲取、中醫(yī)藥知識庫系統(tǒng)的構建、中醫(yī)藥知識發(fā)現(xiàn)研究以及中醫(yī)藥智能系統(tǒng)（如臨床決策支持系統(tǒng)）的研發(fā)等。

中醫(yī)藥知識工程是中醫(yī)藥與信息科學（包括人工智能）相結合的產(chǎn)物，是多學科交叉的研究領域。它也是中醫(yī)藥知識管理的一項關鍵支撐技術，有助于實現(xiàn)中醫(yī)藥知識管理與服務模式的創(chuàng)新。

3 中醫(yī)藥知識工程的意義

中醫(yī)藥知識工程有利于開拓臨床思路，支持臨床決策，研究中醫(yī)理論，豐富教學內(nèi)容，指導實驗研究，促進中醫(yī)藥知識傳承與創(chuàng)新[1-2]。具體而言，中醫(yī)藥知識工程可在以下三大方面發(fā)揮積極作用。

3.1 梳理知識體系，保護知識遺產(chǎn)

中醫(yī)藥知識遺產(chǎn)具有很高的科學和文化價值，但其知識體系尚存在模糊籠統(tǒng)之處。只有對中醫(yī)藥知識遺產(chǎn)進行系統(tǒng)梳理，去蕪存菁，才能凸顯中醫(yī)藥知識的精華之處。使用語義網(wǎng)絡、描述邏輯等知識表示方法，能夠精確描述中醫(yī)思維邏輯，建立數(shù)字化的中醫(yī)藥知識體系，這對中醫(yī)藥學科發(fā)展具有十分重要的意義。

3.2 促進知識傳承，加速人才培養(yǎng)

中醫(yī)傳承的核心問題是如何將中醫(yī)名家的個人經(jīng)驗轉(zhuǎn)化成普遍的知識，從而培養(yǎng)更多經(jīng)驗豐富的名醫(yī)，提升中醫(yī)界的整體水平。中醫(yī)藥知識工程旨在系統(tǒng)總結前人經(jīng)驗，將歷代醫(yī)家的智慧結晶轉(zhuǎn)化為全面、系統(tǒng)的領域知識庫，研發(fā)中醫(yī)輔助學習系統(tǒng)，以提升初學者的學習效率，促M專業(yè)醫(yī)師之間的交流，從而突破中醫(yī)傳承的瓶頸。

3.3 發(fā)現(xiàn)新知識，促進學科發(fā)展

通過實施中醫(yī)藥知識工程，可對中醫(yī)藥信息化過程中積累的海量數(shù)據(jù)進行分析與挖掘，建立跨越年代、流派、學說和病證的整體性知識模型，從而加深我們對中醫(yī)辨證論治規(guī)律的認識，使中醫(yī)藥領域兩千多年來積累的知識遺產(chǎn)得到有效整理和挖掘。

4 中醫(yī)藥知識工程的理論體系構建

中醫(yī)藥知識工程研究的核心任務是利用信息科學的理論和方法，對中醫(yī)藥知識體系的全部內(nèi)容進行系統(tǒng)梳理和準確表達。可以說，中醫(yī)藥知識工程所研究和處理的核心對象就是中醫(yī)藥知識體系。兩千多年以前的《黃帝內(nèi)經(jīng)》奠定了中醫(yī)學的理論基礎；經(jīng)過兩千年的發(fā)展，至今已經(jīng)形成了一個以中國古代哲學為基礎，以中醫(yī)藥學理論為架構，以臨床實踐經(jīng)驗為主體的知識體系[2]。

中醫(yī)藥知識體系有其自身特點和復雜性，對知識工程技術產(chǎn)生了獨特的需求。中醫(yī)特色的思想方法、含義模糊的中醫(yī)概念以及中醫(yī)專家的隱性知識都對知識表達、知識獲取和知識利用產(chǎn)生重大影響和制約。因此，面向西醫(yī)等其他領域的知識工程方法并不完全適用于中醫(yī)藥領域。中醫(yī)藥知識工程領域迫切需要一套符合自身特點的理論和方法，從而有效處理中醫(yī)藥知識的模糊性和復雜性，支持標準化知識體系的建設。因此，有必要對中醫(yī)藥知識工程的理論思想進行深入研究和系統(tǒng)總結，從而指導中醫(yī)藥知識的建模、獲取、組織、存儲、共享與服務等一系列工程實踐活動。建立中醫(yī)藥知識工程的理論體系是一項繁重、長期的工作。本文主要圍繞思維模擬、知識表示、知識獲取、知識發(fā)現(xiàn)等4個主要方面，對中醫(yī)藥知識工程的理論思想、研究熱點以及核心概念意涵進行簡要論述，為今后的理論研究工作提供參考。

4.1 中醫(yī)思維模擬研究

中醫(yī)思維模擬是指在對中醫(yī)思維進行深入分析的基礎上，用計算機系統(tǒng)對中醫(yī)的思維過程進行模擬，從而完成計算機輔助診療等復雜任務。中醫(yī)深受中華傳統(tǒng)哲學和文化的影響，產(chǎn)生了獨特的思想方法和思維模式，包括“天人合一”“取象比類”以及“辨證論治”等等。中醫(yī)藥知識體系是中醫(yī)思S的直接產(chǎn)物。開展中醫(yī)藥知識工程研究，首先需要深入理解中醫(yī)的核心思維模式。

中醫(yī)思維是一個復雜的思維過程，具有形象性、模糊性和整體性等特點，需要針對這些特點提出創(chuàng)新性的思維模擬方法。例如，“取象比類”是貫穿中醫(yī)知識體系的思維模式，與中醫(yī)其他的思想方法共同構成了中醫(yī)“象思維”。在中醫(yī)藥知識工程領域，需要追溯中醫(yī)“象思維”的思想源流，并采用認知語言學等學科方法對其進行分析，據(jù)此提出與之相適應的計算機模擬方法[11]。又如，中醫(yī)辨證思維是一個涉及分析、綜合、推理、歸類、鑒別的復雜思維過程，需要將中醫(yī)辨證理論與實際的病案結合起來進行分析，總結中醫(yī)辨證思維的規(guī)律，從而建立合理、準確的中醫(yī)辨證計算模型[12]。思維模擬研究在中醫(yī)臨床診療等領域具有潛在的應用價值。但首先需要在臨床實踐中對計算機建立的中醫(yī)思維模型加以檢驗，以驗證其準確性和實用性。

4.2 中醫(yī)藥知識表示研究

知識表示（knowledge representation）是指通過某種方案、數(shù)據(jù)格式或語言，將領域知識表達為計算機可直接處理的數(shù)據(jù)。知識表示處于知識工程的中心地位，它既是知識獲取的基礎，又是知識存儲和運用的前提。為實現(xiàn)基于知識的系統(tǒng)，必須將領域知識表示為某種計算機可處理的形式，并錄入到計算機系統(tǒng)中去，存儲于知識庫之中。知識表示的合理性直接決定知識處理的效率，對知識獲取和應用的效果也有很大的影響。

廣義上，知識表示的目標就是實現(xiàn)人類知識的顯性化、機讀化和結構化，從而支持自動推理，知識檢索和知識發(fā)現(xiàn)等應用。知識表示方法有很多種，包括狀態(tài)空間、謂詞邏輯、框架、產(chǎn)生式、語義網(wǎng)絡、與或圖、Petri網(wǎng)等。這些方法適用于表示不同類型的知識，從而被用于各種不同的應用領域。如何選取或提出合理的知識表示方法，用最恰當?shù)男问絹肀硎局嗅t(yī)證候、中藥、針灸、溫病、養(yǎng)生等各方面的知識，是中醫(yī)藥知識表示研究的重點問題。

目前，知識工程領域的一種主流觀點是將建立一個知識系統(tǒng)的過程視為一種“建模”活動。知識建模（knowledge modeling）是指采用某種計算機方法構建一個“知識模型”，它在特定領域中能像專家那樣解決問題。其本質(zhì)是通過模型來表示知識，因此屬于一種形式化的知識表示方法。近年來，采用本體等技術建立知識模型，已成為中醫(yī)藥知識分析的一種常用手段，也是中醫(yī)藥知識表示研究的一個主要方向[13-14]。

4.3 中醫(yī)藥知識獲取研究

知識獲取（knowledge acquisition）是指從專門的知識源中全面、系統(tǒng)地獲取知識，并將其轉(zhuǎn)換為某種計算機可處理的形式（如程序、規(guī)則、本體等）[15-16]。這里的知識源可以是人類專家，也可以是案例、教科書、論文、數(shù)據(jù)庫、網(wǎng)站等知識載體。一般情況下，知識獲取需要由“知識工程師（knowledge engineer）”與領域?qū)＜遗浜希餐瑏硗瓿晒ぷ鳌ＶR工程師的任務是幫助領域?qū)＜壹せ铍[性知識，完成知識的轉(zhuǎn)換，建立基于知識的系統(tǒng)。

知識工程的一個典型場景是：一組知識工程師找到并訪問特定領域的專家，聽取專家的介紹，記錄專家的經(jīng)驗性知識并將其表達為計算機可處理的形式，存入知識庫中。將知識庫與推理引擎結合起來，也就構成了一個新的專家系統(tǒng)。知識獲取也必然涉及知識驗證的問題：知識工程師需要對知識進行評審和驗證，以確保知識的準確性。

知識獲取是任何知識管理和知識工程的基礎性工作。在中醫(yī)藥領域，知名老中醫(yī)的經(jīng)驗和古籍文獻占有重要地位，是知識獲取的重點對象。一方面，知名老中醫(yī)知識和經(jīng)驗的獲取，是中醫(yī)藥知識獲取的重要環(huán)節(jié)。它屬于專家認知獲取的范疇，也就是將專家頭腦中隱含的知識轉(zhuǎn)換為某種形式的顯性知識的過程。另一方面，中醫(yī)藥領域產(chǎn)生了海量的古籍文獻。古籍數(shù)字化對于中醫(yī)藥信息的快捷傳播和永久保存具有重要意義。如何從數(shù)字化的古籍文本中有效提取中醫(yī)藥知識，則是知識工程所關注的問題。無論是通過專家訪談等方法獲取領域?qū)＜业慕?jīng)驗和實踐方法，還是查閱大量文獻搜集領域知識，都是復雜的、繁瑣的工作，且多數(shù)情況下只能通過人工方法完成。因此，知識獲取是中醫(yī)藥知識工程領域中面臨的關鍵瓶頸[16]。如何突破“知識獲取”瓶頸，也就成為知識工程研究的一個熱點問題。

4.4 中醫(yī)藥知識運用研究

知識運用是指將領域知識庫以及機器推理、知識發(fā)現(xiàn)等技術運用于科研、臨床、教學等領域，輔助中醫(yī)藥工作者解決復雜問題并提升工作效率。知識工程在中醫(yī)藥領域的具體應用包括：四診客觀化研究、中醫(yī)辨證規(guī)范化研究、方劑量效關系分析、中藥新藥發(fā)現(xiàn)、中醫(yī)臨床診療、中醫(yī)教學等等。為使知識工程的成果產(chǎn)生社會效益和經(jīng)濟效益，促進中醫(yī)藥知識創(chuàng)新和學科發(fā)展，必須研究如何運用知識的問題。知識工程學不能逐一研究具體應用的過程或方法，而是研究在各種應用中都可能用到的共性方法，包括知識推理、知識搜索、知識發(fā)現(xiàn)、知識服務等。

傳統(tǒng)上知識運用研究的一個中心問題是如何構建專家系y。中醫(yī)專家系統(tǒng)是指用計算機人工智能技術來模擬著名老中醫(yī)診療病人的臨床經(jīng)驗，從而使該軟件具有專家診治病人的水平[8]。如前文所述，隨著“中醫(yī)關幼波診療肝病的計算機系統(tǒng)”的出現(xiàn)，全國興起了一股研發(fā)中醫(yī)專家系統(tǒng)的熱潮。據(jù)陸志平等[9] 估計，中醫(yī)專家系統(tǒng)已不下300個，并遍及中醫(yī)的內(nèi)、外、婦、兒、五官以及針灸等各科。專家系統(tǒng)能對中醫(yī)四診信息進行處理和解釋，并產(chǎn)生臨床推薦意見和臨床警示，可用于輔助職業(yè)醫(yī)師進行臨床決策。該系統(tǒng)的構建涉及知識獲取、機器學習、知識推理、知識搜索等多方面的理論和方法學研究。

自20世紀90年代開始，隨著數(shù)據(jù)庫技術的普及以及數(shù)據(jù)庫內(nèi)容的不斷積累，使業(yè)務人員產(chǎn)生了從數(shù)據(jù)庫中挖掘知識的愿望。為此，學者們將數(shù)據(jù)庫技術與人工智能、統(tǒng)計學、機器學習等傳統(tǒng)技術相互融合，產(chǎn)生了知識發(fā)現(xiàn)這一交叉學科[17]。知識發(fā)現(xiàn)（knowledge discovery in database，KDD），可被理解為“數(shù)據(jù)庫中的知識發(fā)現(xiàn)”。近年來，中醫(yī)團體探索將各種KDD方法應用于中醫(yī)藥領域。KDD被用于研究方劑配伍規(guī)律[18]，輔助中醫(yī)開具中藥處方[19]，解釋中醫(yī)證候的本質(zhì)[20-21]，以及輔助基于中醫(yī)藥的新藥研發(fā)[22]，都取得了良好的效果。KDD作為中醫(yī)藥知識分析和科研創(chuàng)新的一種新方法，也成為中醫(yī)藥知識運用研究的一個熱點。

5 中醫(yī)藥知識工程的關鍵技術分析

中醫(yī)藥知識工程將本體（ontology）、文本挖掘（text mining）、語義網(wǎng)（semantic Web）等多種信息技術與中醫(yī)藥領域知識相結合，以促進中醫(yī)藥知識的創(chuàng)造、管理和運用。在下文中，圍繞知識建模、知識獲取、知識存儲、知識發(fā)現(xiàn)等4個主要方面，對中醫(yī)藥知識工程中涉及的關鍵技術進行具體分析。

5.1 中醫(yī)藥知識建模技術

知識建模是將領域知識表達為計算機可處理模型（即知識模型）的過程，它是知識工程的基礎。中醫(yī)藥知識體系與中華傳統(tǒng)文化息息相關，具有鮮明的文化和語言特色，這決定了中醫(yī)藥知識建模的獨特性。歷代中醫(yī)普遍采用“取向比類”等形象思維方法，中醫(yī)藥概念之間的關系錯綜復雜，中醫(yī)文獻中包含大量古漢語成分，這些因素導致中醫(yī)藥知識難于精確描述和定量刻畫。需要對知識建模的方法和技術進行創(chuàng)新，并研究出一套符合中醫(yī)藥特點的知識建模框架，以支持中醫(yī)藥知識工程的實施以及知識服務平臺的建設。

知識建模技術有很多種，技術人員所熟知的統(tǒng)一建模語言（UML）和實體關系模型（ER模型）都屬于知識模型。本體是1990年代出現(xiàn)的知識建模方法，其核心任務是對領域概念體系進行系統(tǒng)梳理和準確表 達[13]。本體在復雜知識建模和自動推理等方面體現(xiàn)出技術優(yōu)勢，因此在生物醫(yī)學領域逐漸成為主流技術。

近年來，中醫(yī)藥知識工程的一個熱點是通過構建中醫(yī)藥領域本體，對中醫(yī)藥理論和知識體系進行辨認、梳理、澄清和永久保真處理。中醫(yī)團體已經(jīng)開展了基于本體的中醫(yī)藥知識建模方法研究，并實際構建了一系列領域本體[14] 。例如，中國中醫(yī)科學院中醫(yī)藥信息研究所研制了“中醫(yī)藥學語言系統(tǒng)（Traditional Chinese Medicine Language System，TCMLS）”這一大型中醫(yī)藥領域本體[23] 。TCMLS對中醫(yī)藥領域的概念和術語系統(tǒng)進行了完整的表達，在中醫(yī)藥學研究中得到廣泛應用。此外，本體建模的對象還包括陰陽、五行、臟腑、證候、中藥、方劑等諸多領域。這些本體最終可被整合為一個完整的中醫(yī)藥領域本體，支持知識獲取、知識發(fā)現(xiàn)、知識服務等中醫(yī)藥知識工程的后續(xù)工作。實踐表明，本體可有效捕捉中醫(yī)藥領域的概念體系，并以概念為核心將中醫(yī)藥知識體系準確地表達出來，能夠勝任中醫(yī)藥領域知識建模的任務。

5.2 中醫(yī)藥知識獲取技術

如上文所述，中醫(yī)藥知識獲取是一項復雜的工作，被公認為知識處理過程中的一個瓶頸，嚴重限制了知識工程和知識系統(tǒng)的發(fā)展。近年來，學者們主要試圖通過“集體智能”和“機器智能”這兩條路徑來突破中醫(yī)藥領域的知識獲取瓶頸。

“集體智能”是指組織大量領域?qū)＜乙黄鹁庉嬛R庫，從而實現(xiàn)專家知識的共享與融合。實現(xiàn)集體智慧的關鍵在于建立合理的交流、協(xié)作和激勵機制。隨著互聯(lián)網(wǎng)的迅速推廣，中醫(yī)界開始利用互聯(lián)網(wǎng)技術建立各種面向中醫(yī)藥領域的知識工程平臺，進行跨學科、跨組織、跨地域的協(xié)作式知識加工，開展了一系列大規(guī)模的知識工程項目，建成了一系列術語系統(tǒng)、領域本體、文獻庫、數(shù)據(jù)庫和知識庫。例如，中國中醫(yī)科學院中醫(yī)藥信息研究所建立了基于互聯(lián)網(wǎng)的“中醫(yī)藥虛擬研究院”，部署了一個協(xié)同知識工程平臺，支持全國40余家機構，近300人進行協(xié)同工作[24-25]。在該系統(tǒng)的直接支持下，研制了“中醫(yī)藥學語言系統(tǒng)”[23]等一系列大型知識系統(tǒng)。實踐表明，基于互聯(lián)網(wǎng)的虛擬環(huán)境能將不同機構、不同地區(qū)的研究人員組織起來，有效解決資金分散、缺乏協(xié)調(diào)、研發(fā)能力不足等問題，實現(xiàn)知識工程的規(guī)模化[25]。

“機器智能”是指研發(fā)文本挖掘技術，使機器能夠直接從文獻等知識載體中提取結構性知識。文本挖掘在中醫(yī)藥領域已得到成功應用，能夠顯著提升知識庫加工的效率[26]。但與生物醫(yī)學領域的大量研究工作[27]相比，文本挖掘在中醫(yī)藥領域的應用仍處于早期探索階段。需要針對中醫(yī)藥文獻的特點，進一步研發(fā)實用的挖掘方法，提升挖掘結果的完整性和準確性，從而深度挖掘中醫(yī)藥文獻中蘊含的知識。

5.3 中醫(yī)藥知識存儲技術

知識存儲（knowledge storage）特指在計算機系統(tǒng)中安全、可靠、有序地存儲知識資源，以支持知識管理和知識工程應用。知識庫是實現(xiàn)知識存儲的重要支撐工具，也是知識工程的重中之重。知識庫一般是針對特定領域以及問題求解而建立的，對領域知識進行全面收集和系統(tǒng)整理，進而對知識進行組織、分類和保存，以支持知識檢索和查詢。

構建中醫(yī)知識庫系統(tǒng)，是指用人工智能技術把中醫(yī)藥理論和專家的經(jīng)驗按規(guī)范化、標準化的格式組建成知識庫[8]。知識庫一般具有形式化、結構化、易查詢、易操作等特點，能支持機器推理。傳統(tǒng)上知識庫主要是指采用謂詞邏輯、框架等知識表示方法，在計算機系統(tǒng)中表示和存儲的知識集合。但在中醫(yī)藥信息化實踐中，人們也把文獻庫、數(shù)據(jù)庫、本體等多種形式的知識載體統(tǒng)稱為“知識庫”。它們都能起到知識存儲的作用，與自然語言處理、機器學習等方法相結合后仍可支持智能應用，因此稱之為廣義的知識庫也不為過。

近年來，中醫(yī)藥知識庫建設得到迅猛發(fā)展，在中醫(yī)人體、中醫(yī)疾病、中醫(yī)證候、中醫(yī)醫(yī)案、中藥、中醫(yī)養(yǎng)生等方面都出現(xiàn)了知識庫系統(tǒng)[28]。中醫(yī)藥知識庫在中醫(yī)藥信息化中扮演著核心的角色，在文獻整理、知識可視化、知識共享、臨床診療、教學、研究等諸多方面取得實際應用，為中醫(yī)藥知識遺產(chǎn)的數(shù)字化保存和深度挖掘提供了創(chuàng)新性的手段。

5.4 中醫(yī)藥知識發(fā)現(xiàn)技術

知識發(fā)現(xiàn)是從數(shù)據(jù)中獲取有效、新穎、有潛在應用價值和最終可理解模式的非平凡過程[17]。知識發(fā)現(xiàn)是人工智能、數(shù)據(jù)庫、統(tǒng)計學、機器學習等多種技術相互交叉產(chǎn)物。知識發(fā)現(xiàn)在20世紀90年代提出之后，獲得了廣泛關注和迅速發(fā)展，產(chǎn)生了高頻集、關聯(lián)分析、分類、預測、聚類、孤立點分析、時序/序列分析等一系列行之有效的方法，還出現(xiàn)了Weka、Rapidminer等較為成熟的開源軟件。這為知識發(fā)現(xiàn)技術在中醫(yī)藥領域的應用創(chuàng)造了條件。

中醫(yī)在數(shù)千年的臨床實踐與理論研究中積累了海量的數(shù)據(jù)、文獻和知識。如何利用這些寶貴資源就成了發(fā)展中醫(yī)藥必須面對的一個問題。而KDD所擅長的正是從海量的數(shù)據(jù)中尋找有意義的模式和知識，是分析中醫(yī)藥海量數(shù)據(jù)所需的理想技術手段。近年來，中醫(yī)團體已開展了將頻繁模式發(fā)現(xiàn)、關聯(lián)規(guī)則發(fā)現(xiàn)、聚類分析、復雜網(wǎng)絡分析等多種KDD方法引入中醫(yī)藥領域的若干探索。例如，使用關聯(lián)規(guī)則發(fā)現(xiàn)等方法對方劑數(shù)據(jù)進行分析，來揭示方劑配伍規(guī)律[18]；通過知識發(fā)現(xiàn)方法輔助中醫(yī)開具中藥處方[19]以及中藥新藥研發(fā)[22]；通過基于隱結構模型的機器學習方法來揭示中醫(yī)證候的本質(zhì)[21]；使用文本挖掘方法從海量文獻中挖掘新穎知識，構建并分析中醫(yī)藥復雜網(wǎng)絡[20]。這些工作表明，面對中醫(yī)藥領域的海量數(shù)據(jù)，采用KDD技術進行有效的知識發(fā)現(xiàn)既是必要的，也是可行的[29]。

過20多年的發(fā)展，中醫(yī)藥知識發(fā)現(xiàn)的方法和技術已進入相對成熟期，針對中醫(yī)藥領域的各種問題都產(chǎn)生了一系列行之有效的方法。但成熟并不意味著完善，面對中醫(yī)藥數(shù)據(jù)描述多樣化、數(shù)據(jù)仍不完備的特點，仍然需要對現(xiàn)有的KDD技術進行改進和發(fā)展，以滿足中醫(yī)藥科學研究和知識創(chuàng)新的需要。

6 中醫(yī)藥知識工程的發(fā)展趨勢

近年來，中醫(yī)藥知識工程實踐取得長足發(fā)展，成功建立了大量的知識資源。但中醫(yī)藥知識資源往往服務于特定的醫(yī)療和研究機構，彼此之間異質(zhì)、異構，難以實現(xiàn)集成與共享，形成嚴重的“知識孤島”現(xiàn)象，成為長期困擾中醫(yī)藥知識工程領域的技術難題。中醫(yī)藥與西醫(yī)等相關領域的知識資源也難以實現(xiàn)有效的關聯(lián)，阻礙了跨學科研究的開展。

為此，學者們[6，30]提出使用語義網(wǎng)作為中醫(yī)藥數(shù)據(jù)表示標準，實現(xiàn)中醫(yī)藥內(nèi)部的知識整合以及中西醫(yī)領域的知識互聯(lián)，從根本上解決“知識孤島”問題。2001年，萬維網(wǎng)發(fā)明人（T.B. Lee）在《科學美國人》上正式提出了語義網(wǎng)的構想，認為它將是一個機器可以理解的開放性信息空間[5]。語義網(wǎng)技術的核心優(yōu)勢在于將數(shù)據(jù)結構和存儲方式各異的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式并重新，從而實現(xiàn)數(shù)據(jù)資源的交換與集成。語義網(wǎng)為實現(xiàn)跨領域知識關聯(lián)提供了理想的技術平臺，有助于構建面向特定領域的大規(guī)模知識圖譜，進而實現(xiàn)各領域知識圖譜的關聯(lián)與融合。語義網(wǎng)最終將發(fā)展為一個全球性的知識圖譜，提供全面、智能的知識檢索服務，促進知識共享和人機協(xié)作。

可基于語義網(wǎng)技術建立中醫(yī)藥知識圖譜，從而實現(xiàn)中醫(yī)疾病、中藥、方劑、針灸、醫(yī)案等中醫(yī)藥各門類知識資源的集成[30-31]。TCMLS作為一個包含10余萬個中醫(yī)概念以及100余萬個語義關系的大型語義網(wǎng)絡，為構建中醫(yī)藥知識圖譜提供了相對完整的框架。鑒于此，于彤等[31]提出以中醫(yī)藥學語言系統(tǒng)為骨架，將中醫(yī)藥領域現(xiàn)有的術語資源和數(shù)據(jù)庫資源融合起來，構成大規(guī)模知識圖譜，并實現(xiàn)基于知識圖譜的知識檢索、知識展示和知識服務等功能。在未來，可進一步擴充中醫(yī)藥知識圖譜，通過語義關系表達中醫(yī)和西醫(yī)之間的結合點，從而實現(xiàn)這兩個領域的知識圖譜的關聯(lián)和融合。這套方法將使中醫(yī)藥知識資源接入全球互聯(lián)的知識圖譜之中，支持各種面向結合醫(yī)學的知識共享、決策支持和知識發(fā)現(xiàn)應用，在中西醫(yī)結合醫(yī)學中發(fā)揮更大的作用和影響力。

6 小結

中醫(yī)藥根植于中華文化，源于中國傳統(tǒng)哲學，是中華民族非常寶貴的知識遺產(chǎn)。中醫(yī)藥知識工程成為中醫(yī)藥知識遺產(chǎn)保護和知識創(chuàng)造的一種新模式，能有效推動群體性的知識創(chuàng)新活動，加速知識轉(zhuǎn)化過程，促進知識的傳播。

中醫(yī)藥經(jīng)過數(shù)千年的發(fā)展，形成了一座偉大的知識寶庫，這決定了中醫(yī)藥知識工程的巨大價值和艱巨性。中醫(yī)藥領域知識體系相當復雜，對知識工程技術提出了獨特的需求。在中醫(yī)藥領域?qū)嵤┲R工程是一項極其復雜且具有挑戰(zhàn)性的工作，其中還有很多尚未解決的科學問題和技術難題，需要進行長期的研究。展望未來，中醫(yī)藥知識工程必將成為中醫(yī)藥信息學學科體系的重要組成部分，也將在中醫(yī)藥科學研究和臨床實踐中發(fā)揮越來越重要的作用。

參考文獻：

[1] 任廷革， 劉曉峰， 李慶業(yè)， 等. 從復方分析模型的研究看中醫(yī)知識工程的意義[J]. 中國中醫(yī)藥信息雜志， 1999， 6（3）： 12-13.

[2] 楊斌. 中醫(yī)知識工程的建立及其意義[J]. 世界科學技術――中醫(yī)藥現(xiàn)代化， 2000， 2（4）： 28-30.

[3] Schreiber G， AKKERMANS H， Anjewierden A， et al. Knowledge engineering and management： the CommonKADS methodology [M]. 1st ed. Cambridge， MA： The MIT Press， 2000.

[4] Brachman R， Levesque H. Knowledge representation and reasoning [M].San Francisco：Morgan Kaufmann Publishers Inc.， 2004.

[5] Berners-Lee T， HENDLER J， Lassila O. The semantic Web [J]. Scientific American， 2001， 284（5）： 28-37.

[6] 于彤， 崔蒙， 李敬華. 語義Web在中醫(yī)藥領域的應用研究綜述[J]. 世界中醫(yī)藥， 2013， 8（1）： 107-109.

[7] Fayyad U， PIATETSKY-Shapiro G， Smyth P. From data mining to knowledge discovery in databases[J]. AI magazine， 1996， 17（3）： 37-54.

[8] 馬斌榮. 中醫(yī)專家系統(tǒng)與中醫(yī)知識庫[M]. 北京： 北京出版社， 1997.

[9] 陸志平， 李媛媛， 魏方方， 等. 人工智能、專家系統(tǒng)與中醫(yī)專家系統(tǒng)[J]. 醫(yī)學信息， 2004， 17（8）： 458-459.

[10] 孫燕. 中醫(yī)知識工程研究進展分析[M]. 中國中醫(yī)藥信息雜志， 2010， 17（12）： 5-6.

[11] 于彤， 陳華鈞， 顧攏 等. 中醫(yī)象思維的OWL語義建模[J]. 中國數(shù)字醫(yī)學， 2013， 8（4）： 29-33.

[12] 于彤， 崔蒙， 吳朝暉， 等. 基于語義Web的中醫(yī)臨床知識建模[J]. 中國數(shù)字醫(yī)學， 2013， 8（11）：81-85.

[13] Gruber T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition， 1993， 5（2）： 199-220.

[14] 李兵， 裘儉， 張華敏， 等. 中醫(yī)藥領域本體研究概述[J]. 中國中醫(yī)藥信息雜志， 2010， 17（3）：100-101，106.

[15] 路耀華. 思維模擬與知識工程[M]. 北京： 清華大學出版社， 1997.

[16] 陳瑜. 試論中醫(yī)藥領域的知識獲取[J]. 醫(yī)學信息學雜志， 2013， 34（3）： 89-92.

[17] FAN J， LI D. An overview of data mining and knowledge discovery[J]. Journal of computer science and technology， 1998， 13（4）： 348-368.

[18] 李文林， 段金廒， 趙國平，等. 方劑配伍規(guī)律數(shù)據(jù)挖掘的研究現(xiàn)狀及思考[J]. 中國中醫(yī)藥信息雜志， 2008， 15（10）：92-94.

[19] QIAO S， TANG C， JIN H， et al. KISTCM： knowledge discovery system for traditional Chinese medicine[J]. Applied intelligence， 2010， 32（3）：346-363.

[20] ZHOU X， LIU B， WU Z， et al. Integrative mining of traditional Chinese medicine literature and MEDLINE for functional gene networks [J]. Artificial intelligence in medicine， 2007， 41（2）：87-104.

[21] ZHANG N， YUAN S， CHEN T， et al. Latent tree models and diagnosis in traditional Chinese medicine[J]. Artificial intelligence in medicine， 2008， 42（3）：229-245.

[22] 雷蕾， 慧敏， 崔蒙， 等. 中醫(yī)藥化學輔助研發(fā)系統(tǒng)的建設[J]. 中國中醫(yī)藥信息雜志， 2008， 15（8）： 100-101.

[23] 于彤， 賈李蓉， 劉靜， 等. 中醫(yī)藥學語言系統(tǒng)研究綜述[J]. 中國中醫(yī)藥圖書情報雜志， 2015， 39（6）： 56-60.

[24] 崔蒙， 謝琪， 尹愛寧， 等. 中醫(yī)藥信息數(shù)字化虛擬研究院建設模式研究[J]. 上海中醫(yī)藥大學學報， 2008， 23（3）：5-8.

[25] 尹愛寧， 崔蒙， 范為宇， 等. 中醫(yī)藥虛擬研究院[J]. 國際中醫(yī)中藥雜志， 2006， 28（3）： 141-143.

[26] ZHOU X， PENG Y， LIU B. Text mining for traditional Chinese medical knowledge discovery： a survey[J]. Journal of biomedical informatics， 2010， 43（4）： 650-660.

[27] Rebholzschuhmann D， OELLRICH A， Hoehndorf R. Text-mining solutions for biomedical research： enabling integrative biology[J]. Nature reviews genetics， 2012， 13（12）： 829-39.

[28] 于彤， 釧叮 李敬華. 中醫(yī)藥知識庫系統(tǒng)研究進展綜述[J]. 中國醫(yī)學創(chuàng)新， 2014， 11（18）： 142-144.

[29] 吳朝暉， 封毅. 數(shù)據(jù)庫中知識發(fā)現(xiàn)在中醫(yī)藥領域的若干探索（Ⅰ）[J]. 中國中醫(yī)藥信息雜志， 2005， 12（10）： 93-95.

[30] CHEUNG K， CHEN H. Semantic Web for data harmonization in Chinese medicine [J]. Chinese Medicine， 2010， 5（1）：1-5.

[31] 于彤， 劉靜， 賈李蓉， 等. 大型中醫(yī)藥知識圖譜構建研究[J]. 中國數(shù)字醫(yī)學， 2015， 10（3）： 80-82.

Knowledge Engineering for Traditional Chinese Medicine： A Review of Theoretical System and Key Technologies

Yu Tong

Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences，

Beijing 100700