2020-4•学术与临床10：计算针灸学：丰富理论 服务临床

21世纪是信息科学时代，信息的载体是数据。科技发达，信息流通，人们之间的交流越来越密切，大数据应运而生，逐渐渗透至当今各行各业，成为重要的生产因素，许多决策将基于数据和分析而得出，并非仅仅基于经验和直觉。大数据时代的到来对针灸的发展起到了重大推进作用。丰富的中医针灸典籍及长期的针灸实验研究积累了海量针灸数据资料，特别是现代科学技术的快速发展，人工智能的发展和机器深度学习技术的提高，为针灸从分子、细胞、器官、系统、整体水平的研究提供了实验技术与方法，可实现实时、动态、海量数据的采集和储存，通过系统深入的挖掘研究，从这些数据背后寻找蕴含尚未被发现的特征与规律。另外，电子化采集和储存信息量持续增长使电子病历得到广泛应用，在临床辅助决策、医疗质量监管、临床试验分析、精准治疗等方面发挥作用。

计算科学是学科交叉融合、发展的推动剂。美国总统信息技术咨询委员会在《计算科学：确保美国竞争力》（Computational Science: Ensuring America’s Competitiveness)这一报告中提出计算科学在社会科学、生物医学、工程研究、国家安全等方面的重要性，并将计算科学长期置于国家科学与技术领域中心的领导地位。“计算针灸学”与计算化学、计算生物学、计算神经科学等学科一样在时代背景下应运而生。

一门新兴交叉学科

计算针灸学是以中医针灸学理论为指导，基于针灸数据驱动，研究针灸作用理论（经络、穴位、刺法灸法）、针灸作用规律和原理等科学问题，指导临床实践的一门新兴交叉学科，是传统针灸学、实验针灸学与现代计算科学相结合的产物。计算针灸学是一门典型的交叉学科，涉及学科包括数学、统计学、中医针灸学、生物学和计算机科学等。

传统针灸学主要解决针灸“如何”治病的问题，实验针灸学主要解决针灸“为何”治病的问题，计算针灸学主要解决针灸“更好”治病的问题。计算针灸学以传统针灸学和实验针灸学为基础，是传统针灸学和实验针灸学的发展。传统针灸学为实验针灸学和计算针灸学提供中医理论指导，实验针灸学利用现代科学技术和实验方法对传统针灸学的理论、作用规律与原理等内容进行实证研究，获取的实验数据可为计算针灸学提供信息来源。计算针灸学是将海量的针灸古籍信息、过往针灸研究数据以及最新实验所获得的信息作为数据源，以针灸学问题构建数学模型，通过计算的方法分析针灸的作用规律与原理，预测针灸最佳适应病症及最优干预方案。

计算针灸学侧重于计算，通过模型构建和计算仿真，研究针灸基本理论、针灸作用原理、针灸作用规律等内容。计算针灸学是在传统针灸学和实验针灸学的基础上发展而来，通过对实验获得的数据进行深入挖掘，探索针灸作用规律与原理。计算针灸学与实验针灸学两者相辅相成，互为补充，计算针灸学需要实验提供数据与验证，实验针灸学需要计算提供分析与挖掘，计算针灸学重在回答发生或可能发生什么，而实验针灸学重在回答为什么发生。

三方面研究内容

计算针灸学的基本研究内容是：针灸基本理论、针灸效应规律和针灸效应原理。

以针灸效应评价为例，随着现代科学技术的进步，不同国家学者已从多方面对针灸机制展开研究，基因组、蛋白组、代谢组学等技术与方法在针灸研究领域得到了初步尝试，获取了海量的数据，怎样将这些数据进行分析，挖掘一个或者多个特征来描述针灸的作用效果，是目前亟待解决的问题。一方面，我们需要从目前海量的数据分析中寻找数据特征，用科学的分析方法，对数据进行深入挖掘，从而找到针灸作用的生物学基础。另一方面，我们需要从已知的规律或者生物学标记中寻找针灸作用规律，解决不同研究观点、实验条件不统一带来的针灸效应不一致问题。因此，无论是针灸本身的实验数据挖掘，还是对针灸结果的进一步挖掘，提取特征规律都需要计算，这些均是计算针灸学研究的内容。

四个学科特征

计算针灸学具备以下四个特征。

第一个是针灸组学特征。这包括从一系列针灸组学，如穴位组学、针灸效应的表型组、基因组、转录组、蛋白质组、相互作用组、代谢组等针灸组学数据的知识发现。

第二个是广泛深入的数学建模及应用。计算针灸学要将众多知识发现有机地整合起来，把来自各方面的因素联系在一起，以定量的形式刻画、从不同角度展现针灸激发生命现象的本质和治疗疾病的规律，必然需要建立数学模型通过数学语言的抽象描述来实现。

第三个是系统性研究。针灸激发的生命系统的复杂性和整体性必然要求人们对多种组学数据进行整合，系统地、整体地来考虑，通过综合分析阐明生命活动的机制。

第四个是高性能计算。由于生命现象复杂，从生物学中提出的数学问题往往也十分复杂，需要进行大量计算工作，加之当前和今后计算生物学研究面临的都是大规模的组学数据，高性能计算是研究和解决针灸学问题的手段和工具。

终极目的是为临床实践服务