从古籍典籍到智能算法：深度学习赋能针灸处方配伍现代化
2026-07-22 清泉心田 MedSci原创 发表于上海
本研究提出的 GNN-BERT-Attention 框架，通过语义理解、关系推理与中医先验知识的深度融合，有效缓解了针灸数据稀疏问题，提升了腧穴配伍预测的精度与鲁棒性。
深度解析医学证据，DeepEvidence为你支撑决策 功能性胃肠病（FGIDs）是一类高发的慢性复发性心身疾病，以烧心、腹痛、腹泻、腹胀等胃肠症状为核心表现，无明确器质性病因，其中肠易激综合征、功能性消化不良、功能性便秘等亚型累及约三分之一的 FGIDs 人群，严重降低患者生活质量并造成沉重的社会与医疗负担。针灸作为补充替代疗法已广泛应用于 FGIDs 治疗，大量临床研究证实其可显著改善胃肠症状、缓解患者焦虑抑郁状态，提升整体生存质量。但针灸腧穴选择尚无标准化方案，单个腧穴具备多重治疗功效，中医医师通过四诊采集症状、辨证分型后取穴，使得症状与腧穴间形成复杂的多对多关联，给计算化智能选穴带来挑战。 现有腧穴推荐算法存在明显局限：知识图谱与规则系统可整合结构化针灸数据，但扩展性不足；传统机器学习仅能挖掘临床数据中的高频穴组，无法捕捉症状文本的深层语义与腧穴间的高阶交互关系。同时临床数据稀疏、标签分布不均等问题，也制约了预测模型的精度与泛化性。为此，本研究提出融合图神经网络（GNN）与微调 BERT 的 GNN-BERT-Attention 框架，通过异构图学习建模症状 -
s13020-026-01458-1.pdf
分享
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#针灸# #功能性胃肠病#
66 举报