苏教授说：让中、西医知识与大数据结合，提供创新方剂的可能。

图为亚大杰出讲座系列，邀请清大资工系教授苏丰文主讲「AI如何学习中医的对症下药」。

中医诊疗，强调望、闻、问、切，AI是不是能够学习？亚洲大学杰出讲座系列，邀请清大资工系教授苏丰文主讲「AI如何学习中医的对症下药」，苏教授说，透过本草纲目、TCMID传统中医数据库等建立大数据中心，再利用生物网络知识的推理，能够排列组合成可能的中药方，将能提供创新方剂的可能性。

图为亚大校长蔡进发(右)，与清大教授苏丰文讨论AI在中医上的运用。

苏教授表示，中医和西医的最大差别就是，西医强调精准医学，中医很多时候则是在做药材的作用，因而AI运用在中医，最大的挑战就是对于症状、疾病、知识本体、药物观念完全不同，透过现代西医与AI的方法，撷取出症状与中药药材成分间的对应关系，是了解传统中医的必经之道，中医讲究的「适应症」如何转换成西医里的标准化，是重要课题。

苏教授说，传统中药的知识很多，但是很多数据不完整，也有很多模糊的地方，他们采用本草纲目里的中药归经分类，将里面的1892种方剂(也就是针对适应症的药方)建立大数据数据库，同时也加入TCMID传统中医数据库近10万笔处方、神农本草经、台湾中药司近200万笔既有方剂全部纳入，建立同质、异质网络的数据库。

之后，再利用生物网络知识的推理，研究药物与适应症之间的关联性，将药材不同的排列组合，来判断是否为适宜的处方剂。苏教授说，目前测试的准确率达到8成以上，大数据的资料也在累计中。

苏教授指出，虽然预测出的方剂，多数未必与传统已经使用的方剂相同，而且尚未加入方剂中药量比例与各药材处理方式的知识；未经临床实验验证，未必能直接用于临床使用，但透过AI的随机走路与深度学习模式，让中医和西医知识与大数据结合，可以探究症状与方剂之间的关联，提供一个可能创新方剂的方法。

图为亚大杰出讲座系列，亚大校长蔡进发(前排左)、与主讲人清大资工系教授苏丰文(前排右)、参与亚大师生合影。