总结和继承老中医经验。
结果并不乐观，对大量药方分析，反推专家用药思路，并期望得知具体哪些药与哪些病的相关性，得到的最直观数据是用药的频度，至于如何治病还没有成果。
用药频度并不能说明问题，牛晓分析，频度只能表明在治疗某种疾病时，某种草药用量的多寡，从西医的角度来看，或许可以判定这是一种对症的药，但在中医，很有可能南辕北撤。他举例道，对某位专家治疗肝病的药方进行分析，会发现使用频度最高的药是甘草，甘草是一位和中的药，所有的药剂都会用甘草来调和，如果按照中医“君臣佐使”的观念来看，甘草只是地位最低的“使”药。
对频度分析并得出相应的结果，最后仍旧需要专家来阐释，他为什么这样用药。牛晓说，就像一些老教授所言，中医诊疗的过程其实是“黑箱治疗”，箱子两边是患者和医生，中医治好病，原因是什么，按照西医的理念讲不清楚。“从表象上看，这有点像云计算和大数据，别管怎么来的，我能告诉你结果。”
但问题在于，做大数据分析，还是需要在后台建模，要把模型和算法做清楚，中医的变量非常多，也非常复杂，建模很不容易。
例如，之所以相同的病，相同症状，不同医生给出了不同药方，很多时候，是因为他们看病的出发点不同，有的从疏肝的角度着手，有的从健脾的角度分析。具体到单个中药方子，包含了主治功效，性味归经，四气五味，升降沉浮，以及药品炮制方法等大量变量信息需要考虑。至于每个专家的习惯，每个患者的身体状况、患病阶段等都不一样，也都是变量。
将各种变量整合建模，凭借完备的电子病历系统，依靠大数据分析，或许会有结果。牛晓说，但到目前为止还纯粹是一种探索，是一个有益的尝试。
这种尝试更面临着时间的挑战。在上世纪80年代，北京中医医院曾围绕中医泰斗关幼波先生的诊疗经验，建立了专家系统，将患者症状、舌苔脉象等要素输入后，就能输出相应处方。这个系统早期在北京地区使用非常有效，过了近30年，再看这个系统，发现效果不理想了。牛晓分析，人的体质发生了很大的变化，医生们在潜移默化中已经适应了这种变化，并做出了调整，而固化在系统中的经验，没有动态调整。
现在看来，中医数据的挖掘将会是一个漫长的过程。对于牛晓而言，马上能看到效果的是，对医院运营过程中所产生的各种数据的分析和使用。
例如，研究一段期间内患者的挂号趋势，来研究疾病的流行趋势；例如，通过数据挖掘算出病人从交完费到取药之间的等候时间，根据相关因素分析，哪些原因造成了患者的等待，哪种患者等候时间较长，什么时间就诊的患者等候时间长。根据分析结果，做出针对性处理。
通过数据挖掘，还可以优化流程，为医院管理提供支撑。牛晓介绍说，中医诊疗指标的考核就是依靠数据挖掘实现的，比如分析和核算院中医诊疗的使用比例，特色诊疗，各科室中、西医诊疗项目的数量；分析患者针灸、药剂、以及理疗等各种项目的比例；提取每个医生中医诊疗项目的数量，评选中医特色之星，或者奖励更愿意采用非药物治疗的医生。
推荐访问： 老中医
