名医处方是中医临床经验和智慧的结晶，采用人工智能方法挖掘名医处方经验、进而智能推荐中药处方，成为传承与发扬名医经验的一个重要方向。然而，现有中药处方智能推荐研究往往只利用宏观层次的信息，忽略了病人和处方的微观生物机制，因此难以精准推荐中药处方。如何从宏、微观层次有效地挖掘名医经验，从而智能推荐中药处方，成为一个重要问题。

近期，清华大学北京市中医药交叉研究所李梢课题组研制出融合宏、微观信息的中药处方智能推荐系统，并较好挖掘首届国医大师李济仁处方经验，有效提高中药处方推荐精度，推动名医经验研究从“基于经验、宏观”向“基于数据、宏微观结合”转变，也使得中医药网络药理学研究有了新发展。该成果2021年发表于药理学重要期刊Pharmacological Research，并被选为该刊物“2020/2021最佳研究论文”。

该研究提出了一个基于深度神经网络的、联合宏观表型和微观分子多层次信息推荐中药处方的智能系统。进而以安徽皖南医学院附属弋矶山医院收集的首届国医大师李济仁教授2013年至2021年初的2万余份电子病历为对象，构建了一个融合中西医表型、中药、化合物及其靶点的异构网络，实现了电子病历中诊断信息和国医大师处方之间关系的建模。在此基础上，通过搭建并训练深度神经网络，学习出国医大师电子病历中蕴含的名医处方经验。该系统能根据患者的个性化电子病历智能推荐中药处方，Top 10命中率（推荐的处方命中所有候选处方集合前10位的百分比）相比于随机森林算法提高了46.9%；相比于没有添加微观分子信息的算法，Top 10命中率提高了17.3%。进而，通过与临床医生处方的盲法对照试验表明，该中药智能处方系统与临床处方具有高度的一致性。研究表明，该系统能够较好传承与挖掘国医大师的处方经验，辅助临床诊疗。该系统已申请发明专利。

图1. 中药处方智能推荐系统的构建及测试结果。（A）中药处方智能推荐系统原理图；（B）推荐系统和基线方法的比较。（C）添加分子信息的系统和未添加分子信息的系统的比较。

图2. 中药处方智能推荐系统推荐结果的临床评价。（A）推荐系统结果和临床医生打分结果之间的一致性；（B）推荐系统结果命中临床医生打分结果的比例。

清华大学博士生周武爱和博士后杨扩为共同第一作者，李梢教授为通讯作者，安徽皖南医学院弋矶山医院李艳教授、纪超凡大夫和北京中医药大学东直门医院赖新星博士在数据采集、结果验证等方面做出了贡献。该研究得到国家自然科学基金等项目的支持。