图：中医诊疗需求日增，运用大数据处理病症分类，令医生可以更精准选择治疗方法。\大公报记者何嘉骏摄

　　自1983年大学研究生毕业，香港浸会大学副校长（研究与发展）、中医药讲座教授吕爱平就一直深耕中医行业。回首科研生涯他坦言走了许多弯路，例如曾希望在动物模型中做中医研究，后来发现操作难度太高。然而随着大数据科学的发展，他近年注重跨学科发展，着力研究通过大数据将病症分类、设计联合药物等项目。“人们常说科学的发展是站在巨人肩膀上的，在以前，这个巨人就是一个人；但如今，这个巨人就是大数据。”\大公报记者 汤嘉平（文）　林少权（图）

　　跨学科研究方兴未艾，目前港大中医药学院、中大中医学院和浸大中医药学院皆有跨学科研究合作，即中医药相关专业和数学系、化学系、生物系、计算机系的教授合作研究中医药。

　　吕爱平介绍，他手上的跨学科项目主要是中医药和大数据的融合，其中一点便是处理医学分类问题。“医学治疗首先就要讲分类。比如有100个病人，我会先按照病症将这些病人分成A、B、C、D类，不管你是中医还是西医，都是这样做。”分类后医生再根据不同的组别找出针对性的干预措施，即治疗方法。

　　传统断症难应付大量需求

　　传统的分类方式，中医靠“望闻问切”，西医则靠化验诊断。但随着中西医看病产生的数据愈来愈多，如果能够借助大数据之力，利用数据进行分析，吕爱平相信分类工作就会变得更容易、更准确。“例如肾虚，很多患者的原因都不一样，就是新冠肺炎也分很多种。那通过大数据科学分类后，医生选取治疗方案就会更准，这就是多学科发展方向，也是未来医学、系统医学、新医药学。”

　　吕爱平以自己研究的类风湿关节炎为例，他指此病症多数需用药物来氟米特来治疗，但治疗的有效率约40%。换言之，有60%是无效的。“所以我将其分类，一种叫来氟米特治疗有效的病人，一种是来氟米特治疗无效的病人。那我做研究我就知道无效的人是谁，有效的是谁，他们的特征是什么。”

　　他续指：“找到了无效的人，了解其原因，那之后我就知道，碰到这种原因、这种病症的患者，我就不给他来氟米特治疗，而选择其他治疗方案。如果分类又改了，那治疗措施也会跟着改，效果也就不一样了。”

　　资讯要全 分类后要简

　　吕爱平说，通过大数据发现联合药物的疗效。联合药物即已有的药对某种患者无效，但倘若在此基础上加一味药或者加一个成分，效果立显，亦有点像中药複方的概念。“这就是我做的研究。分类的时候，需要的资讯是尽可能‘全’，分类出来后要尽量‘简’”，这正是大数据的妙处。