圖：中醫診療需求日增，運用大數據處理病症分類，令醫生可以更精準選擇治療方法。\大公報記者何嘉駿攝

　　自1983年大學研究生畢業，香港浸會大學副校長（研究與發展）、中醫藥講座教授呂愛平就一直深耕中醫行業。回首科研生涯他坦言走了許多彎路，例如曾希望在動物模型中做中醫研究，後來發現操作難度太高。然而隨着大數據科學的發展，他近年注重跨學科發展，着力研究通過大數據將病症分類、設計聯合藥物等項目。「人們常說科學的發展是站在巨人肩膀上的，在以前，這個巨人就是一個人；但如今，這個巨人就是大數據。」\大公報記者 湯嘉平（文）　林少權（圖）

　　跨學科研究方興未艾，目前港大中醫藥學院、中大中醫學院和浸大中醫藥學院皆有跨學科研究合作，即中醫藥相關專業和數學系、化學系、生物系、計算機系的教授合作研究中醫藥。

　　呂愛平介紹，他手上的跨學科項目主要是中醫藥和大數據的融合，其中一點便是處理醫學分類問題。「醫學治療首先就要講分類。比如有100個病人，我會先按照病症將這些病人分成A、B、C、D類，不管你是中醫還是西醫，都是這樣做。」分類後醫生再根據不同的組別找出針對性的干預措施，即治療方法。

　　傳統斷症難應付大量需求

　　傳統的分類方式，中醫靠「望聞問切」，西醫則靠化驗診斷。但隨着中西醫看病產生的數據愈來愈多，如果能夠借助大數據之力，利用數據進行分析，呂愛平相信分類工作就會變得更容易、更準確。「例如腎虛，很多患者的原因都不一樣，就是新冠肺炎也分很多種。那通過大數據科學分類後，醫生選取治療方案就會更準，這就是多學科發展方向，也是未來醫學、系統醫學、新醫藥學。」

　　呂愛平以自己研究的類風濕關節炎為例，他指此病症多數需用藥物來氟米特來治療，但治療的有效率約40%。換言之，有60%是無效的。「所以我將其分類，一種叫來氟米特治療有效的病人，一種是來氟米特治療無效的病人。那我做研究我就知道無效的人是誰，有效的是誰，他們的特徵是什麼。」

　　他續指：「找到了無效的人，了解其原因，那之後我就知道，碰到這種原因、這種病症的患者，我就不給他來氟米特治療，而選擇其他治療方案。如果分類又改了，那治療措施也會跟着改，效果也就不一樣了。」

　　資訊要全 分類後要簡

　　呂愛平說，通過大數據發現聯合藥物的療效。聯合藥物即已有的藥對某種患者無效，但倘若在此基礎上加一味藥或者加一個成分，效果立顯，亦有點像中藥複方的概念。「這就是我做的研究。分類的時候，需要的資訊是盡可能『全』，分類出來後要盡量『簡』」，這正是大數據的妙處。