1. 引言
近年来，随着我国医疗专业数据库建设流程的完善，海量医疗数据储存与调用的需求日益增强。然而，传统中医由于自身辨证视角与现代医学的差异，其数据挖掘的环节仍存在阻碍。中医仝小林院士[1]针对中医药传承发展中存在的“态强靶弱”等问题提出“态靶辨治(State-Target Differentiation & Treatment, STDT)”，该理论作为一种中西医结合辨证论治理论的创新尝试，将调整人体内环境与发挥中药打靶作用相结合，取得了良好的临床疗效。然而，随着STDT临床应用与实验研究的深入，其现存文献中的非结构化文本增多的问题阻碍了领域知识储存与数据挖掘，需通过构建专业语料库来解决。而数据标注是语料库构建的核心环节之一，本研究通过设计一款面向中医态靶辨治语料库的标注系统，实现对文献数据的人工标注，旨在提高人工标注质量与效率。
本标注系统采用面向对象的系统构建方法，通过需求分析、系统分析、系统设计三个基本步骤，实现标注系统包括“实体标注、实体属性标注、实体关系标注”等核心功能的功能模块，辅助态靶辨治文本语义识别与知识抽取环节。不仅为后续基于深度学习的自动标注方法提供训练数据集，还为同类系统的开发提供一定参考。
2. 研究现状
李致重[2]认为“态靶辨证”弥补了中药治疗疾病态强靶弱的不足，促进“中医宏观”与“西医微观”的有力结合。林轶群等[3]构建态靶辨治体系进一步丰富传统中医对现代疾病的认识，并挖掘诊疗疾病的新模式，提炼新靶方靶药，加快疾病的治疗。何莉莎等[4]在中医治疗中，实施了“调态”策略，基于药物的独特性精准调整疾病造成的失衡状态，从而显著提升治疗的靶向性和效果。委李楠等[5]在中医语料库构建的研究上提到当前中医汉语语料库发展受到医古文与现代用语混用、专业术语不统一、通用词汇与教学用语有差异等阻碍，其自然语料库的构建仍需要多学科合作。刘丽红等[6]针对中医药古籍文献进行语义标注，以国标文件中的中医药学语言系统的语义网络框架为标准，探讨中医临床诊疗方案中术语间的关系，在制定标注规范和标注流程方面提供了相对完整且严谨的方法参考。张仕娜等[7]针对中医厥证这一具体的疾病进行领域本体的构建，利用本体技术推动中医领域知识的融合与推理，使得标注规范的制定更具专业性。
标注的语料质量好坏对语料库的影响是巨大的，如何获得人工高质量的标注语料是当下亟需研究的问题[8]。标注系统在中医领域的应用旨在提供准确、高效的语义标注和知识抽取。通过使用先进的自然语言处理技术，标注系统能够自动化地识别和理解中医文献中的概念、关系和模式，从而形成结构化、规范化的知识体系[9]。随着大数据和人工智能技术的不断发展，标注系统在中医领域的应用前景将更加广阔，为中医的现代化和智能化发展提供重要支撑[10]。
3. 态靶辨治语料库的标注系统分析与设计
完善的中医药文本数据的标注系统助力于临床医疗决策，并为中医科研活动提供开放的数据处理系统，是中西医精准化、数字化的重要发展环节。态靶辨治语料库的标注系统的设计与实现是在态靶辨治中医文本标注规范制定以及人工标注的基础上，将标注过程及其结果可视化，有效提高人工标注的效率及准确性，实现医学文本数据在专业数据系统的集中展示及应用，为态靶辨治理论的发展提供临床决策支持以及科研数据的中转。
3.1. 态靶辨治语料的获取与预处理
1) 语料获取。在中国知网平台，通过“态靶辨治”、“态靶”等关键词多次检索，最终筛选出32篇高度相关的文献。将这些文献下载并妥善保存，以备后续深入分析和使用。
2) 数据预处理。数据预处理环节包含文件格式转换，格式统一为txt；清洗数据噪音，删除空白字符、多余标点符号、空白行等；文档语句分割，单一文本按100个句子分成若干个要注释的样例文件，其语句的切分识别码为句号、叹号、问号、双引号等。
3.2. 态靶辨治语料的标注体系设计
语料库标注体系主要分为实体类型、实体关系、实体属性3类。本研究围绕筛选出的数据以及态靶辨治语料特征筛选出10个具有代表性的个体作为核心实体。这些实体分别为：疾病、中药、症状(证靶)、症状–体征、症状–脉象、症型(态)、时间、功效、方剂以及标靶。这些实体被归类为八类主要的实体类别。其中，症状(证靶)因其复杂性和多样性，进一步细分为子类实体。详见下表1。
Table 1. List of entity types for STDT
表1. 态靶辨治实体类型列表
序号 |
英文名称 |
实体类 |
实体子类 |
示例 |
1 |
Disease |
疾病 |
|
糖尿病、高血压、肥胖 |
2 |
Symptom |
症状 |
|
乏力、多汗、手足心热 |
3 |
Tongue & pulse |
|
舌脉 |
舌红脉滑数、舌淡苔白脉细 |
4 |
Sign |
|
体征 |
血压偏高、血糖偏高 |
5 |
Effect |
功效 |
|
清热化痰、疏肝理气 |
6 |
Prescription |
方剂 |
|
大柴胡汤、葛根芩连汤 |
7 |
Medical |
中药 |
|
黄连、生山楂、炒谷芽 |
8 |
Time |
时间 |
|
10年、2023年6月4日 |
9 |
Syndrome type |
态 |
|
热态、寒热错杂态 |
10 |
Target |
标靶 |
|
糖化血红蛋白、血糖、血压 |
语料实体之间并非孤立存在，而是通过各种关系连接，例如“中药”治疗“疾病”；同时各实体有自身属性，例如实体“中药”有各自的“性味归经”，可以称之为“关系属性”。本研究筛选出的关系有“反应”、“治疗”、“打靶”等。详见表2。
Table 2. List of entity relationships for STDT
表2. 态靶辨治的实体关系列表
序号 |
关系名称 |
主体与客体 |
示例 |
1 |
反应 |
< 症状，疾病 > |
头晕反应高血压 |
2 |
治疗 |
< 方剂，疾病 > |
葛根芩连汤治疗糖尿病 |
3 |
打靶 |
< 中药，标靶 > |
黄连打靶降血糖 |
4 |
靶药 |
< 中药，症状 > |
生姜是止呕靶药 |
5 |
组方 |
< 方剂，中药 > |
葛根芩连汤组方为葛根、黄芩、黄连等 |
6 |
药理 |
< 方剂，功效 > |
大柴胡汤疏肝理气 |
7 |
作用 |
< 中药，功效 > |
黄连清心火 |
3.3. 系统分析
系统用例是面向对象的系统构建方法的需求工程中用于明确系统边界、定义用户与系统交互逻辑的核心工具。态靶辨治语料库标注系统的系统用例详见下图1，主要包含态靶辨治实体标准、态靶辨治属性标注和态靶辨治关系标注。
Figure 1. System use case diagram of the “annotation system for STDT”
图1. “态靶辨治标注系统”的系统用例图
3.4. 系统功能设计
在构建面向态靶辨治语料库的标注系统时，设计了3个核心模块：实体标注模块、实体关系标注模块和标注结果输出模块。实体标注模块专注于实现精确的实体类型标注以及属性标注，实体关系标注模块能够实现标注态靶辨治实体关系，标注结果输出模块则负责将标注结果以直观的方式展现出来，如下图2所示。
Figure 2. System function module design
图2. 系统功能模块设计
4. 态靶辨治语料库标注系统的实现
4.1. 标注界面
在系统界面中，为了提升操作便捷性，设置了两个选择按钮，分别用于实现文件的导入功能和数据的复制进入功能。为了方便管理已标注的数据信息，我们将标注数据通过直观的页面形式展示，确保用户能够实时了解数据状态。
输入并标记文本后，选择特定的词语进行标注，通过不同的颜色来区分这些词语所具备的不同属性，以便更直观地呈现。实体类型方面选择了9种类型进行标注，分别为：“Disease (疾病)”、“Medical (中药)”、“Symptom (症靶)”、“Signs (症状–体征)”、“Tongue & pulse (舌脉)”、“Syndrome type (态)”、“Time (时间)”、“Effect (功效)”、“Prescription (方剂)”。具体的标注界面如图3所示。
4.2. 标注结果界面
本标注系统采用BIE标注方法，将标注出的实体用“B”、“I”、“E”来进行表示，例如选择的词语是“化纤散”，“B”是第一个字“化”，“I”是中间字“纤”，“E”是末尾字“散”，而“功效”是该实体的属性之一。详见下图4。
建立两个实体类型之间的关系。标注体系模块选取了7个实体关系对文本进行标注，分别为：“Reflect (反映)”、“Treat (治疗)”、“Shooting (打靶)”、“Target drugs (靶药)”、“Composition of formula (方剂的组成)”、“Pharmacology (药理)”、“Effect (作用)”。详见下图5。
Figure 3. Main interface of the corpus annotation systems for STDT
图3. 态靶辨治语料库的标注系统的主界面
Figure 4. Results interface of annotation entity and entity attributes by BIE
图4. BIE标注实体与实体属性结果的界面
Figure 5. Results interface of annotation entity relationship
图5. 标注实体关系结果界面
4.3. 标注结果输出界面
实体标注工作完成后，执行输出操作，以获取实体标注及其关系。输出的实体标注应包含输出的排列顺序、实体类型、该实体在文本中的起始和结束位置信息，以及实体的名称。详见图6。
Figure 6. Output interface of the entity annotation results
图6. 实体标注结果的输出界面
实体关系标注工作完成后，执行输出操作，以获取实体关系。详见图7。
Figure 7. Output interface of annotation results for the entity relationship
图7. 实体关系标注结果的输出界面
4.4. 讨论
当前主流标注工具(如Brat、Prodigy、Label Studio)在中医文本处理中存在一些局限：Brat支持实体识别、实体关系、事件抽取、方面级情感分析等标注任务，适配中文标注场景，但安装环境需要为osx或linux系统或linux虚拟环境，同时依赖静态配置、缺乏中医实体预设模板、需手动定义全部标签(如“标靶”、“舌脉”)、增加学习成本；Prodigy的强大之处在于它有一套智能算法，可以减少人工的重复劳动，但是需付费授权且未适配中医语义关系(如“打靶–标靶”层级关系)；Label Studio提供了多模态数据支持、丰富的可视化界面以及自定义标注模板的能力，但对中医嵌套实体(如“热态→手足心热”)支持不足，关系标注仅限二元组、缺乏属性标注。
本系统的创新性在于：预置中医态靶辨治领域的实体及其关系库，直接加载预定义实体类和实体关系；三层次动态标注框架，同步支持实体–属性–关系标注；BIE结构化输出，兼容深度学习模型输入格式；采用Java语言开发，可跨平台部署，操作界面简单友好。
本系统的未来工作展望：借鉴Prodigy自动预标注优势，结合预训练模型并集成Deepseek大模型进行半自动标注。一是标注方案包括自然语言处理信息抽取智能标注、整合中医本体进行知识扩展、本系统的数据标注、模型微调、智能标注(含自动训练)，有效扩展模型泛化能力。二是创新应用场景，拓展应用边界，形成数据标注–算法训练–应用场景，例如创新态靶辨治知识图谱构建、知识图谱补全、知识图谱质控等应用场景，通过态靶辨治临床深度耦合实现数据价值指数级释放。三是创新基于Web的高通量协作标注模式，模型部署后端SDK包装机器学习代码并将其转换为Web服务器，Web服务器可以连接到正在运行的实例，以自动执行标记任务实现开拓数据生产新型组织方式。支持多人、多中心协同、数百人团队协作，解决大规模数据搬迁和协调效率问题。
5. 结束语
本研究面向中医态靶辨治的语料库标注系统，通过实体–属性–关系三层标注架构，解决了中医态靶辨治文本结构化难题。该系统基于严谨的标注规范和面向对象设计，提升了标注效率与一致性，为中医态靶辨治知识图谱构建提供核心数据支撑。当前局限集中于人工标注成本及细粒度语义覆盖。未来工作将聚焦三方面：结合预训练模型和大模型开发半自动标注工具，整合中医本体深化语义关系进行知识扩展，对接临床决策系统以验证标注知识对靶方推荐的有效性。
基金项目
宁夏自然科学基金：面向仝小林院士态靶辨治的中医知识图谱构建研究(2023AAC03165)，态靶辨治不确定性知识的语料库构建研究(2024AAC03214)。
NOTES
*通讯作者。