千年深度學習，中醫一枝獨秀_風聞
西方朔-2020-03-27 12:30
陳經
2020年3月26日
（發在風雲之聲）
一．借疫情東風，中醫發展迎來好時機
中醫藥在新冠疫情治療中起了很大作用，甚至走出了國門。3月23日，張伯禮院士介紹了連花清瘟膠囊在意大利的應用。
中醫藥在疫情中“大顯身手”，毫無意外地再次引發了一波對中醫療效的爭論。否定者認為，中醫的“療效”是安慰劑效應，至今沒有一種中藥療效能通過國際上嚴格的雙盲測試。支持者認為，中醫參與湖北以外的多個省市治療效果顯著，與武漢前期治療形成鮮明對比，疫情發展是中醫療效的鐵證。
筆者是計算機專業，從事人工智能研發。近年來深度學習技術從人工智能行業異軍突起，是科技界多年來影響最大的技術進步之一，AlphaGo事件引爆了一波巨大的人工智能熱潮。深度學習技術應用，已經擴散到了無數個行業，可以説對許多科研人員產生了靈魂衝擊。通過堆積樣本粗暴訓練，深度神經網絡的效果好得讓人難以置信。
深度學習相關的理論仍然模糊不清，為何幾百萬個係數搭建的深度神經網絡，訓練之後就能模擬人類的智能？絕大多數應用開發者對此並無興趣，只要管用就行了，不去深究為什麼。這種應用態度，對於精通數學物理邏輯思維、講究學理、講究積累的研究者來説，頗有些無耐。人類多年積累的圍棋知識，被人工智能暴力否定。機器並不知道自己在幹啥，卻比有理有據推導的人類還厲害。深度學習代表的“機器學習”思維，對於人類的研發思維產生了很大沖擊。
對於中醫是否有效，筆者經過反覆搖擺，終於從深度學習框架入手，堅定地選擇了方向：中醫藥不是安慰劑，是真實有效的。筆者對這個選擇深具信心，道理完全可以説明白。
中醫的療效有哲學解釋可以相信，又在全球戰疫中口碑崛起，確實迎來了相當好的發展機會。
二．中醫與深度學習框架的類比
首先要明確，中醫是屬於“傳統醫學”。世界多國都有古代起源的傳統醫學，原理與從西方起源的現代醫學截然不同。中醫理論和其它國家的傳統醫學一樣，都是古人在不瞭解現代醫學常識的情況下，土法上馬也得去治病，發明出來的。中醫和多國的傳統醫學一樣，都有一些錯誤的認識，被現代醫學常識所否定。這是歷史侷限性，不需要強行辯護。
印度人認為牛尿有神奇療效，因為牛是神牛，傳統中醫也有類似的動物直覺。穿山甲在地上鑽來鑽去，它的殼能治血栓；蝙蝠眼睛厲害，夜明砂能治眼疾；動物的角能夠壯陽。這類理論是樸素的直覺，可以理解，但不太可能是正確的，反而很可能被現代醫學所證偽。即使支持中醫，也不應該無腦支持這些落後的糟粕，大方承認傳統中醫理論有一些錯誤觀點就可以了。
世界各國有各種不同的宗教信仰，不知道哪個神是真神，很多持無神論的中國人認為都不可信，要信科學。世界多國的傳統醫學，各有各的傳統套路，是不是與科學發展出來的現代醫學相比，都不行？這卻不是了。中醫在世界各國的傳統醫學裏，可以説是“一枝獨秀”。中醫生命力之旺盛，筆者斷定是所有國家傳統醫學裏最高的。
許多中醫愛好者對科學原則相當瞭解，面對現代醫學絲毫不憷，雙盲實驗是“日經”話題，戰得有來有往。其它國家傳統醫學和現代醫學的爭論，沒見過象中醫這樣能常年有如此高的熱度。中醫作為傳統醫學，卻有相當多的從事科研的專業人士支持。而高舉現代科技旗幟的中國政府也認定了中醫的價值，國家規劃中醫藥要佔到醫藥行業三分之一的產值。
中醫的旺盛生命力，是因為中國人特別迷戀傳統文化？並沒有。京劇、相聲等傳統文化，遠不如中醫發展得好。是中國人缺乏科學精神？這種現象是有，但中國在世界上並不是特別地沒有科學精神，各國民眾都不怎麼樣。科學精神在世界上還是一種小眾的理念，需要相當的教育。
其實很簡單，在中國這個崇拜科學的國情裏，中醫的旺盛生命力基礎，必然是“療效”。如果沒有療效，再怎麼吹也忽悠不了人。中國確實流傳着種種中醫治療成功的案例，“中醫黑”也是承認的，但就説是安慰劑“自愈”，吵個沒完沒了。可以較有把握地説，中國有着世界上最多的傳統醫學療效案例，這才是中醫在現代中國仍然盛行的根本。
這種情況，其實就是和深度學習有點類似的。中醫的理論要去説服人，説實在的難度很高，真有興趣能看懂的就不多，也有很多讓人詬病的説法。深度學習理論也是，根本説不清道理，不是“以理服人”的。深度學習橫掃天下，靠的就是“效果”，算法效果拿出來，剛剛的，人都沒話説了。只不過深度學習的成功，沒有安慰劑、碰運氣的説法，無人反對。
再進一步思考，會發現深度學習依賴的多層神經網絡，和早期的簡單神經網絡相比，本質區別在於網絡結構複雜多了，係數多了很多倍。簡單神經網絡也能有一些效果，但是能力有限缺陷明顯，人工智能進入冬天。網絡複雜多了，就產生了質變，深度學習引爆熱潮。
中醫和世界其它國家的傳統醫學相比，突出的特點就是複雜。中醫有和印度牛尿類似的“藥材”，童子尿等等，當初肯定有不少古人拍腦瓜胡想。但是中醫不滿足於一種或者數種藥材，而是瘋狂地發掘了上千種。其中很多動物、植物、礦物品種，即使從現代醫學理論來看，也是正兒八經有用的材料。中國古人為何如此熱衷尋找藥材品種，我們不清楚，但這是一個極不平凡的特點。
下面是正經中藥材品種的列表，約500種。“人血饅頭”等一些過於驚悚的“藥引”，其實不是中醫藥的特色，算是民間偏方。
麻黃、桂枝、紫蘇、生薑、香薷、荊芥、防風、羌活、白芷、細辛、藁本、蒼耳子、辛夷、葱白、鵝不食草、胡荽、檉柳、薄荷、牛蒡子、蟬蜕、桑葉、菊花、蔓荊子、柴胡、升麻、葛根、淡豆豉、浮萍、木賊、石膏、寒水石、知母、蘆根、天花粉、淡竹葉、鴨跖草、梔子、夏枯草、決明子、谷精草、密蒙花、青葙子、黃芩、黃連、黃柏、龍膽、秦皮、苦蔘、白鮮皮、苦豆子、金銀花、連翹、穿心蓮、大青葉、板藍根、青黛、貫眾、蒲公英、紫花地丁、野菊花、拳參、漏蘆、魚腥草、金蕎麥、射干、山豆根、馬勃、青果、錦燈籠、木蝴蝶、白頭翁、馬齒莧、鴉膽子、委陵菜、翻白草、半邊蓮、白花蛇舌草、山慈菇、熊膽、千里光、白蘞、四季青、綠豆、生地黃、玄蔘、牡丹皮、赤芍、紫草、水牛角、青蒿、白薇、地骨皮、銀柴胡、胡黃連、大黃、芒硝、番瀉葉、火麻仁、郁李仁、甘遂、京大戟、芫花、牽牛子、巴豆、千金子、獨活、威靈仙、川烏、蘄蛇、烏梢蛇、木瓜、蠶沙、伸筋草、尋骨風、松節、海風藤、青風藤、丁公藤、昆明山海棠、雪上一枝蒿、路路通、秦艽、防己、桑枝、豨薟草、海桐皮、絡石藤、雷公藤、老鸛草、穿山龍、絲瓜絡、五加皮、桑寄生、狗脊、千年健、雪蓮花、鹿銜草、石楠葉、藿香、佩蘭、蒼朮、厚朴、砂仁、豆蔻、草豆蔻、草果、茯苓、薏苡仁、豬苓、澤瀉、冬瓜皮、香加皮、枳椇子、澤漆、螻蛄、薺菜、車前子、滑石、木通、通草、瞿麥、萹蓄、地膚子、海金沙、石韋、冬葵子、燈心草、萆薢、茵陳、金錢草、虎杖、地耳草、垂盆草、雞骨草、珍珠草、附子、乾薑、肉桂、吳茱萸、小茴香、丁香、高良薑、胡椒、花椒、蓽茇、蓽澄茄、青皮、枳實、木香、沉香、檀香、川楝子、烏藥、青木香、荔枝核、香附、佛手、香櫞、玫瑰花、娑羅子、薤白、天仙藤、大腹皮、甘松、九香蟲、刀豆、柿蒂、山楂、神曲、麥芽、萊菔子、雞內金、阿魏、使君子、苦楝皮、檳榔、南瓜子、雷丸、鶴蝨、榧子、小薊、大薊、地榆、槐花、側柏葉、白茅根、苧麻根、三七、茜草、蒲黃、降香、白及、仙鶴草、棕櫚炭、血餘炭、藕節、艾葉、炮姜、灶心土、川芎、延胡索、鬱金、薑黃、乳香、沒藥、五靈脂、夏天無、楓香脂、丹蔘、紅花、桃仁、益母草、澤蘭、牛膝、雞血藤、王不留行、月季花、凌霄花、土鱉蟲、馬錢子、自然銅、蘇木、骨碎補、血竭、兒茶、劉寄奴、莪術、水蛭、斑蝥、穿山甲、半夏、天南星、禹白附、白芥子、皂莢、旋覆花、白前、貓爪草、川貝母、浙貝母、瓜蔞、竹茹、竹瀝、天竺黃、前胡、桔梗、胖大海、海藻、昆布、黃藥子、海蛤殼、瓦楞子、礞石、苦杏仁、紫蘇子、百部、紫菀、款冬花、馬兜鈴、枇杷葉、桑白皮、葶藶子、白果、矮地茶、洋金花、胡頹子葉、硃砂、磁石、龍骨、琥珀、酸棗仁、柏子仁、首烏藤、合歡皮、遠志、石決明、珍珠母、牡蠣、代赭石、刺蒺藜、羅布麻葉、生鐵落、羚羊角、牛黃、珍珠、鈎藤、天麻、地龍、全蠍、蜈蚣、殭蠶、麝香、冰片、蘇合香、石菖蒲、人蔘、西洋參、黨蔘、太子參、黃芪、白朮、山藥、白扁豆、甘草、大棗、刺五加、絞股藍、紅景天、沙棘、飴糖、蜂蜜、鹿茸、紫河車、淫羊藿、巴戟天、仙茅、杜仲、續斷、肉蓯蓉、鎖陽、補骨脂、益智仁、菟絲子、沙苑子、蛤蚧、核桃仁、冬蟲夏草、韭菜子、陽起石、紫石英、海狗腎、海馬、哈蟆油、羊紅羶、當歸、熟地黃、白芍、阿膠、何首烏、龍眼肉、楮實子、北沙蔘、南沙蔘、百合、麥冬、天冬、石斛、玉竹、黃精、枸杞子、女貞子、桑椹、龜甲、鱉甲、麻黃根、浮小麥、糯稻根鬚、五味子、烏梅、五倍子、罌粟殼、訶子、石榴皮、肉豆蔻、赤石脂、禹餘糧、山茱萸、覆盆子、桑螵蛸、金櫻子、海螵蛸、蓮子、刺蝟皮、椿皮、雞冠花、常山、瓜蒂、膽礬、雄黃、硫黃、白礬、蛇牀子、蟾酥、樟腦、木鱉子、土荊皮、蜂房、大蒜、升藥、輕粉、砒石、鉛丹、爐甘石、硼砂
【**袁嵐峯注：**可以參考韓啓德的兩篇文章：1、中科院韓啓德院士：我的中西醫觀點“中醫和西醫一樣嗎？當然不一樣。
如果説五百年以前一樣不一樣？完全一樣。大家都是從經驗來，憑經驗看，不一樣的是中醫比西方的醫學要發達得不知道多少倍，因為西醫什麼也沒有，到16世紀中期才寫了第一本解剖學的書，到18世紀才有生理學，19世紀才有病理，才有一些理論的突破。現代醫學西方也是到20世紀以後才有真正的發展。
如果看150年以前，一個西方的醫生看病跟中醫古時候清朝時候看病沒什麼大的差別，差別也是一樣，我們中醫辦法比西醫多的是，西醫就是安慰病人，沒有別的。有一點差別，他們用氯化汞，我們是用大量有效的中藥。”
“如上所述，醫學科學在文藝復興以後、隨着現代科學的發展，進展非常迅速，可以説到十九世紀的中葉，醫學理論已經突破許多障礙，達到相當高的水平。然而，一直到十九世紀後半葉，臨牀醫學和藥學仍然嚴重滯後。當時在西方，臨牀上並沒什麼多少辦法治病，只有通過出汗、放血、通便等落後的辦法來治療病患，基本上沒有化學合成藥物可用。草藥還是有的，但也遠遠沒有我們中醫藥那麼發達。正規的藥物有什麼呢？汞劑是主要的一種，用的是氯化亞汞，俗稱“藍色藥丸”。那個時候不管是什麼病，能給的只有這個藥，可想而知是什麼樣的效果了。換了當今的醫藥管理局制度，對汞劑使用肯定是不會被批准的，因為重金屬是有毒的，當時也不知道治好了多少人，又治死了多少人。”】
另一個不平凡之處是，中國古人對藥材進行了瘋狂的混搭運動，建了無數種藥方“模型”。中國歷史悠久、人口眾多。中醫歷史總有數千年，比較成體系的也有2000年了。這麼多年，這麼多人，歷代中醫們，對幾十億人口進行了無數次“療效”觀察與訓練。
常見深度學習算法的要點，就是要有相當數量的樣本“打標”，人工進行標註，形成訓練數據集。訓練時，根據這些“答案”，反向去調整多層神經網絡裏的係數。而歷代中醫們，也不自覺地進行了無數次“打標”：病人治好了標個1，治死了標個0；治成活蹦亂跳標個1，治得有氣無力標個0。這種打標工作是平凡的，是個人就能幹深度學習打標。中醫裏觀察療效也是標準明確的，打標沒難度。
打標之後，深度學習訓練會根據神經網絡跑出來的結果，回頭調整神經網絡係數。這就是“學習”，是“訓練”，用機器來跑。中醫體系裏，沒有機器，但是可以人工進行參數調整。發現人治死了，感覺是哪味藥用過了；發現有效了，對新放進來的藥品增強信心。這裏的關鍵是，學習調整參數，不能搞幾下就算了，要搞幾百萬上千萬次。而歷史上中醫們“調參”就是多年來堅持進行，經驗留在書裏，下一代接着來。歷史長、人口多、有傳承，實踐機會很多，一代代接力調參。
古代中醫們學來學去，真總結出了不少經驗，對不少藥材的特性有了模糊的感覺，給了“温涼寒熱”等各種屬性。這些屬性還進入了飲食文化，桔子性燥、螃蟹性涼，和人的經驗直覺還能對得上。就象深度學習研發人員搭網絡模型，雖然講不清道理，但不能説是胡蒙。那些中藥材品種能在歷史上傳下來，不是無緣無故的，肯定是經過多次的實踐。當然會有不少錯誤的經驗，但是摸對了方向的也很正常。
別國的傳統醫學，也可能從簡單走向複雜。但是沒有象中醫這樣，正經地成體系實踐總結學習，開展了持續千年的深度學習訓練。比如多國流行的“放血療法”，作為一個獨特的“替代療法”是成立的，《潛伏》裏翠萍給餘則成就放過“病血”。但是框架上就沒法對它進行“深度學習訓練”，調參動作太單一，多放點血少放點血，不可能有什麼深度。牛尿也類似，什麼病都是它，這就相當於簡單神經網絡，能搞定一點事，沒有發展了。
中醫有“藥方”，對各藥材品種的性能有詳細描述，配伍、劑量相當講究，完全是一個成體系學習訓練的框架。別國傳統醫學的方子，都無法與中醫藥體系的複雜程度相比。複雜產生質變，這就是中醫在眾多傳統醫學裏一枝獨秀的秘密。
大自然無比神奇。自然沒有自主意識地進化，卻形成了多彩多姿的世界。並不需要“現代科學”有意識地指導，只要種羣繁多、年頭夠長，動植物就能自然選擇進化出神奇的功能。中醫也是如此，即使沒有“現代醫學”的指導，但是體系足夠複雜，訓練樣本和時間足夠長，就真的能產生一些非平凡的藥方。歷代中醫們折騰了這麼長時間，其中頗有一些才智之士，如果沒有訓練出有療效的藥材和方子，那才是奇怪。只要相信深度學習框架，不難看出中醫發展框架的偉大之處。
例如“小柴胡感冒清”，裏面的核心藥材是“小柴胡”。它的療效是用中醫體系來描述的，這是不是一種藉着安慰劑效應的自吹自擂？是有這種可能性，療效和喝熱水一樣，雙盲要做很麻煩，人得感冒情況多得很。但是這個藥材經過了無數醫生病人的試用，在市場上還是取得了相當的口碑。這種統計性的效果，還是有意義的。為什麼治感冒是“小柴胡”顆粒，不是其它中藥顆粒深入人心？把它理解成深度學習的訓練選擇就能理解了，不用把人的感覺全説成安慰劑效應。
再如連花清瘟，它是有歷史傳承的，不是隨便胡編個由頭就湊出個方劑膠囊。這個歷史傳承，不只是寫在古書上，更代表了上千年的中醫藥深度學習訓練史。沒有這上千年的歷史沉澱，那還是需要重新進行細緻的藥效檢驗，起碼不要吃出問題。有了歷史積累，就可以給多一些信任，簡化測試環節，這也是符合研發原理的。面對一個新問題，胡搭一個新網絡模型，還是從管用的老模型開始找感覺？研發者對老模型還是有更多信心，願意給老模型多些機會。
三．中醫藥療效的疑問解釋與理論探討
經過曠日持久的中醫爭吵，有很多對中醫質疑的常見問題，需要進行解釋，不然無法讓人相信中醫。另一方面，也有一些人對於中醫的神奇過於誇張，從反面招黑了，這都需要指出來。
**1.**如果中醫有用療效神奇，為什麼古代中國人壽命很短？
古代中國人壽命很短，遠不如現代，中醫的作用在哪？這是一個常見的問題，甚至可以説是中醫黑粉爭論的核心問題之一，吵了一百遍了。
用深度學習框架來理解就很簡單了，這很正常。深度學習是能開發出一些管用的功能，但是解決不了一些簡單的問題。比如排序問題，按算法原理寫一段冒泡排序是正經的辦法，用深度學習框架去解決就非所長了。越是這種“科學原理”清楚的問題，越是應該用經典的辦法去解決。深度學習無法取代編寫簡單代碼的程序員。
中醫體系也是一樣，它的理論模糊，有嚴重的短板，並不能代替現代醫學，而是現代醫學的補充。中醫最嚴重的短板是，它解決不了各種致死的病毒、病菌。小孩碰上天花就死掉，受傷者傷口感染就完，這在古代非常可怕，人體免疫系統解決不了。古代人均壽命，是由這些可怕的致死病菌決定的，小孩養不大是常事，即使國泰民安有飯吃，得了致命的傳染病也完了。古代人均壽命長期就是30多歲，小孩和年青人太容易死掉了。這是現代醫學的長處，從原理上解決了大問題，是人均壽命提高的主力。
就象人們進行深度學習應用，除了訓練好的多層神經網絡模型，還得配上一些人工寫出來的常規代碼，才是一個完整的應用。從眾多應用程序整體來看，還是常規代碼遠遠多於深度學習相關的代碼。蹭熱點學了些深度學習入門課的人，跑到IT公司找工作是不行的，還得有常規代碼能力。
**2.**中醫開方子不穩定，千人千方，對每人開的方子都可能不同，各種藥材混一起，是不是有問題？
其實在深度學習框架裏，這種事常見得很。一個神經網絡訓練得不錯了，它是不是還能改進，比如去掉一半的係數加快計算速度也能有同樣效果？這是完全可能的。如果真是計算設備算力不夠，要把神經網絡規模縮一半，多半是可以重新整一個出來的。但更常見的，用多了係數也沒關係，反正就是機器在那死算，多了無所謂。中藥也是，不那麼關鍵的成分多點少點，都能有療效。
不同的醫生開方子不同，這也是常見的。不同的研發者要用深度學習去解決同樣的問題，搞出來的神經網絡模型多半不同，但是核心技術還是相同的。
確實有些中醫開的方子不管用，學藝不精，經驗不足。這確實是中醫的大問題，標準化不太好辦。但這不是大問題，名醫也不一定都靈，本來治病就有些運氣成分，治不好都能理解，不會成為醜聞。中醫這麼多年都是如此的，經常不管用。能有旺盛的生命力，是因為治好了一些病。
**3.**中醫再怎麼吹，也需要面對雙盲檢驗，不然就沒有科學基礎
雙盲檢驗，確實能有效排除安慰劑效應。受試者和施治者，都不知道是服的真藥還是安慰劑，統計顯著的解釋就是療效。
中醫藥是有參與雙盲檢驗的，在國內一些期刊上不時有測試成功的案例。有問題的是在國際上的雙盲檢驗，還沒有完全成功的。最接近成功的是天士力的複方丹蔘滴丸，治療心絞痛的，2017年都到美國FDA的監牀三期了，2018年9月6日和美國ARBOR公司簽署在美國臨牀研究和銷售許可協議，但仍然面臨FDA不批准上市的風險。這個FDA的臨牀三期沒有通過，但也不應該解釋成失敗。應該説是，能看出些統計性效果，但是需要改進，FDA的標準非常嚴格。
對這個問題應該這樣看，我們相信中醫藥經過千年的深度學習，肯定是有療效的，但是“是藥三分毒”，也會有副作用。也還有一些中藥，甚至是沒療效的，或者療效不穩定不顯著的。一個藥，如果要到美國FDA去搞臨牀三期認證，要消耗巨大的資金，風險巨大。風險與收益權衡，沒有多少中藥去大規模衝國際市場。
否定者可以認為是中醫藥對自己沒信心，但也可以解釋為耗資巨大。甚至可以認為，這是主要原因，研發成本太高，不可能為了某種藥去花上億忙活，想都不會想。並不是中藥沒有成功的，其實也沒幾個失敗的，門檻太高一共也沒幾種藥去試。雙盲試驗成本太高，導致樣本太小，不説明問題。如果雙盲實驗容易做，起碼能列出一堆雙盲失敗的中藥案例，但其實沒有。
更為關鍵的是，雙盲測試是個非常麻煩的事。哪怕是新冠疫情有這麼多病人了，要準備對照組來進行實驗，也不容易。由於想做實驗的藥品種很多，一些藥甚至找不到足夠病人了。對配伍出來的中藥，你怎麼設計實驗？一堆成分混搭的，到底哪個是關鍵成分？對每個人都是對症下藥的，上哪找那麼多情況接近的病人？有沒有風險？現實情況一堆的麻煩。
例如日本發生過“小柴胡湯事件”。90年代日本有百萬肝病患者服用小柴胡湯，是因為1994年厚生省經過大量研究，認為小柴胡湯能改善肝病患者的肝功能障礙。這是不弱於雙盲測試的療效認可，小柴胡湯作為肝病用藥被正式收入國家藥典。1995年是小柴胡湯在日本的全盛期，佔了漢方製劑銷售額的25%。本來是個好事，但是1996年有報告説，88名慢性肝炎患者喝出了致間質性肺炎，喝死了10人。事情反轉，漢方藥地位在日本大降。
這個事件公平地説，小柴胡湯肯定是有統計性療效的，正如我們相信小柴胡對感冒有療效，不然不會這麼多人喝它，正規研究也不會認可。但是搞出了問題，喝死人了，這能説是中藥的錯麼？上百萬人喝，88人喝出問題10人喝死，作用機理非常複雜，顯然可以理解為這些人體質不適合喝這個湯（也有説是同時用了干擾素出的問題）。正確的方法，應該是想辦法判斷，哪些人不適合喝小柴胡湯，而不是把它打成有害禁掉。西藥也有過敏之類的説法。
所以中藥想通過FDA等國際嚴格認證，非常複雜。不是光有療效就行，還有各種全方位的安全性問題，越扯越遠，最後就會扯到體系的巨大區別。西藥因為成分單一，療效機理比較容易判斷，哪些人不適合吃也能搞明白。中藥因為成分複雜，機理複雜，所以測試要麻煩得多。
無論如何，合理的判斷還是，至少有一些中醫藥有顯著療效。不然千年的深度學習調參白做了，全在胡搞麼？只是這些療效，要獲得現代醫藥體系的絕對安全性與絕對療效的認可，有一個磨合的過程。
個人認為，對於中醫藥療效的評判，應該結合中醫藥的特點，不要完全照搬現代醫藥的檢驗理論。可以把檢驗原則放寬一些，方便做測試，大概率有效，總是正面的跡象，不用追求排除一切可能的絕對有效。
這不是中醫的問題。中醫在現代醫藥體系中，通過中西醫結合，已經有很好的生存辦法了，西醫搞不好的領域也很多，中醫經常能發揮不錯的作用，羣眾基礎深厚。中醫不需要FDA發認證，也能過得不錯。
不能西醫居高臨下單方面説，中醫要按西醫套路來。那只是一些單純的成分，比如麻黃的藥效肯定能確認，那就不是中醫了，而是“廢醫驗藥”，中醫只是提供一些成分提示。中醫就得是，多種藥組合，參數複雜，這才是深度學習的特點。要是沒幾個參數，那不是深度學習，不是中醫。
既然中醫是深度學習，那就拿它合適的領域來測試。不要拿一些簡單的原則來判斷，説深度學習不行。比如拿深度學習去試一些隨機圖，它會莫明其妙地認出了一個車，然後程序會出錯，導致自動駕駛撞死人。這是深度學習的缺陷，而且無法避免，人寫的算法肯定不會犯這種錯。我們還是得用深度學習，但不要為難它，也不要過分相信它，要了解它的缺陷。中醫也是如此，要用正確的方法去應用，也不要過於神化，要認識到一些中藥成分可能是有害的。
4. 中醫是有理論的，陰陽五行等等，這些理論聽上去很象胡扯
中醫是有很多看上去很古怪的理論。如有的中醫理論認為，治療左眼和右眼同樣的病症，方法都是不同的，因為左升右降云云，一般人很難理解。
對這些理論不要過於深究，正如深度學習理論用不着去煩，應用就行了。但是也不要當這些理論不存在，中醫是會基於“氣”之類的理論，不然都知道如何開方子了。深度學習不斷有發展，就是因為有人在進行理論研究。
中醫的理論，也並不完全是胡扯，有些聽上去還是有一定道理的。如有的中醫理論認為人就是“一氣”，人體的“氣”會週期性變化，把這個“氣”養好，人就健康了。這聽上去有點整體論的意思，有相當可能是符合科學的，或者説與科學不矛盾。
無論如何，中醫理論非常難懂，一般人肯定是學不會的。有些才智之士，學成了名醫，這種情況應該也是有的。
這不是問題的關鍵。如本文所論證的，中醫足夠複雜，有千年深度學習的框架，這是中醫一枝獨秀的關鍵。中醫理論有多高明，並不是最關鍵的。
對於中醫理論中明顯錯誤的，要大膽基於科學原則駁斥否定。中醫要發展，需要坦然接受現代科學的糾正，邏輯清楚明顯錯誤的，必須拋棄，否則就是反科學了。中醫不能反科學。
另一方面，科學也需要有寬容的一面。如果不能論證中醫的理論與實踐是反科學的，那中醫取得現代醫學無法實現的療效，應該是有可能的。