人工智能教育領域范文

前言：我們精心挑選了數篇優質人工智能教育領域文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：人工智能；大數據；交叉領域

自二戰時期阿蘭?圖靈破解恩尼格瑪密碼機帶來勝利的曙光之后，人工智能初見苗頭，1956年“人工智能”一詞首次由約翰?麥卡錫等科學家在達特茅斯研討會上提出，時至今日，人工智能經歷了60多年的浪潮和洗禮，其中有曙光、有冰封，也有期望?？v觀當下，人工智能不僅僅是機器智能，在深度學習和推陳出新的算法推動下，其攜手云計算、大數據、卷積神經網絡等，攻破了自然語言語音處理、圖像識別的瓶頸，像潘多拉的盒子一樣在認知科學、機器人學、機器學習等領域全面開花，人工智能涵蓋了從基礎層、技術層到應用層等多個方面，為人類文明帶來了翻天覆地的變化[1-2]。人工智能包羅萬象，在其基礎上衍生的大數據“洪流”對人類社會的方方面面進行沖擊，這些數字的價值已然超越了諸如金錢、財產、黃金、石油，甚至是土地。然而，大數據技術也如同普羅米修斯盜得的圣火，一方面給人間帶來溫暖和光明，另一方面也有可能使自身被奴役甚至使人葬身火海[3]。因此，當我們沉迷于大數據的海洋中時，我們是否有能力像藍鯨遨游大海一樣自由掌舵，是當今大數據和人工智能時代存在的一個重大問題。是“曲徑通幽”還是“會當凌絕頂”，我們如何在大數據中“浮游”，而不是一味地擴充，需要理性看待與合理評價大數據對人類生存和發展的影響。

1.人工智能和大數據與“工業革命”

2020年剛剛結束的新一輪美國總統競選上演了各種“國家鬧劇”，為何特朗普在2016年贏得大選，而4年之后卻無法連任？時間推移，2016年他勝利的部分原因在于他利用了面臨技術威脅的工業行業中工人們的焦慮，同時指責非法移民對美國及美國人資源和就業機會的占用[4]。但在技術浪潮的挑戰中，自動化和人工智能才是占用的“根源”。早在18世紀60年代工業革命時期，機器取代人力，規模化工廠生產取代個體手工生產，即引發了人工智能數據的工業大變革。從機械結構、電氣控制等模塊的設計和改良，車間機器人的智能化已可以代替人完成生產作業[5]。通過智能化機器人可以減輕勞動負擔，還可以用于環境檢測[6]和實施救援[7]等，保護我們的人身安全。這些“機器人”在為我們減負的同時確實也引發了“失業危機”，這種現象不僅于美國，日本、韓國和德國亦是如此。我們也許可以形象一下，未來20或30年后，工廠中工傷幾乎為“零”，完全實施機器人24小時作業，速度驚人，質量統一，而僅有的幾個人使用簡單的觸摸界面對機器下達“命令”。機器的發展已超乎我們對普通機械的認知，21世紀開發的三大機器人中大狗（BigDog）解決了運動和重載運輸問題，特別用于軍事領域，被譽為“當前世界上最先進適應崎嶇地形的機器人”；亞美尼亞（Asimo）從人類如何移動上展現了機器人仿人運動；Cog具有了人類所特有的思考，由不同處理器組成的異種機互聯網絡形成了“大腦”。特斯拉——其除了是電動汽車和能源公司外，還是自動駕駛汽車行業的領跑者之一。其2016年已銷售具有自動駕駛、自動自制和自動停車功能的電動汽車，但出于法律和倫理層面，駕駛員還是要坐在駕駛位上，但他可以做他想做的其他事，發短信、打電話或是休息，而不再是駕駛汽車。我們可以不用擔心酒駕，不用因為時間緊張而疲勞駕駛，不必為新手司機而變得脾氣暴躁……汽車自動駕駛將讓我們行駛得更規則、更安全和更“無聊”。自動駕駛上的智能進化，使得自駕型派送車為商業化服務成為可能，還有自駕型飛行器也在被研發，通用、寶馬、谷歌等公司一直在努力開發，通過無人機在您家門口投送包裹將對電子商務世界帶來更多創造性方案。“如果你夠走運的話，機器可以把你當成寵物?！彪m為戲謔之言，卻又飽含心酸。工廠變得越來越自動化，但其仍需要人類專家，他們才知道如何監控傳感器，知道在發生故障時如何進行修復，機器的運行離不開人的監控，只有人的思考才能有新產品的誕生以及高效的生產流程，我們與機器共存，是從體力中解放，但要從事腦力工作。

2.人工智能和大數據與金融的未來

“數字蝶變”席卷金融行業各個領域[8]，金融行業應用大數據、移動互聯網、人工智能等先進信息技術，累積了非常多的客戶信息。通過大數據的幫助，金融公司在分析數據下尋找更多的金融創新機會。在商業智能（BI）的輔助下，電信業可以對客服描述和定位及需求進行預測；保險業可以在進行風險分析的同時進行損益判斷；銀行業可以調整市場活動，建立信貸預警機制等等[9]。人工智能和大數據讓金融業形成了“以客戶為中心”的模式。與客戶最密切的金融即是金錢，但是它們已經被“支付寶”和“微信”以及更多的電子支付方式取代，越來越少的人使用現金，數字金錢是否會完全取代物質金錢，我們很可能會發展為無現金社會。那么首先“下崗”的是誰呢？答案毫無疑問：銀行。巴克萊銀行前首席執行官安東尼?詹金斯曾預測，對于工業化國家，銀行員工和其分支機構在未來10年內會消失；花旗全球視角與解決方案的一項研究預測，美國和歐洲的銀行將在未來10年裁減約180萬員工；甚至2016年2月的一份丹麥銀行家協會新聞稿表示，銀行搶劫案數量連續第5年下降。就支付領域而言，在這樣的時代背景下，如何利用大數據技術對跨越式發展的支付行業進行監管，成為一個值得深入研究的課題[10]。在人工智能下，我們都有被銀行自動回復或自會讀取特定問題的“員工”惹惱過。溝通技巧和財務知識同樣重要，因此，銀行業員工的下崗只是在基礎性操作上，對于“專業咨詢”，需要更多受過高等教育、具有更好溝通能力的員工。目前，我國的多數銀行還沒建立“開放、共享、融合”的大數據體系，數據整合和部門協調等問題仍是阻礙我國金融機構將數據轉化為價值的主要瓶頸。大數據的整合、跨企業的外部大數據合作不可避免地加大客戶隱私信息泄露的風險。有效防范信息安全風險成為商業銀行大數據應用中急需解決的問題。

3.人工智能和大數據與“專家系統”

電子病歷數據、醫學影像數據、用藥記錄等構成了醫療大數據。醫療數據不僅包括大數據的“4V”特點，即規模大（volume）、類型多樣（variety）、增長快（velocity）、價值巨大（value），還包括：時序性、隱私性、不完整性和長期保存性。醫療大數據可以提供預警性，當數據發生異常時，通過一定的機制可以發出警告，從而迅速采取相應措施，及時解決問題[11]。成立于1989年的美國胸外科協會（STS）數據庫，至今已經涵蓋了美國95%的心臟手術，收集了500萬條手術記錄[12]。其中的先天性心臟手術（CHSD）數據庫是STS數據庫的重要組成部分，是北美最大的關注兒童先天性心臟畸形的數據庫，被認為是醫學專業臨床結果數據庫的金標準。近年來，基于CHSD數據庫所進行的數據挖掘不斷增加，大型數據庫對提高醫療質量所起到的正向作用正在日益凸顯。如Welke等基于CHSD數據庫探討小兒心臟外科病例數量和死亡率之間的復雜關系[13]；Pasquali等基于CHSD數據庫探討新生兒Blalock—taussig分流術后的死亡率[14]；Jacobs等基于CHSD數據庫采用多變量分析方法來研究病人術前因素的重要性[15]；Dibardino等基于CHSD數據庫采用多變量分析的方法來探討性別和種族對進行先天性心臟手術結果的影響[16]。這些都是在醫療領域采用人工智能提供的醫療診斷，形成了“專家系統”，專家系統可以說是一種最成功的人工智能技術，它能生成全面而有效的結果。借助醫療大數據的平臺，“專家系統”可以智能輔助診療、影像數據分析與影像智能診斷、合理用藥、遠程監控、精準醫療、成本與療效分析、績效管理、醫院控費、醫療質量分析等。不僅是數據平臺，“達芬奇機器人”可以看成醫療的高精尖“人工智能”，它能縮短泌尿外科手術以及術后患者恢復時間，促進患者早期下床活動，減低并發癥發生率[17]。達芬奇手術機器人在消化系統腫瘤、泌尿系統腫瘤、婦科腫瘤和心胸部腫瘤等手術中均有運用[18]。正是機器人，還有其他人工智能設備，如插入手表或衣服里的傳感器、植入我們皮膚下的芯片，以及智能手機中裝有各種“專家系統”的遠程醫療、預防醫學，甚至是器官的3D打印和虛擬現實治療等的發展，讓醫學發生相應的轉變，并使其逐步突破人類的傳統健康概念，那么是否意味著醫學將成為只有科學性，毫無直覺性的學科呢？我們攜帶的內部傳感器和外部應用程序將成為我們的醫生嗎？“你好，醫生”被“嘿，Siri”取代嗎？這不盡然。醫學必然將是向精準化發展，并更具個性化、參與性、預防性和可預測性。醫生不再是疾病的修理工，而是改善我們健康狀況的顧問。直觀當下，我們還是被“看病難”所困擾，我們提出“分級診療”，是在擁有家庭醫生、全科醫生和?？漆t生的基礎上再加上人工智能，以實現預期的健康監測、輔助診療和疾病篩查。

4.人工智能和大數據與教育變革

面對各行業和各學科，教育作為傳承文明和創新知識的載體，似乎被排除在人工智能之外。就目前而言，人工智能與教育深度融合發展還存在技術基礎不穩、教育數據缺陷、算法能力不足等現實問題[19]。我國目前更想要做到的是在教育上消除“信息鴻溝”，促進教育公平、均衡發展。因此，目前可以看到人工智能的教育多在于語言學習軟件，通過虛擬技術和人工智能構建一個靈活的、可擴充的虛擬交互平臺，設計多維虛擬場景和智能人工角色，實現不同場景下人機角色的交流和學習，提升學習者的口語能力和語感知識[20]。這使得教師不再是唯一的知識傳播者，任何互聯網搜索引擎都將提供比教師所有的更多信息，并且可以更快捷地獲取。肺炎疫情暴發以來，遠程網絡教育成了主要教學形式，互聯網教育形式其實早在小學、中學和大學中運用，虛擬現實技術在教學領域的研究和探索也在全面展開。谷歌已經開發一款VR紙板視圖，并將研發的虛擬課程一起推向市場，使現實生活中在生物課上解剖一只青蛙成為一件容易且有趣的事，通過虛擬青蛙，學生們可以去除心臟和其他器官，而不再是象征性的抽象體驗。虛擬現實可以像互動游戲一樣，比單一的在教室聽老師授課帶來更多樂趣和體驗，學習效果可能更好。我們的學習是知識的積累，那么教育就是我們的庫，荀靜等結合自身情況對西安工業大學知識庫構建進行探究，認為機構知識庫在保存知識資產的同時，更重要的是促進學校知識資產的傳播利用和管理，提升學校影響力和學術聲譽[21]。劉暢等通過對東北大學機構知識庫服務的推廣研究，了解到開放獲取的概念和實踐已經受到了廣泛的認可，機構知識庫不僅可以成為一個知識的存儲庫，也可以成為各個學科領域的學者進行在線交流的平臺，提供個性化的增值服務，既有利于機構知識庫的內容建設，也可以進一步促進學術交流和科研合作[22]。知識庫，即大數據的有機整合和有序利用，是學術成果、視頻文檔、實驗數據等進行收集、長期保存、傳播和提供開放利用的知識資產管理與教育服務[23]。

5.人工智能和大數據應用的共性需求

人工智能和大數據時代，海量的信息來自“五湖四?！?，但都通過互聯網絡匯聚智能終端。這些數據只會進一步增多，不僅僅是云存儲，對于信息的進一步挖掘、處理、分析和利用，目標性結果才是我們最想要的信息。全球包括IBM、微軟、谷歌和亞馬遜等一大批知名企業紛紛掘金大數據挖掘這一市場，大家都在開拓自己大數據分析平臺。數據挖掘是大數據時代孕育的產物[24]，是我們的共性需求，與傳統的統計分析技術相比，數據挖掘有著自身的本質特征,數據挖掘是在沒有明確假設的前提下去挖掘信息并發現知識。數據挖掘所得到的信具有先前未知、有效以及可實用三個特征[25]。數據挖掘的出現不是為了替代傳統的統計分析技術,相反，它是統計分析方法學的延伸和擴展[26]。隨著信息時代的到來，數據挖掘被越來越多地應用于各個領域。

6.人工智能和大數據的展望

大數據與人工智能相輔相成，在人工智能的加持下，海量的大數據輸出優化的結果，使人工智能向更為智能的方向進步，大數據與人工智能的結合將在更多領域中擊敗人類所能夠做到的極限。漫長的人類歷史發展和進化，信息和人類一直“纏纏綿綿”“你追我藏”，因此，我們應該明白信息就是信息，我們需要的是“維基百科”，而不是僅僅的“維基”。走出狹隘的信息資源，管理和洞察大數據，才是對數據的有用。因為，我們早已告別了數據庫放在一間房間的時代。此刻不得不提藍鯨法則——大數據之道：了解數據懂得利用數據的“浮力”才是關鍵；“以簡約為目標”將數據最終形成洞察及行為；可以通過“數據”“信息”“知識”流程式、組合式、直通車式各種需要的方式來獲取[27]，在簡約中“印象”處理繁雜的大數據，使之“為我所用”。=數據也是一門科學、一項技術，如果實驗不能證明其具有可重復性和一般性，那它是沒有科學依據，但是，任何一項科技，如果你堅信它必將改變社會和商業，選擇從長期展望其發展并持續付出努力，那么就是一種戰略選擇[29]。人類社會的政治、經濟、文化、思維等固有“態勢”被重刷，數據思維將為我們帶來一個智能全新的世界觀。

第2篇

 

經過比較詳細研究Alphago的算法發現，它在布局階段的前20步采用人類經驗，之后開始在人類經驗的基礎上融入了自己學習的權重，變得更加的理性以及所謂的大局觀。由于圍棋的復雜性，Alphago也不能在每步都能精確地知道當前棋盤中所有下法的勝率。所以，他采用的是在可以期待的近期(20步以內)綜合價值和勝率會超過50%的走法。從這幾點來看，這次的機器戰勝遠超過國際象棋中人類被戰勝的意義。Alphago的算法是一種新的適應機器的思維，發揮了機器的強項，彌補了機器的短處。這非常讓人感到害怕、悲觀和失望。因為，人生就是一盤棋局。如果50年后，有一個智能科技機器助手，它不能告訴你最終的未來，但是可以告訴你在幾年內的未來，你該如何是好?那這是不是一種宿命論?事實上，筆者在教授數據分析課程的這幾年中，一直在宿命論和未來不確定性兩種相對的觀點中搖擺。數據統計已經有足夠的算法和可靠的實踐在某些方面做出人類無法預計或預見的準確預測，只不過那些領域還很小，比如，庫存的預測、銷量的預測，等等。數據已經在顯示其巨大的價值，而一旦數據預測技術能夠輸入足夠多的變量，采用類似Alphago或更加高級的算法，進而對你個人、你所在組織、公司、國家的短期未來甚至是長期未來做出80%、甚至是90%的準確預測，你會怎樣去接受這樣的未來?!當然，不確定性仍會存在，這是一個好消息。在此，我對Alphago事件嘗試做一些思考分析。

 

一、Alphago戰勝人類的幾種可能的基礎

 

1.Deepmind公司用十年的時間磨練，修改算法，雖然在算法上沒有創新，但是如何融合已有算、如何調整權重等多個方面，仍然是做了大量、艱苦的工作。

 

2.Google擁有超級大量的計算資源供Alphago的使用，也就是說目前機器學習的過程非常的耗費時間以及計算資源。按照以往的經驗，20年內，我們使用的桌面型機器就應該能夠支撐起Alphago目前所需的計算資源。從現在開始，再過30-40年，可能Alphago這個“古老”的程序只需要幾天就能完成現在幾個月所需的機器學習時間。

 

3.在硬件上CPU和GPU的協同調度，以及分布式的運算的運用，大大加快的計算的速度。這也是近幾年軟硬件基礎發展奠定的基礎。

 

4.Alphago 在擊敗歐洲冠軍時進行了嚴格的保密，說明當時Alphago團隊當時也并不是很自信能夠戰勝。事實上，我認為，在這次比賽開始前，他們仍然沒有這個把握，仍然應該認為是一半對一半的勝率。但是，哪怕輸了，也沒有關系，反正繼續讓Alphago學習后再提升。

 

5.Alphago對戰時采用方式近似的模擬了人腦的信息的處理方式，只不過速度更快。所以，Alphago也不能百分之百的勝率，但是隨著學習的時間不斷增加，最終會遠遠超過人類。

 

二、Alphago圍棋人機大戰事件將會產生的影響：

 

1.個人，組織，公司，國家間的競爭將會更加重視人工智能的策略參考。人類的思考開始依賴于機器的理性，人的決策變得更加的理性，情感的因素會不斷下降，也意味著更加沒有人情味。這必然會影響到人類的進化進程。

 

2.人與機器的關系需要重新的思考，人應該如何同機器共存。

 

3. IT行業的人力資源需求將大規模增長，而有些行業將大規模失業。

 

4.基因技術、可控核聚變、機器人技術、人工智能這些技術都將對人類產生重大意義的影響，但是如何控制好這些技術將成為一個重大的問題，否則任何一個技術都可能毀滅人類。為了控制好這些技術，需要從現在開始立即進行大量的辯論及監督審查。

 

5.Alphago在最終在決定某個落子的評分中，其權重為人類經驗參數同左右互搏這種機器學習得來的概率參數各占50%。Alpago團隊曾經調整過不同的權重，但是經過實驗發現各占50%時的最終勝率最高。這一數據是否在暗示，如果要戰勝人類就必須首先理解人類的思考，否則就無法做到青出于藍而勝于藍。但是，在理解人類思考的同時，也會無法避免地繼承人類的弱點，這也是Alphago最終會有失敗的一局。另外，在具體的步驟中，也不是每步都是完美的?？赡苓@也許是人工智能能夠超越人類，但是可能無法毀滅人類的重要一點。因為，如果人工智能自己最終學會思考，相信人工智能最終會參透，或許最符合人工智能自身的利益生存方式是同人類共存，而不是消滅人類。

 

三、Alphago圍棋事件可能對教育領域的產生的影響

 

1.Alphago算法有較強的通用性，但也有很多的限制。首先為了更加精確，需要大樣本量的學習，Alphago為了加快學習進度在學習現有人類棋盤的基礎上，開始自己與自己互博，加快學習的速度。這點在通用領域中實現有一定的難度。在教育領域中，目前比較適合Alphago算法快速進入的領域的是在線課程的學習。

 

2.在線課程的學習目前來說僅僅完成了內容的提供，如何編排現有的課程已達到最高的學習效率，這點目前還沒有引入人工智能方法。如果引入，將會對教學的方法理論產生一定的影響，甚至會影響到線下課程順序的設計安排。

 

3.多媒體材料的類型的挖掘，不同類型的媒體會帶來不同的教學效果，人工智能在這個領域有助于通過大數據分析統計出在認知不同階段采用何種類型的教學媒體效果最好。

 

4.個性化的學習，引入Alphago算法后的人工智能，會為個性化學習帶來天翻地覆的變化。通過攝像頭對學習者情緒的監控，結合學習過程中不間斷的學習效果的評估，可以會帶來真正意義上的個性化學習。

 

5.真正意義上的個性化學習會對分層教學產生深遠的影響，因為學習的進度快慢會非常容易的將不同學習能力的學習者分類，教育會不知不覺走向過程和結果的不公平。

 

6.目前，已經有在線課程網站同招聘網站結合的構想，利用在線學習的記錄，為雇主提供是否雇傭的參考。未來可能會更加大規模地出現該類現象，未來各級各類學校的升學也可能會更加依賴機器或網站記錄的學習過程，同時造成新的學習能力歧視。但是，這樣針對個體的不公平，卻可以帶來整個組織以及國家的利益最大化，將來如何面對這樣的不公平，會成為一個重要的討論話題。

 

7.Alphago通過在線教學領域的挖掘最終也會或多或少的影響到傳統的教學。如在教師多媒體的選擇標準、課程順序及進度的選擇。但是，在遠遠沒有量化的教學領域，還有很長的路需要走，而一旦傳統的教學領域被量化，如學生的表情、情緒、反應等，那么教師這個職業將同今天的圍棋一樣，不得不慎重的思考接受一個類似上帝的理性的人工智能的建議。另外，最快掌握這一技術的組織和國家，將獲得先發的優勢。

 

四、Alphago圍棋事件可能對職業教育領域的產生的影響

 

1.大量的主要是重復性的工作，盡管需要一定的隨機應變能力的工作，將會在30～50年逐步被人工智能所替代。這些職業中的低層次職員將被大量地解雇。這一點提醒職業教育的層次需要不斷地上移，為符合人力資源市場的需求及保證國家的競爭力，職業教育中本科教育及研究生教育的比例將逐步加大。

 

2.工廠的工人將被大量的機械手臂代替，全自動化的工廠將越來越多。盡管處于邁向老齡化的社會，卻并不能保證年輕人足夠的就業崗位。IT產業的人力需求將越來越大，各個產業的從業者都將儲存一定的人工智能的知識，以便同智能機器助手更好地共存。

 

3.職業教育的過程將更多地信息化，如教學資源庫使用將更加類似于在線教學。通過物聯網技術，教學的過程被更加地量化，實踐操作的過程中實現較高精度的量化，實踐教學的效率極大地提高。但是，工業領域的職業中的實踐教學的比例將大幅度下降，由于機械臂的大規模采用，實踐教學將被機械臂的操作實踐教學大規模替代。對于人工智能分析、操作以及針對不同環境進行適應性調整的能力將成為大部分職業必修的課程。

 

4.有必要考慮培養學生的機器思維的理解能力，讓學生能夠理解人工智能的思維的方式，理解這種更加冷靜的思維方式。同時，也要讓學生明白人工智能不是萬能，也會犯錯，需要保持警惕，不可過分依賴人工智能。

 

5.在職業道德的教育中需要充分的討論人與智能機器之間的關系，以及如何看待智能機器，應該擬物化的看待智能機器抑或是擬人化的看待?如果擬人化的看待，那么，擬人化到何種程度?如果面臨險境，是否會因為情感因素去拯救智能機器而犧牲自己?等一系列的問題。

第3篇

[關鍵詞] 烏靈膠囊；重復經顱磁刺激；認知功能；老年抑郁癥

[中圖分類號] R749.41 [文獻標識碼] A [文章編號] 1673-7210（2016）06（b）-0065-04

抑郁癥是一種發病率高、病程慢、社會負擔大的精神疾病，多伴隨認知功能改變，尤其在老年人群中，其認知損害嚴重影響患者生活質量和社會功能。抑郁癥目前臨床常用的也是臨床醫生首選的治療方法是抗抑郁藥治療，但老年患者對西藥治療的耐受性和依從性差，且治療后很多患者仍殘留認知損害。目前抑郁癥的病因仍未明確，而抑郁癥的認知功能損害較常見，尤其是老年期抑郁障礙，主要影響其執行功能、注意力和記憶能力，對社會功能影響較大。迄今抑郁癥的主要治療方法有西藥[如選擇性5-羥色胺（5-HT）再攝取抑制劑]治療、電休克治療及重復經顱磁刺激（repetitive transcranial magnetic stimulation，rTMS）等。各種治療方法都被證實具有抗抑郁作用，但由于老年群體合并軀體疾病較多、耐受性差等[1]原因使得副作用增加，治療依從性較差。

rTMS是近年新興的物理療法，其利用時變磁場作用于大腦皮層產生感應電流來改變皮層神經細胞的動作電位，從而影響腦內代謝和神經活動，耐受性好，安全無創[2-3]。而烏靈膠囊是國家一類新藥，為純中藥制劑。臨床研究顯示，烏靈膠囊具有改善抑郁癥患者抑郁癥狀及各種軀體疾病伴發的抑郁狀態的作用，且安全性良好。關于烏靈膠囊對認知功能影響的研究多局限于腦卒中等器質性疾病伴發的抑郁狀態。本研究即通過烏靈膠囊聯合rTMS治療的方法了解其對老年抑郁癥的療效及認知功能（主要關注執行功能）的影響。

1 資料與方法

1.1 一般資料

入組病例均為2014年10月～2016年1月在廣州醫科大學附屬第二醫院精神科門診就診的120例抑郁發作患者。納入標準：①年齡≥60歲的抑郁癥患者，符合精神疾病診斷與統計手冊第4版（the diagnostic and statistical manual of mental disorders Ⅳ，DSM-Ⅳ）中的診斷標準。②未接受系統精神藥物治療（包括中西醫抗抑郁藥）或心理治療。③簽署知情同意書。排除標準：①存在自殺、嚴重行為紊亂等危險因素者。②存在重復經顱磁刺激藥物使用禁忌證者。③合并其他重性精神疾病者，如精神分裂癥等。④伴有嚴重軀體疾病不適合入組者。退出標準：①患者主動要求退出；②因為嚴重的副作用或病情惡化需要改變治療方案者。采用隨機數字表法將所有患者分為實驗組和對照組。實驗組60例，其中男29例，女31例；平均年齡（65.51±5.13）歲；平均病程（4.12±2.32）年；漢密爾頓抑郁量表（Hamilton rating scale for depression，HAMD）基線評分（27.48±1.35）分。對照組60例，其中男28例，女32例；平均年齡（66.45±5.66）歲；平均病程（4.33±2.05）年；HAMD基線評分（25.96±2.36）分。兩組在年齡、病程、HAMD基線評分方面比較差異無統計學意義（P > 0.05），具有可比性。本研究經醫院醫學倫理委員會通過，患者知情同意。

1.2 方法

實驗組服用烏靈膠囊（浙江佐力藥業股份有限公司，生產批號20120521，每次0.99 g，每天3次，療程8周）合并重復經顱磁刺激治療（英國Magstim公司生產的rTMS治療儀，每周一至周五，每天1次，強度采用80%閾值，頻率10 Hz，部位左前額葉背外側，脈沖數100，總計8周，40次）。對照組單用安慰劑膠囊（0.99 g，每天3次，服用8周）聯合重復經顱磁刺激治療（參數同實驗組）。兩組均不合并使用其他精神類藥物，如抗精神病藥、抗抑郁藥、苯二氮類藥物等。

1.3 觀察指標及療效判定標準

治療前及治療8周后分別行HAMD評定[4]和威斯康星卡片分類測驗（Wisconsin card sorting test，WCST）。本研究選用中譯版的HAMD-17版本進行評定，其中9個條目為0～4分的5級評分；8個條目為0～2分的3級評分[4]。由兩位經過培訓的經驗豐富的臨床主治醫師在治療前后分別進行評定。

采用計算機程序進行WCST評定[2-4]，WCST是一種單項神經心理測定方法。它所測查的是根據已往的經驗進行分類、概括、工作記憶和認知轉移的能力。本測驗共設有13個測量指標，本研究記錄總應答數、正確反應數、持續錯誤數、隨機錯誤數和完成分類數來評估執行功能。

對每一治療節點兩組的測試評分進行統計分析，通過減分率來判斷治療的有效性，通過治療前后及兩組之間的評分比較來判定兩種治療方法的療效差異及對認知功能的影響。通過治療8周的HAMD減分率評定療效，HAMD減分率≥75%為痊愈，50%～

1.4 統計學方法

本研究采用SPSS 16.0軟件包進行統計分析。計量資料采用均數±標準差（x±s）表示，組間比較采用t檢驗，計數資料采用百分率表示，組間比較采用χ2檢驗。以P < 0.05為差異有統計學意義。

2 結果

2.1 兩組臨床療效比較

治療8周后，實驗組臨床痊愈17例（28.33%），顯效19例（31.67%），有效17例（28.33%），無效7例（11.67%），總有效率為88.33%。對照組臨床痊愈15例（25%），顯效20例（33.33%），有效14例（23.33%），無效11例（18.33%），總有效率為81.67%。兩組總有效率比較差異無統計學意義（χ2=1.046，P > 0.05）。

2.2 兩組治療前后HAMD評分比較

兩組治療8周后HAMD評分均較治療前顯著降低，差異均有統計學意義（P < 0.05）。兩組治療8周后HAMD評分比較差異無統計學意義（P > 0.05）。見表1。

2.3 兩組治療前后WCST測試結果比較

實驗組治療8周后WCST測試中總應答數、持續錯誤數、完成分類數與治療前比較，差異有統計學意義（P < 0.05）；對照組治療8周后總應答數、完成分類數與治療前比較，差異有統計學意義（P < 0.05）。兩組治療8周后WCST測試結果比較差異均無統計學意義（P > 0.05）。見表2。

3 討論

神經生化學研究發現糖皮質激素升高及5-HT、γ-氨基丁酸（GABA）功能不足在抑郁癥認知功能損害中可能起一定作用[1]。神經解剖學研究發現抑郁癥患者的額葉皮質、海馬和杏仁核及小腦的血流灌注、體積異常等可能與其認知損害有關[5]。使用西藥抗抑郁藥物治療后，抑郁癥患者的認知功能可能會有所改善，但仍然會有輕度損害，特別是記憶和執行功能，使得老年抑郁癥發展成進展性癡呆的可能性增大。因此，應重視抑郁癥認知功能的治療，使病程縮短，促進抑郁癥狀緩解及認知功能恢復更加徹底。

rTMS的作用機制包括：①通過不同頻率刺激改變大腦皮層神經興奮性，雙向調節大腦神經興奮與抑制功能之間的平衡。②增加多巴胺、5-HT、谷氨酸，調節受體的敏感性。③對基因表達的影響。④對腦血流、代謝、內分泌的影響。研究認為重復經顱磁刺激治療對抑郁癥的治療有效率達到80%以上，而對認知功能無損害，聯合藥物治療能加強早期療效，對早期改善癥狀，增加患者治療的依從性有一定的意義，但未能明確對認知功能的改善作用[2-3]。

在中醫理論中，老年抑郁癥屬于“郁癥”范疇，《內經》的《靈樞》認為“人憂愁思慮即傷正”“人或恚怒，氣逆上而不下，即傷肝也”，認為情志不舒、氣郁不伸導致臟腑不和而出現血瘀、氣滯、火郁等抑郁癥的表現。老年人任脈虛，肝氣衰，發病以肝腎漸虛、衰少、髓海不足為病理基礎；以思慮過度、心氣營血暗耗，或憂郁惱怒、氣郁痰迷、陽越于上為病因；以臟腑功能失調、陰陽不交、神志失守、思緒無軌、精神抑郁為病理改變。

烏靈膠囊是以我國珍稀藥用真菌烏靈菌經現代生物技術精制而成的純中藥制劑，內含腺苷、多糖、甾醇類及谷氨酸、GABA、色氨酸、賴氨酸等19種氨基酸，還含有維生素和微量元素等多種成分，具有補腎健腦、養心安神等功效[6]。動物研究顯示：烏靈膠囊能夠提高腦內谷氨酸活性及激活GABA受體從而發揮鎮靜催眠作用，促進淋巴細胞DNA合成，提高機體免疫力，提高造血功能，發揮抗疲勞作用等[7-9]。臨床研究顯示，烏靈膠囊具有改善抑郁癥患者抑郁癥狀及各種軀體疾病伴發的抑郁狀態的作用，且安全性良好[10-11]。

目前關于烏靈膠囊對認知功能影響的研究多局限于腦卒中等器質性疾病伴發的抑郁狀態，藥理研究和對腦卒中后抑郁狀態的臨床研究顯示，烏靈膠囊主要通過以下途徑發揮抗抑郁作用和腦保護作用：①通過增加血腦屏障通透性增加腦內谷氨酸和GABA濃度。②加快谷氨酸向GABA的轉化。③提高GABA受體活性。通過上述作用促進腦神經功能康復[12-14]。推測烏靈膠囊對于抑郁癥患者可能具有類似的神經保護作用，而目前尚未見對于老年抑郁癥患者認知功能影響的相關研究報道。

本研究顯示，治療8周后，實驗組總有效率為88.33%，對照組總有效率為81.67%，兩組總有效率比較差異無統計學意義（P > 0.05），而據WCST測試顯示治療后實驗組總應答數、持續錯誤數、完成分類數與治療前比較差異有統計學意義（P < 0.05）；治療后對照組總應答數、完成分類數與治療前比較差異有統計學意義（P < 0.05）。表明烏靈膠囊與rTMS聯用或rTMS單獨使用對老年抑郁障礙的療效確切，且對認知功能均具有一定的改善作用，這與其他類似研究結果基本一致[15-20]。而相對于西藥抗抑郁藥治療以及無抽搐電休克治療，這種治療方式在保證療效的基礎上安全性更高，患者的依從性更好，其改善認知的作用是電休克治療無法比擬的[21-22]。但本研究樣本量較少，因門診診療的特點，隨訪時間較短，且無法對認知功能進行全面的、長期的評估隨訪，因此對認知功能的研究不夠全面，如未能評價對持續注意能力、記憶力等方面的影響。希望有設計更嚴格、更全面的長期實驗進行更深入的研究。

[參考文獻]

[1] 蔣慧，林海.烏靈膠囊合鹽酸帕羅西汀治療抑郁癥失眠30例[J].現代中醫藥，2011，31（5）：32-33.

[2] 黃滿麗，許毅，胡健波，等.重復經顱磁刺激聯合抗抑郁藥對抑郁癥首次發病患者的早期療效及認知功能的影響[J].浙江大學學報：醫學版，2011，40（3）：286-290.

[3] Barrett J，Della-maggiore V，Chouinard PA，et al. Mechanisms of action underlying the effect of repetitive transcranial magnetic stimulation on mood：behavioral and brain imaging studies [J]. Neuropsychopharmacology，2004，29（29）：1172-1189.

[4] 湯疏華，張明園.漢密爾頓抑郁量表、副反應量表[J].上海精神醫學雜志，1990，1（2）：38-39，63-65.

[5] Sala M，Perez J，Soloff P，et al. Stress and hippocampal abnormalities in psychiatric disorders [J]. Eur Neuropsychopharmacol，2004，14 （5）：393-405.

[6] 尹東輝，張晶，劉純莉.烏靈膠囊的臨床應用進展[J].中國新藥雜志，2011，20（16）：1530-1533.

[7] 馬志章，左萍萍，陳宛如，等.烏靈菌粉的鎮靜作用及機理研究[J].中國藥學雜志，1999，34（6）：374-376.

[8] 陳文燕，呂英.烏靈膠囊合用生脈注射液治療失眠癥40例[J].臨床醫學，2005，14（6）：175-176.

[9] 廖名龍，郁杰.烏靈膠囊[J].中國新藥雜志，2000，9（11）：797.

[10] 張宸豪，李文貴，顧芳，等.烏靈膠囊治療腦卒中后抑郁的療效觀察[J].臨床神經病學雜志，2014，27（1）：61-63.

[11] 李書劍，李燕.重復經顱磁刺激聯合烏靈膠囊治療老年卒中后抑郁對照研究[J].中國實用神經疾病雜志，2013， 12（21）：121-123.

[12] Speer AM，Wassermann EM，Benson BE，et al. Antidepressant efficacy of high and low frequency rTMS at 110% of motor threshold versus sham stimulation over left prefrontal cortex [J]. Brain Stimul，2014，7（1）：36-41.

[13] Rena J，Lia H，Palaniyappanb L，et al. Repetitive transcranial magnetic stimulation versus electroconvulsive therapy for major depression：a systematic review and meta-analysis [J]. Pro Neuropsychopharmacol Biol Psychiatry，2014，51：181-189.

[14] 李兆昌.帕羅西汀治療帕金森病抑郁狀態療效分析[J].現代醫院，2014，14（1）：35-37.

[15] 李凝，王學義，李小倩，等.重復經顱磁刺激與改良電休克治療首發抑郁癥起效時間的隨機對照試驗[J].中國心理衛生雜志，2015，29（9）：667-671.

[16] 徐橋，湯義平，胡敏優，等.重復經顱磁刺激對單相抑郁患者認知功能的影響[J].中國現代醫生，2015，53（5）：36-38.

[17] 汪曉暉.低頻重復經顱磁刺激聯合心理療法治療腦梗死后抑郁癥臨床觀察[J].中西醫結合心腦血管病雜志，2015，13（13）：1495-1497.

[18] 張國玲，楊桂梅，柏林，等.烏靈膠囊聯合氟西汀治療腦卒中后抑郁障礙和神經功能缺損的臨床療效[J].黑龍江醫學，2015，39（2）：179-180.

[19] 欒慧明，袁國楨，周振和，等.高頻重復經顱磁刺激對抑郁癥患者輔助治療作用[J].中國醫藥導報，2014，11（35）：25-27，35.

[20] 周玉嘉，韋鵬翔，劉佳霖，等.重復經顱磁刺激結合經絡電刺激治療顱腦損傷性抑郁癥的臨床應用[J].中國醫藥導報，2014，11（15）：53-56.

[21] 張萬慧.單用帕羅西汀與聯合烏靈膠囊治療產后焦慮抑郁的對照研究[J].數理醫藥學雜志，2015，28（3）：419-420.