慢性胃炎气滞证面部望诊参数研究

摘要

目的 探讨慢性胃炎（CG）气滞证的面部望诊参数，构建CG气滞证特异性诊断模型，为CG气滞证的精准分型和早期干预提供科学依据。 方法 选取2022年1—12月于福建中医药大学附属晋江中医院脾胃科门诊就诊的252例CG患者，根据中医证素辨证标准分为气滞证组83例和非气滞证组169例。使用中医诊断仪V1.0采集受试者的面部皮肤参数，用灰度共生矩阵提取纹理参数，对比分析CG气滞证与非气滞患者的面部皮肤特征；利用随机森林算法和逐步回归方法优化特征指标，构建Logistic回归诊断模型，采用受试者工作特征曲线（ROC）评估CG气滞证诊断模型的鉴别性能，并通过Bootstrap重采样验证模型稳定性及校准度，决策曲线分析（DCA）评估临床实用性。 结果 与非气滞证组比较，气滞证组额区 G、B、L、Y 和下颌区Cr均明显降低（P＜0.01），左颊区a、CON、ENT和下颌区B、a、b、Cb均明显升高（P＜0.01）。筛选出下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、额区L为核心诊断参数，构建的诊断模型曲线下面积（AUC）为0.816，95%置信区间为（0.761，0.870），临床校准曲线说明预测概率与实际值之间的误差为0.013，DCA证实其临床净收益显著。 结论 CG气滞证患者面部皮肤更红且晦暗，筛选出的下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、额区L面部望诊参数可实现与非气滞证的精确诊断，为该证型的早期诊断提供循证依据与新思路。

Graphical abstract

关键词

慢性胃炎 / 气滞证 / 望诊 / 面部皮肤纹理 / 四诊客观化

慢性胃炎（chronic gastritis，CG）是临床最为常见的消化系统疾病之一，其发病率在各种胃病中高居首位，然而其症状轻重与胃黏膜病变的程度并无明显一致性，且大多数患者缺乏典型临床表现，故确切患病率难以获得，给该病的防治造成了一定的困难^［1］。立足于整体观念，中医从宏观、中观和微观三个维度对CG进行辨证论治，从不同角度阻断CG病理演变的路径，在诊治CG方面具有整体调节、多环节干预、协同起效且无明显副作用等多重优势。中医学认为“气滞”是CG的核心病机之一，贯穿于疾病发展的全过程，其表现随病情进展而加重，并与其他病理因素如湿热、痰浊、血瘀等相互影响，最终可能导致癌变的发生^［2］，情志不畅、肝失疏泄、横逆犯胃是其主要原因^［3］。望诊被历代医家奉为四诊之首，是一种主体上无创、操作简便且可动态重复的诊察手段。在中医五脏一体观理论中，面部区域与五脏在生理、病理上均有关联，五脏脏气强弱可显露于面部各个区域。因此，面部作为就诊时最先被观察到的区域，对于临床诊断疾病具有重要意义。当前慢性胃炎气滞证的临床辨识主要依赖传统四诊信息，如情志抑郁、胸胁胀满、舌苔薄白、脉弦等，虽能反映整体病理状态，却难以精准量化气滞证与面部皮肤参数的时空关联^［4］。

基于此，本研究利用福建中医药大学自主研发的中医诊断仪V1.0研究CG气滞证与非气滞证患者的面部皮肤差异，同时运用随机森林算法、逐步回归、逻辑回归等方法筛选特征差异面部皮肤参数，并构建CG气滞证诊断模型，明确特征诊断指标，探讨面部皮肤颜色、纹理特征作为CG气滞证中医临床辨证诊治客观指标的可行性和有效性，以期为CG气滞证的早期诊断提供新的参考，也为中医四诊客观化研究提供新的思路。

1 临床资料

1.1 西医诊断标准

参照《中国慢性胃炎共识意见（2017年，上海）》^［5］中CG的诊断标准，结合内镜检查与病理学检查结果进行诊断。

1.2 中医证素辨证标准

参照朱文锋教授《证素辨证学》^［6］和“600常见症状的辨证意义”^［7］中证素辨证方法，由2名经过专业培训的中医师依据中医传统四诊方法，按统一的标准进行四诊信息的采集并记录。使用福建中医药大学中医证研究基地的“中医健康状态辨识系统”，将四诊信息录入系统，根据四诊信息在诊断中的权重，以加权阈值法确定各个证素。每一症状的轻重，以中等程度为准，若该症状重时，其定量诊断值乘以1.5，若该症状轻时乘以0.7。以100作为通用阈值，当各症状对气滞证素贡献度之和达到或超过100时，即可诊断为气滞证素。

1.3 纳入标准

① 20岁≤年龄＜50岁；② 近1个月未服用过抗生素和质子泵抑制剂者；③ 同意加入本研究并签署知情同意书。

1.4 排除标准

① 合并有胃大部切除、胃溃疡及病理诊断疑似有恶变者；② 合并有严重原发性心、肝、肺、肾、血液系统疾病以及糖尿病、高血压、慢性肝病等慢性疾病者；③ 面部有过敏性皮炎、急性或慢性湿疹、银屑病、血管瘤、特应性皮炎、色素性疾病、严重痤疮、中重度干燥综合征等皮肤病者；④ 合并有白癜风、鱼鳞病、银屑病等家庭遗传病史者；⑤ 近3个月有糖皮质激素或免疫调剂或抑制剂治疗史；⑥ 近3个月内有户外旅游史，如海边、登山等紫外线照射及光疗史；⑦ 妊娠及哺乳期妇女。

1.5 一般资料

选取2022年1—12月于福建中医药大学附属晋江中医院脾胃科门诊就诊的CG患者252例，根据中医证素辨证标准分为气滞证组83例和非气滞证组169例。2组性别、年龄比较，差异无统计学意义（P＞0.05），具有可比性。见表1。本研究经福建中医药大学附属晋江中医院伦理委员会审查并获得批准（审批号：闽晋中伦理〔2019〕CAG 016号）。

2 方　法

2.1 面部图像采集

应用福建中医药大学自主研发的中医诊断仪V1.0（出厂编号：ZD202108001）对2组进行面部图像采集，并进行图像信息分析。该仪器主要由标准光源、半封闭式采集光路及成像传感器等部件构成，其中标准光源的色温约为5 100 K，显色指数为97；成像传感器的分辨率为5 568×3 712，设备的配置参数可满足图像分析技术对像素的要求。

2.2 采集环境及要求

① 采集环境室温控制在20～25 ℃，湿度40%～60%，使用标准光源，色温5 100K，室内无阳光直射，无振动、噪声等不良因素干扰；② 采集图像取坐姿，须静坐休息 20 min，待皮肤适应室温，保持安静无汗状态；③ 研究对象面部处于图像中心，采集部位皮肤保持清洁，不可化妆，摘除眼镜及其他装饰物，女生束发，耳朵露出，保持呼吸平稳、身体平衡，姿势端正；④ 采集前24 h禁酒，禁服扩张或收缩血管类药物，半小时内禁烟；⑤ 采集前4 h内避免食用辛辣过热食品，饮用高于或低于体温的液体；⑥ 女性应避免在月经来潮前后3 d内采集面部图像；⑦ 采集前避免进行针灸、艾灸、按摩、理疗等干预治疗。

2.3 面部分区

根据王鸿谟教授面部五脏分区法：左腮为肝，右腮为肺，额上为心，鼻为脾，颌为肾，将面部分为额区、鼻区、左颊、右颊、下颌区5个区域^［8］。

2.4 面部图像分区定位与处理流程

采用中医诊断仪V1.0中YOLO模型系列的YOLOv5算法实现人脸区域与类别的预测任务。这种基于回归方法的深度学习目标检测算法模型检测速度快，可以直接对目标位置和种类进行预测，实现端到端的训练。对人脸进行区域定位后，再进行颜色参数信息的计算以及纹理参数的提取，若区域预测失败，可能是由于人脸姿势不正引起的角度偏移，则进行人工标注后，再测算参数值。

2.5 颜色指标提取

采用中医诊断仪V1.0中Lab色彩空间模型进行面部颜色参数提取。颜色指标中R代表红色值；G代表绿色值；B代表蓝色值；L代表从纯黑到纯白的明亮度，取值范围0～100，a为由品红到绿色的明亮度，取值范围-128～127，b为由黄到蓝的明亮度，取值范围-128～127；Y为灰阶值，与亮度呈正比；Cr为红色信号与亮度值之间的差异，Cr值与红色色度分量呈正比；Cb为蓝色信号与亮度值之间的差异，Cb值与蓝色色度分量成正比。

2.6 纹理指标提取

采用中医诊断仪V1.0中灰度共生矩阵（GLCM）对面部纹理参数进行提取，纹理参数中角二阶矩（ASM）是GLCM各元素的平方和，衡量图像灰度分布均匀性的物理量，ASM越大，说明图像纹理越粗；对比度（CON）反映图像的清晰度和纹理沟纹的深浅程度，CON越大，其沟纹越深；相关（COR）是测量行或列方向上GLCM中元素的相似度，如果在图像中有大量的垂直纹理存在，那么竖直方向上的相关性就要大于其他方向上的相关性；熵（ENT）反映纹理的随机性，ENT越大，纹理越密集^［9-11］。

2.7 统计学方法

采用SPSS 29.0进行数据分析。计量资料符合正态分布以（\overline{x}±s）表示，组间比较采用两独立样本t检验；不符合正态分布以M（P₂₅，P₇₅）表示，采用Kruskal-Wallis H检验，事后两两比较用Dunn-Bonferroni法。计数资料比较采用χ²检验或Fisher精确检验。鉴于面部望诊参数进行了多指标比较，为控制Ⅰ类错误，设定P＜0.01为差异具有统计学意义的标准。

2.8 CG气滞证诊断模型构建

本研究采用R 4.4.3软件进行分析，采用“初步筛选-精细优化”的两步法构建分类模型。特征初步筛选阶段：以所有面部皮肤特征指标为候选变量，采用随机森林算法评估各指标对CG证型分类的重要性。通过平均准确率下降值量化单个特征对模型分类能力的贡献度，该值越大，表明特征移除后模型准确率下降越显著，其分类重要性越高；同时结合统计效率原则以避免冗余特征过度纳入，最终选取排名前10的差异特征作为后续分析的基础变量。特征精细筛选与模型优化阶段：以上述初步筛选获得的特征指标为初始变量，采用逐步回归法进行迭代式变量筛选。该过程采用向后剔除策略，即从包含全部初始变量的全模型出发，每轮迭代依据Z检验结果移除对分类贡献最不显著的变量；同时以赤池信息准则（akaike information criterion，AIC）作为模型性能评价指标，AIC值越低表明模型在拟合效果与简洁性之间的平衡越优。迭代过程持续至模型中剩余变量均满足统计学显著性要求，最终确定用于CG气滞证与非气滞证鉴别的关键特征指标，并利用Logistic回归构建诊断模型。

2.9 模型评价指标

① 区分度：采用受试者工作特征（receiver operating characteristic，ROC）曲线及其曲线下面积（area under the curve，AUC）量化模型对CG气滞证与非气滞证的分类鉴别效能；AUC越接近1.0表示区分度越佳。② 校准度：以Bootstrap法进行1 000次内部重抽样，每次抽样后重新拟合模型并记录预测概率，计算平均绝对误差及95%置信区间（CI）以评估模型稳定性。绘制校准曲线，横坐标为模型预测的CG气滞证发生概率，纵坐标为实际观测概率。图中虚线代表预测与实际完全一致的理想状态；红色实线为原始校准曲线；绿色实线为经Bootstrap偏差校正后的校准曲线。曲线与理想线越接近，提示校准度越好。③ 临床效用：采用决策曲线分析（decision curve analysis，DCA）评估模型在不同风险阈值下的净获益。以“需干预”的高风险阈值概率为横坐标，净获益为纵坐标，绘制模型曲线，并与“全部干预”和“全部不干预”2条极端策略曲线比较，量化模型带来的额外临床收益，从而明确其推荐干预的阈值范围。

3 结　果

3.1 2组面部皮肤参数比较

与非气滞证组比较，气滞证组额区G、B、L、Y和下颌区Cr均明显降低（P＜0.01），左颊区a、CON、ENT和下颌区B、a、b、Cb均明显升高（P＜0.01）。见表2。

3.2 2组面部皮肤特征诊断参数研究

采用随机森林算法，根据平均准确率下降值的大小，结合统计效率，选取排名前10的差异面部皮肤特征指标：下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、下颌B、左颊CON、额区L、下颌Y、下颌R，见图1。将筛选出的10个特征指标，利用逐步回归方法进一步筛选特征指标。经过4轮筛选后，下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、额区L对组别分类具有显著影响，通过逐步剔除变量下颌R、下颌B、下颌Y、左颊CON，AIC从267.76降至260.34，模型精简性显著提高，见表3。下颌a、左颊ENT、下颌Cr、额区L显著性虽＞0.01，但＜0.05，并且对模型精简性提高具有显著作用，故纳入最终模型构建，见表4。综上，下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、额区L可能是区分CG气滞证与非气滞证的关键诊断参数。

3.3 2组面部皮肤特征诊断参数ROC分析及验证

将筛选出的6个特征指标构建Logistic回归诊断模型，与单一指标相比，联合指标构建的诊断模型AUC为0.816，95% CI为（0.761，0.870），表明联合指标能较好地区分CG气滞证与非气滞证，见表5、图2。校准曲线结果显示：纠偏前后曲线均接近理想虚线，说明模型预测概率与实际观测概率的一致性较好。此外，平均绝对误差为0.013（样本量n＝252），进一步提示模型预测偏差较小，校准效果较理想，即CG气滞证模型预测的事件发生概率与实际观测概率匹配度较高，具备较好的概率预测可靠性，见图3。DCA结果显示：在高风险阈值为0.10～0.35时，模型曲线（红色）始终高于“All”和“None”曲线，说明在此阈值范围内，采用该模型指导临床决策可获得更高净获益。当阈值超过0.35后，模型净获益虽有下降，但仍优于“None”策略（灰色曲线已降至0，代表无额外获益）。整体而言，预测模型的净收益高于其他2条极端曲线，表明该模型在临床实践中具有实用性和价值，见图4。

4 讨　论

中医面诊理论认为，面部不同区域的色泽变化可反映相应脏腑的生理功能与病理状态，额部归属上焦，为宗气汇聚之所，其色泽变化可反映上焦气血盛衰及气机运行状态。本研究结果发现，气滞证组额区B、L值较非气滞证组明显降低，提示该区域存在气血不荣、失于濡养的病理改变，这与气滞导致血行不畅、额部脉络失充的病机特点相符，故表现为燥暗之色。虽然额区主要归属于心，但面部的色泽是五脏功能共同作用的结果，G值为绿色，属木，通应于肝，Y值为黄色，属土，通应于脾，额区G值与Y值的降低，提示了肝郁与脾虚并存的病理状态。肝失疏泄可横逆犯脾，导致脾失健运；反之，脾虚气血不足，肝失所养，亦可加重肝气不舒，二者形成恶性循环，共同导致了上焦气机壅滞、清气不升、气血不荣的整体局面，进一步印证了肝失疏泄、脾失升清是导致上焦气机壅滞、清气不能上达额部的核心病机。上述发现从额部局部特征与整体面色表现的角度，共同揭示了脾虚气滞证“气血不足、气机阻滞”的核心病机在面部色泽上的客观反映。

左颊区域的色泽变化则与肝脏功能密切相关，《素问·刺热论》记载“肝热病者，左颊先赤”，明确了左颊与肝的对应关系。从客观参数而言，左颊区a值升高（红色调增强）与中医“肝郁化热”病机一致，气滞日久致肝气郁结，疏泄失常，郁而化火，即《丹溪心法》所论“气有余便是火”，火性炎上灼伤血络，遂使左颊显现红象。左颊区CON、ENT升高则提示该区域存在气血分布失衡、局部瘀阻以及肌肤纹理失序、瘀滞或湿浊内阻的病理改变。从中医理论逻辑来看，左颊属肝，其正常生理状态依赖肝气疏泄以维持气血均匀濡养、推动精微与水湿代谢，CON反映面部不同区域色彩的明暗差异，气滞证患者因肝气郁结、气机阻滞左颊局部，气血无法顺畅输布，部分区域因气血壅滞而色沉，部分区域因气血不达而失养致色淡，二者形成明显明暗差异，进而使CON值升高；ENT反映面部纹理的复杂程度，气滞证患者因肝失疏泄、脾失健运，一方面水湿运化失常内生湿浊，壅滞肌肤致纹理黏腻杂乱，另一方面气血瘀滞致局部失养、细纹与瘀点增多，二者共同导致左颊纹理复杂度升高、ENT值上升，故气滞证组左颊呈现局部色深淡不均、整体粗糙杂乱的外观。

《望诊遵经》明确提出“地阁属肾，而脾胃主之”，指出下颌（地阁）虽与肾相关，但受脾胃功能的直接影响。从面色客观化参数来看，Lab色彩模型中B值反映下颌整体明亮度的升高，其升高看似与“气滞色暗”矛盾，实则因下颌局部气血壅滞日久化热，热邪蒸腾气血上泛肌肤，使局部呈现“暗而不润”的假性亮泽；a值可反映从绿到红的颜色变化，下颌区a值升高提示红色调增强，此特征与“气滞中焦、脾失健运”的病机高度吻合，脾失运化则水湿内停，郁久化热，湿热上蒸于面，故下颌部可见发红征象；b值与Cb值升高，多因脾胃气机阻滞致运化失常，水湿内生并夹瘀热互结，湿浊上泛则下颌显黄浊之色，瘀热郁滞致局部脉络气血不畅，又兼夹轻微青蓝色调，蓝色属阴寒，反映脾胃气滞导致水湿不化、聚而生痰，痰湿瘀阻络脉使血行迟滞，正如《金匮要略》所述“血不利则为水”，故下颌部显现青蓝之色；Cr值降低源于下颌区气血壅滞与湿浊内阻的双重影响，气血瘀滞致濡养不足，肌肤失却正常润泽与鲜明色泽，湿浊黏腻则掩盖肌肤本真色彩，最终使下颌色彩饱和度减弱，显得晦暗浑浊。

气滞证与非气滞证患者的面部皮肤参数比较整体反映出肝失疏泄为关键，气滞横逆犯脾，致三焦气化失常，形成“肝郁-脾滞-湿热-血瘀”的恶性循环。面部皮肤特征差异体现了气滞证“肝郁为核心，三焦气化失司，湿热瘀血兼夹”的中医病机。因此，临床治疗CG气滞证应从肝与脾胃关系入手，通过调肝脾、理气血、养津液、和情志、调饮食等综合方法，促进气血调畅、津液充足，改善皮肤状态，恢复整体健康。通过整合随机森林算法与逐步回归分析，系统筛选并验证了下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、额区L这6个特征指标作为气滞证特异性参数，构建了具有CG气滞证诊断价值的网络模型，组合参数的联合应用显著提升了气滞证的鉴别效能，其AUC达0.816，95% CI为（0.761，0.870），诊断性能良好。Bootstrap重采样验证及DCA进一步证实，模型的分类错误率为0.013，在阈值概率＞10%的临床决策范围内，其净收益高于其他两条极端曲线，表明该模型临床转化潜力良好。通过整合随机森林与逐步回归的双重特征筛选策略，创新性地构建了气滞证多模态诊断模型，遴选出下颌Cb、额区B、下颌a、左颊ENT、下颌Cr、额区L这6项高特异性生物参数，在突破传统单指标诊断局限性的同时，显著提升诊断稳健性。研究采用“特征筛选-模型构建-内部验证-临床决策评估”全链条验证体系，通过1 000次Bootstrap重采样确保统计可靠性，并结合DCA决策曲线证实模型在＞10%阈值区间具有明确临床净收益。作为首个基于多区域解剖特征的气滞证客观化诊断标准，该模型不仅通过生物参数网络揭示病理机制的生理维度，如解剖区域指标反映的气机运行特征，更以低成本、非侵入性优势推动基层医疗应用，为中医证候研究提供了融合机器学习与经典统计的量化分析范式，其方法学框架对慢性病辨证客观化研究具有示范意义。

综上所述，对CG气滞证的面部皮肤特征及诊断参数进行了深入分析，结果表明面部皮肤色泽晦暗、更红可能是CG气滞证的典型面部皮肤特征；通过整合面部皮肤参数，构建CG气滞证特异性诊断模型，不仅为CG气滞证的客观化诊断提供了科学依据，还为中医证候的现代化研究提供了新的思路和方法。未来研究可进一步验证这些参数的诊断效能，并探索其在临床应用中的潜力。然而，本研究存在一定局限：① 受样本量及数据采集条件限制，未探究气滞证轻重与面部参数变化的剂量效应关系，影响对证型动态演变的精准阐释；② 仅分析面部皮肤特征，缺乏舌诊、脉诊等多模态数据融合验证，未能构建全面辨证指标体系，可能影响结论整体性。未来研究将扩大样本量、细化气滞证分级，通过回归分析明确参数与证型的量化关联，同时整合舌诊、脉诊等数据，结合机器学习构建多模态模型，提升辨证准确性。尽管存在不足，本研究发现的面部特征参数仍可为CG气滞证的中医辨证提供客观参考。

参考文献

[1] LIVZAN M A， MOZGOVOI S I， GAUS O V，et al. Diagnostic principles for chronic gastritis associated with duodenogastric reflux ［J］. Diagnostics （Basel），2023，13（2）：186.

[2] 朱景茹，林泽豪，陈梅妹，等. 慢性萎缩性胃炎癌前病变临床诊治规律分析［J］. 时珍国医国药，2022，33（9）：2278-2281.

[3] 熊焱，林雪娟，张梦婷，等. 慢性萎缩性胃炎气滞证病位证素分布特点及肠道菌群特征研究［J］. 福建中医药，2025，56（3）：1-5，9.

[4] 兰萌. 基于证素辨证的慢性胃炎面部望诊色形特征研究［D］. 福州：福建中医药大学，2023：1-2.

[5] 中华医学会消化病学分会. 中国慢性胃炎共识意见（2017年，上海）［J］. 胃肠病学，2017，22（11）：670-687.

[6] 朱文锋. 证素辨证学［M］. 北京：人民卫生出版社，2008：88-90.

[7] 朱文锋. 中医主症鉴别诊疗学［M］. 长沙：湖南科学技术出版社，2000：21-314.

[8] 董晓英，王鸿谟，柳顺玉，等. 王鸿谟教授气色诊法在卵巢储备功能下降患者中的应用［J］. 现代中西医结合杂志，2016，25（32）：3535-3537，3547.

[9] 郭德军，宋蛰存. 基于灰度共生矩阵的纹理图像分类研究［J］. 林业机械与木工设备，2005，33（7）：21-23.

[10] 郑小小. 基于神经网络分析工具的皮肤分类及特征提取方法［D］. 福州：福建师范大学，2014：11-17.

[11] 许舒斐，吴淑莲，李晖. 基于灰度共生矩阵的人体皮肤纹理分析［J］. 激光生物学报，2011，20（3）：324-328.

基金资助

国家自然科学基金项目(82474391)

福建省2011中医健康管理协同创新中心项目(JG2017017)

中医药创新团队及人才支持计划项目(ZYYCXTD-C-202408)