老中医“闻香识药”的本事，从来都让人叹为观止；现代科技专家开发的智能系统，有望全面继承这项“神技”。日前，清华大学自动化系刘沭华、张学工和化学系孙素琴等，用近红外漫反射光谱数据、应用多类支持向量机方法分析白芷、丹参产地，取得高达92%的识别精度，不但为建立快速准确的中药材产地自动鉴别系统提供了技术原型，也为进一步探索不同产地的中药材在化学成分上的细微差异、进而研究它们与药效的关系奠定了基础。

“中药质量的科学控制和管理，是中药现代化、国际化的必由之路；而对中药材产地和栽培条件的鉴别，是其中一个十分关键的环节。”张学工教授任职于清华大学自动化系信息处理研究所和生物信息学教育部重点实验室，从事模式识别与生物信息学的教学和科研。他介绍，红外光谱法是鉴别化合物和确定物质结构的常用手段之一，也是各国共同采用的药物鉴定手段。但由于中药材是比西药成分复杂得多的混合物体系，图谱解析困难较大，使红外光谱尤其是近红外光谱在较长时间内未能在中药材鉴别中充分发挥作用，目前仍然主要依靠药材专家的人工定性鉴定，这种状况已经制约了中药现代化的发展。

自动化专家和化学家的合作，使张学工等认识到，尽管中药材是十分复杂的混合物体系，但对于不同产地和栽培条件的药材，其药效差别是由所含的化学成分和各成分含量的比例不同所造成的，这种差异会造成红外图谱的差异。根据文献报道和之前一系列前期研究，他们发现：虽然这些差异有时看上去很细微，但仍能通过模式识别、机器学习的方法，发现其中有规律性的模式，实现对产地和栽培条件的自动识别。

张学工介绍，与经典的红外光谱法分析相比，近红外漫反射光谱分析的倍频、合频吸收系数小，因此样品无需稀释即可直接测定，并可排除微量杂质的干扰；另外，近红外区波长短，不被玻璃吸收，可用玻璃样品池，样品大多不需预处理，所以操作费用低；而且不需压片直接检测，测定速度极快。因此，利用近红外光谱鉴别中药材产地具有更好的推广应用前景。但与此同时，近红外光谱存在谱峰重叠、信噪比低、光谱稳定性差等技术难点，也对模式识别技术提出了更高的挑战。

研究小组以白芷、丹参为例，探索了这一新型鉴别方法的实用性。他们对采集自河南、河北、四川、浙江4个产地的353个白芷样本，和采集自山东、山西、河南、四川、浙江、河北6个产地的459个丹参样本，测量其近红外漫反射光谱，在采用近邻法和支持向量机对其一阶导数谱进行鉴别分析取得成功的基础上，进一步用递归支持向量机研究了对于鉴别产地和栽培类型最有效的特征谱段。结果在白芷产地分类中，初步确定两个关键波数范围，仅用5个特征谱段即在独立测试集上达到92.9%的分类正确率。在丹参生长条件和产地分类中，分别选定5个和8个特征谱段，在独立测试集上达到94.5%和91.7%的分类正确率。这项研究发表在最近出版的《科学通报》上。

张学工表示，目前的实验结果不仅显示了这项技术在中药材鉴别应用中的巨大潜力，更指示通过进一步研究所选择出的关键特征谱段范围，可为今后分析不同产地和生长条件下中药材的成分差异和决定中药药效的关键因素提供重要线索。