用7種演算法讀懂《傷寒論》，經方學習也可以很單純

千年以來中醫學習者都認為《傷寒雜病論》經方藥簡力專，效果神妙，是後代一切中藥方劑的基礎，但是卻苦於不知道如何學習？

而今，運用現代各種演算法技術，層層推演破解經方組成，清楚看到經方的分類群聚現象，有興趣者在推演的過程中會感到拍案叫絕，分享給中醫學習者參考。

學中藥必須先從《傷寒雜病論》學起

許多人都認為學中醫就等於是中藥，那如果要學中藥的話，要從哪裡開始學呢？答案很簡單，就是一切重要方劑的源頭《傷寒雜病論》及中藥單方書籍《神農本草經》。

《傷寒雜病論》被認為是中醫經典，書上所記載的中藥被稱為「經方」，從古至今大家對經方的評價就是「藥簡力專」。

有了這本書的源頭，可以說就是基礎方（母方）的創造，例如：桂枝湯、麻黃湯、小柴胡湯、承氣湯、理中湯、四逆湯…等等，這些中藥方劑本身就是一個「平台」。

後世無以計數的方子，都是從這幾個母方加減化裁而來，這就像人類發明了「主詞+動詞+受詞」的基本句型後，才有可能產生無窮無盡的句子。《傷寒雜病論》就是中藥方劑學的「基本文法書」。

有了源頭，後續的發展脈絡就非常清晰了。你幾乎可以把任何一個後世名方，都追溯回《傷寒雜病論》的某個母方或配伍邏輯。

例如，藥王孫思邈在《千金要方》和《千金翼方》中，將《傷寒雜病論》的方劑全盤吸收，並在此基礎上進行擴充。他著名的「溫脾湯」，大黃、附子、乾薑同用，完全是仲景大黃附子湯的變革與延伸。

宋代官方編纂的《太平惠民和劑局方》，將許多傷寒方提煉成更固定的成藥。比如廣為人知的「逍遙散」，可以清楚看到是從仲景當歸芍藥散、小柴胡湯等方中脫胎而來。

金元四大家的「攻下派」，其核心方劑三聖散、禹功散，思維直承仲景的吐法、下法，只是用藥更猛烈。

而「補土派」的李東垣，其甘溫除熱的名方補中益氣湯，本質上是從仲景小建中湯、黃耆建中湯的理路中化出，是對「建中」思想的極致發揮。

到了明清，溫病學派崛起，看似另立山頭，實則是補《傷寒雜病論》之未備。銀翹散可以看作是對麻黃湯（辛溫解表）在衛分證上的補充。

所以，如果把《傷寒雜病論》學好，就具備了學習中藥的完整核心基礎。

運用現代演算法，破解《傷寒雜病論》藥方組成

許多人一輩子學習《傷寒雜病論》，都在背誦方劑，覺得很難懂。

事實上，《傷寒雜病論》的這些母方，運用現代的程式演算法技術，還可以再繼續破解拆解，找出更核心的秘密！以下運用幾種演算法，分述如下：

1. 藥物頻率分析

第一種演算法最簡單，用最簡單的數學，找出全體方劑中最常用的藥物。

2026年雲端中醫將常見的228 首方劑(經方)進行演算法分析，表面上看起來很多，但組成結構確實高度集中。

資料中共整理出 156 種藥物，每方平均約 4.84 味藥，中位數只有 4 味藥。

也就是說，《傷寒雜病論》的經方，不是靠大量藥物堆疊，而是靠少數核心藥物的不同組合、加減與方向性變化。最核心的藥物整理在下圖：

所以第一個大結論是：經方的底層骨架，是以「桂枝湯」(甘草、桂枝、生薑、大棗、白芍)這個調和營衛、調中、緩急的核心系統。

2. 藥對共現分析

第二種演算法是「藥對」共現分析，是計算兩味藥一起出現的頻率。

所謂的「藥對」，是一組中藥組成。千年以來古人都發現，《傷寒雜病論》的經方是用一組一組的中藥所組成，這就是所謂的「藥對」。

以「出現次數」來看，最強藥對是「桂枝+甘草」、「大棗+甘草 」、「甘草+生薑」 ...等等。

演算法可以再設定「最小共現方數」，越大代表更穩定、更常一起出現的藥對。

若將「最小共現方數」設定為2，可以看到很複雜的網路圖。若設定為30，就會清楚看到「桂枝湯」。

這表示經方最大的一個底層母系統就是：桂枝、甘草、生薑、大棗、白芍，也就是桂枝湯系統。它不是單一方，而像是一個「組方語法」。

3. Jaccard 相似度

第三個演算法，計算Jaccard 相似度，這是要分析「藥對」或「方劑」之間的重疊程度。

第二種演算法「共現次數」專注的是「兩味藥一起出現了幾次？」Jaccard 演算法專注的是：「類似藥對的使用場景重疊比例有多高？」

例如「桂枝＋甘草」這個藥對，共現次數非常高，但是「甘草」這味藥出現範圍太廣，所以 Jaccard 演算法不一定最高。

運用 Jaccard 演算法，就可以看出最常見的方劑骨架。以「桂枝湯」骨架為例，這個骨架可以組成「桂枝加芍藥湯」、「桂枝加桂湯」、「桂枝加葛根湯」、「桂枝加附子湯」、「小建中湯」、「黃耆建中湯」、「當歸建中湯」。

Jaccard 演算法的價值是，先找出方劑的共同骨架，再用比例向量判斷它們為什麼變成不同方劑。

4.Lift 關聯強度

若比較起上面，Lift 藥對演算法具有格外的意義，這個演算法的目的，是找出不是單純常見，而是「特別容易綁在一起」的藥對。

這種演算法認為，出現次數高不一定代表關係專一，Lift數值高，代表兩味藥不是因為都很常見才碰到，而是它們之間有很強的配對傾向。

這裡可以看到，經方裡很多藥對具有非常明確的「功能模組」意義，只要特別學習起來，在特定的機會就可以運用。

5. 藥物網路分析 / 社群偵測

古今有一些經方家著書(例如徐靈胎的《傷寒論類方》)，將傷寒論的方劑分類，成為「類方」，這就是一種「藥物網路社群分析」。

而現代運用演算法，不是先用中醫理論去指定哪些藥屬於哪一類，而是把經方資料轉成一張藥物關係網路，讓演算法自己根據藥物共現關係，把彼此關係緊密的藥分成不同群組。

這種演算法，把藥物視為節點，藥物共現視為邊，找出自然形成的藥物模組。這裡的「自然分群」比較像是，經方資料自己浮現出來的組方結構。

若設定藥物網路自然分成8-20群模組，會產生與古代經方家類似的分類結果。

從這些結果發現，資料分析浮現出來的模組，和傳統方義高度吻合，這完美支持了，經方配伍具有穩定的內在結構。

6. PageRank / 橋接中心性

這個演算法可以找出不只是很常用，而且在整個經方網路中具有核心或橋接作用的藥，這可以是重要中藥相連的程度。

由這個演算法，可以找出像甘草、桂枝、生薑、大棗、半夏、人參、茯苓這些藥，常常不只屬於一個病機，它們是「橋接藥」。

例如：甘草會出現在「桂枝湯系」、「白虎湯系」、「麻黃湯系」、「四逆湯系」、「瀉心湯系」、「承氣湯系」、「咳喘方」、「建中方」，所以甘草在網路裡會有很高的中心性。

在經方的世界裡，理解藥物不是依照功效，所以甘草不是簡單歸為「補氣藥」，桂枝也不是只歸為「解表藥」，半夏也不是只歸為「化痰藥」。

關鍵是這些藥在經方裡實際上怎麼被一起使用，在經方網路裡，一味藥的意義來自它常常跟誰一起出現。

所以真正有意義的是：經方組成實際上是形成了哪些藥物團塊？這就不會葬身在中藥方劑大海中。

7. NMF 非負矩陣分解主題模型

這個演算法，把經方拆成幾個潛在「藥物主題」或「方義模組」，最後效果與「藥物網路分析社群」類似，也可以分類出很多類方，有興趣的人可自行研究，甚至其他演算法如 K-Means。

除了以上提出7種演算法，還有十幾種更細部的演算方法，可以更進一步拆解古人運用經方的原理。我們可以很確定的說，經方絕對是一套非常科學且邏輯化的開藥系統，不是亂槍打鳥！

藥對破解經方的運作原理

傳統上，大家都認為《傷寒論》經方藥簡力專，其治病的原理，至今與「經絡」一樣，依然是一個謎！

既然傷寒論的經方這麼有效又快速，過去千年來中醫師前仆後繼，花費大量時間去想去研究其運作的原理，最後寫出來的理論，為什麼大家還是看不懂？

以當代經方大師 李陽波為例，他在《傷寒論壇講記》中，將每個經方畫成「藥圖」，以桂枝湯為例，就畫成下圖，多數人也是難以理解。

現代透過以上提出的各種演算法技術，就可以清楚看到，要學習傷寒論，首先就是要學習「藥對」，之後再來學習方劑，這就會非常簡單且清楚。

而如果要學習《傷寒雜病論》，必須學習的藥對頂多就是20-40種，所以經方沒有大家想像中的那麼複雜，後續還有很多細節，留待未來的文章繼續探討。

2026年以後的中醫，如果再用傳統抽象的思維來理解的話，中醫永遠沒辦法突破，永遠都會是老舊的思維！在可見的未來，雲端中醫將會不斷運用各種現代演算法來破解中醫。