目的《中国护理事业发展规划纲要(2016-2020)》指出,积极开展辨证施护和中医特色专科护理,是国家对护理事业发展的要求。辨证施护是依据中医基础理论提出的中医护理基本法则。然而,中医护理技术虽然开展广泛,临床护理人员中医基础理论知识却较为缺乏,且受个人主观条件影响,导致辨证的结果存在差异,本研究以中医护理技术为切入点,旨在探索中医护理技术的辨证需求和特点,得出现阶段适合中医护理技术的辨证方法,并在此基础上,运用不同机器学习模型构建中医护理技术辅助辨证工具,验证各模型准确率,得出最优模型。方法本研究借鉴朱文锋《证素辨证学》理念,基于证素信息收集表采集2018年至2019年某三甲中医院的297名中医门诊患者症状体征及八纲辨证分型共计173,151条数据,应用支持向量机(Support Vector Machine)、全连接网络(Fully Connected Networks)和自编码器+全连接网络(Autoencoder+FCNs)这三种机器学习算法构建辅助辨证工具,利用收集的数据进行模型训练,测试运用十折交叉验证,比较其结果的准确率。结果(1)本课题共收集297例患者,其中男性133例(44.8%),女性164例(55.2%),年龄最小为19岁,最大为72岁,平均年龄为48.14±10.67岁。(2)通过t-SNE进行收集数据的可视化,发现在较低维度下,不同辨证分型的数据分布高度重合,辨证结果区分不明显。(3)收集的数据中,最频繁出现的证候依次是以下几类:舌淡胖、舌苔腻、舌苔黄、新产流产手术史、失眠、舌边齿印。(4)在相同的训练集和测试集下,全连接网络在三个模型中取得了最好的结果,其中表里、寒热以及虚实这三种证候准确率分别达到95.86%、97.58%和96.55%,支持向量机、自编码器+全连接网络、全连接网络建模最高耗时分别为0.82s、6.27s、23.59s,其中支持向量机耗时最短。结论全连接网络在八纲辨证上具有较高的准确率,可以辅助临床护士在中医护理技术操作前的辨证,做到“辨证施术”,在开展临床应用时应进一步思考其操作性。