前言

中医药事业是我国医药卫生事业的重要组成部分，是基层医疗不可或缺的一个关节，随着国家对中医药的高度重视，越来越多的民营企业加入到中医药事业中来。

2024年国务院政府工作报告明确提出要促进中医药传承创新，加强中医优势专科建设。并深化大数据、人工智能等研发应用，开展“人工智能＋”行动。

正值人工智能（AI）技术潮流之际，中医AI，一个充满活力的新兴领域，正在逐渐引起广泛关注。它融合了数千年的中医智慧和现代AI技术，为医疗健康领域注入新的动力。中医AI的应用范围广泛，包括辅助诊断、治疗效果评估、个性化治疗方案推荐以及中药成分分析等多个环节。借助深度学习和大数据分析，中医AI提供了更准确、效率更高的医疗服务。

随着技术的持续发展和市场需求的扩大，越来越多的企业开始投入到中医AI的研究与开发中。截至2023年年底，投身中医AI的企业数量已超百家。诸如大经中医、问止中医、榕树家中医等多家企业已在临床领域取得显著成效，展现了中医AI领域蕴含的巨大潜力。

挑战

中医知识体系的复杂性使得AI的理解和应用更加困难。中医理论包含了五行、阴阳、脏腑等一系列复杂的概念体系，将这些知识有效转换为AI能够处理的模型，如何因人而异，因证而异，因病而异，因时而异，因地而异，灵活运用不同的中医理论体系是一个技术上的挑战。

数据样本的质量对人工智能系统的训练和表现有直接影响。因此，确保高质量的样本是至关重要的。这些样本应具备多样性，覆盖不同的年龄段、地域、季节、性别，以及丰富的临床症状和疾病表现。此外，应包括辨证分型、病因病机、病史、饮食习惯、情绪状态和生活方式等要素。在建模阶段，AI模型需要从这些众多信息中抓住主要线索，精确识别患者的核心问题，并通过治疗效果的反馈来优化模型的损失，从而提高AI系统的诊断和治疗准确性。

研究

对中医AI行业进行的研究发现，尽管已经取得了不少进展，但依然存在数据标准化、算法优化、知识体系结构化、样本数据多样化等严峻挑战。传统算法只是把中医辨证分型看作一个多分类问题去解决。例如基于规则模式识别的机器学习算法，整体泛化性较差，只能挖掘特征明显的病案特征。对于兼有或复杂特征病案，存在识别率较低情况。基于特征向量召回和排序的算法模型只是解决了匹配和相似度问题，仍然不能支撑中医的辨证论治理念。部分基于神经网络算法模型，虽然提高了中医辨证泛化能力，但是由于缺乏先验知识，对于医案信息的理解能力依然不足。

变革

近两年，人工智能领域迎来了一个新的阶段和发展，OpenAI新的一轮估值已经到达860亿美元，旗下的ChatGPT、Sora等引起了行业的巨大震动，国内的文心一言，通义千问等应声而起，人们对人工智能的认知从质疑逐步发展为相信、认可、依赖。拥有大量模型参数和广泛知识经验的人工智能模型给人们带来了非常惊讶的体验，人工智能的思考和理解能力也达到了空前的高度。在这之前从2018年开始的GPT1．0～GPT3．0还鲜为人知。结合新兴技术，除了文本，还可以理解图片和视频等更多内容。

面临着新技术的发展和优势，各行各业都在寻找自己的机会，据互联网新闻23年7月固生堂与百度智慧医疗宣布，共同开展中医大模型合作。24年1月九为健康与华为云联手构建“中医药盘古大模型”。

通用模型已经学习了大量互联网公开知识，初步具备了一定的知识储备和理解能力。对于解决特定领域内的问题还是存在很大挑战。如何将领域内知识迁移到通用模型中，让其具备领域问题的解决能力。成为中医＋AI行业的重点研究方向。

变“法”

大模型带来了巨大的机会，也带来了挑战，如何落地依然是各行业思考的问题，编者实地采访了短短3年时间就在全国布局1500多家中医基层诊所的榕树家中医相关负责人，分享了一些中医＋AI如何在大模型变“法”经验：

1．摒弃传统算法思想

自22年底ChatGPT3．5的上线，让人们眼前一亮，自然语言处理模型迎来了空前的发展，经过了一整年的发展后，不仅文本可以装进模型里，图片和视频也可以输入到模型去学习。通过一系列的指令微调和语言对齐后，模型带来了令人兴奋的表现。中医＋大模型的落地不能使用传统模型训练经验，拿着锤子找钉子是不可取的。我们应该研究的方向是如何让模型学会和理解中医的思想，又不让这些思想打架（不同流派经验）。从而通过对人的分析学会对经验的灵活运用。

2．发现核心问题

中医药是当代中国医疗体系中不可或缺的一部分，但是在中医学中学术流派众多、每个中医医生的诊疗水平参差不齐、在中医诊疗过程中也存在一定的主观随意，这些因素导致中医的疗效有时候效如桴鼓、有时候也不尽如人意。而人工智能技术恰恰能够弥补中医诊疗中的不足从而发挥中医药诊疗的优势。

“老中医”这个词汇深入人心的原因是中医看病对于经验积累非常重视，在没有其他条件可以参考的情况下，中医医生的年龄成为求医患者的抓手。采访一些中医三甲医院的中医医生发现，现在医院里中医医生出现青黄不接的情况，一些国家级老中医、省级老中医的水平和门诊量都是非常之高，但是中青年中医用中医药治疗疾病的机会越来越少没有积累经验和提高中医水平的途径。所以快速帮助和培养年轻医生快速成长，提高临床经验水平，快速达到“老中医”的经验，也是AI系统所必须具备的能力。

现代人疾病种类众多，每个中医医生有自己擅长的疾病和治疗上的不同侧重考虑，所以出现不同中医开出的处方大相径庭，使得患者对于中医治疗的正确性和有效性有质疑。而中医人工智能系统的学习能力可以将从古到今千年海量中医经验全部学习并找出其中精华部分，这是任何一个老中医无法积累的知识储备。另外中医人工智能系统无限的体力和脑力能够在纷繁复杂症状疾病中去把握患者的核心证候，就能跳脱出不同中医流派互相矛盾的境地，中医人工智能系统模拟优秀中医在临床中抓主症的思维方法，抓住主症就能更好地确定患者的核心证候（或叫病机，证候即患者表现的症状、疾病的内在原因），从而解决问题。

3．充分利用私域知识

我们的研究团队发现通用模型没有学习过足够多的中医医案，相当于刚从院校毕业的学生，只有需要足够多真实的临床数据才能让它获得有用的知识。

在计算机科学领域，有一条著名的原则“Garbage in， garbage out（GIGO）”，意即如果输入的数据质量较差，那么输出的结果也将不可避免地质量低下。榕树家借助于全国诊所的数量优势，立足于面向社区人群的中医诊疗，拥有着丰富和多样性的医案数据，不同的人群，疾病，地域等相关样本信息。通过数据的脱敏处理后，这些高质量的数据具备非常大的价值。只有将私域知识和模型对齐后，模型才具备一定的临床能力。

4．术业有专精

中医诊疗中长期被人诟病的问题就是不同的医生对同一个患者开出的处方都不相同。这个问题原因在于从汉代到当代中医几千年的发展中为了解决不同历史时期存在的主要疾病，出现了众多中医流派。比如汉代气候寒冷人们主要解决的是“伤寒病”出现“伤寒学派”，明清时期气候转热人们主要解决的问题转变成“温病”出现“温病学派”。

模型通过医案学习知识的同时也会因为流派的问题导致知识体系的冲突，为了解决该问题，我们的研究团队开发了一套混合专家算法模型（MOE），通过一套算法，基于门控网络机制，让模型中不同的专家学习不同的流派知识。通过一定的打分机制，结合临床有效率对专家的权重进行微调。

5．望而知之谓之神

中医看病的四诊，望诊居首，传统的中医望诊模型，使用一些卷积神经网络技术，对图像进行建模实现特征提取。借助于图像的向量化编码，我们在混合专家模型中建立了望诊的子模型，通过舌，面，手，眼，耳的维度分析和预测可能存在的患者症状与疾病。借助于注意力机制，模型能够充分利用望诊信息，参与到辨证论治中。

总结

随着大规模模型的发展和AI技术的进步，榕树家中医诊所成功将中医＋AI技术应用到基层中医诊疗实践中，开辟了中医与现代技术结合的新途径。榕树家中医在传承和发展中医药知识体系的同时，也为年轻医师提供了宝贵的临床经验积累机会。未来，随着技术的不断进步和优化，中医＋AI将继续促进中医药事业的发展，造福更为广泛的人群。

展望未来，我们有理由相信，随着技术的日益成熟以及实践经验的逐渐积累，中医AI将助力中国传统医药焕发新生，人工智能的浪潮浩浩汤汤，未来必将在更多的行业掀起变革。

（本文作者：胡俊，中国互联网新闻中心编辑、中国网中医药文化国际传播平台主编；余中，清华大学人工智能国际治理研究院专家，北京航空航天大学特聘教授，北京中医药学会中医药综合改革工作委员会首席智库专家）