前言

中醫藥事業是我國醫藥衛生事業的重要組成部分，是基層醫療不可或缺的一個關節，隨著國家對中醫藥的高度重視，越來越多的民營企業加入到中醫藥事業中來。

2024年國務院政府工作報告明確提出要促進中醫藥傳承創新，加強中醫優勢專科建設。並深化大數據、人工智慧等研發應用，開展“人工智慧＋”行動。

正值人工智慧（AI）技術潮流之際，中醫AI，一個充滿活力的新興領域，正在逐漸引起廣泛關注。它融合了數千年的中醫智慧和現代AI技術，為醫療健康領域注入新的動力。中醫AI的應用範圍廣泛，包括輔助診斷、治療效果評估、個性化治療方案推薦以及中藥成分分析等多個環節。借助深度學習和大數據分析，中醫AI提供了更準確、效率更高的醫療服務。

隨著技術的持續發展和市場需求的擴大，越來越多的企業開始投入到中醫AI的研究與開發中。截至2023年年底，投身中醫AI的企業數量已超百家。諸如大經中醫、問止中醫、榕樹家中醫等多家企業已在臨床領域取得顯著成效，展現了中醫AI領域蘊含的巨大潛力。

挑戰

中醫知識體系的複雜性使得AI的理解和應用更加困難。中醫理論包含了五行、陰陽、臟腑等一系列複雜的概念體系，將這些知識有效轉換為AI能夠處理的模型，如何因人而異，因證而異，因病而異，因時而異，因地而異，靈活運用不同的中醫理論體系是一個技術上的挑戰。

數據樣本的品質對人工智慧系統的訓練和表現有直接影響。因此，確保高品質的樣本是至關重要的。這些樣本應具備多樣性，覆蓋不同的年齡段、地域、季節、性別，以及豐富的臨床症狀和疾病表現。此外，應包括辨證分型、病因病機、病史、飲食習慣、情緒狀態和生活方式等要素。在建模階段，AI模型需要從這些眾多資訊中抓住主要線索，精確識別患者的核心問題，並通過治療效果的反饋來優化模型的損失，從而提高AI系統的診斷和治療準確性。

研究

對中醫AI行業進行的研究發現，儘管已經取得了不少進展，但依然存在數據標準化、演算法優化、知識體系結構化、樣本數據多樣化等嚴峻挑戰。傳統演算法只是把中醫辨證分型看作一個多分類問題去解決。例如基於規則模式識別的機器學習演算法，整體泛化性較差，只能挖掘特徵明顯的病案特徵。對於兼有或複雜特徵病案，存在識別率較低情況。基於特徵向量召回和排序的演算法模型只是解決了匹配和相似度問題，仍然不能支撐中醫的辨證論治理念。部分基於神經網路演算法模型，雖然提高了中醫辨證泛化能力，但是由於缺乏先驗知識，對於醫案資訊的理解能力依然不足。

變革

近兩年，人工智慧領域迎來了一個新的階段和發展，OpenAI新的一輪估值已經到達860億美元，旗下的ChatGPT、Sora等引起了行業的巨大震動，國內的文心一言，通義千問等應聲而起，人們對人工智慧的認知從質疑逐步發展為相信、認可、依賴。擁有大量模型參數和廣泛知識經驗的人工智慧模型給人們帶來了非常驚訝的體驗，人工智慧的思考和理解能力也達到了空前的高度。在這之前從2018年開始的GPT1．0～GPT3．0還鮮為人知。結合新興技術，除了文本，還可以理解圖片和視頻等更多內容。

面臨著新技術的發展和優勢，各行各業都在尋找自己的機會，據網際網路新聞23年7月固生堂與百度智慧醫療宣佈，共同開展中醫大模型合作。24年1月九為健康與華為雲聯手構建“中醫藥盤古大模型”。

通用模型已經學習了大量網際網路公開知識，初步具備了一定的知識儲備和理解能力。對於解決特定領域內的問題還是存在很大挑戰。如何將領域內知識遷移到通用模型中，讓其具備領域問題的解決能力。成為中醫＋AI行業的重點研究方向。

變“法”

大模型帶來了巨大的機會，也帶來了挑戰，如何落地依然是各行業思考的問題，編者實地採訪了短短3年時間就在全國佈局1500多家中醫基層診所的榕樹家中醫相關負責人，分享了一些中醫＋AI如何在大模型變“法”經驗：

1．摒棄傳統演算法思想

自22年底ChatGPT3．5的上線，讓人們眼前一亮，自然語言處理模型迎來了空前的發展，經過了一整年的發展後，不僅文本可以裝進模型裏，圖片和視頻也可以輸入到模型去學習。通過一系列的指令微調和語言對齊後，模型帶來了令人興奮的表現。中醫＋大模型的落地不能使用傳統模型訓練經驗，拿著錘子找釘子是不可取的。我們應該研究的方向是如何讓模型學會和理解中醫的思想，又不讓這些思想打架（不同流派經驗）。從而通過對人的分析學會對經驗的靈活運用。

2．發現核心問題

中醫藥是當代中國醫療體系中不可或缺的一部分，但是在中醫學中學術流派眾多、每個中醫醫生的診療水準參差不齊、在中醫診療過程中也存在一定的主觀隨意，這些因素導致中醫的療效有時候效如桴鼓、有時候也不盡如人意。而人工智慧技術恰恰能夠彌補中醫診療中的不足從而發揮中醫藥診療的優勢。

“老中醫”這個詞彙深入人心的原因是中醫看病對於經驗積累非常重視，在沒有其他條件可以參考的情況下，中醫醫生的年齡成為求醫患者的抓手。採訪一些中醫三甲醫院的中醫醫生發現，現在醫院裏中醫醫生出現青黃不接的情況，一些國家級老中醫、省級老中醫的水準和門診量都是非常之高，但是中青年中醫用中醫藥治療疾病的機會越來越少沒有積累經驗和提高中醫水準的途徑。所以快速幫助和培養年輕醫生快速成長，提高臨床經驗水準，快速達到“老中醫”的經驗，也是AI系統所必須具備的能力。

現代人疾病種類眾多，每個中醫醫生有自己擅長的疾病和治療上的不同側重考慮，所以出現不同中醫開出的處方大相徑庭，使得患者對於中醫治療的正確性和有效性有質疑。而中醫人工智慧系統的學習能力可以將從古到今千年海量中醫經驗全部學習並找出其中精華部分，這是任何一個老中醫無法積累的知識儲備。另外中醫人工智慧系統無限的體力和腦力能夠在紛繁複雜症狀疾病中去把握患者的核心證候，就能跳脫出不同中醫流派互相矛盾的境地，中醫人工智慧系統模擬優秀中醫在臨床中抓主症的思維方法，抓住主症就能更好地確定患者的核心證候（或叫病機，證候即患者表現的症狀、疾病的內在原因），從而解決問題。

3．充分利用私域知識

我們的研究團隊發現通用模型沒有學習過足夠多的中醫醫案，相當於剛從院校畢業的學生，只有需要足夠多真實的臨床數據才能讓它獲得有用的知識。

在電腦科學領域，有一條著名的原則“Garbage in， garbage out（GIGO）”，意即如果輸入的數據品質較差，那麼輸出的結果也將不可避免地品質低下。榕樹家借助於全國診所的數量優勢，立足於面向社區人群的中醫診療，擁有著豐富和多樣性的醫案數據，不同的人群，疾病，地域等相關樣本資訊。通過數據的脫敏處理後，這些高品質的數據具備非常大的價值。只有將私域知識和模型對齊後，模型才具備一定的臨床能力。

4．術業有專精

中醫診療中長期被人詬病的問題就是不同的醫生對同一個患者開出的處方都不相同。這個問題原因在於從漢代到當代中醫幾千年的發展中為了解決不同歷史時期存在的主要疾病，出現了眾多中醫流派。比如漢代氣候寒冷人們主要解決的是“傷寒病”出現“傷寒學派”，明清時期氣候轉熱人們主要解決的問題轉變成“溫病”出現“溫病學派”。

模型通過醫案學習知識的同時也會因為流派的問題導致知識體系的衝突，為了解決該問題，我們的研究團隊開發了一套混合專家演算法模型（MOE），通過一套演算法，基於門控網路機制，讓模型中不同的專家學習不同的流派知識。通過一定的打分機制，結合臨床有效率對專家的權重進行微調。

5．望而知之謂之神

中醫看病的四診，望診居首，傳統的中醫望診模型，使用一些卷積神經網路技術，對圖像進行建模實現特徵提取。借助於圖像的向量化編碼，我們在混合專家模型中建立了望診的子模型，通過舌，面，手，眼，耳的維度分析和預測可能存在的患者症狀與疾病。借助於注意力機制，模型能夠充分利用望診資訊，參與到辨證論治中。

總結

隨著大規模模型的發展和AI技術的進步，榕樹家中醫診所成功將中醫＋AI技術應用到基層中醫診療實踐中，開闢了中醫與現代技術結合的新途徑。榕樹家中醫在傳承和發展中醫藥知識體系的同時，也為年輕醫師提供了寶貴的臨床經驗積累機會。未來，隨著技術的不斷進步和優化，中醫＋AI將繼續促進中醫藥事業的發展，造福更為廣泛的人群。

展望未來，我們有理由相信，隨著技術的日益成熟以及實踐經驗的逐漸積累，中醫AI將助力中國傳統醫藥煥發新生，人工智慧的浪潮浩浩湯湯，未來必將在更多的行業掀起變革。

（本文作者：胡俊，中國網際網路新聞中心編輯、中國網中醫藥文化國際傳播平臺主編；余中，清華大學人工智慧國際治理研究院專家，北京航空航太大學特聘教授，北京中醫藥學會中醫藥綜合改革工作委員會首席智庫專家）