0 引言
随着中医专用大语言模型的研发与应用，人工智能（AI）已实质性地介入中医诊疗流程，并初步构建了一种“四诊数据人工收集，宏观辨识与把控依赖人机配合，AI提供基础方剂组合建议，精准增减则由医生决定”的新型人机协同诊疗模式。相较于以往的智能诊疗模态，新一代生成式大语言模型摒弃了将病证判定和方药选择简化为单一判断的问题转换模式，不再局限于有限的数据集进行病证与方药的匹配。相反，大语言模型利用海量的互联网数据资源，并结合个性化的临床资料，凭借最新的深度学习算法为问诊环节提供更为广泛适用且贴近临床需求的解决方案。可以说，一个基于中医专家与AI技术优势互补的“医者+AI”协同决策机制渐成雏形，AI技术或将成为中医精髓传承的重要辅助
［1］。
对于中医与AI协同诊疗的可能性，学界对此已有探究。黄欣荣等
［2］指出，大数据的全面性、复杂性和关联性特点与中医思维的整体观、中医术语的模糊性以及丰富的临床实践体验之间存在着内在联系。他们认为“借助数据化的方式来展现整体观念，中医便拥有了迈进科学殿堂的门票。”这一观点揭示了数据驱动在推动中医AI技术步入临床实践中的关键作用。此外，邱德胜等
［3］强调了中医诊疗标准化、规范化和智能化所带来的效能提升效果，拓宽了中医在临床救治方面的应用边界。杨燕等
［4］从中医思维的视角出发，认同AI算法在数据聚类、关联分析、学习更新和反馈调节等方面的操作特性与中医的象思维有着相通之处，二者均强调整体考量、动态开放、倚重直观经验及注重预见性推理。这些观点显示大数据与AI技术的确有可能与中医理论产生深度的融合。当下，AI在大语言模型领域的新突破正在助力中医借力AI实现现代化跃迁，通过建设中医语料库、知识表示体系，对大模型指令进行精细化调整，以及强化中医医师与AI的互动学习，中医智能诊疗的可信度得到了持续提升
［5］。中医的“意象世界”与AI的“算法世界”在协同诊疗的实践中逐渐靠近，正在发生某种交叠与互构。
诚然，中医的“意象世界”与AI的“算法世界”的融合，其前提是无损于中医的“本色”，让AI与中医“同频”。那么，这种融合在理论上何以可能？其融合路径应该是什么？本文就此问题展开分析，提出了一种融合图景。
1 中医的“意象世界”
四诊合参与辨证论治作为中医诊疗体系的独特精华，贯通于理法方药中，其特点为整体思维。中医认为人体是一个动态演变的、整体的生命体，是一个形神一体的、身体与情志互通的、鲜活的个体，更是一个在自然和社会中生活着的、天人相应的生灵。因此，中医诊疗中要以人为本、辨证论治、重视个体差异。借助阴阳五行理论，以及风、寒、暑、湿、燥、火和疫疠之气的概念描述或解释该“整体”的病理机制，发展出了藏象学说。中医将疾病理解为人体与自然、社会的失衡，将治疗理解为通过调理重现平衡与和谐的过程。基于这种整体观念，医师通过望、闻、问、切来获得关于身体的证候，了解患者的生活起居、饮食习惯和过往病史，甚至还有患者的生活遭遇和情绪变化，再结合时节、气候和社会环境等信息综合分析。然后，医师依据药物性味归经理论，并运用七情和合配伍原则，定制方剂以调和患者体内阴阳，达致动态平衡，促进康复。这种整体思维让中医将人体各部分、人的形与神、人与环境视为整体。
从知识形态的角度看，中医知识不同于现代科学的实证方法与理性分析，更偏向于经验归纳与哲学思辨，更依靠直观与直觉。中医诊疗依托于自身的“内证实验”及临床实践经验、临床感悟和直觉，更加依赖于老中医的临床经验和非形式化知识，说明中医诊疗实践中存在大量的默会知识（波兰尼语）
［6］。这类知识难以形式化、系统阐述，往往只能意会而难以言传，虽常在实践中应用，却无法通过明确的语言符号精确表达或传授，不同于可形式化、可系统表述的显性知识。中医医者的默会知识，包括学习策略、临床技能、人际互动、情绪情感、价值取向和中医药文化六个方面，构成了各种认知活动及实践行为的必要基础
［7］。默会知识在中医知识图谱中占据绝对地位，这正与中医一直以来“重直觉、体悟，轻实证、量化”的特点相一致。这种非形式化和非结构化的知识或表现为一种临床辨证辨病中的具身性诀窍，背后是一种独特的心智模式。
中医拥有独特的疾病认知与阐释体系，称为“意象世界”。在这个体系中，“象”作为中医特有的论述载体，用于阐明自然界、人体及其气色藏象的本质，涵盖物象、具象与意象三个层次。首先，医者通过直观的“观物取象”，如通过望闻问切获取的原始信息形成物象；其次，将这些直观现象提炼转化为具象，如脏腑之象、经络之象、舌象、脉象等具体表现；最后，通过对具象深入理解、联想推演，掌握其内在规律与微妙之处，升华为意象。象思维是中国古代独特的一种思维方式，侧重于依托事物外在表征，通过象征、联想、比喻、类推等方式，探索事物本质，形成抽象的认知表达。以脏腑“象”模式为例，通过将人体脏腑、器官、感觉情绪等活动对应五行属性，构建了一套融汇自然与人体为一体的立体、动态的有机整体观念
［8］。象思维是对事物的抽象概括，抽丝剥茧般提取其表象，直达内在含义，达到“得意忘象”的境地，体现出崇尚自然整体性、开放动态性、直观模糊性及直觉领悟性等特点
［9］。在中医理论与实践中，医生常常运用司外揣内、取象比类的方法，依据表象进行辨证论治。值得注意的是，中医所述的“象”通常指的是反映动态功能状态的象征性表现，而不局限于具体的实体结构。
中医的象思维实质上是一种模型化思考方式，它涵盖了诸如阴阳模型、卦爻模型、五行模型、易数模型等。这些模型面向的真实世界就是一个“自然—社会—身体—心理”四位一体的人，是形神合一，活生生的，性别、体质、年龄颇有差异，生活于不同时令气候、地理环境的生命个体。中医通过观察、认知、预测和交互与世界打交道，学会了区分真实与虚假，建立了可靠的模型。中医的知识演变也经历了从猜想到理论推演，再到实践互动的过程，才逐渐形成了这种模型。
2 中医走进“算法世界”
AI技术嵌入中医诊疗实践，并非单纯的技术驱动，而是中医发展的必然选择。这一趋势源于中医现代化的内在需求，旨在提升中医的科学性和普及性。大数据和AI技术的应用为中医提供了一个新的发展方向，使其能够通过技术手段实现诊疗过程的客观化和标准化，提高其科学性和可接受度。
2.1 大数据技术让中医走向数据化和标准化
在诊疗实践中，中医的望、闻、问、切依赖于人的五官，可能受到医者临床经验、主观感受的影响，存在猜测和推断的可能，导致信息采集可能存在不全面、偏差甚至遗漏的情况，使得中医通过援物比类、司外揣内进行的辨证方法带有一种猜测和试错的特点。因此，中医诊疗信息质量的提升有助于中医的精进。基于海量的中医大数据，借助AI技术对数据进行挖掘与处理，有助于中医基于更加整全的信息做出更有效的诊疗决策。目前，中医大数据体系的构建涵盖了多个维度，包括中医文献知识库建设、中医古代医案知识库建设和中医临床数据知识库建设等
［10］。随着语音识别技术和传感器技术的不断进步和完善，数字化中医四诊——望、闻、问、切的智能化设备研发正日益趋向成熟，表现出临床潜力，包括摄像头望诊、自然语言问诊、拾音器闻诊、电子鼻和脉象仪切诊等四诊设备
［11］，从而达到科学化、标准化的切诊效果。在问诊环节之外，通过可穿戴设备、智能手机、智能四诊仪、推拿按摩和针灸机器人等智能终端将获得充足的身体状态、饮食习惯、文化传统等数据
［12］；还可以通过数字病例了解个人病史，通过政府渠道获得温度、气候变化等环境数据，以及传染病等社会群体的健康数据。基于全方位的数据采集、存储和处理，一个包含人、证、症、病、药的动态数据体系建立起来。在大数据的支持下，医者可以获得关于患者生活数据、病症的详细数据、病史和临床数据，还可以了解到患者的性情、喜恶、社会互动等信息。借助以知识图谱可视化技术为基础的AI技术，基于症状、病机与证候之间的复杂网络关联关系，AI可以一定程度上复刻中医辨证诊断的思维过程
［13］。
中医大数据可以非常全面而多样，并涉及多种形态、多个领域和多个层面。大数据着重于从浩瀚多元的数据中揭示模式与联系，而非孤立解析单一数据点。它注重全局视野，通过整合不同来源的数据来理解复杂结果。大数据允许并善于处理不精确、不完整或不确定的数据，并善于挖掘数据间的相关性和隐藏的非线性关系，而非传统的因果关系。这就是体现为全面性、混杂性和相关性的大数据思维，它与中医思维具有内在的相通性，是大数据技术在中医领域推广的基础。
2.2 AI参与中医默会知识生产
中医大数据的运用延展了中医的整体思维，丰富了诊疗方式。基于不断趋于全面、立体、多样、动态的数据，AI技术可以为中医诊疗提供决策支撑，出现人机协同问诊的现象。AI已经具备从大数据中自主挖掘规律的能力。例如，AI算法在发现蛋白质分子结构方面的表现非常惊艳。AI技术可以在无序的数据中发现各关键词的潜在关联，并尝试建立基于已有的数据进行二次整理、深度学习的能力。借此可以从复杂症状中提取、归纳中医证型、分析症状与症状、症状与方药、症状与证型、证型与方药、方药与方药等之间潜在的关联规则
［14］。在对方药的利用中，可挖掘药物配伍规律及潜在药物、核心药物、核心处方等，总结名老中医经验，以辅助临床诊疗工作。通过对中医经典文献、中医临床数据、中医名医经验、老中医档案的数据化，隐秘化、个性化和经验性的中医默会知识可变成结构化的，可运算和可处理的数据。更进一步，AI算法基于对数据的分析，给出具有临床指导意义的建议。因此，中医知识生产中AI算法的因素越来越不容忽视。董春雨等
［15］指出：“人类必须正视机器在其擅长的领域，通过特殊的认识方式所获得和积累的知识。”
需要注意，中医AI的快速发展使其不再仅仅是知识的存贮和输出工具，而是成为医者临床决策的协商对象。中医临床决策高度依赖个人经验、直觉、个性化处理以及信息的非正式传递，不是一个简单的知识应用过程，而是一个充满创造性和偶然性的过程。该过程可被视为一个默会知识的创造性生产过程。在其中，通过对大量病例、诊疗数据等进行深度学习和数据分析，AI能够挖掘出临床经验中的规律和模式。AI的强算力和强学习能力比人类更加准确、快速和廉价，与人逐渐形成某种分工格局，协同进化。中医师从繁重的学习、记忆和分析、判断中解脱出来，让AI算法帮助医者增强在检测、诊断和预测方面的认知能力。比如，AI能够辅助医生快速定位症候、缩小病因范围。总之，AI算法为临床决策提供有效的个性化意见是人机协作生产默会知识的基础。
2.3 算法对“象思维”的模仿
任何学说或理论都有自己的世界模型，它是人类在头脑中构建的，以临摹或映射周围真实世界为目标，用于指导行动和探索的抽象的内在模型。它以话语、叙事、因果观念或价值导向的形式存在。2024年2月15日，OpenAI公司开发的一款能够根据文本提示生成高质量视频片段的AI模型Sora正式对外发布，它不仅被视为一个视频生成模型，更被定位为一个强大的“世界模拟器”，能够基于文本输入构建并模拟现实世界中的场景和事件，引发了学界对“世界模型”的探讨。对于AI而言，世界模型是一个具有预测能力的神经网络或其他类型的机器学习模型，它通过观察和学习来自环境的数据（如图像、声音、动作及其结果），形成一个关于环境的内部映射或理解，并试图捕捉环境的本质特征和运作规则。世界模型试图理解和模拟整个世界的复杂性和多样性，包括高级别的抽象和推理能力，比如理解物体属性、物理定律、社会规则等。中医理论有赖于中华民族两千多年以来的经验积累，而数据驱动的AI算法也是一种经验主义，两者在思维和世界观上离得并不远。比如，ChatGPT等大模型与中医这种经验医学的学习模式是相符合的
［16］。
那么，AI的世界模型能否模仿中医的意象世界？这是人与AI协同问诊的基本问题。
AI算法基于大量的临床数据和医案反馈，将蕴含在中医大数据之中的规律挖掘出来，得到符合中医特点的经验算法。深度学习、神经网络等AI算法具有自我学习和迭代的能力，可以对数据进行聚类、关联、学习、反馈等操作，与象思维有共通之处。比如在神经网络中，可将中医的脏腑理论、经络理论、病因病机、证候类型等知识组织起来，形成节点和边的关系网络。通过逻辑编程、路径查找、规则推理等方式，算法能够模拟中医的辨证论治过程，根据已知的意象符号推断潜在的病理状态和治疗方案。这样一来，中医的意象元素和辨证论治原则可以被形式化为数据结构和算法逻辑，进而融入AI模型中，并建立对中医意象符号的识别、关联和推理能力。这种趋向象思维的算法可以把“只可意会不可言传”的悟解具象化，或许存在将中医抽象、整体的意象思维转译为AI算法，将象思维转译到虚拟世界的潜力。
3 中医与AI的融合及其困难
中医从“意象世界”走进“算法世界”的过程，也就是中医基于传统文化、哲学思想以及直观经验形成的复杂理论体系和诊疗模式，通过现代AI方法进行形式化、结构化和模型化的表达与应用过程。也就是说，在中医数据化的基础上将中医的阴阳五行、脏腑经络、辨证论治等理论框架转化为算法框架，让算法通过学习大量的中医临床案例，逐步掌握和优化中医的世界观和诊疗技艺，搭建能够模拟中医诊断和治疗逻辑的模型。这意味着尝试用现代科技手段去捕捉、理解和实现中医的诊疗智慧，让医者的意象世界与AI的算法世界越来越紧密地互动。尽管中医与AI融合前景令人振奋，但真正的融合仍存在困难。
3.1 中医大数据的偏颇难题
如前文所述，大数据思维让中医的整体观念获得了新的展现方式，是中医与AI融合的契合点。基于此，医者可以从海量的中医诊疗数据中给出关于特定患者更为立体全面的整体认知，进而发掘出规律性的共通知识，超越中医诊疗中模糊主观的定性描述，提高了中医的整体化水平，人的性命成为一个更加全面而明晰的数字整体。黄欣荣等
［2］认为，“用全部数据来描述整体，那么整体就变成了一个数据化的整体，因而也变成了可进行技术处理和操作的整体，而不是传统整体论那种抽象、不可分的整体。”
然而，由于数据融通不够，大数据技术在助力医师知常达变、辨证论治方面没有发挥出潜力和优势。第一，中医大家及名家学术思想、诊疗经验和临床数据繁冗复杂，难以进行清晰地梳理和分析。第二，患者不准确、生活化甚至模糊的病患特征描述经大数据技术转换后，会形成大量杂乱、无秩序的数据包，有待挖掘和解读。第三，高质量的中医数据稀缺且难以获得，导致大型语言模型在处理中医任务时效果不佳，需要开发针对中医知识的大语言模型，以增强其在临床推理任务中的性能和准确性
［17］。
上述现状造成了数据异构和信息孤岛的局面，大大削弱了大数据对中医诊疗实践的支撑作用。未来的中医大数据发展需要结合医者“全面、立体、多样、动态、长期”的数据要求，以帮助医者或算法建立对患者的“整体认识”，服务于临床的辨证施治及更广泛的中医智能健康管理
［18］。任何以个人、公司、医院、地区的利益为由，造成数据区隔、数据类型片面、数据失真的，都不利于中医的辨证论治临床效果的改善，更不利于中医宝贵而独特思维在现代技术时代生存。
3.2 AI参与知识生产的可靠性难题
基于Transformer深度神经网络架构的大语言模型习得了语言元素之间的统计关联，产生了创造新文本的表象，易引发将其视为新知识创造者的联想。这种AI是基于统计概率而非知识内涵生成文本，本质上是在玩一场基于海量词汇关联性的“智能填词游戏”，而非构建新知识
［19］。生成不意味着生产，“文本生成”也不是“知识生产”，仅仅是模型内部已有数据结构的延展与重组，并受限于训练数据和模型框架，无法实现真正意义上的知识突破或创造性产出。也就是说，大模型并非为了映射真实世界，而是对人类语料库的符号处理，并不以求真为算法迭代的方向。因此，目前认为语言大模型不能独立生产新知识。甚至，由于AI揭示的是事物之间的表面关系而非本质关联，带有一定的欺骗性和错误性，容易生产出大量的“泡沫化知识”。
前文提到，在人机协同问诊实践中，基于古籍文献、老中医经验和临床数据训练的算法善于将隐秘化、个性化和经验性的中医默会知识复现于问诊过程，让中医师从繁重的学习、记忆和分析、判断中解脱出来。然而，由于算法并不总是能够区分事实和虚构，或者理解上下文和背景信息，同样存在AI辅助问诊中产生“泡沫化知识”的问题。尽管如此，AI辅助问诊在问诊情境中的知识生产还是有贡献的。
当中医医者能够体悟和领会AI算法问诊建议的合理性和可取之处时，默会知识就在人与算法之间传播了。这种知识是“可意会不可言传”的。但是，还有一种知识，不为人所能知，完全脱离人类已有的知识成果，却为AI算法所掌握，中医医者无法“意会”也无法“言传”，王维嘉称其为暗知识
［20］。由于AI生产知识的机制（尤其是基于神经网络和深度学习的AI算法）对人而言是黑箱，导致中医医者无法解释也无法体悟这种暗知识，它是算法所独自占有的。这种知识的可靠性就更加成了问题。如果AI算法真的掌握了这种暗知识，那么，AI就可以被认为在创生知识了
［21］。但是，目前这只是一种理论推测，实践领域尚无确证迹象。
4 中医与AI融合的可能路径
如上所述的“中医大数据的偏颇难题”与“AI知识生产的可靠性难题”，终会在中医与AI的融合实践中得到一个结果。目前，技术实践中的新进展正呈现出可能路径：一方面，让AI发展具身智能，直接接触真实的中医世界；另一方面，让中医医者在与AI打交道过程中形成一种基于生命体验的协同关系。
4.1 发展中医AI的具身智能
目前，通过类似“填鸭灌输”的方式训练AI算法，其本质是对千百年来中医积累的先验知识的一种近似模仿，将人的象思维以数字方式运行于虚拟世界，实质是人类帮助AI学会了人类语词间隐含的世界模型。也就是说，在AI与世界之间间隔着人类的知识和数据。而且，AI算法尚不具有行动能力，无法通过行动与真实外界建立反馈，也就无法完成反事实推测。
具身认知的研究强调人的身体本身是认知活动的基础。自身负载着能够有效应对环境变化的机制，从而成为认知活动的基础或一个环节。学界从人类认知的“具身性”得到启发，认为AI算法的认知离不开“AI的身体”。AI被设想为具有具身智能，原因如下：首先，它可以具备物理形态和感知能力（通过各种传感器），能够与现实世界直接互动，其感知与运动紧密相连，从而实现动态适应环境。其次，它拥有主动推理和决策能力，能够基于自身的认知来采取行动，其算法也被具身体验所塑造
［22］。甚至，由于AI可以拥有不同于人类的物理身体，并通过网络建立虚拟身体，从而具有了不同特质的具身认知能力
［23］。
基于此，后续中医AI的发展需要算法基于“认知—决策—行动”的能力，跳过人类，能动地建立自己的“经验”结构。对于中医AI的算法模型，就是让算法直接与患者的临床数据建立实时关联，将通过各种传感器和问诊仪器收集的四诊数据、生命体征数据、环境数据、心理和情绪数据等输送给算法，并且让算法具有预测和行动权力，可以能动地参与诊疗实践，在预测与行动中去尝试建立关于人体、药物、生活环境等方面的世界模型。也就是说，用来自真实世界的原始数据输送给AI，而不是人筛选后的数据。这样，AI可以基于与真实世界打交道的方式，建立自己的，不同于人类的对真实世界的另类表征，建立不同于人的经验结构，并根据行动效果对行动策略进行调整，优化推理。总之，就是让AI算法自己走进真实世界，走进实践，在试错中与客观世界共同进化。
4.2 构建中医医者与AI的深度协同
目前，中医医者在与AI打交道时还是将AI看作工具和辅助。随着中医AI不断精进，医者开始分析、理解和领会中医AI给出的诊断决策的合理性。当惊叹于AI生成的方剂考虑之周全时，中医医者开始向AI学习，逐渐看到AI默会知识的价值，在决策中尊重AI的智识地位。随着中医医者与AI协同问诊的深化，一场人与算法协同进化的过程开启。一方面，医者在使用AI时参与到对AI所创知识的纠正和筛选中，算法迭代中将会把一些错误的、有偏颇的、无价值的知识逐渐淘汰，形成某种知识创新应用中的互补与协作；另一方面，人类有望借力AI打破既有认知局限，孕育出全新的概念、见解、理论体系，推动中医知识创新。
人机关系方面，人与AI打交道不再是简单的指令控制，而是在深度协作中实现知识与智能的共生进化。其中有何伦理意涵呢？第一，医者应该从被动使用AI，转变为主动理解AI，并在使用过程中优化AI的应用方式，甚至参与AI诊疗算法的进化。医者应主动向AI反馈自己的理解和体会，给AI向自己学习的机会，推动“人机共训”机制的形成。第二，人机协作越深入，人的生命体验越可贵，这是一种人无法被替代的核心价值。人工智能缺乏同理心，冰冷的机器所表现出的“人工情感”反而容易激起患者的排斥心理
［24］。人的生命体验可以让人能够理解问诊情境的微妙之处，弥补AI在纯逻辑之外的盲点，带来人文关怀的温暖。从而，让人的生命体验与AI算法的内在规则相联结，让AI更深入地纳入医者的生活世界。在这个过程中，AI不再是单纯的工具，而是成为医者智慧的延伸和补充，共同推动形成人机共融、智慧共享的中医新生态。
5 结语
随着AI实质性地参与到中医诊疗活动中，如何实现中医与AI深度融合呢？针对该问题，文章分析了中医的“意象世界”与AI的“算法世界”之间的契合点，探讨了融合过程中的挑战，并尝试讨论了中医与AI融合的可能路径。通过发展中医AI的具身智能和构建中医医者与AI的深度协同，有望实现人类医者与AI之间的深度协同，推动中医与AI的深度融合。在融合中要保持中医的“本色”，按照中医理念来构建AI，与中医“同频”。中医AI技术的应用不仅是技术层面上的革新，也是对中医哲学思维的一次深刻诠释与实践，旨在将千百年来积累的中医经验智慧通过现代算法语言进行重构和升华，从而推动中医理论与实践的现代化进程。
贵州省教育厅2024年高校人文社会科学研究专项项目“哲学视域下人工智能驱动中医药新质生产力发展研究”(24RWZX049)
教育部人文社科项目（西部）青年基金项目“当代技术哲学的‘物转向’研究”(24XJC720002)
京公网安备11010202008535号
PDF
(553KB)
