人工智能赋能中医药: 现代化进程中的传统传承与融合发展

Artificial intelligence empowering traditional Chinese medicine: balancing modernization and traditional inheritance

摘要

中医药的标准化与规模化是其融入现代医疗体系、实现高质量发展的关键。人工智能(AI)技术在数据处理和分析方面的强大能力, 为加速中医药现代化进程提供了新的可能。然而, 中医诊疗的整体性、辨证性特点, 使其与基于数据分析的AI技术之间存在天然的张力, 如何在推进现代化的同时, 有效传承中医的传统特色, 成为亟待解决的核心问题。聚焦于这一核心矛盾, 从临床应用、配伍应用和学习传承三个方面总结AI在中医药领域的应用现状及其优势, 同时指出当前AI技术在上述方面存在的实际问题, 最后探讨AI在中医传统与发展中的作用, 并尝试提出未来的发展策略, 以助力中医药在新时代实现传承与发展的有机统一。

Abstract

The standardization and large-scale application of traditional Chinese medicine (TCM) are key to its integration into the modern medical system and the realization of high-quality development. The powerful capabilities of artificial intelligence (AI) technology in data processing and analysis offer new possibilities for accelerating the modernization of TCM. However, the holistic and syndrome-based characteristics of TCM diagnosis and treatment create an inherent tension with AI technology, which relies on data analysis. How to effectively preserve the traditional characteristics of TCM while advancing its modernization has become a core issue that urgently needs to be addressed. Focusing on this core contradiction, this paper summarizes the current application status and advantages of AI in the field of TCM from three aspects: clinical application, formula compatibility, and learning and inheritance. Meanwhile, it points out the practical problems of current AI technology in the aforementioned aspects. Finally, it explores the role of AI in the tradition and development of TCM and attempts to propose future development strategies, aiming to contribute to the organic unity of inheritance and development of TCM in the new era.

关键词

中医药 / 人工智能 / 医学现代化 / 学术传承 / 创新研究 / 智能诊断 / 中药现代化 / 传承模式 / 均衡发展

Key words

traditional Chinese medicine / artificial intelligence / medical modernization / academic inheritance / innovation research / intelligent diagnosis / modernization of Chinese materia medica / inheritance model / balanced development

参考文献

[1] 喻凯凯, 谭爱华, 周涛. 中医药治疗肝内胆汁淤积症的临床对策及研究进展[J]. 亚太传统医药, 2026, 22(1): 238-243. DOI: 10.11954/ytctyy.202601045.

[2] 周牡娜, 肖军, 欧阳方丹, 等. 六味地黄提取物调控Wnt/β-catenin信号通路改善2型糖尿病大鼠胰腺损伤[J]. 中药药理与临床, 2025, 41(7): 15-20. DOI: 10.13412/j.cnki.zyyl.20250106.003.

[3] REN J L, ZHANG A H, WANG X J. Traditional Chinese medicine for COVID-19 treatment[J]. Pharmacol Res, 2020, 155: 104743. DOI: 10.1016/j.phrs.2020.104743.

[4] ZHAO X, BAI Z F, ZHAN X Y, et al. Safety evaluation of traditional Chinese medicine: new era, new strategy[J]. Acupunct Herb Med, 2024, 4(2): 171-175. DOI: 10.1097/hm9.0000000000000119.

[5] 张民权, 龚铭城, 陈泽锴, 等. 人工智能与分子模拟在药物设计中的研究进展[J]. 医药导报, 2024, 43(1): 78-84. DOI: 10.3870/j.issn.1004-0781.2024.01.013.

[6] JARTARKAR S R. Artificial intelligence: its role in dermatopathology[J]. Indian J Dermatol Venereol Leprol, 2023, 89(4): 549-552. DOI: 10.25259/IJDVL_725_2021.

[7] 程春雷, 蓝勇, 叶青, 等. 多层特征融合及可解释的中医四诊相似度计算方法[J]. 计算机应用与软件, 2025, 42(8): 41-47. DOI: 10.3969/j.issn.1000-386x.2025.08.006.

[8] 夏雨墨, 高慧, 王庆盛, 等. 颜色空间在中医望诊客观化研究中的应用进展[J]. 中国中医药信息杂志, 2021, 28(4): 135-139. DOI: 10.19879/j.cnki.1005-5304.202010187.

[9] 郝博文, 段梦遥, 赵欣, 等. 失眠症肝郁血虚证舌诊客观化研究及应用探索[J]. 世界中医药, 2025, 20(11): 1954-1958, 1964. DOI: 10.3969/j.issn.1673-7202.2025.11.017.

[10] 段梦遥, 关静, 胡志希, 等. 基于客观化特征的冠心病面诊研究[J]. 北京中医药大学学报, 2025, 48(11): 1540-1546. DOI: 10.3969/j.issn.1006-2157.2025.11.008.

[11] 宋梦, 倪菲, 李佳美, 等. AI辅助中医眼诊技术创新研究[J/OL]. 中华中医药学刊, 2026, 44(6): 15-19, 263-264. DOI: 10.13193/j.issn.1673-7717.2026.06.003.

[12] 江益靓, 张旭龙, 邓晋, 等. 数据增强基础上使用卷积神经网络进行闻诊[J]. 复旦学报(自然科学版), 2019, 58(3): 328-334. DOI: 10.15943/j.cnki.fdxb-jns.2019.03.004.

[13] VAN DER SAR I G, WIJBENGA N, NAKSHBANDI G, et al. The smell of lung disease: a review of the current status of electronic nose technology[J]. Respir Res, 2021, 22(1): 246. DOI: 10.1186/s12931-021-01835-4.

[14] 刘奕清, 李迎, 杨洪军, 等. 基于大语言模型的中医智能预问诊系统的构建与验证[J]. 中医杂志, 2025, 66(9): 895-900. DOI: 10.13288/j.11-2166/r.2025.09.005.

[15] 陈松晔. 基于深度学习和集成学习的脉象信号分析识别研究[D]. 上海: 华东理工大学, 2020.

[16] 黄竹雅. 基于ResNet网络的指尖妊娠脉信号分析[D]. 北京: 北京邮电大学, 2021.

[17] 李楠, 于佳瑞, 闫鹏宣, 等. 中医智能诊疗系统的研究与展望[J]. 中华中医药杂志, 2021, 36(11): 6343-6346.

[18] 哈凯婷, 胡晓娟, 董致臻, 等. 脉音客观化研究进展[J]. 时珍国医国药, 2025, 36(8): 1523-1529. DOI: 10.70976/j.1008-0805.SZGYGY-2025-0821.

[19] 付广威, 郭逸文, 程伟. 人工智能时代中医诊疗模式的思考[J]. 医学与哲学, 2025, 46(14): 64-69. DOI: 10.12014/j.issn.1002-0772.2025.14.13.

[20] 邹清祥, 雍亚云, 黎学军, 等. 基于人工智能技术的中医儿科“治未病”健康管理: PEST-SWOT分析与对策研究[J]. 广西医学, 2025, 47(8): 1099-1105. DOI: 10.11675/j.issn.0253-4304.2025.08.05.

[21] LI R F, HOU Y L, HUANG J C, et al. Lianhuaqingwen exerts anti-viral and anti-inflammatory activity against novel coronavirus (SARS-CoV-2)[J]. Pharmacol Res, 2020, 156: 104761. DOI: 10.1016/j.phrs.2020.104761.

[22] 丁梦, 谭旺晓, 张笑, 等. 基于靶点的中药活性成分发现技术研究进展[J]. 中国中药杂志, 2025, 50(13): 3645-3656. DOI: 10.19540/j.cnki.cjcmm.20250511.601.

[23] 周纹乐, 王晗烨, 杨博, 等. 基于数据挖掘探究国家专利中药复方护肝和胃产品用药规律[J]. 数理医药学杂志, 2025, 38(5): 338-344. DOI: 10.12173/j.issn.1004-4337.202412101.

[24] 白玉婷, 南一, 赵建军, 等. 基于数据挖掘分析黄芪茯苓药对在方剂中的组方规律[J]. 中草药, 2025, 56(18): 6683-6695. DOI: 10.7501/j.issn.0253-2670.2025.18.018.

[25] 张微, 李吉平, 刘洋, 等. 道地药材发展现状及创新驱动机制研究[J]. 齐齐哈尔医学院学报, 2023, 44(5): 479-482. DOI: 10.3969/j.issn.1002-1256.2023.05.019.

[26] SHENDE P, DEVLEKAR N P. A review on the role of artificial intelligence in stem cell therapy: an initiative for modern medicines[J]. Curr Pharm Biotechnol, 2021, 22(9): 1156-1163. DOI: 10.2174/1389201021666201007122524.

[27] 王永财, 万华伟, 高吉喜, 等. 基于深度学习的我国北方常见天然草地植物识别[J]. 生物多样性, 2024, 32(4): 60-69. DOI: 10.17520/biods.2023435.

[28] 闫蓓蓓, 邵冰梅, 吕志强, 等. 人工智能感官技术在中药炮制研究中的应用[J]. 时珍国医国药, 2023, 34(11): 2665-2669. DOI: 10.3969/j.issn.1008-0805.2023.11.23.

[29] 邵明国, 卜俊文, 乐依荻, 等. 中药饮片行业智能化转型: 关键问题及进阶方向[J/OL]. 江西中医药大学学报, 2025. (2025-09-12) [2026-04-08]. https://kns.cnki.net/KCMS/detail/detail.aspx?filename=XYXB20250911001&dbname=CJFD&dbcode=CJFQ.

[30] 阿依达娜·毛兰, 张红, 姜又琳, 等. 基于医疗大数据肺结节中医专病数据库建设的实践探索[J]. 中国数字医学, 2025, 20(3): 96-104.

[31] 杨凤, 张艺, 陶晓华, 等. 基于知识元理论与临床需求深度融合的中医古籍数智化研究路径和范式[J]. 中医杂志, 2024, 65(12): 1201-1207. DOI: 10.13288/j.11-2166/r.2024.12.001.

[32] 廖娟, 王建超, 玉叶, 等. 人工智能在名老中医传承中的应用[J]. 中华中医药杂志, 2020, 35(4): 1671-1674.

[33] LIU Z, LUO C Y, FU D Z, et al. A novel transfer learning model for traditional herbal medicine prescription generation from unstructured resources and knowledge[J]. Artif Intell Med, 2022, 124: 102232. DOI: 10.1016/j.artmed.2021.102232.

[34] 宋熹玥, 邹荣辉, 刘伟. 大规模中医古籍古今翻译平行语料库的构建和应用[J]. 中国数字医学, 2025, 20(5): 98-103. DOI: 10.3969/j.issn.1673-7571.2025.05.017.

[35] 陈彦君, 袁东超, 倪菲, 等. 中医药语料库翻译研究现状分析与思考(2003-2023)[J]. 中国中医基础医学杂志, 2024, 30(9): 1590-1594. DOI: 10.19945/j.cnki.issn.1006-3250.2024.09.009.

[36] 邱馨锐, 赵文, 张斐, 等. 名老中医诊疗经验智能化传承困境及反思[J]. 中华中医药杂志, 2025, 40(4): 1535-1538.

[37] 林焕翔, 项莎特, 江哲涵. 人工智能赋能中医教育内涵式发展: 逻辑、风险与进路[J]. 中国教育信息化, 2025, 31(3): 41-50. DOI: 10.3969/j.issn.1673-8454.2025.03.004.

[38] 王晶. 人工智能在中医药临床研究中的应用及伦理审查考量[J]. 中国医学伦理学, 2025, 38(9): 1227-1232.

[39] 肖晓琳, 吕添. 探讨中医情志理论在皮肤病中的运用[J]. 中国民间疗法, 2025, 33(17): 126-129. DOI: 10.19621/j.cnki.11-3555/r.2025.1736.

[40] 肖雲方. 诱发失眠的生活事件与中医七情相关性研究[D]. 广州: 南方医科大学, 2025.

[41] CAI J, XIAO R L, CUI W J, et al. Application of electroencephalography-based machine learning in emotion recognition: a review[J]. Front Syst Neurosci, 2021, 15: 729707. DOI: 10.3389/fnsys.2021.729707.

基金资助

陕西省重点研发计划项目(2023-ZDLSF-27)

陕西省重点研发计划项目(2024SF2-GJHX-24)