AI在中医药中的应用

20XX/XX/XXAI在中医药中的应用汇报人:XXXCONTENTS目录01

中医药现代化的挑战与AI机遇02

AI重构中药研发范式03

中药生产全链条数智化升级04

AI赋能中医诊疗与健康管理CONTENTS目录05

中医药专业大模型与技术创新06

政策支持与创新生态构建07

挑战与未来展望中医药现代化的挑战与AI机遇01中医药发展的瓶颈问题

作用机制阐释难题中药多成分、多靶点、多通路的复杂特性，导致其作用机制难以被精准阐明，“知其效而难明其所以效”，影响了科学内涵的诠释和国际认可。

研发周期长与效率低传统中药新药研发依赖经验，从实验室到上市通常需10年以上，且成功率低，活性成分筛选等环节耗时数年，成果转化率有待提升。

质量标准不统一中药质量稳定性是产业生命线和国际化关键挑战。药材鉴别易受主观因素影响，成分检测复杂，生产工艺参数依赖试错，批次质量波动问题突出。

知识传承与数据整合障碍中医药知识传承高度依赖个体经验，难以标准化；相关文献、临床数据海量但来源分散、质量参差、标准不一，系统分析和共享困难。AI技术赋能中医药的价值01破解传统研发瓶颈，提升新药研发效率AI通过大数据分析和机器学习，显著加速中药作用机制阐释、活性成分筛选与配伍优化。传统需数年的成分筛选工作，AI可缩短至数天，研发效率提升数十倍，助力中药研发从“经验主导”转向“数据驱动”。02构建全链条质量保障体系，推动生产智能化升级AI在药材鉴别、成分检测及生产工艺优化方面发挥关键作用。基于计算机视觉的深度学习系统提升药材鉴别准确率，结合色谱质谱技术实现质量标志物挖掘，工业大数据模型攻克批次质量波动难题，推动中药生产向智能化、标准化迈进。03辅助临床决策与个性化治疗，提升服务可及性AI辅助诊疗系统已在数千家基层医疗机构部署，能整合四诊信息，智能推荐治疗方案，提升处方合理率，降低不良反应发生率。名老中医“AI分身”等技术让优质中医资源惠及更广泛人群，推动中医服务从“治已病”向“治未病”转变。04促进中医药知识传承与创新，加速现代化进程AI技术深度挖掘中医药古籍与现代文献，构建大规模知识图谱与专业大模型，如ZhongJingGPT、“数智岐黄”等，实现经典方剂的智能解析与创新组方，推动中医药理论体系的数字化诠释与标准化表达，助力中医药国际化。数智中药概念与产业生态

数智中药的核心内涵2024年正式确立的“数智中药”概念，以AI、云计算、大模型为技术支撑，通过“组方配伍、物质基础、量时毒效、生产质控、临床应用、消费认知”六化，实现“用药精准、生产精智、疗效精确”三精目标，推动中医药全产业链从“经验主导”迈向“数智化创新”。

专业大模型赋能产业发展自2023年起，ZhongJingGPT、“数智岐黄”等中医药专业大模型相继发布，它们以千余部经典古籍及海量现代文献数据为核心训练，构建包含数万方剂、数千证候、近万种药材的大规模知识图谱，为辅助新药研发、临床决策及专业培训提供强大支持，形成高校与科技企业协同创新的产学研融合格局。

国家政策的全面保障与指引2024年7月，国家中医药管理局、国家数据局联合发布《关于促进数字中医药发展的若干意见》，提出用3~5年时间推动AI等新兴数字技术融入中医药传承创新发展全链条。2025年3月，国务院办公厅印发《关于提升中药质量促进中医药产业高质量发展的意见》，明确推进中药工业数字化智能化发展，建设高水平数字化车间和智能工厂。AI重构中药研发范式02中医药专业数据库的构建与应用北京大学深圳研究生院陈语谦团队构建的TCMBank数据库，已成为全球规模领先的中医药专业数据资源，为AI辅助的机制研究提供了坚实的数据基础。网络药理学与AI的深度融合AI与网络药理学结合，能构建“药物-成分-靶点-疾病”多维网络，运用机器学习预测成分与靶点的作用概率，将原本需数年实验完成的工作缩短至数天内获得预测结果。临床研究系统的综合应用陈语谦团队开发的综合临床研究系统，结合ADMET预测模型及小分子数据库，不仅能预测药物靶点，还能模拟中西药相互作用，推动从“黑箱”到“灰箱”再到“白箱”的阐释路径。作用机制的系统性阐释活性成分的高效筛选

传统筛选流程的局限传统“提取-分离-测活-鉴定”流程，面对复方中数百种化合物往往耗时数年。

AI筛选模型的效率突破AI通过构建“结构-活性关系”模型，可从数万种化合物中快速锁定潜在药效成分，效率提升数十倍。

典型案例：方剂优化与用量降低浙江大学王毅团队构建的AI筛选模型，通过复方成分结构聚类精准定位功效组分，优化后的方剂用量降低30%~50%后依然保持同样疗效。

AI在成分解析中的突破AI将过去需要一两个月时间的成分分析工作缩短至数小时，并能捕获以往难以发现的微量低丰度成分，为“老药新用”提供可能。配伍规律的智能优化古籍与现代文献的深度挖掘AI通过深度学习海量中医药古籍方剂与现代文献，能够智能识别中药“君臣佐使”的配伍规律，预测药物组合的协同或拮抗效应。中医药知识图谱与大模型构建国内多家机构和企业联手，构建起规模庞大的中医药知识图谱与大模型，如华为与天士力共建的“数智本草大模型”，百度、成都中医药大学、国药太极等联合开发的“本草智库”等。经典智慧复现与新组合模式发现这些智能系统不仅能复现经典智慧，还能发现新的药物组合模式，针对复杂疾病，可以从数百种候选方案中筛选出最优解，开创了“数据驱动+理论指导”的中药创新范式。研发全链条效率提升靶点发现与成药性预测提速AI在靶点发现阶段可辅助快速筛选最有价值的研究方向，在先导化合物优化阶段预测成药性，减少无效投入，显著提升早期研发效率。工艺参数映射与生产放大加速AI能帮助建立实验室小试与工业化大生产之间的参数映射，实现生产规模的快速放大，突破传统工艺优化依赖大量重复性“试错”实验的瓶颈。临床试验方案优化与成功率提高AI可协助优化临床试验方案，提高研究成功率，推动中药从分子到药物的转化效率实现飞跃，有望大幅压缩传统模式下长达10年以上的新药研发周期。活性成分筛选效率数十倍提升传统“提取-分离-测活-鉴定”流程面对复方中数百种化合物往往耗时数年，AI通过构建“结构-活性关系”模型，可从数万种化合物中快速锁定潜在药效成分，效率提升数十倍。中药生产全链条数智化升级03药材鉴别与质量控制

01AI赋能药材鉴别：提升准确性与客观性基于计算机视觉的深度学习系统，通过分析数万张样本图像，提取药材的形态、颜色、纹理等特征，显著提升药材鉴别的准确率，且完全不受人工主观因素干扰。

02智能成分检测：构建新型质控模式AI结合色谱、质谱等现代分析技术，可实现指纹图谱的自动分析与质量判定，并能从海量数据中智能挖掘出与疗效相关的关键质量标志物，构建起融合化学指标与中医理论的新型质控模式。

03工业大数据模型：攻克批次质量波动难题浙江大学王毅团队建立的工业大数据模型，通过深度分析工艺参数与药效、安全性的关联，筛选出可复制的生产级模型，攻克了批次质量波动难题，相关成果入选中华中医药学会2024年度中医药十大学术进展。

04天士力质量数字化：实现提质、增效、降耗天士力以质量数字化为核心，通过指标、工艺、质控、装备的系统创新，构建了完整的技术管理体系，有效实现了提质、增效、降耗。生产工艺的智能化优化虚拟空间工艺参数模拟与优化中药提取、浓缩、干燥等环节参数复杂，传统工艺优化依赖大量重复性“试错”实验。如今，通过工业大数据分析和机器学习建模，研究者可在虚拟空间快速模拟和优化工艺参数，突破传统方法瓶颈。多目标优化模型提升质量控制水平部分研究团队构建的多目标优化模型，能同时优化10余项质量指标。例如，浙江大学王毅团队建立的工业大数据模型，通过深度分析工艺参数与药效、安全性的关联，筛选出可复制的生产级模型，攻克了批次质量波动难题，相关成果入选中华中医药学会2024年度中医药十大学术进展。企业智能化升级实现提质增效降耗天士力以质量数字化为核心，通过指标、工艺、质控、装备的系统创新，构建了完整的技术管理体系，有效实现了提质、增效、降耗，推动中药生产制造向智能化、标准化迈进。质量稳定性与标准化建设

药材鉴别：AI驱动精准识别基于计算机视觉的深度学习系统，通过分析数万张样本图像，提取药材形态、颜色、纹理等特征，显著提升药材鉴别的准确率，且完全不受人工主观因素干扰。

成分检测：构建新型质控模式AI结合色谱、质谱等现代分析技术，可实现指纹图谱的自动分析与质量判定，并能从海量数据中智能挖掘出与疗效相关的关键质量标志物，构建融合化学指标与中医理论的新型质控模式。

工艺优化：工业大数据破解波动难题通过工业大数据分析和机器学习建模，研究人员可在虚拟空间快速模拟和优化提取、浓缩、干燥等复杂环节的工艺参数。例如，浙江大学王毅团队建立的工业大数据模型，攻克了批次质量波动难题，相关成果入选中华中医药学会2024年度中医药十大学术进展。

企业实践：天士力的质量数字化体系天士力以质量数字化为核心，通过指标、工艺、质控、装备的系统创新，构建了完整的技术管理体系，有效实现了提质、增效、降耗，推动中药生产制造向智能化、标准化迈进。典型企业实践案例

天士力：数智本草大模型驱动全链条升级天士力与华为共建“数智本草大模型”，以质量数字化为核心，通过指标、工艺、质控、装备的系统创新，构建完整技术管理体系，实现提质、增效、降耗，推动中药生产制造向智能化、标准化迈进。

广药集团：AI赋能经典名方现代化研究广药集团与清华大学北京市中医药交叉研究所合作，以小柴胡颗粒治疗儿童胃肠型感冒机制研究为起点，深度融合大数据与人工智能技术，系统阐释医圣经方的科学内涵与作用机制，推动AI赋能中医药现代化愿景落地。

问止中医：重症疑难病AI诊疗系统临床验证问止中医研发的“问止中医大脑”，经百万级病例训练，模拟10+明医会诊，在三甲医院临床验证中，重症、疑难病辨证准确率达90%以上，构建线上问诊+线下医馆+药房一体化服务模式。

智慧眼科技：砭石大模型实现中西医融合应用智慧眼科技的砭石大模型，采用500亿参数基座及RAG检索增强+联邦学习双引擎架构，实现中医四诊合参（舌面诊识别准确率90%+，辨证合理率90%+），并打通中西医诊疗、医保、管理全链条，成为2026年医疗AI标杆。AI赋能中医诊疗与健康管理04智能辅助诊断系统四诊信息智能采集与分析

AI诊断仪通过高精度传感器和计算机视觉技术，实现舌象、脉象、面诊等中医四诊信息的数字化采集与定量化分析，如观健在AI中医四诊仪将脉象转化为波形参数，误差率低于0.1%，舌诊自动分析舌苔厚薄、色泽等特征。多模态数据融合辨证

系统整合舌象、面诊、脉诊及问诊数据，构建“症状-证候-疾病”多维网络，进行智能辨证。如腾讯“智能中医助手”结合症状与舌脉数据输出证型判断，苍溪县中医医院AI系统辅助医生做出更规范的诊断和治疗方案。诊疗方案智能推荐

基于辨证结果，智能推荐中药方剂、中成药、针灸等治疗方案，并提供药物警戒提示。如云诊科技中医AI辅助诊断系统可推荐经方验方、生成个性化调理方案，部分系统辨证合理率达90%以上。提升基层诊疗能力

AI辅助诊断系统已在数千家基层医疗机构部署，显著提升年轻医师和基层中医师的辨证准确率，如部分试点医院基层医师辨证准确率提升30%以上，缩短患者候诊时间，让优质中医服务更普惠。四诊合参数字化应用

AI舌面诊：客观化采集与智能分析通过高清摄像头与计算机视觉技术，对舌质、舌苔、舌形、面色等特征进行定性、定量、定位分析，实现“淡白舌”“绛红舌”等的标准化界定，辅助望诊客观化。

AI脉诊：脉象参数化与波形分析利用高精度压电传感器捕捉低频脉动信号，结合AI算法将“滑脉”“弦脉”等抽象脉象特征转化为可量化的波形参数，误差率低于0.1%，提升脉诊的精准度。

智能问诊：症状采集与辨证支持依据患者主诉，智能生成辨证问卷，整合患者日常症状、既往史、现病史等信息，结合AI舌面诊、脉诊数据，对中医四诊信息进行智能分析，辅助完成疾病诊断和辨证论治。

多模态融合：四诊信息一体化集成集成舌象、面诊、脉诊及问诊数据，构建动态学习系统实时更新辨证规则，生成综合体质分析报告，如观健在AI中医四诊仪3-5分钟即可完成检测并输出含八纲属性、经络状态等指标的综合结果。基于多维度数据的个体健康画像构建通过智能健康穿戴设备收集用户生理数据，结合中医理论，利用机器学习算法分析用户健康状态，构建包含体质、病史、生活习惯等多维度信息的个体健康画像，为个性化方案提供数据基础。辨证分型与方案精准匹配AI系统通过分析患者四诊信息（如舌象、脉象、症状描述），结合海量医案数据，智能辨识中医证型（如气虚、血瘀、肝郁化火等），并依据辨证结果精准推荐中药方剂、中成药、针灸、耳穴等个性化治疗方案。动态调整与全周期健康管理AI技术可对患者健康状况进行实时监测与数据分析，根据病情变化动态调整治疗方案与养生建议，实现从疾病预警、诊疗干预到康复调理的全周期个性化健康管理，推动健康管理从“治疗”转向“预防”。个性化治疗方案推荐主动健康管理与治未病

AI驱动的个性化健康评估AI结合中医体质理论，通过分析用户舌象、脉象、症状及生活习惯等多源数据，精准辨识体质类型，如气虚、痰湿等，并预测潜在健康风险，如观健在AI中医四诊仪可预测183种潜在健康风险。

智能养生方案动态生成基于个体健康评估结果，AI生成涵盖饮食调理、运动指导、情志调节等方面的个性化养生方案，并能根据用户反馈和健康数据变化实时优化，推动健康管理从“治疗”转向“预防”。

居家健康监测与干预便携式AI设备支持用户居家进行舌象拍摄、脉象监测等，实时获取健康数据并上传至管理平台，AI系统对数据进行分析，及时发出健康预警并提供针对性干预建议，实现“未病先防”。

慢性病的AI辅助管理AI技术可对高血压、糖尿病等慢性病患者的生理参数进行持续监测，结合中医辨证理论，提供从疾病预警到康复调理的全周期管理方案，提升慢病管理效果，降低并发症风险。中医药专业大模型与技术创新05学术开源模型发展现状

01天医（Tianyi）大模型：辨证论治逻辑核心由南京中医药大学研发，7.6亿参数，整合3万部中医经典、3万例临床病历，构建34亿中医语义单元。中医执业医师考试准确率75.38%，覆盖症状→证候→治法→方剂→药效预测全链路推理，适配教学、科研与基层辅助。

02数智岐黄2.0：学术派标准化知识引擎华东师大与上海中医药大学联合开发，以教材体系与规范化古籍为核心训练数据，知识准确率高。中医执业医师模拟考试88.1分（行业领先），提供中医术语、方剂、经典文献检索与解读功能，适配中医教育、考试辅导、古籍数字化。

03CMLM-仲景大模型：复刻传统辨证思维复旦大学与同济大学合作研发，创新多任务诊疗行为分解，构建8万+专业指令库。能精准理解阴阳五行、八纲辨证、六经辨证，实现症状→证候→方剂全流程智能生成，开源可二次开发，适配科研、教育、基层医疗。

04华佗GPT：面向开发者的开源中医大模型香港中文大学深圳研发，基于ChatGLM/LlaMA微调，学习上千部古籍与百万临床医案。具备中医问诊、辨证、开方、养生指导能力，开源免费，支持二次开发与定制化训练，适合学术研究、健康科普、基层辅助。商业闭源系统应用场景

三甲医院临床决策支持如广医・岐智2.0，深度贴合临床，文本与标准术语符合率95%，可实现AI导诊、预问诊、病历自动生成（2-3秒完成），节省75%时间、提升45%病历质量，覆盖症-证-理-法-方-药全流程。

中西医融合多模态应用以砭石大模型为例，采用500亿参数基座，RAG检索增强+联邦学习双引擎架构，实现中医四诊合参（舌面诊识别准确率90%+，辨证合理率90%+，体质辨识92%），并支持10秒完成ICD智能编码（准确率90%+）、脑卒中高危识别率95%，覆盖临床辅助、病历质控、医保审核、慢病管理全场景。

重症疑难病AI诊疗问止中医大脑，历经多年研发，模拟10+明医会诊，百万级病例训练，在三甲医院临床验证中，重症、疑难病辨证准确率达90%+，提供线上问诊+线下医馆+药房一体化服务。

基层医疗与健康管理众星・长白岐黄1.0作为AI原生多模态中医大模型，支持影像、语音、视频实时接入，打通“感知-理解-决策-反馈”，提供家庭健康助手、吉派中医医生助手双入口，适合基层医疗、家庭健康管理、中医养生场景。中西医融合智能系统中西医双轮驱动诊疗模式砭石大模型等产品实现中医辨证与西医诊断的融合，10秒完成ICD智能编码，准确率达90%以上，脑卒中高危识别率95%，覆盖临床辅助、病历质控等全场景。中西医语义空间映射统一AI系统通过知识图谱或语义规则，在中医证候与西医疾病概念间建立对应关系，将患者中医证候判断与西医诊断关联，提供综合诊疗建议，贯通中西医知识体系。全链路智能化管理闭环系统打通中西医诊疗、医保、管理全链条，实现从智能导诊、预问诊、病历自动生成，到中西医结合治疗方案推荐、医保审核的一体化智能管理，提升医疗服务效率与质量。2026年中医AI模型趋势从参数竞赛转向数据质量与临床验证行业共识：大参数≠强能力，高质量中医临床数据、古籍数据、真实世界数据成为核心壁垒。三甲医院临床验证、真实世界研究、标准化评测成为模型落地标配。中西医融合成主流，全链路智能化突破：砭石大模型等产品打通中西医诊疗、医保、管理全链条。落地：中医辨证+西医诊断+智能编码+病历质控一体化系统规模化部署。分层应用生态形成：科研-临床-基层-家庭全覆盖科研层：天医、仲景、华佗GPT（开源、学术、可定制）；临床层：广医・岐智、问止中医大脑、砭石大模型（三甲、专科、重症）；基层层：数智岐黄、长白岐黄（基层、社区、县域）；家庭层：AI舌诊仪、体质辨识机（家庭自测、养生）。政策支持与创新生态构建06国家数字中医药发展政策

首个数字化转型政策文件2024年7月，国家中医药管理局、国家数据局联合发布《关于促进数字中医药发展的若干意见》，这是中医药领域首个聚焦数字化转型发展和数据要素流通应用的政策指导性文件，提出用3至5年时间推动AI等新兴数字技术融入中医药传承创新发展全链条各环节，全力打造“数智中医药”。

标准化与AI应用场景指引2024年7月，国家中医药管理局发布《中医药标准化行动计划（2024—2026年）》，推动中医药标准化高质量发展。同年11月，国家卫生健康委等三部门联合发布《卫生健康行业人工智能应用场景参考指引》，明确84个细分领域应用场景，涵盖智能药物研发等核心领域。

中药工业数智化发展部署2025年3月，国务院办公厅印发《关于提升中药质量促进中医药产业高质量发展的意见》，提出推进中药工业数字化智能化发展，运用数智技术、绿色技术赋能全产业链，建设高水平数字化车间和智能工厂、绿色工厂。高校与科技企业协同创新复旦大学等单位联合开发ZhongJingGPT，华东师范大学等联合开发“数智岐黄”中医药大模型，形成高校与科技企业协同创新的产学研融合格局。企业与科研机构合作案例华为与天士力共建“数智本草大模型”，百度、成都中医药大学、国药太极等联合开发“本草智库”，推动中药研发从经验主导转向数据驱动。政策引导与生态构建国家中医药管理局、国家数据局等发布政策，推动AI等技术融入中医药全链条，打造“数智中医药”，促进多方协同共建创新生态。产学研协同创新模式数据安全与标准化建设

01数据标准化的挑战当前医疗机构中医诊疗设备品牌型号各异，采集的舌象、面象、脉象等数据格式与标准不统一，难以直接用于大规模、高质量的AI模型训练，制约了数智技术在中医药复杂系统研究中的应用。

02数据安全的重要性中医药领域数据涉及患者隐私、古籍文献、临床研究成果等敏感信息，可信AI技术的应用对于构建数据安全产业新生态，保障中医药数字化转型与现代化发展中的数据安全至关重要。

03标准化建设的方向建议规范基础数据采集标准化，建设覆盖医疗机构、社区与家庭的立体化中医健康管理网络，并打造面向科研、医疗及产业机构的AI服务中台，提供标准化数据接口、算法模型和算力支持。挑战与未来展望07当前发展面临的主要挑战01数据标准化难题中医术语体系庞杂，病历记录不规范，不同医疗机构使用的中医诊疗设备品牌型号各异，采集的舌象、面象、脉象等数据格式与标准不统一，导致数据共享与整合存在困难，难以直接用于大规模、高质量的AI模型训练。02临床验证与信任度不足许多AI系统尚缺乏严格的前瞻性临床试验证据，算法的“黑箱”特性影响临床信任度，患者和医生对AI看病仍存在不放心的情况。03理论融合与模型构建困难中医理论强调定性化、个性化，如何将其转化为可计算的数学模型是一大挑战。流派众多，同一病症不同专家可能有