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AI发展背景与趋势02

中医AI大模型技术进展03

智能诊疗应用场景04

中药研发智能化实践CONTENTS目录05

中药材质量智能管控06

中医药知识传承创新07

行业挑战与解决策略08

未来发展展望中医药AI发展背景与趋势01破解传统传承与标准化难题中医药传承高度依赖“师带徒”模式，名老中医经验难以规模化复制，且诊断标准主观性强，如传统舌诊、脉诊缺乏量化指标，亟需科技手段推动标准化。提升研发效率与质量控制水平传统中药研发周期长、成本高，如青蒿素发现历经数十年；中药材市场存在以假乱真、以次充好现象，AI技术可加速成分筛选、优化工艺并实现质量精准控制。满足循证医学与国际化发展要求中医药面临作用机制阐释不足、国际认可度低等挑战，2026年需通过AI构建“药物-成分-靶点-疾病”网络，积累高质量循证证据，推动中医药走向世界。应对基层医疗资源短缺问题优质中医资源集中于大型医院，基层医疗机构人才匮乏，AI辅助诊疗系统可下沉至社区、县域，让基层患者享受名老中医级别的辨证施治服务。中医药现代化的时代需求AI赋能中医药的核心价值

破解标准化难题，推动诊断客观化AI通过图像识别、传感器等技术，将舌象、脉象等传统主观诊断信息转化为可量化数据。如智能舌诊仪识别准确率超90%，AI脉诊仪可区分28种脉象，实现“望闻问切”的标准化与客观化。

提升研发效率，加速新药创制AI在中药研发中展现高效性，如活性成分筛选效率提升数十倍，方剂优化周期从数月缩短至数天。例如，AI辅助研发的新药已进入FDA候选名单，经典方优化后用量降低30-50%仍保持疗效。

赋能基层医疗，促进优质资源下沉AI辅助诊疗系统帮助基层医生提升辨证开方能力，如“中医数智脑”使年轻医生处方与专家一致率达80%。AI四诊仪在基层部署，让居民在家门口即可享受优质中医服务，缓解人才短缺问题。

助力知识传承，活化经典智慧AI通过深度学习古籍文献和名老中医经验，构建知识图谱和诊疗模型，实现经验的数字化复刻与规模化推广。如“Dr.孟”数字人融合孟河医派经验，“中医数智脑”复刻名老中医诊疗思维。2026年中医药AI发展现状

学术开源模型引领科研创新2026年，以南京中医药大学“天医”大模型（7.6亿参数，中医执业医师考试准确率75.38%）、华东师大与上海中医药大学“数智岐黄2.0”（执业医师模拟考试88.1分）、复旦与同济“CMLM-仲景大模型”（复刻张仲景辨证思维）及香港中文大学深圳“华佗GPT”（开源免费，支持二次开发）为代表的学术开源模型，成为中医AI科研先锋与知识标杆，覆盖教学、科研及基层辅助等场景。

商业闭源系统深化临床落地商业领域，智慧眼科技“砭石大模型”（500亿参数，舌面诊识别准确率90%+，辨证合理率90%+）、中国中医科学院广安门医院“广医・岐智2.0”（病历书写节省75%时间）、长春中医药大学“众星・长白岐黄1.0”（多模态主动式智能）、科大讯飞“讯飞星火中医大模型”（接入学习强国平台）及问止中医“问止中医大脑”（重症疑难病辨证准确率90%+）等闭源系统，高效赋能临床诊疗、病历质控、健康管理等全场景。

技术应用呈现三大核心趋势2026年中医AI发展呈现三大趋势：一是从参数竞赛转向数据质量与临床验证，三甲医院临床验证和真实世界研究成为标配；二是中西医融合成主流，以砭石大模型为代表的产品打通中西医诊疗、医保、管理全链条；三是分层应用生态形成，科研层（天医、仲景等）、临床层（广医・岐智、问止中医大脑等）、基层层（数智岐黄、长白岐黄等）、家庭层（AI舌诊仪等）实现全覆盖。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，全链路智能化砭石大模型等产品打通中西医诊疗、医保、管理全链条。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）。行业发展三大核心趋势中医AI大模型技术进展02学术开源模型技术特点

核心定位：中医理论与逻辑体系为核心以中医辨证论治逻辑体系为核心，如南京中医药大学“天医”大模型；或专注传统中医经典，如复刻张仲景辨证思维的复旦+同济“CMLM-仲景大模型”；亦有面向开发者与科研机构的开源中医大模型，如香港中文大学深圳“华佗GPT”。

技术底座：多源数据融合与参数规模整合中医经典、临床病历等构建语义单元或知识引擎，如“天医”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，参数达7.6亿；“数智岐黄2.0”以教材体系+规范化古籍为核心训练数据。

核心能力：全链路推理与高准确率覆盖症状→证候→治法→方剂→药效预测全链路推理，中医执业医师考试表现优异，“天医”准确率75.38%，“数智岐黄2.0”模拟考试88.1分；可精准理解阴阳五行、八纲辨证、六经辨证等中医理论。

应用适配：科研、教学与基层辅助适配高校教学、中医科研，如“天医”“数智岐黄2.0”；支持基层医生辅助辨证，如“天医”“CMLM-仲景大模型”；“华佗GPT”开源免费，支持二次开发、定制化训练，适合学术研究、健康科普。商业闭源系统应用优势临床诊疗效率显著提升以广医・岐智2.0系统为例，病历书写时间从10分钟缩短至2-3秒，节省75%时间，同时提升45%病历质量，实现症-证-理-法-方-药全流程覆盖。中西医融合诊疗能力突出砭石大模型通过RAG检索增强与联邦学习双引擎架构，实现舌面诊识别准确率90%+，辨证合理率90%+，同时10秒完成ICD智能编码（准确率90%+），脑卒中高危识别率达95%。重症疑难病诊疗精准度高问止中医大脑经三甲医院临床验证，针对重症、疑难病的辨证准确率超过90%，并构建线上问诊+线下医馆+药房一体化服务体系，提升复杂疾病诊疗效果。多场景覆盖与生态整合商业闭源系统广泛应用于三甲医院临床辅助、基层中医馆诊疗支持、医保平台审核、慢病管理等场景，如讯飞星火中医大模型接入学习强国、讯飞听见等平台，实现大众科普与基层医疗双重赋能。多模态融合技术创新突破

视觉-光谱-文本多模态数据融合构建“视觉特征+光谱指纹+DNA条形码”多模态融合架构，如豫产豫药多模态神农本草大模型，实现616种中药材无损、快速鉴别，覆盖形、色、质、性、效多维特征。

中医四诊信息多模态整合新型中医机器人融合舌诊（准确率超90%）、面诊、脉诊（28种脉象量化）、声诊（五音辨脏腑）及问诊数据，七维一体实现辨证合理率90%+，如观健在AI中医四诊仪3-5分钟完成综合检测。

多模态大模型“视觉-知识”双驱动结合CLIP等模型图像语义理解与视觉网络特征提取，构建标准化特征库生成药材“数字化指纹”。三维天地智能鉴别系统通过动态学习机制优化模型，川贝母掺伪检出精确率达90%。

跨模态数据挖掘与临床应用融合中医典籍、临床病历、舌脉图像等多源数据，如北京博奥晶方“分子本草技术平台”整合1100种中药、15亿级基因数据，10分钟内智能评价6000个方剂，实现药物-疾病精准匹配。模型性能对比与临床验证学术开源模型核心能力对比天医大模型中医执业医师考试准确率75.38%，覆盖辨证论治全链路推理；数智岐黄2.0模拟考试88.1分，知识准确率行业领先；CMLM-仲景大模型擅长六经辨证，支持方剂全流程智能生成；华佗GPT开源免费，支持二次开发与养生指导。商业闭源系统临床效能数据砭石大模型舌面诊识别准确率90%+，辨证合理率90%+，体质辨识92%，中西医双轮驱动实现10秒智能编码；广医・岐智2.0病历书写2-3秒完成，节省75%时间、提升45%质量；问止中医大脑重症疑难病辨证准确率90%+，通过三甲医院临床验证。临床验证与真实世界应用进展2026年中医AI模型进入临床验证关键期，砭石大模型等在三甲医院规模化部署，实现中医辨证+西医诊断+智能编码一体化；广医・岐智等CDSS系统深度贴合临床，文本与标准术语符合率达95%；基层医疗机构应用数智岐黄等模型，辅助医生提升辨证水平，推动优质资源下沉。智能诊疗应用场景03四诊客观化技术实现望诊：图像识别与特征量化通过高分辨率相机+AI图像识别技术，10秒内分析舌质、舌苔、面色等特征，准确率超90%。如智能舌诊系统可精准识别舌色、舌形、舌苔，覆盖1000余种中医证型。闻诊：声纹与气味分析声纹AI按“五音入五脏”理论辨识脏腑寒热；AI嗅诊技术识别呼吸、体味中的病理特征，实现闻诊信息的数字化采集与分析。问诊：智能交互与辨证推理AI机器人模拟“十问歌”进行智能交互问诊，自动采集症状信息并进行辨证推理，3秒内生成体质辨识或预诊断结果，辅助医生快速掌握病情。切诊：脉象传感与图谱生成采用柔性压力传感器采集脉象信号，AI算法将其转化为量化图谱，可区分浮、沉、迟、数等28种脉象，误差率低于0.1%，实现脉诊客观化记录与分析。智能辨证论治系统架构多模态数据采集层

集成高清舌面诊图像采集、脉象传感器信号捕捉、语音交互问诊及文本病历录入等模块，实现中医"望、闻、问、切"四诊信息的标准化、数字化采集，为辨证提供全面数据基础。中医药知识引擎层

构建包含数千万级中医术语、经典方剂、证候分型、药材属性的知识图谱，整合《黄帝内经》《伤寒论》等古籍智慧与现代临床数据，形成系统的辨证逻辑与诊疗规则支撑。AI推理决策层

采用深度学习模型（如Transformer、图神经网络）对多模态数据进行融合分析，模拟中医"症-证-理-法-方-药"全链路推理过程，实现从症状到证候的智能辨识及个性化方剂推荐。临床应用与反馈层

提供医生交互界面，支持辨证结果可视化展示、处方调整优化及病历自动生成，同时通过临床诊疗数据持续反馈，动态迭代模型参数，提升系统辨证准确率与临床适配性。提升基层诊疗效率AI辅助诊疗系统可将基层中医体质辨识流程从传统20分钟压缩至2分钟，南充市中医医院智能舌诊系统3个月服务超1.2万人次，显著提升服务效率。助力优质资源下沉AI系统能将名老中医经验数字化，如徐州市中西医结合医院AI辅助系统融合500多位名老中医理念，让基层患者也能享受到名家级辨证施治服务。优化慢病管理与健康干预AI脉诊仪等设备可用于养老机构慢性病管理，通过持续监测脉象变化预警心脑血管事件；智能舌诊系统能实现“早发现、早干预、早调理”，成为医保基金源头控费“利器”。适配基层场景需求轻量化AI设备支持插电即用，适配社区健康小屋、药店等基层场景，如观健在AI中医四诊一体机无需专人操作，3-5分钟即可完成自助检测，有效解决基层中医师资源不足问题。基层医疗AI辅助应用远程中医AI会诊平台

跨地域诊疗资源整合远程中医AI会诊平台打破地域限制，使优质中医资源下沉基层，惠及偏远地区患者。如云南某中药材种植基地农户通过定制版识别App对接药材采购平台与医疗资源。

多模态数据实时交互平台支持舌象、脉象、面色等多模态数据采集与传输，结合AI辅助诊断系统，实现远程实时会诊。例如，患者通过智能设备采集舌象并传输至医疗中心，AI进行初步分析后供医生参考。

名医经验数字化共享平台整合名老中医经验，构建数字化诊疗模型，助力基层医生提升诊疗水平。如徐州市中西医结合医院引入的AI中医辅诊智能体，融合500多位国医大师经验，为患者提供定制化处方。

中西医融合诊疗支持平台结合中西医双轮驱动能力，如砭石大模型实现中医辨证与西医诊断、智能编码一体化，为远程会诊提供全面诊疗建议，提升会诊准确性与效率。中药研发智能化实践04方剂配伍规律挖掘技术

01古籍与文献知识图谱构建基于自然语言处理技术，深度解析《伤寒论》《本草纲目》等千余部中医经典古籍及现代文献，构建包含数万方剂、数千证候、近万种药材的大规模中医药知识图谱，实现方剂-症状-药材关联查询与知识发现。

02多任务诊疗行为分解与指令库建设创新多任务诊疗行为分解方法，构建八万以上专业指令库，模拟中医辨证论治全流程，精准理解阴阳五行、八纲辨证、六经辨证等理论，实现症状到证候再到方剂的全流程智能推理与生成。

03“君臣佐使”智能识别与协同效应预测AI通过深度学习海量方剂数据，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。例如，华为与天士力共建的“数智本草大模型”，可从数百种候选方案中筛选针对复杂疾病的最优解，开创“数据驱动+理论指导”的中药创新范式。

04基于网络药理学的多靶点作用机制阐释构建“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，过去需要数年实验完成的工作，如今可在数天内获得预测结果，助力阐释中药复方“多成分-多靶点-多通路”的整体调节特征。活性成分筛选与优化AI虚拟筛选：效率提升数十倍传统“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。方剂智能优化：用量降低与疗效保持AI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。例如，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。分子本草技术平台：快速评价方剂陈京院士团队构建的“分子本草技术平台”，整合覆盖1100多种中药、15亿级基因表达数据的药物分子功能数据库及疾病通路数据库，可通过AI大模型在10分钟内智能评价6000个方剂，实现药物与疾病的精准匹配。经典名方二次开发案例01分子本草技术平台：方剂智能评价与精准匹配北京博奥晶方“分子本草技术平台”整合1100多种中药、15亿级基因表达数据及疾病通路数据库，通过AI大模型10分钟内智能评价6000个方剂，实现药物与疾病精准匹配，已在慢性心衰新药转化、新冠方剂评价等领域应用。02AI辅助经典名方剂量优化与疗效提升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%仍保持同等疗效，为经典名方的现代化应用提供了高效路径。03UNIQ系统：方剂作用机制解析与优化清华大学李梢团队研发的UNIQ系统，可全面解析宏观表型、药物与微观生物分子间的关联，阐释名方验方功效机理，精准优化方剂配伍，推动中医方剂研发从经验主导迈向数据驱动。临床试验全流程加速靶点发现与患者招募优化AI在靶点发现阶段可辅助快速筛选最有价值的研究方向；在患者招募环节，通过多智能体协同等技术提升效率，解决临床研究报告撰写中数据总结等难题。试验方案设计与优化AI能够协助优化临床试验方案，提高研究成功率。如端到端数据解决方案构建“电子源数据存储库”，实现从医院信息系统到研究数据库的直连，提升数据采集效率与溯源率。研发周期与转化效率提升传统模式下中药新药研发周期常需10年以上，AI介入后，从靶点发现、先导化合物优化到工艺转移、临床试验等全链条智能协同，大幅压缩研发周期，提升转化效率。中药材质量智能管控05真伪鉴别技术创新应用多模态融合智能鉴别系统构建“视觉-知识”双驱动的精准鉴别体系，结合图像语义理解与视觉网络特征提取，建立中药材标准化特征库与“数字化指纹”，实现动态学习与持续优化。光谱图像分析技术突破采用“视觉特征+指纹图谱+DNA条形码”多模态融合架构，利用高光谱、拉曼、近红外等技术获取药材化学成像与分子指纹信息，AI模型实现真伪优劣的无损、快速鉴别，检测限达0.01mg/kg优于国标10倍。深度学习模型实战应用基于ResNet50、YOLOv8等模型，通过迁移学习、数据增强等策略，解决小样本问题，实现616种常见中药材及饮片的快速识别，准确率可达90%以上，如“神农识本草”小程序实现秒级扫描鉴别。全产业链质量智能管控从种植端AI指导采收，到流通端区块链溯源，再到生产端智能检测与质控拦截，形成“药材好-标准高-控制精-药才好”的全链条体系，如某饮片企业生产线通过AI实时检测异常并自动停机追溯。道地药材数字化溯源

溯源体系构建：从农田到药房的全链条记录通过区块链技术记录药材从采收开始的关键信息，包括采收地坐标、采收影像、AI初筛品质等级、加工参数、仓储运输温湿度轨迹等，形成不可篡改的“药材数字履历”，实现从农田到药房的全程可追溯。

数字特征库：道地药材的“数字身份证”建立覆盖中药材性状、功能主治、主要产区等信息的标准化特征库，结合高光谱分析获取的“光谱指纹”数据，为每一味道地药材赋予融合形、色、质、性、效的“数字身份证”，实现真伪优劣的快速鉴别。

AI赋能质量管控：从源头到终端的智能监测AI模型可作为药农的“数字导师”，结合物联网传感器监测的土壤、气候数据，预测最佳采收窗口期，将品质控制前置；在流通环节，AI初筛系统可快速批量鉴别原料，优化库存管理；监管部门可基于大模型和物联网数据，建立区域性药材质量数字地图与风险预警系统。多模态光谱融合技术融合高光谱成像（空间化学信息）、拉曼光谱（分子指纹）、近红外光谱（快速无损），构建中药材“数字指纹”，提升复杂造假手段的识别能力。AI算法深度赋能卷积神经网络（CNN）、Transformer等算法实现光谱图像特征的自动提取与分类，如CLIP、DeepSeek等多模态大模型提升图像语义理解与视觉特征提取能力。标准化特征库构建通过量化指标建立中药材标准化特征库，为每种药材生成唯一“数字化指纹”，支持快速比对与精准鉴别，如豫产豫药多模态神农本草大模型覆盖616种药材。检测精度与效率提升实现克级精准筛选，农残/毒素检测限达0.01mg/kg（优于国标10倍），将传统需数月的分析工作缩短至数天甚至数小时，显著提升中药研发与质量控制效率。光谱图像分析技术突破全产业链质量控制体系中药材种植环节的AI赋能AI通过监测土壤、气候、水肥等环境因素，预测中药材最佳采收期，提升药材有效成分含量。如黄芪种植中，AI技术可使黄芪甲苷含量提升15%，从源头保障药材品质。中药材智能检测与鉴别技术AI结合计算机视觉、光谱分析等技术，实现中药材真伪鉴别和质量分级。如“豫产豫药多模态神农本草大模型”可覆盖616种药材和饮片，通过“视觉特征+指纹图谱+DNA条形码”多模态融合，实现无损、快速鉴别，准确率高。中药生产工艺的智能化优化AI算法优化中药提取、浓缩、干燥等环节工艺参数，提升有效成分提取率，降低能耗。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，攻克批次质量波动难题，如某团队通过工业大数据模型使中药生产提质、增效、降耗。全链路溯源与透明化管理利用AI技术结合区块链，为中药材赋予“数字身份证”，记录从种植、采收、加工到流通的全流程关键信息，实现“从农田到药房”全程可追溯，建立全新的产业信任体系，保障中药质量安全。中医药知识传承创新06古籍文献智能挖掘

经典方剂深度解析AI技术能够对《伤寒论》《本草纲目》等千余部经典古籍进行深度挖掘，通过自然语言处理技术解析文本，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，辅助研究人员快速定位核心处方和药物配伍规律。

名老中医经验传承利用机器学习分析国医大师诊疗数据，提炼辨证规律，将名老中医的临床思路、辨证逻辑与用药经验数字化留存、封装沉淀，构建辅助诊疗系统，帮助年轻医师快速学习名家经验，提升诊疗水平。

中医术语标准化与知识图谱构建AI通过对海量古籍文献和现代文献的深度学习，实现中医术语的标准化处理，建立中医知识图谱，如“本草智库”等，实现方剂-症状-药材关联查询，为中医药研究提供结构化的知识支撑。

跨语言中医药知识传播AI翻译系统处理中医术语（如“气滞血瘀”译为“Qistagnationandbloodstasis”），助力中医药理论和古籍文献的国际传播，推动中医药文化走向世界。名老中医经验数字化

经验传承模式革新数智技术推动名老中医经验传承从传统"师带徒"模式转变为数字化学习，实现经验的规模化推广与高效传承。

诊疗思维复刻与辅助通过构建名医知识图谱大数据模型，融合名老中医辨证诊疗理念与组方规则，AI系统可提供定制化处方建议，助力基层医生提升诊疗水平，如"中医数智脑"系统处方与专家一致率达80%。

手法与经验的数字化留存基于数智化机器人，实现名老中医手法的数字化记录与传承，结合动态辨证引擎和大模型训练，精准模拟名医辨证逻辑，为临床教学和实践提供有力支持。中医药知识图谱构建

知识图谱核心架构中医药知识图谱以中医理论为核心，整合多源数据构建“药物-成分-靶点-疾病-证型”多维关联网络，实现知识的结构化与可视化。

数据来源与整合涵盖3万部中医经典古籍、百万级临床病历、现代药理研究文献及标准术语体系，如天医大模型整合34亿中医语义单元，数智岐黄以教材与规范化古籍为核心。

关键技术与工具采用自然语言处理（NLP）解析古籍文本，机器学习挖掘配伍规律，构建实体关系模型。如本草智库、数智本草大模型等平台已实现方剂、证候、药材知识的高效关联与检索。

应用价值与场景支撑中医AI模型训练（如辨证推理、方剂推荐）、辅助教学科研（古籍数字化解读）、临床决策支持（症状-证候-方剂全链路推理），推动中医药知识的标准化与现代化传承。智能教学培训系统

名医经验数字化复刻“中医数智脑”系统通过学习名老中医诊疗数据，实现处方与专家一致率达80%，助力名医经验规模化传承。

AI辅助临床教学年轻医师借助AI系统辅助开方，水平显著提升，系统提供的用药搭配和剂量把握建议具有独到之处。

虚拟病例模拟训练AI构建海量虚拟病例库，支持医师进行辨证论治、方剂选择等实战训练，提升临床应对能力。

中医古籍智能解读自然语言处理技术解析《伤寒论》《本草纲目》等古籍，构建知识图谱，辅助教学科研人员快速检索与理解经典内容。行业挑战与解决策略07数据标准化瓶颈与突破

传统数据采集的局限性中医诊疗数据长期依赖人工记录，存在主观性强、标准不一、结构化程度低等问题，如舌象描述多为“淡白舌”等定性词汇，缺乏量化指标，难以满足AI模型训练需求。

高质量标注数据稀缺AI模型训练需要大规模、高质量标注数据，但中医领域尤其是古籍文献、名老中医经验数据的标准化标注工作耗时费力，且跨机构数据共享机制不完善，导致数据孤岛现象严重。

多模态数据融合难题中医数据涵盖文本（病历、古籍）、图像（舌象、面诊）、波形（脉象）等多种模态，不同模态数据的采集标准、格式各异，实现有效融合与统一表征面临技术挑战。

标准化体系建设进展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》，提出推动中医药数据标准化，构建涵盖中药材、诊疗技术等全链条的标准体系，为数据规范提供政策指引。

技术驱动的数据规范化通过NLP技术解析古籍文献，构建结构化中医药知识图谱；利用计算机视觉与传感器技术，实现舌象、脉象等数据的客观化采集与量化标注，如AI舌诊系统可将舌苔厚度、颜色等特征转化为具体参数。复合型人才培养路径

跨学科教育体系构建推动中医药院校与理工科院校合作，设立“中医药+人工智能”交叉学科，如南京中医药大学人工智能与信息技术学院，编写《中医药人工智能导论》等专用教材，培养兼具中医理论与AI技术的复合型人才。

“院校联合培养+临床实践”机制建立“院校联合培养+临床实践考核”的培育机制，让学生在学习AI算法的同时，深入中医临床一线，参与AI辅助诊疗系统的研发与应用，将理论知识与实际操作相结合，提升解决复杂问题的能力。

产学研协同育人平台搭建高校、医疗机构、科技企业协同的产学研育人平台，如中医聪宝与高校合作研发智能诊疗系统，让学生参与真实项目研发，接触行业前沿技术，积累实战经验，促进人才与产业需求的精准对接。

名老中医经验数字化传承教学利用AI技术将名老中医的诊疗经验数字化，开发如“国医名师智能辅助诊疗系统”，作为教学工具，让学生通过学习系统中封装的名医辨证逻辑和用药经验，快速掌握中医精髓，缩短培养周期。产学研协同创新机制高校与企业协同研发平台华为与天士力共建“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”，形成产学研融合格局，推动中药研发创新。学术机构与医疗机构合作南京中医药大学与医疗机构合作开发“天医”大模型，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，服务教学与基层辅助。政策引导与资源整合国家中医药管理局、国家数据局发布《关于促进数字中医药发展的若干意见》，推动3-5年内数字技术融入中医药全链条，打造“数智中医药”，促进多方协同。人才培养与技术转化南京中医