AI中醫 靠不靠譜

　　越來越多“AI老中醫”走進診室 專家：靠不靠譜與數據、算法等有關

　　民聲調查

　　文、圖/廣州日報全媒體記者張慧琪 實習生康山林

　　中醫師安暢熟練地打開一臺外觀略顯“普通”的儀器，這已經成為她每天為老年患者做中醫藥健康管理問診的常規流程——原來，這是一臺搭載AI技術的“中醫體質辨識儀”，經過操作，最快只需2分鐘便能生成一份體質分析報告。按照安暢的說法，這“確實提高了速度和效率”。

　　AI+中醫，這項融合了千年智慧與技術革新的結合會碰撞出哪些火花？現階段AI中醫究竟靠不靠譜，其發展還存在哪些挑戰？記者近日進行了調查。

　　從“問診慢”到“分秒級體檢”

　　廣州積極探索AI+中醫

　　在廣州市天河區石牌街道社區衛生服務中心就有這么一位“AI中醫師”——一臺搭載AI技術的中醫體質辨識儀，已經成為附近居民健康管理的“新寵”。患者只需坐在儀器前，面對屏幕攝像頭拍攝幾張面部和舌頭的照片，再回答幾道問題，幾分鐘不到，就能在手機上收到一份詳細的中醫體質辨識報告，并附有相應調養方案，涵蓋飲食、起居、穴位等方面。

　　居民劉阿姨表示，以往她都是身體出現不適才到中醫門診看病：“因為感覺有不舒服才能準確告訴醫生我的癥狀，但現在這個機器可以把一些說不出的癥狀也檢測出來，還有很詳細的建議，速度也很快。”對劉阿姨來說，這種“分秒級體檢”讓她更方便地了解自身狀況。

　　“以前做這種體質辨識我都要填一份問卷，字又小我又看不清，醫生給我念我又覺得耽誤人家時間。”第一次體驗AI問診的李大爺覺得，這臺中醫體質辨識儀簡直幫了大忙。

　　石牌街道社區衛生服務中心副主任中醫師安暢告訴記者，以往做中醫體質辨識從讓患者做問卷再到后續診療，整個過程需要20分鐘左右，對一些老人家來說比較麻煩。“現在有了這個儀器，老人2分鐘左右就可以完成體質辨識，認可度很高。”安暢稱，該中心每天有20~30位市民會使用AI中醫進行診斷，據統計，目前服務人群已超過1.3萬人。

　　除了基層醫療運用外，去年9月，一款智慧中醫診療大模型也落地黃埔區，該模型由香雪制藥研發、黃埔區衛生健康局指導，并基于華為云盤古大模型的技術優勢，這同時也是盤古醫療大模型在廣東省內的首個實際應用實踐。據了解，該模型利用AI深度學習技術，對傳統的經典名方和各老中醫的診斷方法進行深入研究，已取得一定成效，未來將幫助醫生做出更加準確的診斷。

　　AI“卷”向中醫藥領域

　　多模態中醫大模型是未來方向

　　“目前AI進入到中醫行業還是非常活躍的。”華南理工大學廣東省人工智能中醫工程技術研究中心副主任伍駿說。據他觀察，現階段AI研究服務于中醫領域主要體現在輔助診療、中藥研發、健康管理咨詢這三方面。

　　這幾年，越來越多AI大模型“卷”向中醫藥領域，曾任國家中醫藥管理局重點學科“中醫藥信息學”后備學科帶頭人，廣州中醫藥大學醫學信息工程學院曹東教授指出，基于不同的應用場景，大模型以及其背后的數據側重點也有所不同。優秀的“AI中醫師”往往需要海量的“學習資料”來武裝大腦，包括古籍、方劑、中成藥、文獻摘要、天然產物、靶基因通路信息、臨床方案、中藥專利及藥典政策指南等。

　　除高質量的數據外，AI中醫“靠譜”與否還與核心算法有關。伍駿指出，盡管目前AI中醫市場活躍，但門檻較低。“研發水平參差不齊，這種情況下出來的產品可能就難以達到預期效果。”

　　在曹東看來，傳統中醫強調“四診合參”(望聞問切)，即依賴中醫師面對面觀察患者氣色、把脈觸診等動態交互。而現階段的“AI中醫師”很多還是以知識圖譜和深度學習兩條技術路徑來生成輔助判斷的決策，比較常見的如智能問答類醫療咨詢軟件。“這兩種技術路徑只處理傳統的文本信息，就把中醫里很重要的‘望聞問切’部分忽略了。”他指出，現階段較為前沿的技術路徑是將望診和脈診里的圖像數據結合起來，是一種多模態的技術融合。

　　伍駿也認為，多模態的中醫大模型是未來的發展方向，即將文本、圖像、視頻、音頻等多模態信息聯合起來。“像AI體質辨識儀就不僅通過文字來辨識，還采集了舌象圖片數據作為輔助判斷。”而從產品角度看，“AI體質辨識儀”只是市面上其中一種終端產品。“像針灸機器人、智能化的食療機器人都是我們關注且正在推進的產品。”伍駿說。

　　提高效率、賦能處方創新

　　AI中醫可助力“望聞問切”

　　相對于外界擔憂AI技術會削弱中醫“望聞問切”的人文關懷，伍駿則表示：“事實上，AI工具的輔助反而能把醫生的精力騰出來，這能讓醫生更好地去跟患者交流。”

　　對于這一點，安暢頗有體會，醫院引入的這臺體質辨識儀幫她承擔了部分重復的工作，也提高了問診效率。“中醫講望聞問切，在問診前我拿到這份體質辨識報告，就能夠很快抓取關鍵信息，用更多時間來進行深入問診。”

　　伍駿認為，優秀的大模型算法實際上還給傳統中醫賦能。他覺得這與AlphaGo對圍棋界的影響是類似的。“工程師在訓練AlphaGo時，會將人類常用的走棋路數教給他，后來經過AI強化學習，發現AlphaGo可能下出不一樣的招數，這反過來也給棋手很多啟發。AI輔助診療開出的中藥處方可以作為一種參考，醫生在思考過程中能更加優化處方本身，因為這同時結合了兩者的能力。”伍駿說。

　　在伍駿看來，DeepSeek的出現是一種認知催化劑，讓大眾認識到AI的價值和力量。“特別是在中醫這個領域，早幾年講AI大家可能都存有懷疑，但現在DeepSeek讓更多相關方都能夠認識到AI的價值，反過來也可以促進AI在中醫行業的發展。”另一方面，DeepSeek這種“低成本高訓練”的模型極大降低了開發者進入AI領域的門檻，“這更能讓開發者把更多精力放在創新和優化上，實現應用場景的裂變。”伍駿說。

　　曹東指出，DeepSeek還避免了技術黑箱的部分問題。“DeepSeek有深度思考和推理的過程，并能一一呈現出來，這對中醫藥行業來說是很重要的。”

　　事實上，AI也對中醫人才培養產生積極影響。曹東認為，年輕醫生往往較難理清中醫里復雜的思考邏輯，而中醫教育里講究培養學生的中醫臨床思維。“有的優秀推理大模型將辨證施治的中醫理念很詳細地展示出來，并有推理過程，這有助于他們學習并形成中醫思維。”

　　此外，AI同時也能助力中醫行業數據的標準化。曹東稱：“原來的四診數據主要是靠醫生來做，現在像體質辨識儀這類儀器，可以形成客觀化的一些數據，避免完全依靠醫生的主觀經驗。”

　　數據質量、中醫思維、臨床運用 AI中醫發展須克服挑戰

　　盡管業界普遍認為AI中醫領域前景廣闊，采訪過程中多位專家均跟記者表示，AI中醫藥領域仍面臨很多現實挑戰，主要集中在以下三方面：

　　其一是高質量的中醫數據。曹東指出，中醫藥的數據大多數沒有形成標準化，不管是古籍文獻還是臨床上的數據，很多都是經驗描述，對于同一疾病，不同流派描述的癥狀和術語也不同，這也增大了AI的理解難度。但伍駿提出，這不應該成為發展瓶頸。“事實上，在技術層面可以通過強化學習算法優化來解決數據質量問題。”

　　其二則與獨特的中醫思維理論相關。“中醫講究整體辨證論治，這就涉及很多動態的推理和演變，目前還比較難適配出這樣一個優秀的模型。”曹東說。

　　其三是臨床中的使用與學習。伍駿認為，中醫師對AI類工具從認知、理解到在實際工作中與臨床的結合，每一步都有使用學習成本，如何更好運用好AI中醫這一工具，相信都需要一個過程。

　　(廣州日報)