【编者按】7月17日，习近平总书记出席2026世界人工智能大会暨人工智能全球治理高级别会议并发表重要讲话，为人工智能发展与治理指明了方向。当机器开始思考、算法参与决策、技术挑战伦理、数字鸿沟持续显现，人工智能如何行稳致远、如何惠及民生，数据治理与安全如何有效保障，已然成为我们必须深入思考的时代之问。

中医药与人工智能在底层逻辑、思维范式等方面高度契合、天然适配。人工智能正推动中医药从传统经验驱动，加速迈向“数据-知识-智能”三维融合的创新驱动新阶段。特转载STCM 刊发的黄璐琦院士署名文章《中医药数智化时代的机遇与挑战》，以飨读者。

人工智能自20世纪中期诞生以来，已从早期的专家系统发展至当今以深度学习和大语言模型为代表的智能化阶段。这一技术浪潮正全方位重塑全球医疗产业，从药物研发、临床诊断到医疗服务模式均发生深刻变革。中医药领域的数智化转型不仅是技术应用的简单叠加，更标志着发展模式的根本转变——从传统经验驱动迈向“数据-知识-智能”三维融合驱动。

AI赋能中医药领域具有特殊优势，体现在中医药理论体系与研究方法层面的双契合。中医药强调整体性、系统性的辨证思维，其诊疗过程涉及高维度、多变量的复杂数据分析，这恰好契合AI擅长处理非线性、多变量复杂系统的技术特性。随着电子病历系统普及、传感技术进步以及机器学习算法突破，中医药数智化转型已具备坚实的技术基础。文献计量学分析显示，中国学者在该领域发表论文占全球54.35%，美国、韩国及欧洲多个国家在内的24个国家和地区的研究机构正积极开展跨国科研合作，推动中医药智能化研究向纵深发展。

1 AI赋能中医药领域的发展现状

1.1 临床医-教-研的智能化突破

AI技术为中医临床研究带来了系统性变革。基于AI开发的科研病例采集系统，通过数据自动抓取、智能检索、信息脱敏及数字孪生技术，更高效地完成从数据采集、治理到分析的全流程，不仅能实现复杂终点评估，还贯穿于临床研究设计优化、项目注册及管理等关键环节，为研究者提供全方位支持，显著加速临床试验进程并提升自动化水平。

机器视觉、多模态数据融合等AI技术的快速发展，正推动中西医结合诊断学构建新范式。首先，AI技术实现了“四诊”量化难题：传感技术捕捉脉象特征，自然语言处理分析问诊信息，多模态中医诊断模型初步实现“四诊合参”智能化，为中医诊断现代化奠定技术基础。其次，在西医领域，基于深度学习的影像识别系统在常见慢病诊断中已达卓越水平，多模态融合技术整合影像、检验及基因组学数据，显著提升精准诊断能力，为中西医融合表征创造了新的技术机遇。中医整体辨证擅长捕捉系统性、动态性变化，西医局部病理精于定位微观特征，二者优势互补。构建融合宏观证候与微观生物标志物的多模态诊断模型，是发挥中医药特色优势、推动现代化的关键技术路径。

在临床治疗决策层面，基于海量数据训练的中医智能辅助诊疗系统覆盖数百种疾病与证候类型。临床决策支持系统在脓毒症等急危重症预测中展现应用价值，使病死率相对降低18.7%。

在中医临床教学层面，AI通过融合自然语言处理、知识图谱及虚拟仿真等技术，构建集文献知识库、中医知识图谱、病例图谱、远程云诊室与3D虚拟诊疗场景于一体的智能教学平台，支持智能问答、病例智能分析、虚实融合课程等多元化教学方式，并配备智能考核机制，实现临床思维的系统化培养。例如北京中医药大学等机构联合开发的Tianyi大语言模型，采用“读书-临证-跟师”的渐进式学习策略，可应用于临床教学、决策辅助、药物研发等领域。

1.2 数智中药产业的全链条革新

AI技术正通过三个层面重塑中药科研范式。首先在靶点-分子层面，AI在靶点发现、分子筛选、结构优化等环节显著提升研发效率并降低成本。其次在药效安全评价体系化方面，基于类器官与数字细胞模型，AI技术通过“虚拟解析”提升临床用药的安全性与准确性。最后在助力中医药传统理论现代化阐释方面，例如中药药性智能平台（TCM-AIPP）串联中草药-成分-靶标-功能-通路-药性数据链，为中药药性提供现代科学内涵解析。

在生产领域，AI已覆盖种植采收、质量鉴定、药物提取、成药制备、仓储物流等全产业链，促进了中药制药行业的深度智能化变革。中国中医科学院构建的移动智能检测平台集成农残、毒素、污染物快速检测及品质鉴定功能，满足复杂场景下的快速检测需求。

2 中医药数智化的三重困境

2.1 标准化困境：数据异质性与互操作性缺失      

中医药数智化面临多重标准化困境，虽然2024年发布的中医药大模型评测团体标准构建了量化评估体系。但在临床层面，中医诊断高度依赖医师主观经验，缺乏统一量化标准；在设备层面，智能化四诊设备尚未广泛普及，不同设备间缺乏互操作性；在数据层面，采集数据未实现开放共享，不同来源数据在稳定性、可重复性方面存在显著问题。数据治理体系的缺失是制约中医药数智化发展的首要瓶颈。

2.2 AI伦理与安全风险：责任归属与算法透明度

AI技术应用存在多维度风险挑战：知识产权界定模糊，患者隐私保障机制不全，算法偏见可能导致歧视性风险，责任归属难以界定。当人工智能决策失误时，开发者、平台、使用者三方的责任认定尚无明确法律依据。深度学习模型的“黑箱”特性使决策过程难以解释，在医疗这一高风险领域，可解释性对于建立信任至关重要。

2.3 人才困境：医工融合深度不足

当前中医专业人才与AI技术人才医工联合深度有限，缺乏中医学术思想主导下的数智化研究，难以完成深度融合。兼具中医药与人工智能背景的交叉学科人才严重短缺，导致综合院校AI研究缺乏中医药特色，中医院校AI研究水平受限，造成出现设备服务能力不足，临床信任度低的困境。

3 发展路径：构建负责任的中医药数智化生态

3.1 坚守中医药理论内核，避免“技术驱动”的盲目性

用现代科学解读中医药学原理需坚守中医内核，保持中医药特性，警惕技术依赖。方法论创新需扎根中医理论，避免“技术驱动”的盲目性，确保嵌入中医本体论与认知逻辑。中医原创理论体系包含藏象、经络腧穴、病因病机、辨证论治、治则治法等核心内容。利用AI技术解决中医对可解释性的需求，需要重点关注中医基本病机的科学内涵、五脏相关跨器官调控机制、中药四气五味现代科学表征、中药七情和合配伍的科学内涵、气血变化规律的科学诠释调节等问题。基于上述基础系统，还需迫切建立中医特色的验证体系，突破传统验证框架，构建包含临床有效性、技术先进性、文化传承性的三维评价体系。

3.2 构建高质量专业数据集，推进数据治理体系建设

遵循可查找性、可访问性、互操作性、可重用性原则，建立符合国际规范的中医药数据管理体系。建立统一的中医药数据标准与治理体系，以更好地促进不同研究成果的紧密联通。例如，在脉诊领域建立统一的脉象与波形认定标准，在舌诊领域制定统一的舌象判读标准等，以此形成一批批高质量的中医诊疗数据。这些标准数据不仅可以用来训练中医智能体，还能帮助研究者们验证模型效果，减少重复性工作。在保障数据主权与患者隐私的前提下，采用先进的技术手段，使多中心协同训练模型成为可能，无需共享原始数据，为打破数据孤岛提供有效的技术方案。在开放、协作的数据生态下，推动中医药领域的数据共享与创新。

3.3 构建"双螺旋"培养模式的人才培养体系

中医药数智化领域是涵盖了化学、计算机科学、生物学、中药学、中医学、药学、自动化、数学、临床医学、药理学、软件工程等学科的交叉地带，这意味着需构建“理论融通-技术贯通-实践打通”的“双螺旋”培养模式。如进行课程体系改革，整合中医基础理论、机器学习算法、医疗数据挖掘、自然语言处理等内容，设计具有中医特色的人工智能课程；在持续教育机制方面，为在职中医师提供人工智能和数据科学培训，通过短期培训班、线上课程、学术研讨会等多种形式，帮助中医从业人员掌握基本的人工智能知识和工具使用方法，提升数字化诊疗能力。

3.4 完善政策法规，构建负责任的人工智能生态体系

应加快制定针对AI医疗的专项法规，明确责任边界，完善伦理审查与监管机制。借鉴其他国家、其他行业在医疗、人工智能领域的监管框架经验，建立符合中医特色的智能诊疗设备的审批与临床验证，确保技术应用的安全、有效和公平。

4 结语

中医药数智化转型是一场深刻的范式革命，这不仅是技术工具的更新迭代，更是思维方式、研究范式、服务模式方面的系统性变革，它将成为推动中医药现代化、提升中医药国际影响力的关键引擎。谨此，我们向全球中医药同道发出诚邀：共襄盛举，不负时代，不负使命，以赤诚之心为中医药现代化贡献力量。

引文格式：Huang L. Opportunitieschallenges of traditional Chinese medicine in the era of digitalizationintelligence. Sci Tradit Chin Med 2026;4(2):105–107. doi: 10.1097/ st9.0000000000000102

原文链接：https://www.ovid.com/jnls/stcm/fulltext/10.1097/st9.0000000000000102~opportunities-and-challenges-of-traditional-chinese-medicine

来源：中医药科学英文刊