标题：Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration

期刊：Chinese Medicine（IF5.7，中科院2区）

DOI：10.1186/s13020-025-01194-y

发表时间：2026.1.26

研究背景

众所周知，中医药（TCM）拥有数千年的临床实践和庞大的古籍、方剂、药材及多模态数据，但长期面临着数据标准化不足、结构松散、跨学科整合困难等问题，严重制约了现代化进程。

近年来，人工智能（AI）技术，尤其是机器学习、深度学习、知识图谱、大语言模型等的突破，为处理中医药复杂数据、加速新药发现、提升诊疗客观性提供了全新工具。然而，AI与中医药整体观、辨证论治等理论体系的深度融合，仍面临诸多挑战。

关键发现

本研究综述了2010‑2025年间AI在中医药四大维度中的应用进展，为AI数据驱动的中医药现代化提供了系统性参考：

中医药数据库：梳理了超20个主流中医药数据库，如ETCM 2.0、TCMSSD、SymMap、HERB、BATMAN‑TCM 2.0，覆盖处方、药材、成分、靶点、疾病、证候、临床记录等七大类数据，并量化了各类型的数据规模；建立统一的数据质控流程，如参照《中国药典》、国际化合物标识PubChem CID、DrugBank靶点注释，提升了跨库可比性和AI建模的输入质量；

AI药物筛选与发现：介绍AI在天然产物靶点发现、虚拟筛选及中药质量控制中的具体应用。系统比较了基于配体相似性、机器学习/深度学习、多组学、网络推理四类靶点预测方法的优缺点和适用条件，强调实验验证的必要性；总结结构基、配体基、ADMET筛选工具等在天然产物筛选中的应用，及AI在药性预测、加工时间预测和质量标志物发现中的具体案例；

AI辅助诊疗：围绕证候辨识、处方推荐，梳理了基于舌象、脉象、问诊等多模态信息的深度学习模型，及基于图神经网络、注意力机制的处方生成系统；网络邻近度、DMM模型等网络药理学方法，量化了药材‑症状‑靶点的协同关系；

专用大语言模型（LLMs）：介绍了TCMChat、Lingdan、MedChatZH等模型，其通过预训练和微调，实现知识问答、处方推荐、病历诊断等功能；指出AI在中医药应用中面临的难题，建议通过构建专用语料库、推进知识图谱增强的可解释AI、结合数字孪生等加以突破。

研究意义

· 揭示了AI赋能中医药多模态数据整合、新药发现、辨证诊疗及智能化的全链条路径，为中医药现代化提供了AI方法学范式。

#AI药物筛选 #环特生物 #中药现代化