《Chinese Medicine》:Large language models linking traditional Chinese medicine knowledge and clinical practice
编辑推荐:
摘要专业翻译
背景:中医(Traditional Chinese Medicine, TCM)是一个复杂的医学体系,其特点在于多源数据、隐性知识表征以及基于辨证的诊疗推理。随着古典文献和临床记录数字化程度的不断提高,大语言模型(Large Language M
摘要专业翻译
背景:中医(Traditional Chinese Medicine, TCM)是一个复杂的医学体系,其特点在于多源数据、隐性知识表征以及基于辨证的诊疗推理。随着古典文献和临床记录数字化程度的不断提高,大语言模型(Large Language Models, LLMs)作为组织与利用中医相关知识的计算工具日益引起研究人员的关注。然而,现有研究仍较为分散,尚缺乏对数据资源、建模策略、评估实践及应用场景的系统性综述。
概述:本综述基于已发表文献,总结了LLMs在中医领域应用的研究现状。研究人员聚焦于常用数据源,包括古典文献、临床记录及相关结构化资源,并评述了知识增强方法、多模态方法等代表性建模策略。此外,本综述还总结了领域特异性训练与微调策略以及已报道的评估实践。进一步地,研究人员综述了文献中描述的代表性应用场景,包括医疗咨询支持、辨证辅助、处方相关支持、教育及科研辅助。同时讨论了关键局限性,如可解释性有限、安全性问题以及缺乏标准化评估框架。
结论:本综述按照从数据构建到模型开发、评估与应用的完整工作流对现有研究进行梳理,旨在厘清当前研究格局,并强调应解决的方法学挑战,以支持LLMs在中医研究与实践中得到审慎且恰当的应用。
论文主体内容总结
引言
中医作为中国医疗体系的重要基石,是建立在整体哲学与系统复杂性之上的活态知识体系,通过将症状的精细观察与身体状态的动态诠释相结合,提供个体化治疗策略。辨证论治及多组分复方的应用代表了早期且成熟个体化医学形式。然而,中医临床优势背后的复杂性,包括其对情境依赖语义、分层诊断逻辑及非标准化描述的依赖,对现代科学验证和计算建模构成了重大挑战。传统数据挖掘与统计方法长期难以捕捉中医诊疗中复杂而隐蔽的关系,常导致“黑箱”批评,限制了其更广泛的整合应用。大语言模型的出现带来了范式转变,其处理非结构化文本、学习抽象关系及生成连贯推理链的能力,为系统性模拟中医复杂性提供了新路径。新兴的中医特异性大语言模型已展现出诠释古典描述、总结临床记录及提出初步方剂调整建议的能力。
中医数据源与语料构建
高质量数据集是构建中医大语言模型的基础,决定了模型在知识覆盖、临床适用性和推理可靠性方面的性能上限。
数据类型与来源:目前中医可用数据分为五类:古代中医典籍、现代中医知识、电子病历(EMRs)、科学研究及多模态诊断信息。古代典籍记录了中医传统经验,涵盖阴阳基础理论、诊断推理过程、证型及用药知识,多以文言文书写,语义隐晦且高度依赖语境。现代中医知识以结构化数据库、数字文档及网络知识门户等形式存储,包括教材、国家标准术语、学术流派出版物等。电子病历记录真实世界临床数据,涵盖患者基本信息、主诉、四诊信息、辨证结果、个体化处方、治疗措施及随访结局,目前中国三级中医院电子病历系统覆盖率已达92%,每年积累超过50亿条结构化中医诊疗记录。科学研究文献提供持续更新的知识补充,包括机制研究、药理学分析、随机对照试验及队列研究。多模态诊断信息涵盖舌诊图像、面色数据、脉象波形、发音信号等,常与症状标注、证型标签及治疗结局配对。
数据处理与标准化:原始中医数据具有高度异质性和非结构化特征,需经过多阶段处理流程,包括数据格式规范化与文本数字化、数据清洗与质量评估、实体抽取与分类、标准化与本体构建、数据标注与隐私保护。光学字符识别(OCR)技术常用于扫描或手写文档数字化,但古籍中罕见字、异体字及古奥表达常导致识别错误,需人工校对和专家审校。数据清洗包括修正笔误与OCR错误、规范标点术语与计量单位、去除不完整或矛盾记录,并通过专家审查进行质量评估。实体抽取将非结构化文本转化为结构化知识,早期依赖BERT和ERNIE等模型进行命名实体识别(NER),现代方法采用BERT-BiLSTM-CRF等先进架构,TCMERE框架通过集成领域自适应模型、多特征词融合编码及图卷积网络实现复杂实体及其语义关系的精确抽取。标准化与本体构建方面,GFO-TCM和HerbKG等项目提供中医概念及其关系的结构化层次表示,有助于消除语义歧义并支持逻辑推理。数据标注采用自动化标注与专家标注相结合的多阶段策略,并通过数据去标识化、访问控制及联邦学习框架保障患者隐私。
训练数据构建:现有数据集主要分为文本数据、问答(QA)数据、对话数据、图像/音频-文本配对数据及指令遵循数据。文本语料构成领域基础知识,主要用于预训练阶段,如TCMCorpurs数据集包含34亿个词元。问答数据集如cMedQA2、webMedQA及大规模Huatuo-26M数据集用于微调模型的事实检索与呈现能力。对话数据集如BianQue语料库(超过240万次对话)和CMtMedQA(约7万次对话)支持模型学习患者叙事理解、适当问诊策略及共情回应模式。图像/音频-文本配对数据将文本描述与舌象、面色图像或音频信号关联,ShizhenGPT等模型利用此类多模态语料构建近似四诊合参的整体表征。指令遵循数据是将通用预训练模型转化为可控任务导向助手的关键,代表性数据集包括CMeKG-8K和ShenNong_TCM_Dataset。针对真实医患对话中指令数据固有的简洁性、情境依赖性和风格异质性等局限,自指令和LLM辅助数据构建策略被广泛采用,并辅以专家验证确保医学正确性。
中医大语言模型的结构
中医大语言模型的整体演进:中医领域的先进自然语言处理应用始于BERT和ERNIE等早期预训练语言模型,主要用于医学文本命名实体识别和临床笔记分类等基础任务。随后进入通用医学大语言模型阶段,如MedGPT,虽非中医特异性模型,但可通过微调将其强大推理和语言能力迁移至中医任务。当前阶段为专用中医大语言模型的开发。
中医大语言模型的结构特征:一是增强文言文理解能力,采用双语言预训练策略将大规模古典医学文献语料与现代文本结合,SiKuBERT等模型专门针对古汉语设计。二是知识增强生成,检索增强生成(RAG)将大语言模型与外部知识库连接,查询时先检索相关文档或数据片段作为上下文,确保输出基于可验证信息;更进一步,部分模型直接与结构化知识图谱(KGs)集成,形成LLM+KG混合模型,支持对结构化知识库进行复杂多跳推理。三是生成中医推理链,模型被训练显式生成从“症状-辨证-病机分析-方药选择”的完整推理链,使决策过程对临床医生透明可解释。四是多模态能力,训练模型分析舌象和面部图像进行诊断或体质评估,以及识别穴位辅助针灸治疗,ShizhenGPT等模型通过整合视觉理解与文本知识,旨在复现中医“四诊合参”的整体方法。
训练与微调方法:中医大语言模型的训练是多阶段过程。预训练阶段在包含通用网络文本、科学文献、生物医学资源、医学教材及大量古典和现代中医文本的混合领域语料上训练基础语言模型,使模型获得通用语言理解能力的同时内化中医特异性词汇、理论框架和概念体系。监督微调阶段在精心构建的指令-响应对数据集上进行,涵盖医学问答、辨证、方剂解读及诊断推理等任务。偏好对齐阶段采用基于人类反馈的强化学习(RLHF),专家从业者对模型生成响应进行排序或比较,用于训练奖励模型,进而优化基础LLM;基于AI反馈的强化学习(RLAIF)被探索以降低标注成本;直接偏好优化(DPO)和Kahneman-Tversky优化(KTO)作为绕过显式奖励建模的高效替代方案,对专家标注偏好数据稀缺而领域知识对齐至关重要的中医场景尤为适用。多模态对齐阶段,以ShizhenGPT为例,采用统一LLM骨干网络配备独立视觉和信号编码器,通过适配器网络将各模态特征投影至LLM共享嵌入空间,建立跨模态语义映射和推理。
中医大语言模型的基准评估:研究者开发了系列专用基准数据集,多源自执业资格考试、古典文献和临床案例研究。评估维度包括:知识准确性,评估模型输出的事实正确性,关键指标包括事实一致性和实体正确率;推理能力,评估模型模拟中医从业者逻辑过程的能力,包括诊断推理链的合理性和方剂推荐与辨证的一致性;生成质量,关注输出的语言和结构特征,包括流畅性、连贯性、术语一致性及结构化临床文本生成能力;临床可用性,通过专家医师评分评估模型生成建议的相关性、有用性和可接受性;安全性评估,量化医学不安全幻觉发生率,同时评估模型保护患者隐私的能力及对医疗人文关怀的敏感性。
中医大语言模型的计算需求
中医大语言模型的开发受计算资源可用性的深刻影响。早期模型如HuatuoGPT和TCM-GPT-7B主要在A100集群上训练,而ShizhenGPT和TianHui等较新系统日益依赖A800或H100 GPU以支持更大模型规模、更长上下文和多模态输入。现有模型大致分为三个计算层级:轻量级系统在4-8个GPU上训练6-7B参数模型,中等模型在8-16个GPU上微调13B骨干模型,高端模型需32个以上GPU进行14B-32B架构的全参数或多节点分布式训练。训练时间约12-75小时。几乎所有中医大语言模型都采用内存高效训练策略,LoRA和QLoRA(4比特量化)可在仅4个A100 GPU上实现7B-13B模型的参数高效微调,DeepSpeed ZeRO技术被广泛用于受限内存条件下的全参数训练。计算格局呈现三个趋势:从A100向H100/A800硬件过渡、参数高效微调成为标准范式、超过14B参数模型日益依赖分布式多节点训练。
大语言模型在中医中的应用
医疗咨询:这是中医大语言模型最易触及的应用场景,主要涉及医学问答、体质评估和一般健康咨询。HuatuoGPT等模型支持交互式对话,通过提出澄清性问题收集更多信息,模拟四诊中的问诊环节。此类系统可支持长期健康管理、亚健康调理和预防保健,并在必要时引导用户获得适当临床服务。
临床诊疗:这是中医大语言模型最核心和最具挑战性的应用领域。模型辅助临床医生进行疾病诊断、辨证、治疗方案制定及方剂或穴位推荐。基于辨证结果,LLMs可推荐经典方剂甚至生成新药组合,建议源自涵盖古籍、临床记录和现代药理学数据的大型知识库。除常规中药处方外,LLMs在支持药食同源方剂推荐方面也展现出潜力,这对慢性病、亚健康状态及康复期调理尤为重要。LLMs还被训练基于患者具体症状、体质和合并症提供加减药物建议。
中医考试与专业评估:中医大语言模型越来越多地应用于教育和评估场景,包括自动处理中医教育和认证考试中常用的单选题、多选题及阅读理解任务。通过模拟考试条件,LLMs可支持学生自评、提供正误答案的详细解释,并生成符合课程标准的练习题目。在专业培训中,此类系统可创建模拟临床案例,使学生在受控环境中练习诊断推理和治疗决策。
知识导向问答:该场景聚焦于对古典和现代中医知识的结构化访问,包括回答古籍相关问题、诠释古典术语、解释药物功效、活性成分及作用机制。具备较强文言文理解能力的LLMs可翻译和注释古籍,降低历史知识获取门槛,并支持基于概念而非关键词的语义检索。与现代药理学和化学数据库的集成使模型能够回答关于药材成分、分子靶点和潜在机制的问题,连接传统知识与当代生物医学研究。
科学研究辅助:在科研领域,中医大语言模型正成为科学发现和分析的有力工具,可辅助文献检索、自动摘要、假设生成及通过整合大规模古籍、现代生物医学文献和临床数据集进行知识图谱构建。更高级的应用包括支持回顾性和前瞻性研究中的预测任务,如结局预测、患者队列模式识别及治疗效果探索性分析。
未来方向与挑战
构建协作标准化数据生态系统:中医诊断从根本上依赖问、望、闻、切四诊的整合。尽管舌象、面色、脉象波形和音频信号的大规模数据集日益可用,但缺乏统一的数据采集和标注标准仍是临床实用性的主要障碍。制定涵盖古籍、电子健康记录和多模态诊断数据的通用数据模型和标注指南,是构建下一代大规模预训练模型的关键前提。然而,数据层面的标准化本身不足以确保多模态中医系统的临床可靠性。脉象波形对传感器架构、施加压力、采样设置、设备校准和操作流程敏感,嗅觉信息依赖电子鼻系统,其输出可能随采样协议、环境条件、传感器漂移及设备和场地特异性信号分布而变化,这些硬件和流程层面的标准化挑战同样需要系统解决。