当前位置：首页 > news >正文

3步构建你的中医AI助手：开启智能诊疗新纪元

news 2026/6/16 15:24:28

3步构建你的中医AI助手：开启智能诊疗新纪元

【免费下载链接】CMLM-ZhongJing首个中医大语言模型——“仲景”。受古代中医学巨匠张仲景深邃智慧启迪，专为传统中医领域打造的预训练大语言模型。 The first-ever Traditional Chinese Medicine large language model - "CMLM-ZhongJing". Inspired by the profound wisdom of the ancient Chinese medical master Zhang Zhongjing, it is a pre-trained large language model designed specifically for the field of Traditional Chinese Medicine.项目地址: https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing

在中医学习与临床实践中，你是否曾为海量的古籍文献而困惑？面对复杂的辨证论治体系，是否渴望有一个能随时解答疑问的专业助手？CMLM-ZhongJing（仲景中医大语言模型）作为首个专为传统中医领域设计的预训练大语言模型，将古代医圣张仲景的智慧与现代人工智能技术完美融合，为中医爱好者、医学生和初级从业者提供智能化的中医知识问答和诊疗咨询服务。

🌟 当古老智慧遇见现代科技

中医知识传承面临着前所未有的挑战：古籍文献晦涩难懂，辨证体系复杂多变，临床经验需要数十年积累。而现代人生活节奏快，难以投入如此漫长的时间成本。CMLM-ZhongJing项目应运而生，通过先进的人工智能技术，将散落的中医知识系统化、结构化，实现了中医理论与临床经验的数字化传承。

图：仲景模型采用的多任务治疗行为分解指令构建策略，将中医诊疗过程拆分为12个专业任务模块

🚀 快速体验：三步开启智能中医之旅

无需复杂的配置，只需简单几步即可体验专业的中医AI助手：

第一步：环境准备

git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing

第二步：安装依赖

pip install torch transformers gradio

第三步：启动服务

python WebDemo.py

启动成功后，在浏览器中访问http://localhost:7860，即可进入仲景中医AI交互界面。项目提供两个版本供选择：13B参数版本适合高性能GPU环境，1.8B轻量级版本可在单张Tesla T4显卡上流畅运行。

🩺 四大核心能力深度解析

智能问答系统：你的中医知识库

无论是对中药性味归经的疑问，还是对方剂组成配伍的困惑，系统都能提供条理清晰的专业解释。比如询问"黄芪的补气作用机制"，系统不仅会解释黄芪的性味归经，还会详细说明其在补气固表、利水消肿等方面的临床应用。

实用技巧：在提问时加入"详细解释"关键词，如"请详细解释什么是气滞血瘀证"，可以获得更全面的病理机制分析和治疗方案。

多轮诊疗模拟：虚拟中医门诊体验

系统模拟真实临床问诊流程，通过动态追问获取完整症状信息。当用户描述"恶寒发热、咳嗽痰多、苔白腻"等症状时，系统会像经验丰富的老中医一样，逐步引导完成从病因分析到证型判断的完整诊疗过程。

方剂推荐引擎：个性化治疗方案生成

基于辨证结果智能匹配最优方剂，并提供详细的药物组成、用法用量及加减建议。针对"肝郁脾虚证"，系统不仅推荐逍遥散为主方，还会根据具体症状差异提供个性化调整方案，如情绪抑郁明显可加郁金、香附，食欲不振可加砂仁、陈皮。

养生方案生成：全方位健康管理助手

结合季节、体质和生活习惯，提供定制化养生建议。例如针对秋季干燥气候，系统会推荐"麦冬百合粥滋阴润肺"、"按揉太渊穴养肺阴"等简便易行的养生方法，形成完整的健康管理方案。

📊 专业评估：超越通用模型的中医专长

图：仲景模型与其他AI模型在中医专业任务上的评估对比，展示其在客观性、逻辑性和专业度等维度的优秀表现

在专业医师的多维度评估中，CMLM-ZhongJing展现出令人瞩目的表现：

客观性：5.8/7分 - 基于真实中医理论，减少主观臆断
逻辑性：5.7/7分 - 诊疗推理过程严谨合理
专业性：5.8/7分 - 中医知识准确，术语使用规范
准确性：5.6/7分 - 诊断建议与临床实践高度一致
完整性：5.5/7分 - 回答全面，涵盖诊疗全过程

💡 实战应用场景演示

场景一：医学生理论学习辅助

中医药大学学生在学习《伤寒论》时，通过模型查询"小柴胡汤的临床应用变化"，系统不仅详细解释原方组成和适应症，还对比分析"柴胡桂枝汤"、"大柴胡汤"等衍生方剂的加减规律，帮助学生构建完整的知识体系。

场景二：基层医师诊疗参考

社区卫生服务中心医师在接诊"反复胃脘痛3月"的患者时，输入"胃脘胀痛、嗳气反酸、情绪抑郁"等症状，系统快速分析为"肝胃不和证"，推荐柴胡疏肝散加减方案，并提示"注意排查幽门螺杆菌感染"，辅助医师做出更精准的诊疗决策。

场景三：家庭健康管理咨询

一位中年女性因"更年期失眠多梦"咨询，系统通过多轮对话了解其"心烦易怒、潮热盗汗"等伴随症状，判断为"阴虚火旺证"，推荐"百合知母汤"调理方案，并提供"睡前涌泉穴按摩"、"莲子心茶饮用"等辅助方法。

🔧 技术架构创新点

多任务诊疗分解策略

仲景模型的核心创新在于其独特的多任务诊疗分解架构。该架构将复杂的中医诊疗过程系统性地拆解为12个关键任务模块：

症状分析- 识别和归类患者症状
辨证推理- 根据症状推断证型
方剂选择- 匹配最合适的经典方剂
剂量确定- 根据患者情况调整药量
随证加减- 根据兼症调整方剂组成
预后判断- 评估治疗效果和可能转归
养生建议- 提供生活调养方案
禁忌提醒- 提示用药禁忌和注意事项
病因分析- 探究疾病发生原因
病机阐释- 解释疾病发生发展机制
舌脉诊断- 结合舌象脉象综合分析
随访建议- 提供复诊和调养建议

高质量指令数据构建

项目团队构建了超过13.5万条专业指令数据，涵盖中医古籍内容、症状近义词、中医词典解释、真实世界问题、病机分析等多个维度，确保模型学习到准确、权威的中医知识。

🛠️ 进阶使用技巧

模型调优建议

对于希望进一步优化模型性能的用户，可以参考以下建议：

数据增强：在src目录下的示例代码基础上，可以添加更多专业中医数据进行微调
参数调整：根据具体硬件配置调整batch_size和learning_rate参数
领域适配：针对特定中医专科（如妇科、儿科）进行针对性训练

部署优化策略

硬件选择：1.8B模型可在单张Tesla T4上运行，13B模型建议使用A100或V100
内存优化：使用混合精度训练和梯度累积技术减少显存占用
推理加速：采用量化技术可将模型大小压缩至原来的1/4，大幅提升推理速度

🚀 未来发展规划

仲景团队计划从三个方向推进项目发展：

垂直领域深化- 针对针灸、推拿等中医特色疗法开发专用模型模块
临床数据整合- 与医疗机构合作构建真实世界研究数据库
多模态交互升级- 加入舌象、脉象等视觉数据输入

📚 学习资源与社区参与

核心源码：src/zhongjinggpt_1_b.py 包含模型核心实现代码，展示了如何加载预训练模型并进行中医专业对话。

Web演示界面：WebDemo.py 提供了完整的交互界面实现，支持单轮和多轮对话功能。

学术论文：项目论文"ZhongJingGPT: An Expert Knowledge-Guided Language Model for Traditional Chinese Medicine"已被Tsinghua Science and Technology录用，详细介绍了模型的技术原理和评估方法。