杨涛,王欣宇,朱垚,胡孔法,4,5,6,朱学芳

    (1.南京大学信息管理学院, 江苏 南京 210023;2.南京中医药大学人工智能与信息技术学院, 江苏 南京 210023;3.南京中医药大学第一临床医学院, 江苏 南京 210023;4.江苏省中医药防治肿瘤协同创新中心,江苏 南京 210023;5.江苏省中医外用药开发与应用工程研究中心,江苏 南京 210023;6.江苏重大健康风险管理与中医药防控政策研究中心,江苏 南京 210023)

    四诊合参与辨证论治是中医诊疗的特色与精华,是中医理法方药一线贯通的医学哲学思辨过程[1]。这一过程依赖于中医专家的知识和经验,具有主观性、模糊性和复杂性等特点,加之高水平中医专家有限,优质中医服务供给严重不足,迫切需要利用多手段、多途径加速中医传承,提高中医供给,提升中医服务能力。中医药的“传承精华,守正创新”离不开新技术的支撑。依托人工智能技术,学习专家知识和经验,模拟专家临床思维,进而实现中医智能诊疗,一方面可以延伸中医专家的诊疗服务时空,另一方面可以助力名老中医数字化活态传承。

    中医诊疗的数字化和智能化是中医现代化发展的重要方向之一。众多学者围绕这一方向进行了研究和探索,按照技术的演进,大致可以划分为符号逻辑、机器学习和深度学习三大阶段[2]。早在20世纪70年代,国内掀起了中医专家系统的研究热潮,通过符号逻辑规则和专家知识库,构建中医辅助诊疗系统,出现了诸如关幼波诊治肝病中医专家系统、邹云翔诊治肾病中医专家系统等[3-4]。之后,伴随着机器学习的兴起,中医智能诊疗研究也进入机器学习时代,研究重心从专家知识整理和推理规则设计,转到了诊疗数据采集和机器学习模型训练和测试。这一阶段,利用机器学习方法,如决策树[5]、贝叶斯[6]、神经网络[7]等,构建的中医诊疗模型层出不穷;近十多年,深度学习发展迅猛,越来越多的研究开始利用深度学习方法构建中医智能诊疗模型。伴随着BERT、GPT-1、ERNIE等自然语言处理模型的提出,大语言模型初见端倪[8-9]。随着技术的演进,模型规模也越来越大,到GPT-3、ChatGPT、GPT-4模型参数已达到千亿级别,使得模型出现了“知识涌现”能力[10-12]。至此,人工智能也进入到“生成式AI”新时代。那么,如何利用大语言模型强大的知识学习和表征能力,构建中医智能诊疗生成式AI模型?其中面临哪些问题和挑战?基于上述思考,本文探讨中医智能诊疗研究面临的挑战,提出大语言模型驱动的中医智能诊疗研究思路与方法,以期为中医诊疗智能化研究提供参考 ......