综述：人工智能在中医药标准化中的应用进展：基于机器学习和深度学习的综述

这篇综述系统探讨了人工智能（AI）技术在中医药（TCM）标准化中的关键作用，重点分析了机器学习（ML）和深度学习（DL）在疾病诊断、预防治疗、中药质量评估、药代动力学、作用机制及非药物疗法六大领域的应用，为促进中医药现代化与国际化提供了技术路径和理论支撑。

　　

引言

第四次工业革命浪潮下，人工智能（AI）与大数据技术的融合正推动中医药（TCM）向智能化转型。传统中医药强调整体观和辨证论治，但在微观机制解析、标准化量化等方面存在局限。现代AI技术通过机器学习（ML）和深度学习（DL）模型，为破解这些难题提供了新思路。本文综述了AI在TCM六大核心领域的应用进展，揭示其如何助力中医药从经验医学向数据驱动的标准化体系跨越。

方法论

研究团队系统检索了Web of Science、PubMed、CNKI等数据库中2018-2025年的千余篇文献，通过PRISMA标准筛选出240篇高质量文献。关键词组合如“AI+TCM+标准化”覆盖了疾病诊断、中药配伍等方向，采用随机森林（RF）、支持向量机（SVM）等算法分析数据，确保结论可靠性。

机器学习（ML）

作为AI的核心分支，ML通过监督学习（如K近邻/KNN、贝叶斯神经网络/BNN）和无监督学习（如K均值聚类）两大范式，在TCM小样本场景中表现优异。例如，BNN和SVM对肺炎证型的分类准确率达85%以上。决策树（DT）和随机森林（RF）则擅长挖掘中药配伍规律，而人工神经网络（ANN）为复杂生物系统建模奠定了基础。

深度学习（DL）

DL通过多层非线性网络模拟人脑认知，其代表性模型包括：

1. 卷积神经网络（CNN）：在舌象识别（ResNet准确率88%）和脉搏分类（MobileNet达97.6%）中表现突出；
2. 循环神经网络（RNN）：擅长处理时序数据，如针灸疗效动态预测；
3. 生成对抗网络（GAN）：用于中药饮片图像生成和质量模拟；
4. 注意力机制（AM）：提升证候关联分析的精准度，如Transformer模型在哮喘分型中F1-score达90.8%。

中医药标准化应用进展

疾病诊断

AI将“望闻问切”转化为可量化指标：

• 舌象分析：MobileNet对阴虚证舌像识别准确率92.8%；
• 脉诊数字化：3D CNN实现弦脉自动分类（AUC 97.3%）；
• 大模型应用：仲景中医语言模型（CMLM-ZhongJing）支持在线四诊整合。

预防与治疗

结合现代医学三级预防策略，ML模型如XGBoost预测慢阻肺急性加重风险（准确率92.4%），AdaBoost对脑膜瘤术后预后预测AUC达0.925，体现“治未病”理念的数据化实践。

中药质量与配伍

• 质量评估：改进AlexNet鉴别炮制饮片准确率提升2.05%；YOLOv4实现中药材外观检测（>90%）；
• 配伍优化：关联规则挖掘发现甘草-桔梗等高频药对，CNN解析半夏泻心汤类方特征（准确率89.33%）。

药代动力学与机制

AI加速中药复杂成分的ADME研究：

• PBPK建模：LightGBM预测246种化合物大鼠体内AUC；
• 网络药理学：整合TCMSP、ETCM等数据库，解析丹参-红花抗缺血性中风的253个靶点；
• 多组学整合：代谢组学+转录组学揭示防己黄芪汤调控钙信号通路治疗IgA肾病。

非药物疗法

针灸定位系统（RGB-D CNN）误差<1mm，集成学习算法提升配穴方案个性化。WHO推荐的113种针灸适应症中，AI辅助方案可缩短30%操作时间。

挑战与展望

当前面临三大矛盾：数据主观性与模型泛化需求、机制“黑箱”与中医理论诠释断层、伦理规范缺失。未来需聚焦：

1. 构建联邦学习驱动的多模态数据库；
2. 开发“规则引擎+DL”混合模型，将《黄帝内经》理论转化为可解释路径；
3. 制定《AI辅助中医诊疗指南》，明确AI决策权重（如简单病症≤70%）。

结论

AI通过量化诊断、优化配伍、阐明机制，正推动TCM从经验传承走向标准化证据链。生物信息学与多组学的结合，将为“阴阳平衡”等宏观理论提供分子层面注解，最终实现中医药现代化与国际化的双重突破。