AcuGPT-Agent：基于领域大语言模型的针灸治疗不孕症智能系统研发与应用

为解决传统中医(TCM)针灸领域知识体系复杂、专业术语抽象导致的LLM应用难题，研究团队开发了首个针灸领域专用大语言模型AcuGPT，创新性整合LoRA、DoRA和Pretrain+SFT技术，并构建AcuGPT-Agent智能系统，通过多部门知识库路由管理机制(MDKBRMM)显著提升不孕症针灸治疗的决策准确性，相关资源已在GitHub开源。

　　

针灸作为传统中医的瑰宝，在全球医疗领域展现出独特价值——日本约25.4%的民众接受过针灸治疗，美国将其列为补充替代医学，中国三级医院更将其作为常规临床手段。然而这门古老技艺正面临严峻挑战：经络学说抽象难懂、穴位知识体系庞杂、专家经验传承低效，导致专业人才缺口巨大。人工智能时代，大语言模型(LLM)本可成为破局利器，但现有模型在应对针灸领域时却遭遇三重障碍：非结构化古籍数据难以训练、通用模型专业推理能力不足、缺乏针对性的评估体系。

南京大学中医药大学针灸推拿学专业博士研究生Jing Wen领衔的研究团队，在《Neurocomputing》发表的研究中给出了创新解决方案。研究采用混合域数据预训练结合监督微调(SFT)技术，基于LoRA(低秩自适应)和DoRA(动态正交秩适应)方法开发针灸领域首个专用大语言模型AcuGPT；进而构建模块化智能系统AcuGPT-Agent，通过创新的多部门知识库路由管理机制(MDKBRMM)，实现不孕症治疗场景下的精准知识检索；同时建立专业评估数据集EvalAcu，为领域模型性能提供量化标准。

关键技术突破体现在三方面：首先采用Pretrain+SFT混合训练策略，整合针灸古籍与现代文献构建高质量语料库；其次开发MDKBRMM机制，通过语义路由实现跨知识库的协同检索；最后构建包含经络理论、穴位配伍、临床病案的多维度评估体系。这些方法有效解决了传统RAG(检索增强生成)在针灸领域存在的知识碎片化问题。

研究结果部分显示：在经络理论理解测试中，AcuGPT准确率达到89.7%，较通用模型提升32.5%；不孕症治疗方案生成任务中，AcuGPT-Agent系统通过MDKBRMM机制将相关知识召回率提升至91.2%；临床实用性评估表明，系统生成的针灸处方与专家方案符合度达83.4%。特别值得注意的是，系统对"任脉-子宫穴"等特定穴位配伍关系的推理能力显著优于基线模型。

这项研究开创性地将现代AI技术与传统中医智慧相结合，其价值不仅体现在技术层面——通过AcuGPT-Agent系统将针灸学习周期缩短约40%，更在方法论层面为传统医学的数字化传承提供了范式。未来通过融合多模态诊疗数据，该系统有望发展成为智能针灸诊疗平台，为解决全球范围内针灸人才短缺问题提供关键技术支撑。研究开源的代码与数据集，更为领域内后续研究奠定了重要基础。