《Information Processing & Management》：The convergence of traditional Chinese medicine and artificial intelligence: A bibliometric study on the development of neural networks in traditional Chinese medicine
编辑推荐：
•通过文献计量学研究探讨2013年至2025年间中医领域神经网络的发展历程。•主要任务包括利用人工神经网络、深度神经网络和卷积神经网络进行识别、分类与预测。•通过关键词与引文分析发现相关协作网络及知识库。•该领域虽发展稳定，但面临数据质量不佳的瓶颈问题。•强调了神经网络在连接人工
- •
通过文献计量学研究探讨2013年至2025年间中医领域神经网络的发展历程。
- •
主要任务包括利用人工神经网络、深度神经网络和卷积神经网络进行识别、分类与预测。
- •
通过关键词与引文分析发现相关协作网络及知识库。
- •
该领域虽发展稳定，但面临数据质量不佳的瓶颈问题。
- •
强调了神经网络在连接人工智能与中医特色知识管理中的重要作用。
引言
传统中医是一套经过数千年理论与实践发展完善的综合性知识体系。一方面，中医“多成分、多靶点”的特点具有显著优势，比如适用范围广且副作用少（Chen等人，2025；Gan等人，2023）。另一方面，这种复杂性也给明确其成分构成、保证质量一致性以及弄清其生物活性机制带来了诸多困难（Atanasov等人，2021；Lin等人，2025）。鉴于中医相关研究数据复杂且维度众多，计算方法，尤其是神经网络，为解决这些问题提供了有效途径。例如卷积神经网络、图神经网络以及人工神经网络这类计算模型，都是仿照生物神经系统功能设计的（Chen等人，2025）。凭借强大的自学习能力和非线性映射功能，神经网络在处理复杂数据及进行预测建模方面表现出色。
神经网络常被用于中医方剂分析、有效成分预测、生物活性筛选以及功效评估等领域。它们能够帮助研究人员从海量数据中找出潜在规律与关联。比如，神经网络可通过大规模数据分析，快速从复杂的中药方剂中筛选出有效成分，从而提高药物研发效率，同时也有助于药理学研究与进展。与传统研究方法相比，神经网络能更准确地处理复杂的非线性问题，减少人为误差，并且在多维度数据整合与分析方面更具优势。已有研究表明，神经网络在预测中药的药理作用、优化草药配方以及分析天然产物的功效方面具有很高的准确性和可靠性。例如，神经网络模型能够预测中药方剂中的关键活性成分及其对特定疾病的治疗效果。然而，目前尚未有针对神经网络在中医应用中的文献计量学研究。
为进一步探索神经网络在中医研究中的潜力，本研究采用文献计量学方法，系统梳理当前研究现状，找出不足之处，并为未来发展方向提供依据。具体研究问题如下：
- •
神经网络在中医领域的应用发展轨迹是怎样的？
- •
该研究领域的主要研究方向和常用方法是什么？
- •
哪些因素制约着神经网络在中医中的应用发展？
- •
基于当前现状，未来有哪些值得关注的发展方向？
需要说明的是，这是一项科学计量学研究，属于描述性与分析性研究，侧重于该领域的宏观发展态势，因此并不涉及对特定计算模型的技术对比。在本研究中，“神经网络与中医的融合”被定义为这两个不同知识领域在结构与主题上的日益融合，这一现象可从二者共同发展的学术文献中体现出来。这一融合过程通过多种文献计量学指标进行实证衡量：其一，随着时间推移，关键词共现网络的强度与连通性不断提升，反映出两者概念联系的日益紧密；其二，主题聚类从纯粹的技术类或纯粹的中医类聚类，逐渐发展为融合了两个领域术语的混合聚类；其三，通过时间网络分析可量化最初相互独立的神经网络研究主题与中医研究主题之间的知识流动规模与方向。通过这些可测量的现象来界定“融合”概念，使得本研究能够超越仅从孤立关键词模式推断融合情况的局限，而是通过研究领域的动态宏观结构来追踪融合的发展过程。
本文的其余部分结构如下：第二节详细介绍数据来源与研究方法；第三节呈现主要的文献计量学研究结果；第四节对结果进行讨论；第五节总结研究的意义；最后，第六节指出研究的局限性并提出未来研究方向。
章节概要
文章发表数量与趋势
本研究共分析了1274篇相关文章，其中WOS收录548篇，Scopus收录309篇，Pubmed收录232篇，CNKI收录364篇。我们分析了这些数据库中关于中医及天然产物领域神经网络相关文章的发表数量与趋势（见图1）。根据年度文章数量，中医领域神经网络的研究发展可分为两个阶段，第一阶段为
讨论与启示
本研究清晰地展现了神经网络在中医研究中的发展历程，从最初的新兴工具逐渐发展成为主流研究范式。我们的研究结果也与信息科学领域的诸多重要讨论密切相关，尤其是与混合智能相关的讨论（H.K. Liu等人，2025）。从通用人工智能应用向领域适配型模型的发展，体现了研究方向正在从以效率为导向的自动化发展，转向更加注重人类参与、以人为核心的人工智能，这类人工智能旨在体现中医的核心理念。
结论
在本研究中，我们汇总了全球范围内关于神经网络与中医结合的相关文章，并通过对1274篇文献的文献计量学分析，梳理出了这一领域正在形成的知识结构。我们的分析表明，这种融合不仅仅意味着研究活动的数量增加，更代表着中医研究方法论的根本性转变。这种融合将中医传统的整体思维方式与现代的数据密集型科学相结合，为中医研究带来了新的可能。
局限性与未来工作
本研究存在一些局限性。尽管采用了精心设计的检索策略，但文献计量学方法本身由于依赖于关键词和元数据，存在一定的限制。一些使用非标准术语的高相关性研究可能被遗漏，而一些被检索到的文章也可能只有间接关联。在召回率与精确度之间存在着权衡。因此，如果仅使用单语言（如仅英语）的文献库，研究结果将会不完整，且偏向于某一特定视角。
CRediT作者贡献说明
马佳木：论文撰写——初稿撰写、正式分析、数据整理、概念构建。温世静：论文撰写——初稿撰写、可视化处理、正式分析。孙兰斌：可视化处理、软件应用、正式分析。应乐天：软件应用、研究方法设计。杨永奇：软件应用、研究方法设计。杨玉青：正式分析、数据整理。曹宇：正式分析。姚建玲：研究调查。秦娟：研究方法设计。邢佳倩：可视化处理。吴灵子：可视化处理。吴欣如：研究调查。王万珠：
利益冲突声明
作者声明不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。
致谢
无。
研究资助
本研究得到了国家自然科学基金（项目编号82474203）以及北京市自然科学基金（项目编号L252140）的支持。
马佳木|温世静|孙兰斌|应乐天|杨永奇|杨玉青|曹宇|姚建玲|秦娟|邢佳倩|吴灵子|吴欣如|王万珠|佘佳梅
