《Chinese Medicine》:DFGLM-TCM: an integrated knowledge-and experience-driven large language model system for Traditional Chinese Medicine practice
编辑推荐:
中医(Traditional Chinese Medicine, TCM)临床实践既依赖于成文的理论知识,也依赖于医师个体的经验,这两类知识在数据来源、推理模式和泛化范围上存在差异。研究人员开发了DFGLM-TCM,一种基于大语言模型(Large Langua
中医(Traditional Chinese Medicine, TCM)临床实践既依赖于成文的理论知识,也依赖于医师个体的经验,这两类知识在数据来源、推理模式和泛化范围上存在差异。研究人员开发了DFGLM-TCM,一种基于大语言模型(Large Language Model, LLM)的模块化服务系统,通过面向任务的组件分别建模这两类知识,并在统一的多任务架构中进行协调。知识导向组件整合了经过筛选的22 GB中医语料库(约300万条结构化条目)、一个经人工验证的包含超过20万个实体的知识图谱,以及检索增强生成(Retrieval-Augmented Generation, RAG),用于文献检索和一般性中医问题解答。经验导向组件使用一位资深中医医师的约5000份真实门诊记录和2000例经专家审核的增强病例进行训练,以提供针对医师个体的诊断和处方参考。通过标准化接口和基于角色的访问控制,该系统为临床医生、患者和学生提供知识检索、问答、结构化会诊和处方参考等功能。在专家评分的100个中医知识问题评估中,DFGLM-TCM在评估模型中取得了最高的描述性平均分(4.48±0.76)。在454例独立的肺结节病例中,经验导向组件的处方一致性评分为8.95±0.63,高于额外使用一般中医知识训练的模型(7.52±0.44)。一项涉及三家基层医疗机构35名医生为期一个月的评估表明,该系统具有较好的短期可用性和接受度。这些发现凸显了在统一系统中将一般中医知识与医师个体经验分离、同时协调任务导向训练和多任务服务的价值,并支持在更广泛的临床环境中进一步评估DFGLM-TCM作为辅助参考工具。
本研究发表于《Chinese Medicine》期刊。传统中医(Traditional Chinese Medicine, TCM)临床实践既依赖于成文的理论知识,也依赖于医师个体经验,二者在数据来源、推理模式和泛化范围上存在根本差异。既往基于大语言模型(Large Language Model, LLM)的中医智能系统通常将一般性中医知识与专家经验统一注入同一模型或采用顺序训练流程,未明确区分这两类知识的不同优化目标和评估标准。这种混同可能导致模型在知识问答和专家处方模式再现上难以兼顾。此外,初级卫生保健场景中,中医经验传承面临教育资源不均衡、专家资源分布不均等问题。因此,需要一种模块化框架,分别建模一般知识与个体经验,并通过统一架构协调多任务服务。基于此,研究人员开发了DFGLM-TCM系统。研究人员构建了规模约22 GB、包含约300万条结构化条目的中医语料库,以及一个经人工验证、包含超过20万个实体的知识图谱。系统设知识导向与经验导向两个组件。知识导向组件利用向量检索与检索增强生成(Retrieval-Augmented Generation, RAG)支持文献检索和一般中医问答;经验导向组件使用一位资深中医医师(胡凯文,Kaiwen Hu,北京中医药大学东方医院教授)的约5000份真实门诊记录及2000例经专家审核的增强病例,进行全参数微调,以模拟该医师的诊断与处方模式。通过统一服务架构,系统集成了知识检索、问答、结构化会诊和处方参考功能,面向临床医生、患者和学生提供角色化访问。评价方面,研究人员采用专家评分、前瞻性队列和基层医院试用等方法,验证了系统性能。结果表明,系统在知识问答和处方一致性方面表现良好,基层短期可用性获得认可。该研究凸显了分离一般知识与个体经验的价值,为中医智能化辅助工具的进一步开发提供了依据。
主要关键技术方法包括:(1)语料与知识图谱构建:整合经典医籍、教材、期刊文献、指南等来源,经光学字符识别、清洗、ETL(Extract-Transform-Load)处理形成结构化语料;对107部经典医案,采用低秩适配(Low-Rank Adaptation, LoRA)微调ChatGLM3-6B进行实体和关系抽取,经医学专家审核后存入Neo4j图数据库。(2)知识导向组件:使用Faiss索引和RAG框架,基于ChatGLM-130B进行监督微调,实现检索增强的知识问答。(3)经验导向组件:基于GLM4-32B进行全参数微调,使用思维链(Chain-of-Thought)监督和专家审核增强病例,训练数据包含约5000份真实门诊记录和2000例增强病例。(4)对照实验:在经验组件基础上增量加入16,021条一般中医知识样本训练对比模型。(5)评价方法:知识问答采用100题专家评分;处方一致性采用454例前瞻性肺结节病例,比较系统与专家处方;基层可行性在3家基层医疗机构35名医生中试用1个月。
研究结果如下:
1. 中医语料库与知识图谱构建结果
通过数据整合和人工审核,构建了约22 GB语料库,包含约300万条结构化条目,涵盖中医基础理论、诊断、辨证、中药、方剂等。从107部经典医案中提取实体关系,经人工验证形成超过20万个实体、8大类型的知识图谱,实体识别和关系抽取准确率为86.7%。该结果通过语料处理流程和实体关系抽取实验得出,为系统提供了结构化知识资源。
2. 知识问答性能评估
采用100个专家出题问题,对DFGLM-TCM与多个通用及医学领域大语言模型(如GPT-4o、DeepSeek-V3.2等)进行比较,由三名中医医师按5分制评分。DFGLM-TCM平均分4.48±0.76,为所有评估模型中最高;DeepSeek-V3.2(4.41±0.69)和GPT-4o(4.36±0.80)得分相近。该结果表明知识导向组件结合语料库、知识图谱与RAG能够支持高质量的中医知识问答。
3. 处方一致性评估结果
在454例前瞻收集的肺结节病例中,经验导向组件与专家处方的一致性总分为8.95±0.63,显示高度一致;而增量加入16,021条一般中医知识训练的对比模型总分为7.52±0.44,一致性降低,但生成时间更短(9.72±2.11秒 vs 23.54±5.28秒)。该对照实验表明,单独使用专家数据训练能更好地保留医师个体处方模式,而一般中医知识可能干扰这种模式。
4. 系统部署与功能实现
系统前端实现了角色化界面:医生可录入结构化电子病历、查看AI辨证结果和处方参考;患者通过二维码填写问卷并参与智能问诊对话;学生可访问经典文本、学术文献和可视化知识图谱,以探索症状、证候、治则和方剂之间的关联。该系统通过分层架构实现了知识检索、问答、结构化会诊和处方参考等功能的集成。
5. 基层可行性与可用性结果
在3家基层医疗机构进行为期1个月的部署示范,35名医生参与问卷评估。77.14%的受访者认为系统可作为日常临床参考资源,65.72%认为与现有工作流兼容;80.00%认为在基层可行,82.86%表示愿意继续使用并推荐给同事;但88.57%认为大规模常规部署前需进一步优化。该结果基于主观感知,反映了短期可用性和接受度。
总结讨论部分,本研究指出中医临床认知具有情境依赖性,专家经验多为隐性知识,数字化建模困难。现有模型将一般知识与专家经验混同,可能掩盖二者的不同作用。DFGLM-TCM通过任务分离和统一架构解决了这一问题。在知识问答方面,DFGLM-TCM与通用大模型性能接近,提示领域适配并非总是带来显著优势,但高质量领域资源对于知识锚定和专业模型开发仍具价值。在处方一致性方面,仅用专家数据训练的模型更贴近专家模式,加入一般知识后一致性下降,支持功能分离的必要性。基层试用显示短期可用性可接受,但工作流兼容性存在个体差异,且需进一步优化设置。研究局限性包括:知识问答评估仅基于教材来源,外部泛化性有待验证;经验组件仅涉及单一医师和肺结节病种;基层评估样本量小、周期短,且安全性检查范围有限。未来需纳入多医师、多病种、长期多中心研究,并加强患者特异性禁忌筛查、剂量评估及安全性监测。
研究结论为:本研究开发并评估了DFGLM-TCM,一个将一般领域知识与专家个体经验区分开来的模块化中医服务系统。通过针对不同知识和经验功能的任务导向训练策略,以及统一的多任务协调架构,该系统将知识检索、问答、结构化会诊和专家个体处方参考集成在统一服务框架中。组件特异性评估显示,在预定义中医知识领域内性能良好,在肺结节病例中与一位专家的处方模式高度一致,短期基层评估显示可用性和接受度良好。这些发现凸显了差异化知识建模、任务导向训练和协调多任务服务在中医大语言模型系统开发中的潜在价值。DFGLM-TCM旨在作为医生监督下的辅助参考工具,在更广泛应用之前,需要跨医师、疾病、机构和长期临床环境的更广泛评估。