传统中国医学的人工智能驱动诊断模型的进步
Lan Wang1, Kaiqiang Tang2, Yan Wang3
1Institute for TCM-X, MOE Key Laboratory of Bioinformatics, Bioinformatics Division, BNRIST, Department of Automation, Tsinghua University, Beijing, P. R. China.
The American journal of Chinese medicine
|May 15, 2025
概括
本综述探讨了包括大型语言模型 (LLM) 在内的人工智能 (AI) 如何增强传统中医 (TCM) 诊断. 它分析了机器学习应用程序,并讨论了现代医疗保健中智能TCM的未来前景.
科学领域:
- 综合医学是一个整体的医学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 传统中医 (TCM) 诊断依赖于检查和触摸等主观方法,需要广泛的从业经验.
- 需要现代进步来提高TCM诊断实践的客观性,有效性和可访问性.
- 智能TCM诊断,利用计算机技术,代表了创新的重要前沿.
研究的目的:
- 提供关于TCM诊断技术进步的全面概述.
- 分析机器学习 (ML) 和大型语言模型 (LLM) 在各种数据类型的TCM诊断中的应用.
- 讨论人工智能驱动的TCM诊断的前景和挑战.
主要方法:
- 对TCM诊断中人工智能应用的最新研究进行系统审查.
- 在图像,文本和波形数据模式中分析ML应用程序.
- 在增强TCM诊断实践中探索LLM应用.
主要成果:
- 机器学习越来越多地应用于各种TCM数据模式,包括图像,文本和波形.
- 大型语言模型 (LLM) 显示了改善TCM诊断能力的新兴潜力.
- 该审查综合了智能TCM诊断的当前成就和技术趋势.
结论:
- 人工智能,特别是ML和LLMs,为增强TCM诊断提供了有希望的途径,解决其固有的主观性.
- 进一步的研究和开发对于将智能TCM诊断整合到当代医疗保健中至关重要.
- 本综述为人工智能和TCM交叉点的未来研究和实际应用提供了指导.
