中国食品药品网讯（记者薛静文） 在10月17日至10月18日举办的2026世界传统医药大会上，“数智中医药体验区”人头攒动：智慧共享中药房系统演示着“千人千方”的自动化调配，经络腧穴可视化系统让抽象的针灸穴位变得直观立体，名老中医传承智能体基于大模型为基层医生提供实时的辅助诊断……这些生动场景的背后，离不开人工智能（Artificial Intelligence，以下简称AI）技术的支持。

　　全球传统医学联盟副主席兼秘书长秦怀金在会上指出，人工智能为传统医学的传承、创新与普惠共享提供了历史性契机，推动传统医学从“经验驱动”走向“数据驱动”。

　　AI加速赋能传统医药

　　AI赋能传统医学到底有多快？中国中医科学院中医药信息研究所在大会上发布的《人工智能赋能全球传统医学发展报告》（以下简称《报告》）给出了一组直观的数据：2000年以来，全球公开的人工智能与传统医药相关专利达3030项，学术论文6882篇，覆盖125个国家。这不仅是数量的积累，还意味着技术正在走出实验室，走向应用落地。

　　“传统医学不缺少经验，但缺的是用现代科学的语言把它翻译出来。”北京中医药大学生命科学学院教授陈建新指出，长期以来，传统医学面临着“说不清”的困境。传统中医里的经络究竟是什么、脉象如何定性，往往“只可意会不可言传”；中药多成分、多靶点如何起效，也难以用现代科学语言给出客观证据。AI的出现，恰好在经验与科学之间架起了一座桥梁。AI能够将海量、零散的临床数据收集起来，通过算法总结出客观规律，把模糊的主观经验变成清晰的数据。

　　“智能技术推动中医诊断减少对主观感知的依赖，这一转化已经在临床场景中显现。”四川大学华西医院中国循证医学中心主任孙鑫说。据介绍，搭载传感器的智能脉诊设备，能够将中医指下的“脉象”转化为可视化的波形数据；AI图像识别技术则能把舌诊、面诊的形态特征转化为可量化的结构指标。有了这些客观数据，中医诊断不再全凭主观感知，而是有了可重复验证的基础。

　　在会上，记者了解到，除了诊断环节，AI正进一步深入传统医学理论解释的核心。

　　据悉，清华大学的研究团队借助AI构建“网络靶标”模型，通过算法解析疾病发生发展的复杂网络，并对中药复方进行系统干预分析，以揭示中药调控疾病网络的机制，为中药疗效提供科学解释路径。

　　除了厘清中药的作用机制，AI也让新药研发有了新的工具。陈建新介绍，AI能在已知药效的基础上，从人体两万多个蛋白靶点中快速锁定作用靶点；能针对已知靶点，在海量天然分子中筛选出能穿透特定屏障的候选药物。在中药复方配伍比例优化上，AI大数据计算也大幅提升研发效率。

　　技术融合尚有壁垒

　　在应用场景不断拓展，AI在传统医药领域价值逐渐显现的同时，多位专家也表示，当前AI与传统医药的融合，仍有一些现实挑战亟待突破。

　　数据是人工智能模型得以训练和运行的基础，而在传统医药领域，国际公认的高质量数据十分稀缺。中国中医科学院中医药信息研究所所长李海燕表示，当前各机构间数据共享机制缺失、标准不统一的问题较为普遍。

　　除此之外，伴随传统医药知识加速数字化，数据安全、知识产权归属、伦理合规等问题也日益凸显。例如，大量流传在民间或古籍中的经典名方与诊疗经验，一旦被扫描提取为数字化文本，极易面临被未经授权抓取，甚至有被境外机构或企业抢先申请专利的风险。同时，在患者临床数据的采集与训练中，如何确保个人隐私不被泄露、保障数据来源方（如名老中医）的合法权益，也成为当前亟待规范的法律与伦理难题。

　　数据之外，AI模型自身的可靠性同样有待检验。专家指出，目前AI主要依赖学习已有知识，面对现有医学无法解决的复杂疾病，单纯的数据训练存在局限性，且大语言模型易产生“幻觉”。

　　孙鑫进一步补充，AI在数据分析中能找到线索，但可能包含“假阳性”。它能快速预测出某些干预措施与疗效指标之间的潜在关联，但这些线索必须通过循证医学评价进行严格验证，才能确认为真实的临床疗效。

　　技术落地，离不开复合型人才支撑。浙江中医药大学副校长范骁辉直言，当前既懂AI又懂中医药的复合型人才极度稀缺，缺乏专业队伍导致许多研发设想难以落地。

　　而在局部的人才短板之外，全球视野下的发展失衡同样值得警惕。陈建新指出，全球传统医学资源分布与数字化能力存在不均衡，若AI模型仅依靠少数数字化发达地区的数据训练，其他地区的传统医学知识将可能在算法中有所缺失。

　　破局需要多方协同

　　面对数据、模型验证等多重挑战，AI与传统医药的融合该如何破局？从《报告》到与会专家的建言，都指向不能指望单一技术解决所有问题，需要从多个方面协同发力。

　　针对数据这一基础问题，破局的关键在于完善制度规范和搭建高质量数据集。

　　李海燕介绍，2026年9月，国务院常务会议已审议通过《中医药传统知识保护条例（草案）》，传统知识保护由此迈入制度规范新阶段。《报告》提出“数据不出域、模型协同训练、使用可追溯”的治理原则，在保障安全的前提下推动数据共享，体现了在保护与开放之间寻求平衡的治理思路。

　　范骁辉指出，打破数据孤岛无法依靠单一机构，必须统筹标准，依托医院提供真实临床数据，联合企业提供算力支撑，通过多方协同才能真正推动AI在传统医药领域的落地应用。

　　解决数据层面的难题只是第一步。不能单纯等待AI技术迭代成熟，AI生成结果的医学验证必须从严，才能避免模型幻觉、假阳性结论直接进入临床应用。

　　“AI是重要的研究的手段之一，但不能盲目相信AI给出的预测。”孙鑫提出，应建立整合AI技术、循证医学和药理学的系统化验证体系。AI负责前期的线索发现与精准定位，后续必须经过严格的临床试验验证，去伪存真，解决中医药发展中证据不足的痛点。

　　而要让技术真正发展起来，人才培养同样不可或缺。范骁辉建议，国家层面应在组织机制上打破学科壁垒，推动综合性院校人工智能人才与传统医药行业深度对接。尤其在经验传承领域，可依托AI技术实现名老中医经验的数字化传承与创新。只有培育出能够跨界对话的复合型队伍，才能真正将传统医药的隐性经验转化为可计算、可复用的数据资产，让AI技术在传统医药领域发挥实效。

　　兼顾人才建设的同时，还需要树立全球协同视野。正如秦怀金所言：“推动人工智能更好地服务传统医学传承创新发展，就是要让起源于不同文明的医学智慧，成为可验证、可传播、可共享的全球公共产品，更好为人类健康服务。”

(责任编辑：宋莉)