AI赋能中医药发展的理论建构与路径优化

AI 代表数字时代的前沿生产力，中医药承载中华民族数千年的生命智慧，两者的融合展现出独特价值。有学者提出，中医药智能化只有通过 “理论数字化 — 技术工程化 — 应用普惠化” 的阶梯式发展，才能实现从 “替代人力” 到 “赋能经验” 的跨越，最终构建以医生为核心、人机优势互补的中医智能诊疗新体系，有效提升中医药服务能力与效率，赋能中医药传承创新发展。当前，相关系统正处于从实验室原型验证向规模化临床应用跃迁的关键阶段，AI 在临床场景中主要承担辅助决策角色。

然而，文献计量研究显示，作者合作结构松散、跨地域合作欠缺、模型可解释性不足等问题日益显现。一个悖论由此浮现：本意为增强医者诊疗能力的先进技术，缘何在与以人为本的中医药结合时，反而可能侵蚀其本真价值？本文将 AI 与中医视为两种 “人的本质力量对象化” 形态，剖析其融合过程中的异化困境与扬弃路径，并以中医药领域多模态大模型 “数智岐黄” 与陕西中医药大学若干名医经验智能化研究为对照案例，为数智时代中医药传承创新发展提供哲学反思与本土印证。

AI 与中医药的相遇，本质是两种 “人的本质力量对象化” 形态，可形象地将其理解为 “医智凝结” 的辩证遭遇。中医药辨证论治根植于天人相应的整体观，强调以具身化经验把握生命的动态平衡，体现的是医者整体辨证理性的对象化形态。每一次成功的临证实践，都是医者经验、智慧与人文关怀的凝结。AI 作为新质生产力，对海量原始数据进行深度提炼与智能重构，体现的是工具理性的对象化形态。两种理性在认识论上具有根本差异：前者重整体、辨证、个案化，后者重还原、计算、标准化。

理论上，二者可在 “医智凝结” 层面形成互补：AI 的计算能力可拓展中医药的循证基础，而中医药的整体观则可为 AI 补足其所缺失的语境敏感性与人文价值。现有研究表明，有关医学专家的问答、中医方面关于影像的切制和分类、中医四诊客观化等领域率先使用了人工智能技术，与中医诊疗形成互补。然而，医学技术一旦与资本、权力深度捆绑，其发展方向便不再单纯由医学目的所决定。在此背景下，AI 赋能中医药的研发与部署易受制于平台资本对效率、标准化与利润的追求，工具理性由此获得支配地位：技术不再单纯是解放医者的手段，反而可能异化为约束和控制医者的力量。识别、批判并扬弃这种异化，是数智中医药必须直面的根本课题。

在主流话语中，AI 被描绘为提升诊疗效率的中立工具。然而从批判视域观察，凝结海量数据的算法系统正以前所未有的深度，对中医师的临证劳动进行规训、重构与吸纳，集中表现为劳动、知识、社会关系与文化四个层面的异化。

2.1 劳动异化:医师主体性的算法规训

中医辨证论治是非线性的整体思维过程。AI 系统为实现计算化处理，必须将这一连续过程拆解为标准化操作步骤，医师的核心任务，从创造性的诊断思维异化为服务于算法的数据录入与结果验证。以深度学习为代表的黑箱算法使医师陷入奇特困境：名义上承担最终责任，实际却对决策依据失去认知掌控，沦为算法建议的 “批准人”，权责出现倒挂。更深层的风险在于，临床专长本质上是具身的、难以形式化的直觉能力；当 AI 提供绕过艰苦思辨的便捷路径时，这种能力面临悬置乃至退化 —— 结肠镜领域已有证据显示，引入 AI 后医师无 AI 辅助时的腺瘤检出率反而下降。这不仅是个体技能问题，更是整个中医师群体主体地位的根本性变化。

2.2 知识异化:整体观的解构与中医药知识商品化

中医药知识根植于天人相应的整体观，而 AI 的运作前提却要求将研究对象分解为离散的、可量化的数据单元。这种认识论冲突导致深刻的知识变质：鲜活多维的生命体被降维为孤立变量构成的数据集，气血津液被转译为生化指标，脏腑经络被还原为解剖结构，中医药独特的生命智慧在数据化过程中悄然流失。AI 对编码化的内在要求迫使中医丰富的、情境化的、基于身体实践的默会知识严重流失。一旦知识被数据化，其商品化便成为可能：在平台资本逻辑下，名医诊疗经验从公共智慧异化为科技公司的独占性数据资产，基于此训练的算法模型被封装为知识商品反向出售给社会，完成对中医药这一公共智慧的资本圈占。

2.3 关系异化:医患信任的侵蚀与医疗不公的加剧

技术中介将原本温暖直接的 “人 - 人” 关系转变为由数据表征参与的 “人 - 机 - 人” 关系。患者的生命叙述从寻求共情理解的意义表达，异化为完成数据字段的信息填充；医师的关怀从基于人格魅力的情感连接，转向对算法输出的解读与传递。人工智能辅助决策因技术本身不确定、技术认知不确定、技术制度不确定等特性，冲击着医患信任的确定性基础，加剧医患信任危机。这种关系异化动摇了中医 “医者仁心” 的价值基础。同时，依托统计学优势的算法取得话语优势，医师的核心责任从全知全能的决策者，转变为整合多源信息（包括 AI 建议）、对患者最终负责的专业判断者，师承经验的权威地位随之被悬置。更深层的问题在于，技术普及的不均衡构筑起新的数字鸿沟，训练数据中固有的算法偏见，以科学客观为外衣，编码并放大现存的结构性医疗资源差异。AI 本可优化资源配置、提升服务可及性，但若缺乏制度公平性设计，反而可能加剧中医药医疗资源分配的失衡。

2.4 文化异化:中医药文化主体性被技术理性收编

四重异化中最深层者是文化异化。AI 的数据化处理本质上以西方生物医学的还原论为模板，对中医药基于 “气” 的一元论与关系思维进行强制格式化。在这种 “文化翻译” 中，中医独特哲学概念的丰富内涵被剥离，沦为生物医学框架下某些量化指标的影子。同时，中医学术发展中，新学说的诞生是流派产生的源头，学派多样性是中医保持生命力的基础。然而，AI 模型对统一标准化数据的渴求，必然使覆盖面广、易量化的主流学派成为算法训练标准，迅速边缘化非主流学派，违背中医药 “百家争鸣” 的学术传统。资本天然倾向于投资周期短、易于规模化复制的单点技术项目，这恰恰偏离了中医 “辨证论治”“治未病” 的整体论精髓 ——“守正创新” 轨道被异化为由资本预先规划的窄化路径。

扬弃异化既非对技术的全盘否定，也非对现状的被动接受，而是在批判中寻找超越的可能。当我们将 AI 从资本增殖工具重新理解为人的本质力量的对象化时，便可在 “守正创新” 的辩证统一中，构建劳动、知识、关系、文化四重路径协同共进的解放性方案。

3.1 反抗劳动异化:以增强范式重建医师主体性

技术究竟应当取代人，还是解放人？资本逻辑驱动下的替代范式将人视为生产成本，而增强范式则将 AI 定位为扩展医者能力的认知支架，而非替代判断的决策代理。在此范式下，技术价值不再是降低人力成本，而是提升临证质量 —— 让医师能够处理更复杂病例、做出更精准辨证、提供更个性化方案。范式转换需要制度保障：在法律层面将诊疗最终责任锚定于人类医师，确立 “有意义的人类控制” 原则；在教育层面强化医师的算法批判能力，使其能够理解、质疑并合理使用 AI；在临床层面建立以医师为主导的人机协同工作流。技术回归其解放医者劳动的本来使命，方能避免医师沦为算法附庸。

3.2 克服知识异化:构建可解释 AI 与中医知识公域

现有 AI 加剧知识异化的根本原因，在于其黑箱特性与中医药知其然更知其所以然的认识论存在深刻矛盾。要真正服务于中医，需发展与中医整体论、辩证观在认识论上同构的技术架构。陕中医研究者已提出，中医药辨证体系的网状结构与大脑活动区域的结构相似，与图神经网络所处理的图式非结构化数据具有高度契合性，可以探索构建拟合中医 “辨证论治” 思维模式；基于脑电信号的 AI 算法可解决脑电逆问题，有助于针灸效应评估的精准定位与机制研究的客观化。在处方分析层面，关联规则、聚类分析、因子分析、复杂网络与人工神经网络等多种数据挖掘方法各有优势，可联合运用以实现统计相关性与中医病机推理的辩证统一。同时，联邦学习等隐私计算技术为构建去中心化的医学知识联邦提供技术可能，开源算法、开放数据标准与中医传承辅助平台等公共型基础设施的发展，为中医知识共创共享奠定制度基础。

3.3 超越关系异化:作为公共品的未来中医药

社会关系异化的深层根源在于医疗服务的商品化逻辑。要真正超越关系异化，需将医疗服务从可供牟利的商品重新定义为服务健康公平的公共品。AI 作为通用技术，其边际成本的急剧下降为医疗服务普惠化提供了物质基础。当 AI 辅助诊疗系统的复制成本趋近于零时，技术本身已为突破传统医疗资源稀缺性桎梏提供了可能。陕中医团队对 1090 例 2 型糖尿病患者的 Meta 分析表明，“互联网 + 中医” 协同干预模式能显著改善血糖管理，体现了数字技术在基层医疗普及中的实际价值。实现这一转变需要制度创新：建立公共健康数据信托确保数据真正服务于公共利益，培育医疗 AI 开源社区将算法这一数字生产资料从私有财产转化为数字公地。同时，应在医患关系的算法中介中重建共情维度，确保望闻问切的具身互动不被信息填充所完全替代。

3.4 守护文化主体性:从“西体中用” 到“中体西用”的范式革新

当前中医药信息化的显著问题是 “西体中用” 思维的盛行，简单用西方技术标准改造中医，结果是中医特色的消解。扬弃这种异化，关键在于实现从 “西体中用” 到 “中体西用” 的转换：以中医哲学为根本指导，主动探索现代信息技术与传统医学智慧的创新融合。具体而言，可将 “阴阳” 的辩证逻辑形式化为动态系统模型，将 “五行” 生克关系转译为特定网络拓扑结构，通过图神经网络模拟五脏关联，这正与 GNN 的网状建模能力天然契合。AI 推动经典名方研发已显现 “智能挖掘 — 机制解析 — 精准评价” 三位一体新范式，体现了 “中体西用” 的方法论尝试。在传承层面，应利用 AI 技术保护中医学术多样性，建立多流派并存的知识图谱，使 AI 系统能展示不同学派对同一病证的差异化认识，既尊重百家争鸣传统，也为临床医师提供更丰富的参考视角。

理论框架的解释力，需要在不同形态的实践中得到印证。当前数智中医药实践存在两条代表性发展路径：一是以 “数智岐黄” 为代表的通用大语言模型路径，二是以陕西中医药大学相关研究团队为代表的名医经验智能化研究路径。本节分别从两种视角切入 —— 前者展现宏观规模化维度的实践图景，后者呈现区域深耕化维度的探索经验 —— 以双视角共同印证本文理论框架。

4.1 视角一:通用大模型路径的实践印证

“数智岐黄” 由华东师范大学、上海中医药大学等六家单位联合开发，以中医典籍及千余种古籍文献为数据基础，结合中医药知识图谱与检索增强生成技术，构建可交互的中医智能咨询系统，技术路线属 “通用大模型 + 垂直微调”，以广覆盖、强生成、自然交互为目标，代表 AI 赋能中医的规模化探索。

从异化层面看，这一路径较为充分地映现了四重异化的现实张力：深度学习的黑箱特性使医师难以追溯模型推理依据，临床决策责任主体性面临挑战；海量语料训练形成的本质上是中医语言的概率性拟像，与名医具身化默会知识间存在本体论差距；大模型研发与运维需要巨额资本投入，存在中医药知识被包装为排他性知识产权的可能；通用语料的语言均质化倾向，可能以主流话语覆盖学派多元性。

从扬弃层面看，这一路径同样体现了对异化风险的主动回应：“数智岐黄” 团队明确将其定位为 “辅助而非替代” 工具，已是对劳动异化的初步回应，体现了向增强范式的转变；其在中医垂直领域大模型方向的持续探索，本身也构成对 “中体西用” 理念的实践 —— 以中医垂直语料结构与知识体系为底色训练大模型，相较于直接调用通用大模型回答中医药相关问题，已是文化主体性的一种保留。

4.2 视角二:陕中医名医经验智能化研究矩阵的实

践印证

陕中医相关研究团队在名医经验智能化方向形成具有规模性的研究矩阵，共同特征为：以特定名医医案为数据基础，采用关联规则、聚类分析、决策树等可解释算法，依托国家级名老中医工作室、附属医院与中医传承辅助平台开展研究，以贴近名医、保留学派、可追溯、可传承为目标，代表 AI 赋能中医的区域深耕化探索。

沈舒文教授 (国家级名老中医) 大黄诊疗规律研究运用 PYTHON 搭建算法模型，以人工智能领域的机器学习为研究工具，从真实世界数据的维度去剖析大量样本数据背后的规律，得出大黄使用的多维规律，并提取核心基础方，研究发现机器学习算法能够发掘出符合《内经》《伤寒论》《金匮要略》经典理论的用药规律；张效科教授治疗 2 型糖尿病用药规律研究提炼出基于桑属植物分治规律。这些研究与针灸取穴规律数据挖掘研究等共同构成名医经验智能化研究矩阵。

这一研究矩阵从另一视角对四重扬弃路径形成实践印证：可读药物组合与病机推断使医师能够理解、验证并发展算法建议，体现医师在算法之中的主体定位；研究公开发表、方法可复现、依托公共平台开展，体现知识共享而非商品化的取向；公立院校与附属医院主导、依托国家级名老中医工作室公共平台，体现医疗与科研的公共属性；三项研究分别延续与发展了气虚血瘀理论、张仲景经方思路、三消辨证传统，体现 “中体西用” 的具体实践。 这一路径同样面临单一名医样本代表性边界、规模化推广制度成本、可解释算法在复杂证候建模中能力上限等挑战，其作为非异化实践范例的价值不在于体量，而在于体现 “贴近临床、贴近名医、贴近文化主体” 的研究取向。

4.3 两种视角的辩证统一

两种视角从不同尺度共同印证 AI 赋能中医的复杂图景。通用大模型路径以宏观规模化视角揭示异化风险的现实性，并在自身定位与技术演进中探索扬弃可能；陕中医研究矩阵以区域深耕化视角呈现非异化实践的具体形态，为扬弃异化提供可触可感的方法论范例。前者回答 AI 赋能中医药如何走向更广，后者回答 AI 赋能中医药如何走得更深。在治理层面，应统筹支持两类研究路径协同发展 —— 既不应以规模优先挤压区域研究的资源空间，也不应以传承优先忽视通用化技术的普惠潜能 —— 构建多层次、多形态、多主体协同的数智中医生态。

AI 赋能中医药发展的根本问题不在于技术工具本身，而在于而在于支配技术运行的底层逻辑与技术应用的实际价值。本文依托两类实践案例开展的实证印证表明，扬弃异化需在宏观规模化层面持续推进可解释 AI、知识公域与开放治理建设，同时在区域深耕化维度推进名老中医诊疗经验智能化留存，维护中医学派多元发展格局。陕西中医药大学名医经验智能化研究矩阵秉持贴近临床实践、传承名家思维、守护中医药文化主体性的研究导向，为本土化数智中医药建设提供了可行方法论范本。在 “一带一路” 倡议加速中医药国际化进程的新的历史阶段，这一本土经验亦可为全球传统医学数字化转型提供借鉴。