AI+大数据赋能中药质控专栏 | 天津中医药大学李文龙封面文章:多模态融合构建血府逐瘀浸膏智能质控新体系

血府逐瘀制剂是一种经典的活血化瘀类中成药，在心脑血管疾病治疗中应用广泛。该制剂的核心中间体——血府逐瘀浸膏的质量直接决定了最终产品的药效稳定性和用药安全性。然而，在当前的生产过程中，常依赖单一指标（如密度）和传统经验方法评判浸膏质量，存在主观性强、误差大等问题。

此外，化学指纹图谱（如HPLC）虽被广泛用于浸膏中的多组分化学成分表征，但存在检测时间长、前处理复杂、成本高等不足。随着科技发展，物理指纹图谱凭借能够快速表征物质多维度物理属性的能力在中药质量评价中已逐渐展现优势；而机器视觉技术具有非接触、高通量的特点，可实现样品快速分类和检测；同时随着学科的交叉应用，人工智能也逐渐在中药生产过程智能化当中发挥重要作用。

基于此，天津中医药大学李文龙研究员团队提出了“物理指纹图谱+机器视觉+大语言模型”的多模态融合智能质控策略：通过筛选密度等7项核心物理指标，并进行标准化处理构建物理指纹图谱；同时采集提取浸膏图像特征构建6种机器学习模型，并筛选得到性能最优的XGBoost模型，准确率、精确率、召回率、F1分数、AUC分别达0.933 3、1.000 0、0.833 3、0.909 1、0.963 0；最后进一步开发集成了大语言模型的智能评估平台，可在10 s左右完成分析并生成可操作的工艺建议，为血府逐瘀浸膏提供了“客观分级-快速预测-智能建议”一体化质控方案，将有力推动中药生产向“数据驱动”转型。

本研究得到国家重点研发计划（2023YFC3504502）和现代中医药海河实验室-天津宏仁堂药业有限公司合作项目（XMH2022004）资助，相关成果发表于《分析测试学报》2026年6期《AI+大数据赋能中药质量控制与安全防控专栏》第1212~1220页。

提出“物理指纹图谱+机器视觉+大语言模型”的多模态融合智能质控体系：该策略突破传统单一指标（如密度）或经验判断（如“挂旗”）的局限，将物理指纹图谱、机器视觉技术和大语言模型进行整合，构建了“客观分级-快速预测-智能建议”一体化质控方案。

物理指纹图谱实现浸膏质量分级：利用筛选的7项核心物理指标（表面张力、黏度、平均粒径、固含量、密度、电导率、pH值），经标准化处理后构建指纹图谱。通过CRITIC+熵权+TOPSIS组合赋权发现：动力黏度和平均粒径对浸膏质量影响最大，而密度对浸膏质量几乎没有影响，证明企业当前依赖的以密度为唯一检测指标的片面性。

图1 血府逐瘀浸膏的叠加物理指纹图谱

图2 血府逐瘀浸膏关键物理指标的3种权重系数图

XGBoost模型实现高精度浸膏质量分级预测：基于浸膏颜色、纹理、形态等25项图像特征，构建6种机器学习模型并进行比较发现，XGBoost模型性能最优，其准确率、精确率、召回率、F1分数、AUC分别达到0.933 3、1.000 0、0.833 3、0.909 1、0.963 0，仅1批样本因接近合格阈值（0.5958）而产生误判。

图3 血府逐瘀浸膏关键物理指标和图像特征的联系

图4 不同模型的混淆矩阵图

A：random forest；B：KNN；C：neural network；D：XGBoost；E：SVM；F：LightGBM

集成大语言模型的智能评估平台实现浸膏质量快速分析：开发并部署了公网网页（https://shaxin.pythonanywhere.com），引入了XGBoost模型和豆包大语言模型的API，可在10 s左右完成单张浸膏图像分析，并生成结构化报告与自然语言建议，有效弥合了“黑箱AI”与“工艺人员”之间的认知鸿沟。

图5 智能评估平台页面及分析结果

本研究针对血府逐瘀浸膏质量评价中“单一指标代表性不足、化学检测效率低”的痛点，构建了“物理指纹图谱+机器视觉+大语言模型”多模态融合策略的浸膏质量智能评价体系，实现了从“数据感知”到“智能决策”再到“知识输出”的闭环。研究筛选7项核心物理参数构建物理指纹图谱，实现浸膏质量的客观分级。在机器视觉建模方面，通过提取浸膏静态图像特征，构建6种机器学习分类模型，结果显示XGBoost模型性能最优。本研究进一步开发了集成豆包大语言模型的交互式智能评估网站，能基于AI对多维特征自动生成专业、可操作的工艺建议，整套分析流程只需10 s。

该联合评价体系不仅为血府逐瘀浸膏提供了“客观分级+快速预测+智能建议”的一体化质量控制方案，也为中药浸膏类中间体（如丹参浸膏、黄芪浸膏）的多维度质量评价提供了可复用的技术框架。未来可进一步拓展至中药制剂全链条质量控制，通过建立“浸膏物理属性-制剂工艺参数-成品药效”的关联模型，推动中药生产从“经验控制”向“数据驱动”转型。

左右滑动阅读全文

李文龙，天津中医药大学研究员，博导，博士后合作导师。主要从事中药质量控制、中药制药工艺、工业药剂学方面研究，以第一作者和通讯作者身份发表论文200余篇，其中SCI收录120余篇；主持国家重点研发计划课题、天津市自然科学基金重点项目、国家中医药管理局中药标准化项目等课题20余项；获山东省科技进步奖、湖北省科技进步奖、中国仪器仪表学会科技进步奖、陆婉珍近红外光谱奖青年奖等省部级奖项5次；主讲《制药过程检测与控制》入选国家级一流课程；主编、参编《中药智能制造科技导论》、《近红外光谱实战宝典》等专著、教材12部。目前担任中华中医药学会中药制药工程分会常务委员、中国颗粒学会青年理事、药物制剂与粒子设计专委会委员；中国中药协会中药新技术专业委员会常务委员；入选全球2%顶尖科学家榜单。

沙鑫,常淏,宋纹,余河水,李正,李文龙.血府逐瘀浸膏质量智能评价体系构建：基于物理指纹图谱、机器视觉与大语言模型的联合应用[J].分析测试学报,2026,45(6):1212-1220.

SHA Xin,CHANG Hao,SONG Wen,YU He-shui,LI Zheng,LI Wen-long.Construction of Intelligent Quality Evaluation System for Xuefu Zhuyu Extract：Combined Application of Physical Fingerprint， Machine Vision and Large Language Model[J].Journal of Instrumental Analysis,2026,45(6):1212-1220.

DOI： 10.12452/j.fxcsxb.25110701.

扫码阅读原文

中国人民公安大学高树辉团队综述：深度解析LC-MS数据处理算法演进历程

点击“阅读原文”访问《分析测试学报》官网