不同生成式大语言模型在中医神志病诊疗领域的应用能力比较研究

荆晓朔; 魏彦柏; 廖亚婷; 张少辉; 杨萍; 赵国英; 晏峻峰

doi:10.16305/j.1007-1334.2026.z20250813005

您当前的位置：

首页 >

文章列表页 >

不同生成式大语言模型在中医神志病诊疗领域的应用能力比较研究

人工智能与中医药前沿研究专栏 | 更新时间：2026-04-30

- 不同生成式大语言模型在中医神志病诊疗领域的应用能力比较研究
- Comparative study on application capabilities of different generative large language models in diagnosis and treatment of mental disorders in traditional Chinese medicine
- 上海中医药杂志 2026年60卷第5期页码：1-9
- 作者机构：
  
  1.湖南中医药大学研究生院（湖南长沙 410208）
  2.湖南省智慧中医工程技术研究中心（湖南长沙 410208）
  3.湖南中医药大学信息科学与工程学院（湖南长沙 410208）
  4.湖南省脑科医院神志病中医药诊疗中心（湖南长沙 410021）
  5.奥卢大学（芬兰奥卢 90570）
- 作者简介：
  
  荆晓朔，女，博士研究生，主要从事数字中医药与中医辨证学研究
  晏峻峰，教授，博士研究生导师； E-mail： junfengyan@hnucm.edu.cn
- 基金信息：
  
  湖南省中医药管理局“十四五”中医药科技创新平台支持项目(湘中医药函〔2022〕93号)
- DOI：10.16305/j.1007-1334.2026.z20250813005
  中图分类号：
- 收稿：2025-08-13，
  
  纸质出版：2026-05-10
- 稿件说明：
移动端阅览
荆晓朔,魏彦柏,廖亚婷,等.不同生成式大语言模型在中医神志病诊疗领域的应用能力比较研究[J].上海中医药杂志,2026,60(5):1-9.

JING Xiaoshuo,WEI Yanbo,LIAO Yating,et al.Comparative study on application capabilities of different generative large language models in diagnosis and treatment of mental disorders in traditional Chinese medicine[J].Shanghai Journal of Traditional Chinese Medicine,2026,60(5):1-9.
荆晓朔,魏彦柏,廖亚婷,等.不同生成式大语言模型在中医神志病诊疗领域的应用能力比较研究[J].上海中医药杂志,2026,60(5):1-9. DOI： 10.16305/j.1007-1334.2026.z20250813005.

JING Xiaoshuo,WEI Yanbo,LIAO Yating,et al.Comparative study on application capabilities of different generative large language models in diagnosis and treatment of mental disorders in traditional Chinese medicine[J].Shanghai Journal of Traditional Chinese Medicine,2026,60(5):1-9. DOI： 10.16305/j.1007-1334.2026.z20250813005.

摘要

随着人工智能技术的飞速发展，生成式大语言模型在医疗领域的应用备受关注。研究选取6种具有代表性的生成式大语言模型，其中包括4种通用模型和2种中医药专用模型，针对构建的中医神志病医案数据集进行测试，从模型诊疗能力和生成结果质量两个方面进行综合对比，旨在评估不同生成式大语言模型在中医神志病诊疗领域的应用能力，以期为中医神志病的智能化临床诊疗提供参考。研究结果显示，各模型在中医神志病诊疗领域均展现出一定的应用能力，但性能表现存在显著差异。在研究特定的测试条件与测试数据集下，DeepSeek、文心一言和智谱清言的综合应用能力较为突出，而中医药专用模型在数据处理深度、领域知识融合及临床逻辑推理等方面仍有提升空间。未来，随着高质量中医数据集的不断扩充、模型架构的持续优化以及临床验证体系的逐步完善，生成式大语言模型在中医药领域的应用前景必将更加广阔。

Abstract

With the rapid advancement of artificial intelligence， generative large language models （LLMs） have attracted growing attention for their potential applications in the medical field. This study evaluates six representative generative LLMs—including four general-purpose models and two specialized models for traditional Chinese medicine （TCM）—on a constructed dataset of TCM medical records related to mental disorders. A comprehensive comparison was conducted from two aspects： the models' diagnostic and therapeutic capabilities， and the quality of their generated outputs， aiming to assess their applicability in the diagnosis and treatment of mental disorders within TCM. The results show that while all models demonstrate certain competence in this domain， their performance varies significantly. Under the specific test conditions and specific dataset of this study， DeepSeek， Ernie Bot， and ChatGLM exhibited relatively outstanding overall applicability. Specialized TCM models， however， still show room for improvement in areas such as depth of data processing， integration of domain knowledge， and clinical logical reasoning. Looking forward， with the continuous expansion of high-quality TCM datasets， ongoing optimization of model architectures， and the gradual improvement of clinical validation systems， the application prospects of generative LLMs in the field of TCM are expected to broaden considerably.

关键词

Keywords

references

程经伟，郭新荣，殷克敬，等 . 殷克敬教授“三门治神法”治疗神志病临证析要［J］. 针灸临床杂志， 2025 ， 41 （ 1 ）： 91 - 95 .

XIANG Y T ， CAI H ， SUN H L ， et al . Prevalence of mental disorders in China ［J］. Lancet Psychiatry ， 2022 ， 9 （ 1 ）： 13 - 14 .

LI F ， CUI Y ， LI Y ， et al . Prevalence of mental disorders in school children and adolescents in China： diagnostic data from detailed clinical assessments of 17，524 individuals ［J］. J Child Psychol Psychiatry ， 2022 ， 63 （ 1 ）： 34 - 46 .

陈淑敏，王莹莹 . “治脑调神”刺法治疗神志病探析及其临床应用［J］. 中华中医药杂志， 2024 ， 39 （ 5 ）： 2630 - 2632 .

刘建峰 . 中医治疗神志病经验介绍［J］. 山西医药杂志， 2021 ， 50 （ 17 ）： 2559 - 2560 .

DAUNGSUPAWONG H ， WIWANITKIT V . Large language model， AI and scientific research ［J］. J Neurosurg Sci ， 2024 ， 68 （ 4 ）： 500 .

支振锋 . 生成式人工智能大模型的信息内容治理［J］. 政法论坛， 2023 ， 41 （ 4 ）： 34 - 48 .

钱明辉，李胡蓉，杨建梁 . 大语言模型可信：内涵、影响、挑战与对策［J］. 图书情报工作， 2024 ， 68 （ 20 ）： 69 - 86 .

陈湘，邓然，吴川清 . 生成式人工智能大型语言模型在医学教育实践的探讨［J］. 临床急诊杂志， 2024 ， 25 （ 6 ）： 310 - 314 .

谭平，刘惠娜，韦昌法 . 融合大语言模型与知识图谱的抑郁症中西医结合智能问答系统构建研究［J］. 上海中医药杂志， 2025 ， 59 （ 7 ）： 1 - 10 .

ALBERTS I L ， MERCOLLI L ， PYKA T ， et al . Large language models （LLM） and ChatGPT： what will the impact on nuclear medicine be？［J］. Eur J Nucl Med Mol Imaging ， 2023 ， 50 （ 6 ）： 1549 - 1552 .

王耀祖，李擎，戴张杰，等 . 大语言模型研究现状与趋势［J］. 工程科学学报， 2024 ， 46 （ 8 ）： 1411 - 1425 .

李欣桐，马素芬，张丰聪，等 . 中医药领域大语言模型的研究进展与应用前景［J］. 南京中医药大学学报， 2024 ， 40 （ 12 ）： 1393 - 1403 .

陈子佳，彭文茜，张德政，等 . 大语言模型在中医药领域的应用、挑战与前景［J］. 协和医学杂志， 2025 ， 16 （ 1 ）： 83 - 89 .

何宇浩，李明，罗晓兰，等 . 基于GPTs的中医知识图谱实体和关系抽取研究［J］. 上海中医药杂志， 2024 ， 58 （ 8 ）： 1 - 6 .

DAI Y ， SHAO X ， ZHANG J ， et al . TCMChat： A generative large language model for traditional Chinese medicine ［J］. Pharmacol Res ， 2024 ， 210 ： 107530 .

陈祺焘，倪璟雯，徐君，等 . 生成式人工智能GPT-4驱动的中药处方生成研究［J］. 中国药房， 2023 ， 34 （ 23 ）： 2825 - 2828 .

顾任钧，谷鑫 . 大语言模型在中医诊断学教学中的应用［J］. 中国医药导刊， 2024 ， 26 （ 7 ）： 737 - 741 .

李灿东，方朝义 . 中医诊断学［M］. 北京：中国中医药出版社， 2021 .

吴勉华，石岩 . 中医内科学［M］. 北京：中国中医药出版社， 2021 .

全国中医标准化技术委员会（SAC/TC 478）.中医病证分类与代码： GB/T 15657-2021 ［S］. 北京：中国标准出版社， 2021 .

全国中医标准化技术委员会（SAC/TC 478）.中医临床诊疗术语　第1部分：疾病： GB/T 16751.1-2023 ［S］. 北京：中国标准出版社， 2023 .

全国中医标准化技术委员会（SAC/TC 478）.中医临床诊疗术语　第2部分：证候： GB/T 16751.2-2021 ［S］. 北京：中国标准出版社， 2021 .

全国中医标准化技术委员会（SAC/TC 478）.中医临床诊疗术语　第3部分：治法： GB/T 16751.3-2023 ［S］. 北京：中国标准出版社， 2023 .

浏览量

下载量

CSCD

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

生成式人工智能在中医药标准化研究中的应用前景与挑战

人工智能驱动下的中医智能诊疗研究进展与挑战

中医药调控免疫治疗桥本甲状腺炎的研究进展

ChatGPT在中医药科研工作中的应用探讨

构建真实世界中医药临床研究人工智能技术体系：重要价值、研究问题与发展方向