traditional-chinese-medicine

本文提出一个渐进式四阶段框架，用于大语言模型生成中医处方，解决了结构化推理、纵向适应和安全合规方面的空白，其中一个7B模型在中医特定评估指标上零样本超越GPT-5。

该研究使用真实世界临床病例评估了16个大型语言模型与60位执业中医医生的表现，发现LLMs在某些领域获得更高的专家分数，但存在差异和安全问题。它强调了LLMs在中医决策支持中的潜力和局限性。

DeepTCM1.0是一个基于DeepSeek V3.2大语言模型构建的多专家智能体框架，用于解析中药复方的机制，通过Guizhi Decoction进行验证，并通过综合评分系统进行评估。

本文介绍了MMIR-TCM，一种新颖的框架，它整合了多模态大语言模型与记忆增强分割和检索增强生成技术，以支持中医临床决策，同时提供了新的数据集MedTCM和评估指标TDEU。

探讨AI与传统中医结合的可能性与前景。

本文提出了一种知识增强的中医视觉诊断系统，该系统使用Neo4j知识图谱、四阶段症状匹配流程以及信息增益驱动的主动提问策略，以提升透明度和可解释性。结果表明，该显著提高了诊断信任度并降低了认知负荷。

有人为 Claude Code 开发了一个中医 Agent Skill，将倪海厦的12门课程（包括讲义、方剂、穴位和2986张课程截图）结构化，支持自然语言检索经方和穴位方案，并生成复习计划和对比表。该项目展示了 AI Agent 在传统知识领域的渗透。