廣州中醫(yī)藥大學學生小李曾陷入中醫(yī)跟師困境：名家診療經(jīng)驗傳承渠道有限，臨床實操少，辨證思辨及臨證處方能力不足。如今，他多了一位AI“線上導師”，這位導師能夠拆解名醫(yī)診療全過程，推送類似案例，助其沉浸式模擬跟師，隨時吃透診療精髓。
這是廣州中醫(yī)藥大學打造的“杏林智慧教學大模型”所帶來的教學之變。讓AI學會中醫(yī)的辨別證候和治療方法（“辨證論治”），助力解決名醫(yī)經(jīng)驗“傳不廣”、臨床辨證“練不夠”、個性化教學“難普及”等難題，并以此幫助學生學習中醫(yī)藥的知識和經(jīng)驗。
AI賦能中醫(yī)藥，已是廣東省級戰(zhàn)略。2026年全省中醫(yī)藥工作會議提出要“推動人工智能與中醫(yī)藥各領域廣泛深度融合”。隨后印發(fā)的《廣東省加快推進人工智能全域全時全行業(yè)高水平應用行動方案》，明確要推進人工智能在名老中醫(yī)傳承等方面的創(chuàng)新與應用。“杏林智慧教學大模型”的落地正是這一戰(zhàn)略部署下的先行實踐。
中醫(yī)藥教育的精髓，在于理論與臨床的深度結合，尤其倚重“辨證”思維的實際操練。長期以來，這一知識體系高度依賴師徒間的口傳心授，但有限的師承容量難以滿足廣泛的人才培養(yǎng)需求——名老中醫(yī)親授名額稀缺，優(yōu)質臨床病案亦無法覆蓋全體學生。這是整個中醫(yī)藥教育界面臨的共同難題。
如今AI技術為這一困局提供了新的想象空間。廣州中醫(yī)藥大學開發(fā)了“杏林智慧教學大模型”，試圖把名醫(yī)經(jīng)驗、經(jīng)典醫(yī)案、教學資源從“師徒對口傳”變?yōu)椤澳Ｐ蛯Ρ娛凇保尭鄬W生站在同一起跑線上獲得高質量的學習支持。
在技術路線上，廣州中醫(yī)藥大學采用了“通用大模型基座+中醫(yī)藥專業(yè)訓練”的模式，即在通用大模型已具備的語言理解和推理能力的基礎上，用大規(guī)模、高質量的中醫(yī)藥專業(yè)數(shù)據(jù)進行持續(xù)訓練和微調(diào)，同時結合中醫(yī)知識圖譜、專業(yè)知識庫對大模型進行進一步約束和增強。
支撐這一模型的底層數(shù)據(jù)，是20億詞元（2B Token）的海量中醫(yī)藥專屬數(shù)據(jù)，兼?zhèn)鋵I(yè)性和高質量。這些數(shù)據(jù)既包括中醫(yī)經(jīng)典古籍、專業(yè)教材，也包括現(xiàn)代中醫(yī)藥教學資源、科研成果，還有經(jīng)過規(guī)范治理的數(shù)十萬份臨床病例和名醫(yī)醫(yī)案，以及相關的學術思想和診療經(jīng)驗。此外，舌象、脈象、中藥標本、針灸穴位等中醫(yī)教學特色數(shù)據(jù)，也將逐步以多模態(tài)形式融入。
“我們已經(jīng)積累了在不同光線條件下100多萬張舌頭圖像，”項目開發(fā)技術人員羅工介紹說，“根據(jù)這些圖像數(shù)據(jù)，AI將能夠具備中醫(yī)基礎知識，通過舌象辨識病癥；同時，還可以‘看’ 舌象，基于大量經(jīng)過教師標注的舌象圖像構建圖形算法，讓AI學會識別不同舌象的視覺特征，比如舌色是淡紅還是絳紅，舌苔是薄白還是黃膩。”
這是廣州中醫(yī)藥大學打造的“杏林智慧教學大模型”所帶來的教學之變。讓AI學會中醫(yī)的辨別證候和治療方法（“辨證論治”），助力解決名醫(yī)經(jīng)驗“傳不廣”、臨床辨證“練不夠”、個性化教學“難普及”等難題，并以此幫助學生學習中醫(yī)藥的知識和經(jīng)驗。
AI賦能中醫(yī)藥，已是廣東省級戰(zhàn)略。2026年全省中醫(yī)藥工作會議提出要“推動人工智能與中醫(yī)藥各領域廣泛深度融合”。隨后印發(fā)的《廣東省加快推進人工智能全域全時全行業(yè)高水平應用行動方案》，明確要推進人工智能在名老中醫(yī)傳承等方面的創(chuàng)新與應用。“杏林智慧教學大模型”的落地正是這一戰(zhàn)略部署下的先行實踐。
中醫(yī)藥教育的精髓，在于理論與臨床的深度結合，尤其倚重“辨證”思維的實際操練。長期以來，這一知識體系高度依賴師徒間的口傳心授，但有限的師承容量難以滿足廣泛的人才培養(yǎng)需求——名老中醫(yī)親授名額稀缺，優(yōu)質臨床病案亦無法覆蓋全體學生。這是整個中醫(yī)藥教育界面臨的共同難題。
如今AI技術為這一困局提供了新的想象空間。廣州中醫(yī)藥大學開發(fā)了“杏林智慧教學大模型”，試圖把名醫(yī)經(jīng)驗、經(jīng)典醫(yī)案、教學資源從“師徒對口傳”變?yōu)椤澳Ｐ蛯Ρ娛凇保尭鄬W生站在同一起跑線上獲得高質量的學習支持。
在技術路線上，廣州中醫(yī)藥大學采用了“通用大模型基座+中醫(yī)藥專業(yè)訓練”的模式，即在通用大模型已具備的語言理解和推理能力的基礎上，用大規(guī)模、高質量的中醫(yī)藥專業(yè)數(shù)據(jù)進行持續(xù)訓練和微調(diào)，同時結合中醫(yī)知識圖譜、專業(yè)知識庫對大模型進行進一步約束和增強。
支撐這一模型的底層數(shù)據(jù)，是20億詞元（2B Token）的海量中醫(yī)藥專屬數(shù)據(jù)，兼?zhèn)鋵I(yè)性和高質量。這些數(shù)據(jù)既包括中醫(yī)經(jīng)典古籍、專業(yè)教材，也包括現(xiàn)代中醫(yī)藥教學資源、科研成果，還有經(jīng)過規(guī)范治理的數(shù)十萬份臨床病例和名醫(yī)醫(yī)案，以及相關的學術思想和診療經(jīng)驗。此外，舌象、脈象、中藥標本、針灸穴位等中醫(yī)教學特色數(shù)據(jù)，也將逐步以多模態(tài)形式融入。
“我們已經(jīng)積累了在不同光線條件下100多萬張舌頭圖像，”項目開發(fā)技術人員羅工介紹說，“根據(jù)這些圖像數(shù)據(jù)，AI將能夠具備中醫(yī)基礎知識，通過舌象辨識病癥；同時，還可以‘看’ 舌象，基于大量經(jīng)過教師標注的舌象圖像構建圖形算法，讓AI學會識別不同舌象的視覺特征，比如舌色是淡紅還是絳紅，舌苔是薄白還是黃膩。”