Tóm tắt
Y học cổ truyền (YHCT) đang đối mặt với thách thức lớn về tính chủ quan trong chẩn đoán; trí tuệ nhân tạo (AI) cùng các tiến bộ về học sâu và mô hình ngôn ngữ lớn (LLM) trở thành công cụ then chốt để số hóa và chuẩn hóa thực hành lâm sàng. Bài báo tổng quan chuyên đề các nghiên cứu đột phá giai đoạn 2022-2026 nhằm đánh giá hiệu năng AI trong lĩnh vực này. Kết quả cho thấy thiệt chẩn ứng dụng AI đạt AUC từ 0,88 đến 0,92; cảm biến mạch nhiều kênh đạt độ chính xác 97,8%. Các mô hình ngôn ngữ chuyên biệt cho YHCT cho thấy khả năng phân loại chứng hậu vượt trội các LLM đa năng như ChatGPT-4. Hệ thống hỗ trợ kê đơn CIPS tạo giá trị kinh tế-y tế thực, tiết kiệm 77 triệu Đài tệ/năm và phát hiện 3% đơn thuốc rủi ro. AI đã đạt thành tựu định lượng quan trọng, tuy nhiên cần thêm thử nghiệm lâm sàng ngẫu nhiên có đối chứng để khẳng định giá trị trong chẩn đoán và điều trị YHCT thực tiễn.
Từ khóa
y học cổ truyền,trí tuệ nhân tạo,mô hình ngôn ngữ lớn,thiệt chẩn,mạch chẩn,biện chứng luận trị.
Tài liệu tham khảo
- Yuan L, Yang L, Zhang S, et al. Development of a tongue image-based machine learning tool for the diagnosis ofgastric cancer: a prospective multicentre clinical cohort study. eClinicalMedicine. 2023;57:101834.
- Yang L, Dong Q, Lin D, Lü X. TongueNet: a multi-modal fusion and multi-label classification model for traditional Chinese Medicine tongue diagnosis. Front Physiol. 2025;16:1527751.
- Chen T, Chen Y, Zhou Z, Zhu Y, He L, Zhang J. Deep learning-based automated tongue analysis system for assisted Chinese medicine diagnosis. Front Physiol. 2025;16:1559389.
- Liu T, Gou GY, Gao F, et al. Multichannel flexible pulse perception array for intelligent disease diagnosis system. ACS Nano. 2023;17(6):5673-5685.
- Zhao Y, Sun Q, Mei S, et al. Wearable multichannel-active pressurized pulse sensing platform. Microsyst Nanoeng. 2024;10:77.
- Qiao M, Yan Z, Tan C, et al. Integrating traditional Chinese pulse diagnosis with machine learning: novel approaches for pregnancy and coronary heart disease identification. Sci Rep. 2025;15:35857.
- Chen Z, Zhang D, Liu C, et al. Traditional Chinese medicine diagnostic prediction model for holistic syndrome differentiation based on deep learning. Integr Med Res. 2024;13(1):101019.
- Ba H, Du H, Cheng C, Zhang Y, Ruan L, Chen Z. Identification of syndrome types in patients with pancreatic cancer from free text in electronic medical records: model development and validation. JMIR Form Res. 2025;9:e70602.
- Yang G, Liu X, Shi J, Wang Z, Wang G. TCM-GPT: efficient pre-training of large language models for domain adaptation in traditional Chinese medicine. Comput Methods Programs Biomed Update. 2024;6:100158.
- Hua R, Dong X, Wei Y, et al. Lingdan: enhancing encoding of traditional Chinese medicine knowledge for clinical reasoning tasks with large language models. J Am Med Inform Assoc. 2024;31(9):2019-2029.
- Chen J, Cai Z, Liu Z, et al. ShizhenGPT: towards multimodal LLMs for traditional Chinese medicine. arXiv. Preprint posted online August 20, 2025. arXiv:2508.14706.
- Liu Y, Yuan Y, Yan K, et al. Evaluating the role of large language models in traditional Chinese medicine diagnosis and treatment recommendations. NPJ Digit Med. 2025;8(1):466.
- He J, Guo Y, Lam LK, et al. OpenTCM: a GraphRAG-empowered LLM-based system for traditional Chinese medicine knowledge retrieval and diagnosis. arXiv. Preprint posted online April 28, 2025. arXiv:2504.20118.
- Yang K, Dong X, Zhang S, et al. PresRecRF: herbal prescription recommendation via the representation fusion of large TCM semantics and molecular knowledge. Phytomedicine. 2024;135:156116.
- Yang K, Yu Z, Su X, et al. PrescDRL: deep reinforcement learning for herbal prescription planning in treatment of chronic diseases. Chin Med. 2024;19:144.
- Lin DY, Huang WT, Lin YC, et al. Prescription system to calculate precise doses of Chinese herbal medicine to avoid toxic effects. Heliyon. 2023;9(6):e16612.
- Huang TY, Huang WT, Lin YC, et al. Chinese Intelligence Prescription System improves prescription accuracy while decreasing labor and drug costs. BMC Health Serv Res. 2023;23(1):514.
