零样本训练的大语言模型协作在中医药知识推理中的实施思路.pdfVIP

时珍国医国药2025年第36卷第17期JOURNALOFLI-SHIZHENTRADITIONALCHINESEMEDICINE2025VOL.36NO.17

中医现代研究

零样本训练的大语言模型协作

在中医药知识推理中的实施思路

于东东12，程婷12，钟晓莹4,5，周莉²，李庚²，尤良震4.5.6*，温泽准2.3*

（1.广州中医药大学第二临床医学院，广东广州510405；

510120;

2.广州中医药大学第二附属医院，广东省中医院，广东广州

3.广州中医药大学科技创新中心，广东广州510405；

4.北京中医药大学中医内科学教育部重点实验室，北京100700;

5.北京中医药大学东直门医院，北京100700；

6.数智中医慢病防治北京市重点实验室,北京100700)

【摘要】医疗领域与人工智能的交又发展得到越来越多的关注和研究。尽管大语言模型（LLMs）在中医药领域取得了一定

成果，但因中医药思维的复杂性,LLMs在中医药临床专业知识的推理和方案制定中存在很大挑战。该文就LLMs在中医药

领域存在的问题和挑战做出阐述，并立足中医药特点，基于角色代理扮演模拟多学科专家会诊提出零样本训练的多学科专

家协作网络模式协作中医药领域LLMs，从而提高LLMs在中医药临床诊疗中的专业知识推理能力，为推动LLMs解决中医

药临床问题提供新视角，进一步推动中医药数智化发展。

【关键词】中医药；角色扮演；大语言模型；零样本；多学科专家

D0I:10.70976/j.1008-0805.SZGYGY-2025-1732

CSTR:32392.14.j.1008-0805.SZCYGY-2025-1732

【中图分类号】R2-03【文献标识码】A【文章编号】1008-0805（2025）17-3390-05

自1950年计算机科学与人工智能（artificialintel-医疗数据有限性和数据隐私以及临床可推理解释性等

ligence,AI)之父AlanMathisonTuring提出TheTuring问题仍然是LLMs在医疗领域的挑战。中医药以整体

Test以来，人类探索机器智能语言的脚步从未停止。观念、辨证论治、治未病理论为支撑，蕴含着以“四诊合

Google公司2017年基于Self－Attention提出的Trans-参”为核心的个性化诊疗以及中医药的量化表征较难，

former模型[1]为大语言模型（Largelanguagemodels，这些因素使得LLMs在中医药领域面临的阻碍更为

LLMs）的进一步开发与优化提供了强大的神经网络架显著。

构，使得LLMs得到各界的关注[2]。迄今为止基于中医药核心理念强调整体观、辨辩证论治和个体化

Transformer构建的一系列LLMs已具有高效的理解、推治疗，目前的中医药LLMs往往无法充分理解中医药

理和生成能力，其在各种下游任务中取得了许多前沿理论的深度与广度，导致实际场景中难以基于专业知

且可喜的成果，包括但不限于机器翻译、文本生成和视识准确捕捉到患者的具体病情信息，影响诊疗的精准

觉问答等[3]。LLMs展现出的强大泛化能力延伸影响度。如何突破AI在中医药整体观和辨证论治上的精

了社会各行各业，进一步促进了医学跳出传统医学的准性和有效性，如何提升LLMs在中医药临床实际场

范式,加速了人工智能与医学的融合[4]。越来越多的景中系统地制定出合理且有效的决策方案，这些仍然

医学相关LLMs（如ChatDoctor、LLaVA－Med等）从AI是困扰行业的难题

角度为医学领域提供了新视角，为解决一系列临床问近期的研究表明多角色的自我协作（multi－perso-

题提供了潜力无限的方案[5.6]。虽然LLMs在医学领naself-collaboration，MPSC）通过角色执行激励（solo

域取得了瞩目的突破性发展，但是诸如大量计算资源、performanceprompting，SSP）从多思维协作智能代理

收稿日期：2025-01-02；修订日期：2025-04-10

基金项目：国家自然科学基金；国家重点研发计划课题资助项目（2018YFC1707407）；

北京中医药大学东直门医院青年