人工智能为传统医学的传承、创新与普惠共享提供了历史性契机。10月18日，2026年世界传统医药大会举办期间，大会的重要成果之一《人工智能赋能全球传统医学发展报告》（以下简称《报告》）正式对外发布。

《报告》立足全球视野，系统梳理了人工智能赋能传统医学的全球战略布局、技术演进与应用成效，识别共性瓶颈与关键风险，提出融合发展行动建议与全球协同框架，推动传统医学从“经验驱动”走向“数据驱动”。与会专家表示，人工智能赋能传统医学已经走出概念阶段，正在成为全球卫生发展和医学进步的共同趋势。

走出概念阶段，AI赋能传统医学多点落地

从发展历程来看，人工智能赋能传统医学与人工智能技术同步经历了四次迭代。从早期的专家系统到机器学习，再到能处理复杂图文信息的深度学习，从2022年至今，进入了大模型与智能体的新阶段，应用形态也从单点辅助走向覆盖诊疗全流程的协同。

从专利与论文数据看，全球人工智能赋能传统医学已进入快速发展阶段。《报告》数据显示，2000年以来，全球公开的人工智能与传统医药相关专利达3030项，其中中国占比80.4%；相关学术论文共6882篇，覆盖125个国家，中国贡献约47%，我国在研究规模上优势明显。

《报告》发现，人工智能正逐步应用于传统医学的多个环节。《报告》系统梳理了临床诊疗决策支持与健康服务、基层医疗卫生服务能力提升、药用植物资源评估与保护开发、传统药物研发、产业智能升级、基础理论阐释与科学研究创新、传统医学知识保护与数字化传承等七大领域的应用进展。

在临床诊疗与健康服务领域，智能四诊仪推动着诊断信息的客观化、辩证大模型尝试将理法方药的逻辑可计算化，显著缩短了病历书写时间；名医经验通过数字孪生探索跨机构的传承，结合可穿戴设备，为治未病提供主动干预。同时人工智能通过远程会诊等助力优质资源下沉到基层。

在传统药物领域，人工智能沿着资源、药物研发和智能制造三层推进。资源保护方面，利用光谱鉴别与区块链追踪溯源，实现了药材溯源与生态保护。药物研发方面，网络药理学成为重要的方法，人工智能加速了活性成分的筛选与机制的阐释，推动着研发向计算设计驱动来进行演进。智能制造方面，数字孪生与过程分析技术用于炮制工艺的优化，从而保障药品的质量稳定。

在基础理论研究方面，人工智能辅助活体成像，为经络提供了现代科学观测的线索，网络医学框架为辨证论治搭建了可计算、可验证的载体。在知识传承方面，古典医籍正从影像扫描向知识图谱构建与大模型应用演进。同时，智能教育平台也在探索重构教学模式。

“《报告》最想传递的核心信息是，人工智能赋能传统医学已经走出概念阶段，正在成为全球卫生发展和医学进步的共同趋势。”中国中医科学院中医药信息研究所所长、编委会副主任李海燕表示。

破解三大瓶颈，AI让传统医学“可计算”

传承难、阐释难、标准化难，是长期制约传统医学发展的三大核心瓶颈，也是“传统医学是否科学”这一争议的根源所在。《报告》认为，人工智能提供了一条破局路径。

“瓶颈的根本原因是‘不可计算’。人工智能恰恰把隐性经验、整体思辨与主观判读，转化为可储存、可计算、可验证的知识与数据。”李海燕介绍。

对于人工智能赋能传统医学的具体路径，北京中医药大学教授、编写组副组长陈建新介绍，在临床经验的传承上，传统医学知识多保留在古籍文献与临床实践当中，需要长时间学习和积累。而人工智能可以帮助医生快速进行整理，对临床诊疗事务快速分析，让有价值的经验更好地传承下去。

“在诊疗信息的客观化方面，舌象、脉象的信息过去主要靠医生的观察和感知，而现在人工智能设备再接上智能采集，就可以快速记录下来可比较、可追踪、可重现的数据，为临床判断提供更多的依据。”陈建新指出，《报告》中提到的中国智能四诊仪以及印度阿育吠陀医学脉诊设备，均为这一方向的有益探索。

传统药物的研发也可以通过人工智能的加入提高药物效用。传统药物成分多、作用关系复杂，人工智能可以从大量的候选成分中优先指定研究对象，进一步明确它与成分、靶点和疾病的关系，再结合实验和临床验证，能够大大降低成本。

此外，人工智能也可以让优质的临床服务更好地惠及基层。高质量的临床服务可以与人工智能赋能的远程医疗和教育培训相结合，能够支持基层服务人员进一步扩大优质知识和服务的覆盖范围。

仍面临数据、监管、可信度等多重挑战

尽管人工智能在传统医学领域应用前景广阔，但《报告》也客观指出了当前全球人工智能赋能传统医学面临的多重挑战。

数据是首要瓶颈。虽然传统医学领域已经出现了一些大规模数据集，但还缺乏像现代医学那样被国际广泛公认的“金标准”数据集。加之古今概念表述、各国术语差异较大，整合难度更高。技术可信层面，大语言模型的“幻觉”问题仍然存在。AI给出的判断多基于数据之间的相关性推理，难以说明其辨证和处方推荐的医学依据。制度层面全球统一的监管规则尚未形成，专门针对传统医学AI的监管规则更为薄弱。

此外，还存在更深层次的不平衡问题，“除了技术与临床验证方面的挑战，全球数据资源与数字能力的不均衡，同样需要高度重视。”陈建新表示，传统医学知识的丰富程度与其数字化能力并不匹配。参照世界卫生组织（WHO）划分的六大区域，各区域数据资源分布差距显著，若模型仅依靠少数区域的数据训练，其他地区的医学知识就可能在算法中被忽略，本质上是全球医疗的公平与治理问题。

为此，《报告》主张坚持分级分类治理，构建多方协同机制，分场景实施差异化的伦理治理。面向未来，《报告》也研判了四大趋势。从诊疗决策角度，将从经验主导转向数智辩证协同；药物研发方面，将从天然筛选转向计算设计驱动；知识传承则从个体传承转向群体智能共生；服务供给方面，从区域实践转向全球普惠共享。

《报告》认为，人工智能赋能传统医学可能沿着“从工具赋能到体系重构、从体系重构到生态引领”的逻辑演进。需要在夯实高质量数据基础，坚守伦理与监管底线的前提下，协同推进技术研发、人才培养与全球治理，推动传统医学在坚持自身理论内核与价值取向的同时，更好服务全球健康。