中医AI助手：如何用1.8B参数模型解决中医诊疗难题？

中医AI助手如何用1.8B参数模型解决中医诊疗难题【免费下载链接】CMLM-ZhongJing首个中医大语言模型——“仲景”。受古代中医学巨匠张仲景深邃智慧启迪专为传统中医领域打造的预训练大语言模型。 The first-ever Traditional Chinese Medicine large language model - CMLM-ZhongJing. Inspired by the profound wisdom of the ancient Chinese medical master Zhang Zhongjing, it is a pre-trained large language model designed specifically for the field of Traditional Chinese Medicine.项目地址: https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing在人工智能技术飞速发展的今天传统医学领域也迎来了智能化转型的机遇。**仲景中医大语言模型CMLM-ZhongJing**作为首个专为中医领域设计的预训练大语言模型成功将古代医圣张仲景的诊疗智慧与现代AI技术相结合为中医爱好者、医学生和初级从业者提供了智能化的中医知识问答和诊疗咨询服务。这个创新项目不仅打破了中医知识传承的壁垒更通过13.5万专业指令数据和多任务诊疗分解策略实现了中医诊疗逻辑的数字化重现。 为什么中医需要AI助手中医作为中国传统医学的瑰宝其理论体系博大精深辨证论治过程复杂多变。传统中医学习往往需要数十年临床实践才能形成准确判断而现代快节奏生活使得这种传统传承模式面临挑战知识体系庞大中药方剂、经络穴位、辨证论治等知识体系繁杂经验积累缓慢中医诊断依赖丰富的临床经验积累标准化程度低辨证过程主观性强缺乏统一标准教育资源有限优质中医教育资源分布不均仲景中医大语言模型正是为了解决这些问题而生通过AI技术将散落的中医知识系统化、结构化让古老智慧在现代科技的赋能下焕发新生。图仲景模型采用的多任务治疗行为分解指令构建策略将中医诊疗过程拆分为12个专业任务模块 3分钟快速部署你的私人中医助手环境准备与安装想要体验这个智能中医助手只需要简单三步# 1. 获取项目代码 git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing # 2. 安装依赖包 pip install transformers torch gradio # 3. 启动Web演示界面 python WebDemo.py启动成功后在浏览器中访问http://localhost:7860即可进入仲景中医AI交互界面开启你的中医智能助手体验之旅。两种对话模式任选系统提供了两种交互方式满足不同使用场景✨单轮问答模式快速获取中医专业知识解答适合查询中药功效、方剂组成、疾病症状等具体问题。✨多轮诊疗模式模拟真实临床问诊流程通过动态追问获取完整症状信息提供个性化诊疗建议。 专业评估中医AI模型的真实表现为了验证仲景模型的实际效果项目团队进行了全面的专业评估。五位中医专家从客观性、逻辑性、专业性、准确性和完整性五个维度对模型进行了系统测试。图仲景模型与其他AI模型在中医专业任务上的评估对比展示其在客观性、逻辑性和专业度等维度的优秀表现评估亮点小模型也能有大智慧令人惊喜的是虽然仲景模型仅有7B参数相比GPT-4的175B参数但在多个关键维度上表现优异专业性得分5.6528分超越多个大型通用模型客观性得分5.7917分确保诊断建议的公正性完整性得分5.6944分提供全面的诊疗方案平均得分5.6417分综合表现位居前列这些数据充分证明了专业领域模型的价值——通过高质量的专业数据训练小参数模型也能在特定领域达到甚至超越大型通用模型的表现。 核心技术多任务诊疗分解策略仲景模型的核心创新在于其独特的多任务诊疗分解架构。该架构将复杂的中医诊疗过程系统性地拆解为12个关键任务模块任务模块功能描述患者治疗故事记录完整的诊疗过程和患者反馈诊断分析基于症状进行辨证分析舌脉象分析中医特有的诊断方法处方功用解释方剂的治疗原理药物用量确定中药的合理剂量诊疗方案制定制定个性化治疗方案随访跟踪记录治疗后的效果反馈批判性思维分析诊疗方案的合理性这种模块化设计让AI能够模拟中医医师的思维过程实现从症状采集到诊断分析再到治疗方案制定的完整逻辑闭环。 四大核心应用场景1. 中医爱好者自学助手中医药大学学生或中医爱好者在学习《伤寒论》等经典医籍时可以通过模型查询小柴胡汤的临床应用变化系统不仅详细解释原方组成和适应症还会对比分析柴胡桂枝汤、大柴胡汤等衍生方剂的加减规律帮助学生构建完整的知识体系。2. 基层医师诊疗辅助社区卫生服务中心医师在接诊患者时通过输入胃脘胀痛、嗳气反酸、情绪抑郁等症状系统快速分析为肝胃不和证推荐柴胡疏肝散加减方案并提示注意排查幽门螺杆菌感染辅助医师做出更精准的诊疗决策。3. 家庭健康管理顾问针对常见健康问题如更年期失眠多梦系统通过多轮对话了解心烦易怒、潮热盗汗等伴随症状判断为阴虚火旺证推荐百合知母汤调理方案并提供睡前涌泉穴按摩、莲子心茶饮用等辅助方法。4. 中医知识快速查询覆盖中药性味归经、方剂组成配伍、中医基础理论等专业知识支持自然语言查询即时获取准确解答。无论是黄芪的补气作用机制还是六经辨证的临床应用系统都能提供条理清晰的专业解释。 数据优势13.5万专业指令构建知识体系仲景模型的强大之处源于其高质量的训练数据古籍内容15,971,297 tokens31,395条指令中医症状近义词1,515,796 tokens27,650条指令中医词典2,188,672 tokens20,376条指令真实世界问题1,493,551 tokens7,990条指令疾病机制997,377 tokens8,024条指令总计超过26M tokens的135,108条专业指令涵盖了中医古籍、方药、证候、舌脉象、批判性思维等多维度知识为模型提供了坚实的专业知识基础。 实用技巧如何获得最佳咨询体验提问技巧指南描述症状要具体不要只说我头痛而是描述前额胀痛伴有恶心遇冷加重舌苔白腻等具体症状。提供完整信息包括发病时间、伴随症状、既往病史、舌象脉象如果有等信息。明确咨询目的是想要了解病因、获取治疗方案还是需要养生建议使用专业术语使用中医专业术语如气滞血瘀、肝阳上亢等能获得更准确的回答。常见问题解决Q启动WebDemo时提示端口被占用A使用python WebDemo.py --port 7861命令指定其他可用端口。Q模型回答中医术语解释不够详细A在提问时加入详细解释关键词如请详细解释什么是气滞血瘀证。Q如何获得更专业的诊疗建议A在描述症状时尽量详细包括舌象、脉象、发病时间、伴随症状等信息。 模型选择13B与1.8B版本对比项目提供了两个不同规模的模型版本满足不同使用需求版本参数量基座模型适用场景ZhongjingGPT1_13B13BBaichuan2-13B-Chat需要更高推理能力的专业场景ZhongJing-2-1_8b1.8BQwen1.5-1.8B-Chat轻量级部署单张T4显卡即可运行对于大多数用户来说1.8B版本已经能够提供专业的中医咨询服务且部署门槛更低更适合个人使用和学习。⚠️ 重要使用提示免责声明目前所有输出结果仅供学术研究参考不构成任何医疗建议。临床诊断和治疗应由经验丰富的专业医师提供。本中医药大语言模型尚处于实验室测试阶段涌现的证型分类和处方生成能力尚且粗浅不具备高度可信的临床诊疗能力。真实的医疗诊断及决策需要由经验丰富的医师通过严格规范的诊疗过程出具。 未来展望中医AI的无限可能仲景团队计划从三个方向推进项目发展垂直领域深化针对针灸、推拿等中医特色疗法开发专用模型模块临床数据整合与医疗机构合作构建真实世界研究数据库持续优化模型性能多模态交互升级加入舌象、脉象等视觉数据输入实现更全面的中医辨证辅助随着技术的不断迭代仲景中医大语言模型有望成为连接传统中医与现代科技的重要桥梁为中医教育、临床辅助和健康管理提供全方位的智能支持。开始你的中医AI探索之旅吧无论是中医学习者、从业者还是爱好者仲景中医大语言模型都能为你提供专业、便捷的中医知识服务。记住AI是辅助工具真正的诊疗决策仍需专业医师的把关。让我们共同见证传统医学与现代科技的完美融合【免费下载链接】CMLM-ZhongJing首个中医大语言模型——“仲景”。受古代中医学巨匠张仲景深邃智慧启迪专为传统中医领域打造的预训练大语言模型。 The first-ever Traditional Chinese Medicine large language model - CMLM-ZhongJing. Inspired by the profound wisdom of the ancient Chinese medical master Zhang Zhongjing, it is a pre-trained large language model designed specifically for the field of Traditional Chinese Medicine.项目地址: https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考