LingLan: An Advancing Traditional Chinese Medicine Diagnosis LLM with Multimodal Data

📄 arXiv: 2609.25715v1 📥 PDF

作者: Zheng Chen, Zhicheng Du, Haoxuan Li, Yingshan Liang, Peiwu Qin

分类: cs.AI

发布日期: 2026-09-22

备注: 6 pages, 5 figures

💡 一句话要点

提出LingLan以解决传统中医诊断数据整合问题

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 传统中医 多模态数据 人工智能 诊断模型 结构化数据 监督学习 数字化医疗

📋 核心要点

  1. 传统中医的诊断方法依赖于主观判断，难以与现代医学的定量标准相结合，导致AI应用进展缓慢。
  2. 提出了多模态数据统一框架（UFMD），将舌象和脉象图像转化为结构化的临床描述，整合多源诊断信息。
  3. 实验结果显示，LingLan-14B模型的诊断准确性显著提升，F1-score达到82%，相较于基线提高了103.5%。

📝 摘要（中文）

尽管人工智能在现代医学中日益发挥作用，但其在传统中医（TCM）中的应用相对缓慢，主要由于中医依赖于整体、主观的诊断方法（即望、闻、问、切），这些方法难以与定量、标准化的医学系统对接。本文提出了一种多模态数据统一框架（UFMD），能够自动处理舌象和脉象图像，将其转化为结构化的临床标准描述，从而将多源诊断信息整合为统一的数字记录。基于这一结构化数据，我们构建了LingLan-14B，这是一个经过监督学习微调的中医特定大语言模型，旨在模拟I-AOI-P过程的诊断逻辑和工作流程。实验结果表明，该方法显著提高了诊断准确性，相较于基线提升了103.5%，F1-score达到82%。

🔬 方法详解

问题定义：本文旨在解决传统中医诊断方法与现代医学标准化系统之间的对接问题。现有方法主要依赖主观判断，缺乏有效的量化手段，导致AI在中医领域的应用受限。

核心思路：提出多模态数据统一框架（UFMD），通过自动化处理舌象和脉象图像，将其转化为结构化的临床描述，从而实现多源信息的整合。该框架为后续的模型训练提供了高质量的数据基础。

技术框架：整体架构包括数据采集、图像处理、结构化描述生成和模型训练四个主要模块。首先，通过图像处理技术提取舌象和脉象特征，然后生成标准化的描述，最后使用这些数据训练LingLan-14B模型。

关键创新：最重要的创新在于UFMD框架的提出，使得传统中医的主观诊断过程能够以结构化的方式进行数字化记录，打破了传统中医与现代医学之间的壁垒。

关键设计：在模型训练中，采用了监督学习的方法，设计了适应中医特征的损失函数，并优化了网络结构，以提高模型的诊断准确性和效率。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，LingLan-14B模型在诊断准确性上相较于基线提升了103.5%，F1-score达82%。这一显著提升表明该模型在模拟传统中医诊断逻辑方面的有效性，具有重要的临床应用潜力。

🎯 应用场景

该研究的潜在应用领域包括中医诊断辅助工具的开发、医疗数据的标准化处理以及中西医结合的研究。通过将传统中医的诊断过程数字化，能够提升中医的科学性和可验证性，推动中医在现代医疗体系中的应用与发展。

📄 摘要（原文）

Though artificial intelligence (AI) increasingly transforms modern medicine, its integration into Traditional Chinese Medicine (TCM) has been relatively slow, primarily due to TCM's reliance on holistic, subjective diagnostic methods---namely Inspection, Auscultation and Olfaction, Inquiry, and Palpation(I-AOI-P)---which are difficult to align with quantitative, standardized medical systems. In this work, we introduce a Unification Framework for Multimodal Data (UFMD), which automatically processes tongue and pulse images into structured, clinically standard descriptions, integrating multi-source diagnostic information into a unified digital record of I-AOI-P process. Building on this structured data, we create LingLan-14B, a TCM-specific large language model fine-tuned via supervised learning to emulate the diagnostic logic and workflow of I-AOI-P process. Experimental results show that our method significantly enhances diagnostic accuracy, achieving a relative improvement of 103.5% over the baseline (62.72% vs. 30.82%) and reaching an F1-score of up to 82%.