JingFang: An Expert-Level Large Language Model for Traditional Chinese Medicine Clinical Consultation and Syndrome Differentiation-Based Treatment

📄 arXiv: 2502.04345v2 📥 PDF

作者: Yehan Yang, Tianhao Ma, Ruotai Li, Xinhan Zheng, Guodong Shan, Chisheng Li

分类: cs.CL, cs.AI, cs.LG

发布日期: 2025-02-04 (更新: 2025-05-26)

💡 一句话要点

JingFang：一种专家级中医临床诊疗与辨证论治大语言模型

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 中医大语言模型 临床诊疗 辨证论治 多智能体协作 链式思考

📋 核心要点

  1. 现有中医大语言模型在临床咨询和诊断方面存在不完整性，辨证准确性也有待提高。
  2. JingFang通过多智能体协作链式思考机制(MACCTM)实现全面诊断，并利用双阶段恢复方案(DSRS)提升辨证准确性。
  3. JingFang旨在促进大语言模型在中医领域的应用，并提升中医在医疗保健中的有效性。

📝 摘要（中文）

传统中医(TCM)的有效应用需要广泛的中医知识和临床经验。大型语言模型(LLM)的出现为此提供了一种解决方案，但现有的中医LLM存在临床咨询和诊断不完整以及辨证不准确等严重局限性。为了解决这些问题，我们建立了JingFang (JF)，这是一种新型的中医LLM，展示了临床咨询和辨证方面的专家水平。我们提出了一种多智能体协作链式思考机制(MACCTM)，用于全面和有针对性的临床咨询，使JF具有有效和准确的诊断能力。此外，还开发了一种综合征代理和一个双阶段恢复方案(DSRS)，以准确地增强综合征的区分和随后的相应治疗。JingFang不仅促进了LLM的应用，而且促进了中医在医疗保健中的有效应用。

🔬 方法详解

问题定义：现有中医大语言模型在模拟中医临床诊疗过程中，存在临床咨询不完整、诊断不准确，以及辨证论治能力不足的问题。这些问题限制了中医大语言模型在实际医疗场景中的应用。

核心思路：JingFang的核心思路是构建一个专家级的中医大语言模型，通过模拟中医专家的思维方式和诊疗流程，实现更准确、更全面的临床咨询和辨证论治。模型通过多智能体协作和双阶段恢复方案，提升诊断和辨证的准确性。

技术框架：JingFang的技术框架主要包含以下几个模块：1) 多智能体协作链式思考机制(MACCTM)：用于模拟中医临床咨询过程，通过多个智能体之间的协作，实现更全面、更深入的问诊。2) 综合征代理：用于对患者的症状进行综合分析，从而准确辨证。3) 双阶段恢复方案(DSRS)：用于在辨证的基础上，进行更精准的治疗方案推荐。

关键创新：JingFang的关键创新在于：1) 提出了多智能体协作链式思考机制(MACCTM)，模拟了中医问诊的完整流程，提升了诊断的全面性和准确性。2) 设计了双阶段恢复方案(DSRS)，在辨证的基础上，进一步优化治疗方案，提升了治疗的有效性。

关键设计：MACCTM的具体实现细节未知，但可以推测其包含多个智能体，分别负责问诊的不同方面，例如主诉、病史、体格检查等。DSRS的具体实现细节也未知，但可以推测其包含两个阶段：第一阶段是基于辨证结果的初步治疗方案推荐，第二阶段是根据患者的反馈和病情变化，对治疗方案进行调整和优化。损失函数和网络结构等细节信息未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文提出了JingFang，一种专家级中医大语言模型，通过MACCTM和DSRS等创新机制，在临床咨询和辨证论治方面达到了专家水平。具体的实验结果和性能数据未知，但论文强调了JingFang在解决现有中医大语言模型局限性方面的潜力。

🎯 应用场景

JingFang可应用于中医辅助诊断、智能问诊、中医知识普及等领域。它能够帮助医生提高诊断效率和准确性，为患者提供个性化的治疗方案，并促进中医知识的传播和应用。未来，JingFang有望成为中医医疗领域的重要工具，推动中医的现代化和智能化发展。

📄 摘要（原文）

The effective application of traditional Chinese medicine (TCM) requires extensive knowledge of TCM and clinical experience. The emergence of Large Language Models (LLMs) provides a solution to this, while existing LLMs for TCM exhibit critical limitations of incomplete clinical consultation and diagnoses, as well as inaccurate syndrome differentiation. To address these issues, we establish JingFang (JF), a novel TCM LLM that demonstrates the level of expertise in clinical consultation and syndrome differentiation. We propose a Multi-Agent Collaborative Chain-of-Thought Mechanism (MACCTM) for comprehensive and targeted clinical consultation, enabling JF with effective and accurate diagnostic ability. In addition, a Syndrome Agent and a Dual-Stage Recovery Scheme (DSRS) are developed to accurately enhance the differentiation of the syndrome and the subsequent corresponding treatment. JingFang not only facilitates the application of LLMs but also promotes the effective application of TCM for healthcare.