中医药的数智化发展时代已拉开帷幕。《数字中国建设整体布局规划》《“数据要素×”三年行动计划 （2024—2026年）》等系列文件的发布标志着中国正式迈入数字化建设与发展的时代，数据要素已成为数字经济时代的核心生产要素[1-2]。面对新兴的数智技术发展趋势与既往临床诊疗决策过程的碰撞与融合，本团队提出了数智中医的概念[3]，而 《关于促进数字中医药发展的若干意见》 的发布则标志着，数智融合已成为赋能中医药传承创新发展全链条、各环节的新动力、新方向[4]——数智中医药将推动中医药现代化迈入新的历史阶段。

中医药的复杂系统特征既是其发挥独特疗效优势的核心，又是长久以来推进中医药现代化的难点[5]。因此，本团队提出“中医药复杂系统循证理论”[6]，主张立足中医整体观与辨证论治的本体特征，以循证科学为框架，整合系统科学、人工智能 （artificial intelligence, AI） 等多学科方法，建立宏观与微观相结合、定性与定量统筹的研究路径。近期亦有研究[7]提出“数智循证医学”新型医学范式构想：借助数智技术，推动医学证据生成、整合与应用从静态、滞后的模式转向整合化、智能化和个体化的新形态，并明确指出其可为面向中医药复杂干预特征和辨证论治规律的循证研究与临床实践提供方法支撑[8]。不同视角下的理论与构想，交汇于中医药复杂性与现行循证医学范式之间的矛盾，并一致认为数智技术是解决这一矛盾的关键。

在此背景下，本研究认为数智技术有望通过解决中医药复杂性问题，弥合传统中医药与循证医学范式之间的裂隙，并引导中医药研究的下一次范式转换，显著促进中医药的传承创新发展。本文即在复杂性科学视角下，进一步聚焦中医药现代化面临的核心挑战，探讨数智技术如何赋能中医药传承创新发展的全路径 （图1），展望其未来发展方向，并为推进中医药的数智化发展提出系统性建议。

循证医学已成为当今中医药学的主流范式。在循证医学指导下，许多中医药疗法的有效性与安全性获得了更坚实的高质量临床证据支持，其国际认可度显著提升[9]。然而，传统循证医学以随机对照试验作为因果推断的金标准，致力于阐明标准化的单一干预方案在同质化人群中对预设结局指标的因果效应。与之相对地，中医临床诊疗在整体观和辨证论治原则指导下，将人体视为开放的复杂巨系统，并以复杂干预对系统状态进行调节[5]。在面向个体患者的临床诊疗中，基于群体的循证证据往往难以为具体患者的临床决策直接提供有效的指导[10]。循证科学倡导的以证据为核心的理念仍然正确并应当坚持，但从方法学到实践场景的结构性错位，已构成了传统循证医学方法与中医临床实践之间的核心矛盾[6]，也因此传统循证医学方法在中医药的复杂性问题中的适用性极为有限[7]。

中医药的复杂性是多方面的。首先，中医药理论对人体的认识具有复杂性。中医药理论本身将人体视为开放的复杂系统，强调人体内部、人体与自然环境，以及人体与社会环境之间的统一性与交互性，并以五行、阴阳等“象”配属人体五脏六腑、时间、气象、地理方位等相关概念，从而解释这种相关性与交互关系。而在现代医学背景下，人体状态不仅存在时间、环境、社会、器官脏腑之间的开放关联交互，更是由细胞、蛋白质、基因等多层次生物网络所调控的巨系统。因此，中医药现代化的研究可以认为属于对于人体开放复杂巨系统的研究。钱学森等[11]已为开放复杂巨系统问题的研究建立了理论基础与方法论，而将其应用于中医药现代化研究，则应当立足于中医药的本体特征，形成更具针对性的理论框架[6]。其次，中医证候诊断具有复杂性。中医证候的复杂性主要来源于其概念本身的复杂性和证候诊断过程的不确定性。从理论上看，证候概念本身就具有“内实外虚、动态时空、多维界面”的复杂性特征[12]，其包括了对疾病的主要方面与次要方面的把握、对疾病动态时空演变规律的把握以及对疾病的病因、病机、病位、病性、病势等多个维度的把握。从实践上看，医师以“具象”为起点，通过对患者的病象的诊察，提取与患者病机相关的信息，并通过直觉体悟的方式总结形成证候诊断，即所谓“据象言证”[12]。这使得传统中医临床证候诊断的过程主观性强、不确定性大。最后，中医药干预具有复杂性。中医药干预的复杂性来源同样是多方面的，这包括：（1） 干预方案的多样性。这既包括中药复方、针灸、推拿、功法等不同类型干预措施的组合，也包括同种干预措施内不同方案的组合 （如中药复方本身可选药味加减、针灸选穴等的不同组合方式），还包括中药复方中所包含的庞杂的不同成分的组合的复杂性。（2） 干预方案的动态性。特别是在长病程临床诊疗中，临床医师根据患者证候状态的变化及疗效反馈进行加减、守方、变方等干预措施的动态调整。（3） 非线性量效关系。同一中药在不同剂量下可能表现出不同效应。例如传统中药理论即认为，柴胡小剂量可升阳举陷，中等剂量可用于疏肝解郁，大剂量可用于和解少阳、疏散退热。（4） 非线性相互作用。在相似的药味组合下，简单的加减变化可能使中药复方产生截然不同的效果。例如，用于解肌和营、主治表虚外感的桂枝汤，“倍芍药、加饴糖”之后，即成为补虚缓急、主治虚寒腹痛的小建中汤。又如一些药性迥然的中药，以特定比例相互组合成特定“药对”，便表现出全新的功效，如左金丸、反左金丸等。从系统视角来看，中药复方通过多种成分对人体复杂系统的多靶点、多通路进行整体调节，这些成分之间可能存在协同、拮抗等不同的交互效应，而某些特定药味的变化，可能导致关键靶点、通路的信号变化，最终在人体复杂系统层面涌现出不同的效应。

中医药的多重复杂性交织，导致了其在现代化过程中的诸多问题 （图 1）。中医药理论本身的复杂性，导致其与现代医学本体概念之间的错位，同时也构成了中医药现代化的复杂巨系统研究背景。对证候认识的模糊性和主观性，使其诊断过程依赖医师的直觉体悟，导致诊断难以客观化和标准化。干预方式的复杂性不仅给临床疗效评价带来困难，在试图阐释中医药疗效机制的过程中，人体认识的复杂性、证候的复杂性与干预的复杂性叠加，导致区分中医药干预中真正的有效成分与“干扰因素”变得极其复杂而困难，也使得中医药难以从临床层面深入微观层面，完全、清楚地阐明疗效机制，进而阻碍中药现代化研发与创新。同时，证候和干预的主观性与复杂性也导致中医临床诊疗技术传承的困难，与中医药疗效机制阐释与现代化研发的困难交叠，进一步导致中医药临床诊疗水平难以提高、诊疗服务模式局限。 

以大数据、AI 为代表的数智技术快速发展，为应对中医药复杂性问题提供了新的认知工具与分析手段。数智技术擅长处理高维、多模态及非结构化数据，能够将模糊的中医表征转化为可量化、可计算的数字特征，在中医药与现代医学本体之间建立关联、实现对齐，并结合图计算、知识图谱等技术对人体复杂系统与中医药复杂干预之间的关系进行建模和分析，在医疗大数据的支撑下，形成从宏观表型到微观机制的证据链条，有望为中医药的传承创新发展开辟全新的路径[6]。

中医药的复杂性特征导致其传承长期依赖于“师带徒”的口传心授模式。这种基于个体的经验传承植根于直觉与长期实践体悟，虽可通过名老中医药专家传承工作室等机制延续，但难以规模化复制。数智技术为“隐性知识显性化”提供了新的路径：在本体语义层面，开展数据标准化工作，以术语、分类与编码标准对证候、治法、方药等概念进行规范与本体构建。在知识表示层面，自然语言处理技术能够将医案等自然语言文本转译为实体、属性与关系，在数据标准化基础上构建知识图谱；而知识图谱则可将临床诊疗过程中的理法方药等关联组织成推理链条，作为知识显性结构化表示的载体，同时也为进一步的AI模型提供推理支撑与先验知识约束。在客观表征层面，多模态采集与量化数据库建设已能够将中医诊察信息转化为客观、稳定、可计算的特征信息。特别是在计算机视觉技术快速发展的背景下，数智技术赋能中医望诊的“广义化”发展，既提升了中医诊断的客观性和标准化程度，也使多维中医诊察信息可被用于AI模型的训练，更延伸了传统中医的望诊能力[13]。在临床应用层面，通过强化学习与人类反馈对齐等技术，能够将专家在复杂场景中的临床思辨等隐性知识转化为可复用的策略模型，结合可解释AI等技术，为临床决策提供具体支持，并供青年医师和基层医师学习。综合上述路径，可期规模化建设“名老中医数字化传承工作室/诊室”等新形态中医药传承平台和设施。由此，数智技术通过术语标准化、知识表示、诊断客观化、AI模型训练和临床决策支持系统开发，将名老中医的隐性知识显性化，高效赋能中医临床诊疗技术的传承。

中医药创新长期受制于宏观疗效与微观机制之间证据链条的断裂。在宏观疗效层面，传统疗效评价与数据分析方法难以充分支撑中医药复杂干预的疗效评价与创新研发。在微观机制层面，中医药本身的复杂性叠加患者个体的异质性，又使得中医药微观疗效机制的阐释格外困难，更遑论基于微观机制进一步开展临床转化研究。在这一背景下，数智技术有望深度赋能中医药“临床-基础-临床”的创新转化路径[14]：通过促进中医临床诊疗过程的客观化、延伸数据感知能力，在提升临床诊疗水平的同时，也为丰富数据收集渠道与能力建立装备基础。在高质量数据基础上，以先进数据分析方法激活真实世界数据，在科学评价临床疗效的基础上，为进一步创新研发提供证据和线索。通过复杂系统的建模与分析技术，深入阐释中医药复杂疗效机制，从而促进机制验证与中药二次开发。

临床诊疗水平的提升是中医药研究的核心目标。数智赋能中医临床诊疗的作用主要包括对临床医师的诊断水平的提升与临床决策能力的提升。数智技术及装备首先通过诊察信息的客观化、标准化与智能化处理，延伸医师诊察能力，提升诊断水平。中医诊断的特点是据象言证，但“显象”容易把握，“隐象”相对困难。在中医理论指导下，提出“数智中医广义望诊”概念[15]，探索借助智能化望诊装备，准确把握潜在中医脏腑功能状态与健康疾病转归变化的路径，开展了“广义望诊多维信息采集与智能处理技术的数智中医诊疗研究”[国家重点研发计划项目 （2022YFC3502300）][13, 16]。项目以高血压-冠心病-心力衰竭心系病为示范病种，研制了一系列面、舌、目、手、躯体中医望诊信息采集与分析装备，建立了高精准度的神色形态望诊信息数字化重构方法，搭建了智能诊断决策服务平台，并形成了望诊异常功能态势的行业标准[17]。近年来许多其他研究也已围绕望诊与脉象等关键信息开展了系统性数字化探索，中医舌象、面部、目诊、手诊等图像数据从采集、质控到自动分析均已有了较为丰富的研究[18-22]。与此同时，多种腕带式或可穿戴脉搏波采集平台已将主动加压、波形记录与移动端存储整合为连续监测方案，为长期随访与动态辨证提供了采集基础[23]。此外，基于影像的医学 AI模型也已展现出其在指导临床治疗方案制定中的潜力[24]。

数智赋能对提升临床决策水平的作用同样重要，其主要形式是以各类临床预测模型作为决策信息单元的临床决策支持系统、辅助诊疗系统。应当强调，数智赋能临床决策，需坚持“人机协同、以人为主”而非替代。我们关注中医临床辨证论治过程中的信息获取、汇聚、互参、思辨和决策过程，开展了“疗效导向下中医辨证论治能力提升数字化关键技术及平台构建”研究[国家重点研发计划项目 （2019YFC1710400）]，收集了超29万例、47万次真实世界住院病历数据，建立了中医辨证论治智能化诊疗评价大数据中心与云平台，通过多模态融合辨证、基于知识图谱的可视化方药推荐、方药病机图谱等方式，为临床医师提供临床决策支持信息，并验证了平台对高年资医师和青年医师诊疗能力的显著提升作用。未来，应推进因果人工智能和个体化治疗效应估计等方法在中医药领域的应用，提升临床决策支持的个体化和智能化水平。

近年来基于自然语言的大语言模型 （large language model, LLM） 快速发展，将其应用于临床决策备受关注与思考[25]。LLM 本质上仍是依据语言样本估计关于自然语言句子或词串的概率分布的模型，缺乏真实的算数逻辑单元，也不能直接支持精确的数据计算、推理、估计或循证决策。其产生的误导性信息有时难以辨别，可能反而导致临床决策失误，从而产生危害。真正的定量预测和估计仍需依靠经充分训练和验证的临床预测模型完成。将LLM应用于临床决策，目前看来最可靠的路径是在决策支持系统架构设计的约束下，采用“大小结合”的方式实现：将LLM作为交互接口和路径规划器，允许医师、患者等用户通过自然语言与其进行交互和发出指令，LLM用于理解用户意图，并对用户具体临床问题所需的信息进行收集、整理和规范化，并规划所需要调用的具体临床预测模型和证据组织方式，然后通过较小的临床预测模型来执行真正的定量计算，将结果返回后通过LLM重新组织为自然语言输出给用户。此外，LLM在临床应用中的安全性与患者隐私保护也是需要关注的问题[26]。更重要的是，LLM要进入临床诊疗应用，除了技术指标层面的验证与评估，更应当将其纳入循证临床评价的框架中，对 LLM 的疗效提升作用、临床工作效率、经济效益、安全性、隐私性等方面进行充分评估，形成临床证据支撑作用。

真实世界数据是中医药临床疗效评价的重要载体。中药复方的有效性、适用人群与用药规律往往沉淀在长期的临床实践中，但长期以来，这些数据多以非结构化的病历形式沉睡在医院系统中。数智技术通过丰富数据采集渠道、提升数据治理能力、深化数据挖掘方法，为激活真实世界数据价值提供了关键支撑。

数据采集方面，院前、院中、院后各阶段需关注不同重点问题。在院中阶段，中医医疗机构的诊疗数据客观化采集应成为数智化发展的重点，需在明确数据隐私和安全边界的前提下，探索将数智化诊疗装备接入诊疗业务流程与电子病历信息系统的有效方案。此外，还应尝试建立相关协同机制，促进医疗机构之间数据互联、互通、互认，提升医疗资源利用效率、消融数据孤岛。在院后阶段，亟待研发智能病例随访系统，针对不同疾病特点开展患者随访管理与疗效结局数据收集，解决当前真实世界医疗数据缺乏疗效结局导致数据价值受限的关键痛点。在院前健康监测和院后疾病管理阶段，智能可穿戴设备的发展与普及显著拓宽了潜在的健康数据采集渠道，但目前相关的规范和标准仍不足以支撑大量消费级/家用级可穿戴设备进入临床诊疗环境。应重点关注和推进研究和制定相关标准，如医疗级可穿戴设备的数据标准、消费级可穿戴设备数据与医疗系统的数据交互接口标准等，拓宽健康数据收集的场景，为疾病预防、治疗和健康管理建立相应数据基础。

数据治理是基于数据生命周期，进行数据全面质量管理、资产管理、风险管理等统筹与协调管控的过程。当前，中医药数据治理在质量管理方面已取得较好进展：一是中医药术语、分类与编码标准建设正持续推进；二是数据质量管理相关通用规范不断完善，医疗数据采集正在过去记录全面性的基础上，逐渐提升记录的规范性与数据质量；三是现有实践案例表明，在数智技术赋能下，中医药数据在标准化采集、清洗、标注、储存等数据处理流程上已具备现实可行的方案[27]。未来发展应重点关注：（1） 在数据质量管理方面，利用自然语言处理、本体构建、知识图谱等技术建设中医与现代医学概念体系语义对齐的基础设施；（2） 在资产管理方面，着力构建合规高效的中医药数据要素流通体系[28]；（3） 在风险管理方面，推进中医药可信数据空间等新型数据基础设施的建设与应用[29]，通过隐私计算、区块链等技术赋能，实现数据的“可用不可见”与“按需可控流转”，从而在资产与风险管理的统筹中提升中医药数据治理水平。

在数据挖掘方面，面对中医药复杂干预方案带来的高维特征与混杂偏倚，先进数据分析技术有望克服传统统计方法的局限性，为从真实世界数据中发现中医药诊疗规律、评价疗效并形成创新线索提供新的可能。在描述性与关联性层面，可通过聚类分析、关联规则、复杂网络分析、主题模型、轨迹分析等方法，从大规模临床数据中识别“病-证-方”之间的共现规律，揭示不同疾病状态下辨证论治的核心模式、处方配伍结构与证候演变路径。在因果推断层面，面向复杂干预真实世界证据的生成，应考虑积极引入目标试验模拟、倾向评分方法、工具变量分析、预测性疗效异质性分析等现代方法，尽可能在观察性数据条件下逼近因果推断，客观评价中医药干预在不同人群、不同病证状态与不同治疗阶段中的真实疗效。尤其在证候动态变化、干预动态变化、疗效反馈动态变化的实际条件下，传统静态分析方法往往难以胜任，而动态因果建模、序列决策分析与强化学习等方法则有望在更贴近中医临床实际的条件下进行科学疗效评价，并为机制阐释提供更具针对性的创新线索。

中医药复杂疗效机制难以阐明，既源于人体作为开放复杂巨系统的跨层级、多通路耦合特征，也源于中医药干预所具有的多成分、多靶点、动态加减与非线性交互特征。因此，中医药复杂疗效机制的阐释，需要建立“病-证-方（药）-靶效”的复杂系统证据链条。在研究路径上，应以临床问题为起点，结合系统生物学、多组学和模型预测性分析，生成科学假设，最后以实验和临床验证形成证据链条。

当前网络药理学与多组学在中医药机制研究中已得到广泛应用[30]。网络药理学能够将方药、成分、靶点、通路、疾病和表型组织为多层网络，较适合从整体视角提出复方作用模块、配伍协同及潜在毒效关系的假设，且相关数据库、评价框架和“成分-靶点-通路-表型”验证路径已相对成熟。多组学，尤其转录组、蛋白组、代谢组以及单细胞、空间组学，则可进一步识别干预后的关键细胞群、状态转变和微环境重塑；其与网络药理学结合后，一方面可为候选靶点和作用通路提供数据约束，另一方面也可用真实分子变化反馈修正静态网络，从而提高机制推断的生物学可信度。但这一阶段的方法整体上仍以静态关联分析为主，对真实体内暴露、时间动态及因果方向的刻画仍然不足。

将预测性 AI 模型引入中医药疗效机制研究，可进一步增强中医药机制的科学假说生成的深度与可靠性，推动机制假说快速验证，进而加速中药新药研发或二次开发过程。例如，在基因层面，Evo 2作为新一代基因组基础模型，基于约9万亿个DNA碱基对训练，无需特定任务微调即可预测基因变异的功能影响[31]，未来有望用于解析中药响应相关调控序列、筛查潜在反应人群差异，并为上游扰动实验的设计提供支持。在蛋白质层面，AlphaFold 3 已可联合预测蛋白质、核酸、小分子、离子及修饰残基构成的复合体结构[32]，因而有望用于中药活性成分靶点识别、结合位点筛选和配伍相互作用假设生成。在细胞层面，“虚拟细胞”正尝试整合单细胞、多组学和空间数据，对细胞在特定扰动下的状态变化进行预测，从而有望把机制研究从“成分-靶点-通路”推进到“细胞状态-组织微环境-系统反应”层面[33-34]，为虚拟生理人体建模与仿真的发展提供技术支撑[35]。但这些方法目前也存在明显瓶颈：其一，中医药高质量队列数据不足，尤其缺乏成分暴露、时序组学与临床表型联通的数据；其二，当前AI模型对药代过程、物理化学约束及跨尺度因果关系的表达仍不充分，AlphaFold类模型在陌生或罕见蛋白-配体体系上的泛化能力仍需谨慎评估；其三，虚拟细胞模型在数据异质性、计算成本、可解释性、外部验证和监管接受度等方面存在局限性[33]。因此，预测性模型在现阶段更适合作为机制假设生成器和实验优先级排序工具，而不能够替代实验与临床证据。

数智技术的渗透不仅仅局限于科学研究范式的转换，更将深刻重塑中医药的服务模式，促进中医药产业的高质量发展。数智技术的引入，将为中医的医疗服务模式带来供给质量、覆盖范围和服务形态上的变革。在供给质量上，数智技术将驱动高质量的个性化、精准化诊疗服务供给。当前，针对各类疾病的风险、诊断、预后、疗效等模型研究仍在快速增长，疾病个性化诊疗工具箱正在不断充实；与此同时，研究焦点正逐渐转向疾病谱和共病等复杂条件下的疾病个性化诊疗模型，以适应真实世界诊疗和健康管理需求，推动研究成果服务诊疗实践。例如，在前期系列国家重点研究发展计划项目的研究[15]基础上，针对冠心病 （心绞痛-心肌梗死-心力衰竭） 疾病谱，融合数智中医广义望诊技术与装备，开展了病证结合的发生发展转归预后预测模型研究，并以冠心病防治系列临床试验[36]进行疗效验证支撑，有望形成高质量的中西医结合冠心病个体化防治路径。在覆盖范围上，5G 与 AI 的融合将加速优质中医资源下沉基层。数字化内容本身具有可复制、易共享的特征，云计算等技术则可突破计算资源的地域限制，优化数智中医资源分布。未来，基于名老中医临床实践数据训练的AI辅助诊疗系统有望成为基层医生的“数字导师”，在诊疗中提供病机分析、辨证辅助和处方推荐，提升基层医疗机构的中医诊疗服务能力。在服务形态上，依托多种远程数据监测、多模态融合与表征学习技术，可期形成防、治、康、养一体化的远程中医健康管理与服务新形态。物联网技术和可穿戴设备，尤其是中医可穿戴四诊设备等智能装备的发展[23]，改变了用户数据的采集、监测和管理的方式。随着远程监测方法技术的不断完善发展，通过对用户数据的连续监测，远程诊疗与健康管理场景正在成为现实[37]。在这一背景下，中医药可发挥“简、便、廉、验”的优势，迅速融入健康管理与疾病诊疗康复的各个环节。

数智中医药将极大促进中医药的传承创新发展，但同时，数智中医药的建设也是一项复杂的系统工程[38-39]。面对机遇和挑战，必须正确认识当下发展中的问题，明确发展策略。为此，本研究倡导以“数据筑基，智慧引航”的路线推进数智中医药的学科建设。

数据是数智中医药的核心资源，因此打造高质量中医药数据基座是推进中医药数智化的基础。真实世界数据由于数量庞大、类型丰富、反映实际诊疗实践，是当前数智中医药研究最主要的数据来源。医疗机构虽已在诊疗活动中积累了海量真实世界数据，但这些数据往往质量偏低。特别是四诊信息和辨证结果的记录，缺乏统一的标准，加之医师个体间的差异，可能存在记录的主观随意性，导致记录可信度不足。这类数据问题本身不仅难以单从数据层面发现和识别，即使确认问题存在，也难以通过后期的数据处理技术进行处理和纠正。而当这些数据进入下游数据分析和模型训练过程，则可能掩盖证候间的真实差异和辨证论治的疗效优势，甚至扭曲结论、破坏模型。因此，如何推进中医四诊客观化、标准化技术与装备的发展，是当前数智化发展最紧迫的基础性问题。

疗效数据缺失是真实世界数据的另一短板。缺乏顶层设计，真实世界诊疗数据中常常缺乏可用的疗效评价和随访结局，导致难以开展以疗效为核心的下游分析，极大削弱了数据价值。因此，如何规划和开展疗效评价与长期随访，并将其融入日常诊疗活动，成为真实世界高质量数据集建设的关键问题。未来数据建设应重点转向以患者为中心的纵向数据积累，整合门诊、住院、随访及居家监测数据，构建包含完整临床结局与预后信息的长周期队列。

数据孤岛问题仍然普遍存在，导致临床研究样本代表性受限、难以开展外部验证，制约了研究的可推广性。国家数据局成立后，已大力推进数据基础设施建设和完善数据基础制度体系，力求让数据“供得出、流得动、用得好”。数据流通设施体系、产权制度和交易规范的建设极大促进了数据的流通和交易，数据交易行业正迅速发展[40]。但当前数据交易以金融和互联网领域数据产品交易为主，医疗领域数据交易占比较低，这可能主要与医疗信息的隐私敏感性较高、监管政策相对严格有关[40]。因此，有必要针对医疗数据特点，重点发展数据合成、联邦学习等隐私计算技术，加快建设中医药可信数据空间等行业数据基础设施[29]，逐步破除数据孤岛。

中医药的复杂系统属性决定了运用先进数据分析方法的必要性。传统统计学方法多基于线性假设和还原论思维，难以有效处理中医“病-证方-效”之间的高维、非线性及动态演化关系。相比之下，现代AI与复杂性科学方法在处理异构数据及挖掘隐性规律方面具有天然优势。当前，机器学习、自然语言处理与多模态表征学习已使部分中医信息实现了从感性经验到可计算特征的转译：非结构化病历得以被结构化抽取并用于规律发现，四诊客观信号得以在一定程度上完成量化表征，网络层面的关联建模也推动了从临床现象到潜在机制线索的系统化组织。这些进展在客观化、可重复性方面已经产生了积极推动作用，并扩展了中医药在复杂疾病管理与中西医协同决策中的应用边界，也为后续的循证评价与转化提供了新的方法工具箱。

但也需要认识到，数智中医药的发展不能简单地移植计算机科学领域的通用算法，应立足中医药的本体特征，开发与中医药原创思维相适应、相融合的算法模型。当前的尝试多侧重于数据驱动的相关性挖掘，往往忽略中医药理论逻辑的因果性与整体性，缺乏先验知识的约束。未来的研究应重视数据驱动与知识驱动的融合，构建知识增强的 AI 模型。例如，通过图神经网络将“病象”、证候、病机以及中药性味、归经、配伍宜忌等知识图谱信息嵌入到模型结构中，使算法在进行预测时，不仅依赖历史数据的统计规律，更受到中医理法方药逻辑的约束与引导，从而赋予AI模型以中医药理论的可解释性，令其决策过程符合中医的临床思维。

数智技术的赋能为解决中医药复杂性问题提供了全新机遇，可期待将极大促进中医药传承创新发展。在“数据筑基，智慧引航”的发展策略下，随着高质量数据基座的夯实与融合中医原创思维的计算范式的成熟，数智中医药将不仅仅是工具层面的革新，更有望成为继循证医学之后推动中医药现代化的新范式。