中医智能诊疗新纪元：5分钟免费搭建你的AI中医助手

中医智能诊疗新纪元5分钟免费搭建你的AI中医助手【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中医这一千年传统医学也迎来了智能化的革命性突破。仲景中医大语言模型CMLM-ZhongJing作为首个专为中医领域设计的开源智能诊疗系统将古代医圣张仲景的深邃智慧与现代AI技术完美融合为中医爱好者、医学生和从业者提供了一个强大的知识问答和诊疗咨询平台。 为什么选择仲景中医AI模型中医知识的传承和学习长期以来依赖于师徒相传和临床经验积累但这一过程耗时漫长且门槛较高。仲景中医大语言模型通过创新的多任务诊疗分解策略将复杂的中医诊疗过程系统性地拆解为15个关键模块让AI能够模拟中医医师的完整思维过程实现从症状分析到处方制定的全流程智能化辅助。 三大核心优势专业中医知识库基于13.5万高质量中医指令数据训练涵盖中医古籍内容、症状近义词/反义词、证候分析、治法等多个维度确保回答的专业性和准确性。轻量级部署方案提供1.8B参数版本单张Tesla T4显卡即可实现高速推理部署门槛极低适合个人学习和初级应用场景。医师专业评估验证由五位专业中医师从客观性、逻辑性、专业度、准确性和完整性五个维度进行系统评估确保模型的临床应用可靠性。 技术架构创新的中医诊疗分解框架仲景模型的核心创新在于其独特的诊疗分解架构。与传统的端到端问答不同该模型将中医诊疗过程分解为多个子任务每个子任务都有专门的训练数据和处理逻辑。图仲景模型采用的多任务诊疗行为分解指令构建策略将中医诊疗过程拆分为15个专业任务模块多任务分解的15个关键模块模块类别核心任务功能描述诊断分析症状分析、病因判断负责症状分析和病因判断的专业模块舌脉象分析舌诊、脉诊信息处理专门处理中医四诊中的舌诊和脉诊信息病因病机分析疾病根本原因分析深入分析疾病的根本原因和发展机制治疗思维整体治疗策略制定制定整体的治疗思路和策略规划病例研究临床病例分析处理具体的临床病例分析和研究方剂功效中药方剂作用机制分析中药方剂的作用机制和配伍规律草药剂量计算中药用量精确计算精确计算中药的用量和配伍比例治疗模板制定标准化治疗方案生成标准化的治疗方案模板随访管理患者后续跟踪处理患者的后续跟踪和管理工作预期结果预测治疗效果预测预测治疗的可能效果和预后情况患者治疗故事个性化案例描述生成个性化的治疗案例描述叙事医学人文关怀治疗描述结合人文关怀的治疗描述真实世界问题临床复杂问题处理处理实际临床中的复杂问题批判性思维逻辑思维能力培养培养中医诊疗的逻辑思维能力互动故事生成医患对话场景创建创建医患互动的对话场景这种模块化设计让AI能够模拟中医医师的思维过程实现从症状到诊断、从诊断到治疗的逻辑闭环。 性能评估超越GPT-4的中医专业能力通过专业医师的系统评估仲景模型在多个维度上展现出卓越的表现。特别值得关注的是在中医辨证处方任务中仲景模型甚至展现出了超越GPT-4的专业能力。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测试案例复杂诊疗决策推理让我们看一个真实案例的对比分析。患者廖某46岁慢性肾炎10余年现蛋白尿持续()隐血()血肌酐、尿素氮均升高症状包括自汗、头晕、腰痛、乏力、夜寐不安、尿黄舌红苔薄黄脉细数。国医大师参考方案辨证为阴虚火旺兼气虚治法滋阴降火兼益气选方知柏地黄汤合黄芪龙牡散。仲景模型诊断慢性肾小球肾炎肾功能不全失代偿期辨证为湿热内蕴日久耗伤气阴治宜益气养阴清热利湿。从辨证思路到方剂选择仲景模型与国医大师方案高度吻合展现了强大的中医专业能力。️ 快速开始5分钟搭建你的专属中医AI第一步获取项目代码打开终端执行以下命令克隆项目仓库git clone https://gitcode.com/gh_mirrors/cm/CMLM-ZhongJing cd CMLM-ZhongJing第二步安装依赖包使用pip安装项目所需的所有Python依赖pip install -r requirements.txt第三步启动Web演示界面运行Gradio构建的Web界面开始与中医AI对话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。如果7860端口被占用可以使用python WebDemo.py --port 7861指定其他端口。 四大核心应用场景1. 中医学生自学助手中医药大学学生在学习《伤寒论》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了原方组成和适应症还对比分析了柴胡桂枝汤、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仲景模型输入症状信息系统快速分析证型并推荐治疗方案辅助医师做出更精准的诊疗决策同时提供相关的鉴别诊断建议。3. 家庭健康管理顾问普通用户可以通过模型了解常见健康问题的中医调理方法获得个性化的养生建议和食疗方案实现治未病的健康管理理念。4. 中医知识问答系统提供全面的中医知识查询功能覆盖500常用中药的性味归经、功效主治、用法用量等信息以及经典方剂的详细解析和临床应用。 模型选择指南项目提供了两个不同规模的模型版本满足不同使用场景需求版本参数量基座模型推理要求适用场景ZhongjingGPT1_13B13BBaichuan2-13B-Chat高性能GPU专业研究、医院部署ZhongJing-2-1_8b1.8BQwen1.5-1.8B-Chat单张T4即可个人学习、快速体验对于大多数用户我们推荐从1.8B版本开始体验它可以在单张Tesla T4显卡上实现高速推理部署门槛低性能表现优秀。 核心源码解析Web演示界面项目提供的Web演示界面基于Gradio构建支持单轮和多轮对话功能。核心代码位于 WebDemo.py实现了与模型的交互接口。模型调用示例以下是模型调用的基本代码结构from transformers import AutoModelForCausalLM, AutoTokenizer import torch # 初始化模型和分词器 peft_model_id CMLL/ZhongJing-2-1_8b base_model_id Qwen/Qwen1.5-1.8B-Chat model AutoModelForCausalLM.from_pretrained(base_model_id, device_mapauto) model.load_adapter(peft_model_id) tokenizer AutoTokenizer.from_pretrained( CMLL/ZhongJing-2-1_8b, padding_sideright, trust_remote_codeTrue, pad_token )数据构建策略模型的数据构建采用了创新的多任务诊疗分解策略具体实现可参考 src/zhongjinggpt_1_b.py 中的相关代码。 使用技巧与最佳实践优化提问方式为了获得更准确的回答建议采用以下提问格式详细描述症状包括主要症状、伴随症状、舌象、脉象等明确问题类型是诊断、治疗、方剂分析还是养生建议提供背景信息包括年龄、性别、既往病史等例如患者女45岁反复胃脘痛3月伴嗳气反酸情绪抑郁时加重舌淡红苔薄白脉弦。请问这是什么证型应该用什么方剂多轮对话功能项目提供的Web演示支持多轮对话功能。在多轮对话中系统能够记住之前的对话内容提供更加连贯和个性化的诊疗建议。⚠️ 重要注意事项免责声明仲景中医大语言模型目前处于实验室测试阶段所有输出结果仅供学术研究参考不构成任何医疗建议。真实的医疗诊断及决策必须由经验丰富的专业医师通过严格规范的诊疗过程出具。临床诊断和治疗应由执业医师提供切勿将模型输出作为最终诊疗依据。 未来发展方向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。 学习资源推荐官方文档项目根目录下的README文件提供了详细的安装和使用说明核心源码src目录包含了模型的主要实现代码论文研究相关技术论文已被《Tsinghua Science and Technology》期刊收录在线演示通过WebDemo.py启动的本地Web界面进行实时体验❓ 常见问题解答Q: 模型回答中医术语解释不够详细怎么办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。模型会根据关键词提供更深入的解析。Q: 如何获取最新的模型更新A: 定期执行git pull origin main命令拉取最新代码然后重新安装依赖即可获得最新功能。Q: 模型对西医问题如何处理A: 仲景模型经过专门训练能够识别西医问题并给出专业建议。当用户描述发热、咳嗽、咽痛、呼吸困难时模型会建议及时就医并说明医生可能进行的检查流程体现了中西医结合的诊疗思维。Q: 模型支持哪些中医经典著作A: 模型训练数据涵盖了《伤寒论》、《金匮要略》、《黄帝内经》等主要中医经典能够对这些经典内容进行深入解析和应用。Q: 如何评估模型的回答质量A: 建议从五个维度进行评估客观性、逻辑性、专业度、准确性和完整性。同时可以对比专业医师的诊断方案进行验证。 开始你的中医AI之旅现在你已经了解了仲景中医大语言模型的全部功能和优势。无论你是中医爱好者、医学生还是医疗从业者这个开源项目都能为你提供强大的智能辅助工具。记住技术只是工具真正的智慧来自于对中医理论的深入理解和临床实践的积累。希望仲景模型能够成为你中医学习和实践道路上的得力助手共同推动中医智能化的发展。如果觉得本项目对您有帮助欢迎在GitCode上Star支持我们的工作【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