Chin Med：多智能体系统融合知识图谱，助力古籍中医智慧传承与创新

传统中医（TCM）作为中华民族科学的根基，凭借独特的辨证论治理念及丰富的临床实践，在全球医学领域展现巨大价值。古籍中医经典（ACMC）包括《黄帝内经》、《伤寒论》、《金匮要略》和《温病条辨》等，是中医学理论和临床思维的基石。ACMC承载着中医理论体系的核心，指导临床实践并蕴含深厚文化价值，维护其传承和发展具有重要意义。 然而，ACMC的知识传承依旧依赖传统师徒制，存在文献零散、术语不统一、知识体系构建不系统等问题，限制了广泛传播与理论创新。

随着人工智能特别是知识图谱技术的发展，数字化、结构化ACMC知识成为可能。知识图谱通过统一术语、标准化数据、关联知识，实现知识的系统化管理和智能应用，极大地促进了中医经典的现代化利用。但由于古文语言复杂、辨证体系多样，现有技术在实体关系自动抽取和智能推理上仍有不足，智能应用多局限于基础问答系统。

图：论文首页

知识图谱（KG）作为命名实体、概念及其关系的图形数据结构，以三元组形式表达知识，具备强大的语义处理能力和开放互联特性。KG建设包括数据采集、实体识别、关系抽取、知识融合及存储等步骤，已广泛应用于医疗、金融、教育等领域。

针对ACMC，学者们围绕“四大经典”构建了KG，涵盖疾病、症状、方剂、中药及其历史和地域背景等多维度信息。技术手段包括本体构建、人工标注及自然语言处理（NLP）技术，尽管NLP技术在古籍实体识别中仍处于探索阶段，KG已实现知识系统化管理、智能问答及个性化学习推荐等应用。 

多智能体系统（MAS）由多个自主代理组成，具备感知环境、协同工作和任务分解能力，适合处理复杂协同任务。MAS在现代医疗领域如癌症管理、手术协调、流行病学建模及免疫学研究中表现出色。通过与KG结合，MAS在智能问答、问题生成、知识推理和个性化推荐等方面展现巨大潜力。

关键技术创新：MAS与KG及RAG的融合

MAS依赖预定义规则进行决策，KG则提供系统化的知识表示，但缺乏自然语言处理能力。检索增强生成（RAG）技术结合信息检索与生成模型，提升生成内容的事实准确性和上下文相关性。MAS协调KG和RAG，实现动态知识检索、多源信息融合及智能任务执行，有效减少幻觉现象，提高答案准确性。 基于MAS-RAG框架，智能体可协同完成古籍文本翻译、同义词识别、实体及属性抽取、关系识别和知识存储更新等任务，显著提升KG构建的语义质量和效率。同时，针对ACMC独特的理论体系和语言表达，采用本体驱动的Prompt设计，增强LLM在专业知识理解和生成上的适应性和覆盖面。

图：ACMC知识图谱构建与应用示意图

智能应用案例

1、智能问答系统：基于MAS架构，集成文本翻译、实体识别、意图分类、同义词转换及知识推理，提升查询复杂内容的理解和应答能力，实现高精度的ACMC问答。

2、个性化教育系统：利用KG构建层级知识体系，结合智能体进行认知能力测试、个性化辅导及学习资源推荐，提升中医学习效率和兴趣。特别是在舌诊等特色内容中，结合图像分析智能体增强学习体验。

3、智能中药研究系统：整合古籍文献、现代药理及临床数据，构建多维度语义网络，支持药物作用机制分析、配伍原则研究及安全性评价。MAS协同处理文献分析、临床兼容性、药理学和毒理学评估，实现中药知识的智能建模与应用。

4、智能疾病研究系统：构建诊断、治疗、预防和康复全过程的智能框架，涵盖症状识别、知识推理、并发症分析及动态交互，支持辨证施治及疾病管理。通过MAS实现多系统协同，促进中西医结合诊疗模式的智能化发展。

5、传统知识传承与创新系统：基于多主题KG构建医学理论、文化语义、学派传承和临床病例知识网络，MAS执行语义抽象、学派模拟、经验挖掘与跨源知识整合，实现知识的结构化保存和动态演化，推动中医理论的创新发展。

面临的挑战与未来展望

目前，ACMC的语言风格复杂多变，术语不统一且隐喻丰富，增加了自动抽取的难度。现有LLM在处理古文及松散结构文本时准确率有限，且缺乏专门针对ACMC的处理策略。MAS虽具备分布式协作优势，但存在计算负担重、收敛慢及缺乏全局知识框架等问题。此外，知识推理依赖丰富经验，难以量化，系统解释性不足，影响临床接受度。 未来需加强基于本体的Prompt设计，提升LLM对ACMC独特语言和诊断体系的适应能力；深化MAS与KG及RAG的融合，优化任务协同与知识动态更新；推动跨学科知识融合，促进理论创新和临床转化。同时，提升系统的透明度和可解释性，增强用户信任。智能ACMC系统应侧重辅助决策，配合专家经验，共同推动中医智慧传承与创新。

结论

古籍中医智能化发展正步入新阶段，知识图谱成为核心技术，结合多智能体系统与检索增强生成技术，有望突破传统瓶颈，实现知识的高效抽取、动态推理及多样化应用。该融合策略不仅提升了实体关系识别和知识组织能力，还促进了智能问答、教育和诊疗等领域的创新发展。尽管存在专业性强、语义复杂及解释性不足等挑战，智能化ACMC的发展潜力巨大，值得进一步深入探索和技术优化。