Construction of a Path for Evaluating the Efficacy of Traditional Chinese Medicine Driven by the Integration of Big Data and Multidisciplinary Technologies

CUI Hongyan; FENG Yuhan; LI Rui; LIU Yanan; ZHAO Ruixia; SHAO Mingyi

doi:10.13288/j.11-2166/r.2026.20.001

您当前的位置：

首页 >

文章列表页 >

Construction of a Path for Evaluating the Efficacy of Traditional Chinese Medicine Driven by the Integration of Big Data and Multidisciplinary Technologies

更新时间：2026-10-10

- Construction of a Path for Evaluating the Efficacy of Traditional Chinese Medicine Driven by the Integration of Big Data and Multidisciplinary Technologies
  增强出版
- Journal of Traditional Chinese Medicine Vol. 67, Issue 20, Pages: 2149-2154(2026)
- 作者机构：
  
  1.河南中医药大学第一附属医院，河南省郑州市金水区人民路19号，450003
  2.河南中医药大学
- 作者简介：
- 基金信息：
- DOI：10.13288/j.11-2166/r.2026.20.001
  CLC：
- Received：10 November 2025，
  
  Revised：2026-08-06，
  
  Accepted：20 April 2026，
  
  Published：17 October 2026
- 稿件说明：
移动端阅览
崔鸿雁,冯雨菡,栗蕊等.大数据与多学科技术融合驱动下中医药疗效评价路径的构建[J].中医杂志,2026,67(20):2149-2154.

CUI Hongyan,FENG Yuhan,LI Rui,et al.Construction of a Path for Evaluating the Efficacy of Traditional Chinese Medicine Driven by the Integration of Big Data and Multidisciplinary Technologies[J].Journal of Traditional Chinese Medicine,2026,67(20):2149-2154.
崔鸿雁,冯雨菡,栗蕊等.大数据与多学科技术融合驱动下中医药疗效评价路径的构建[J].中医杂志,2026,67(20):2149-2154. DOI： 10.13288/j.11-2166/r.2026.20.001.

CUI Hongyan,FENG Yuhan,LI Rui,et al.Construction of a Path for Evaluating the Efficacy of Traditional Chinese Medicine Driven by the Integration of Big Data and Multidisciplinary Technologies[J].Journal of Traditional Chinese Medicine,2026,67(20):2149-2154. DOI： 10.13288/j.11-2166/r.2026.20.001.

摘要

通过系统分析当前中医药疗效评价的瓶颈，针对传统的中医药疗效评价方法在个体化、整体性及复杂性表征方面的不足，提出借鉴循证医学、系统生物学理念与方法，构建一个融合大数据、人工智能、组学技术、生物信息学等多学科技术的，从底层数据、个体化评价、机制解析到证据转化的中医药疗效评价新路径。首先，整合真实世界数据、多组学检测与智能设备动态监测，构建高维动态数据基座；其次，依托该基座，融合数字孪生、动态症状网络与强化学习，建立以个体自身为参照的动态疗效评价方法，实现从群体均值比较向个体潜在转归比较的跨越；再次，引入系统生物学范式，通过动态组学监测与深度学习模型，从网络调控、涌现效应与动态演变维度解析中药复方协同机制；最后，采用目标试验仿真与因果推断提升真实世界证据强度，通过增量学习实现模型迭代。该路径旨在推动疗效评价从“点状验证”向“系统刻画”、从“结局评价”向“过程机制阐释”转变，为中医药现代化提供方法学支撑。

Abstract

By systematically analyzing the bottlenecks in current traditional Chinese medicine （TCM） efficacy evaluation， this study addresses the limitations of TCM efficacy assessment methods in terms of individualization， holism， and complexity representation. Drawing on the concepts and methodologies of evidence-based medicine and systems biology， this paper proposes a new evaluation path by integrating multidisciplinary technologies such as big data， artificial intelligence （AI）， omics techniques， and bioinformatics， and encompassing from foundational data， individualized evaluation， and mechanistic analysis to evidence translation. The path first integrates real-world data， multi-omics profiling， and dynamic monitoring via smart devices to construct a high-dimensional dynamic data foundation. Subsequently， leveraging this foundation， it combines digital twins， dynamic symptom networks， and reinforcement learning to develop a dynamic efficacy evaluation method based on individual self-reference， enabling a shift from group mean comparisons to individual potential outcome comparisons. Furthermore， adopting the systems biology paradigm， it employs dynamic omics monitoring and deep learning models to dissect the synergistic mechanisms of TCM compound prescriptions from network regulation， emergent effects， and dynamic evolution dimensions. Finally， it enhances real-world evidence strength through target trial emulation and causal inference， achieving model iteration via incremental learning. This path aims to advance efficacy evaluation from "point validation" to "systematic characterization" and from "outcome assessment" to "process mechanism elucidation，" providing methodological support for the modernization of TCM.

关键词

Keywords

references

中共中央国务院 . 国务院办公厅关于印发“十四五”中医药发展规划的通知［EB/OL］.（ 2022-03-03 ）［ 2025-10-28 ］. https：//www.gov.cn/zhengce/content/2022-03/29/ content_5682255.htm https://www.gov.cn/zhengce/content/2022-03/29/content_5682255.htm .

中共中央国务院 . 工业和信息化部等七部门关于印发《医药工业数智化转型实施方案（2025—2030年）》的通知［EB/OL］.（ 2025-04-23 ）［ 2025-10-28 ］. https：//www.gov.cn/zhengce/zhengceku/202504/content_7020857.htm https://www.gov.cn/zhengce/zhengceku/202504/content_7020857.htm .

中国科协 . 中国科协发布2019重大科学问题和工程技术难题［J］. 科技传播， 2019 ， 11 （ 14 ）： 10 .

杜含光，陈霞波，李灿东 . 大数据时代背景下中医药疗效评价的思考［J］. 中华中医药杂志， 2016 ， 31 （ 7 ）： 2459 - 2462 .

成小兰，王倩，袁飞飞，等 . 以临床价值为导向的中药复方转化医学研究思路与方法［J］. 南京中医药大学学报， 2021 ， 37 （ 5 ）： 648 - 653 .

施逸凡，范志朔，陈腾飞，等 . 中医医案临床证据应用与疗效评价体系探索［J］. 中国中医药信息杂志， 2022 ， 29 （ 12 ）： 9 - 15 .

翟东升，娄莹，阚慧敏，等 . 基于多源异构数据的中医药知识图谱构建与应用研究［J］. 数据分析与知识发现， 2023 ， 7 （ 9 ）： 146 - 158 .

中华医学会临床流行病学和循证医学分会中医学组 . 新时代中医药临床研究方法论专家共识［J］. 协和医学杂志， 2022 ， 13 （ 5 ）： 783 - 788 .

刘腾文，施逸凡，王天园，等 . 病证结合体系下中医临床循证评价的思考与实践［J］. 中国实验方剂学杂志， 2024 ， 30 （ 22 ）： 127 - 136 .

刘保延 . 有关辨证论治临床评价若干问题的思考［J］. 中医杂志， 2007 ， 48 （ 1 ）： 12 - 14 .

石文艳 . 面向名医传承的临床多模态数据集成采集与分析［D］. 北京：中国中医科学院， 2025 ： 14 - 17 .

耿巧，殷爱玲，付怡，等 . 中医循证大数据治理平台建设和应用［J］. 现代医院， 2024 ， 24 （ 9 ）： 1435 - 1438 .

Usama M ， Ahmad B ， Xiao W ， et al . Self-attention based recurrent convolutional neural network for disease prediction using healthcare data ［J/OL］. Comput Methods Programs Biomed ， 2020 ， 190 ： 105191 . https：//rogersgroup. northwestern.edu/files/2022/JMIRECG.pdf https://rogersgroup.northwestern.edu/files/2022/JMIRECG.pdf .

张汇文，杨晓霞，高娜，等 . 融合注意力残差机制的BP神经网络在冠状动脉疾病诊断中的应用［J］. 电子测量与仪器学报， 2025 ， 39 （ 9 ）： 192 - 201 .

冯晓乐 . 基于缺失数据特征挖掘的脓毒症辅助诊断算法研究［D］. 广州：广东工业大学， 2025 ： 8 - 20 .

张舒雅，杨涛，胡孔法 . 图神经网络在中医诊疗领域的应用思路探析［J］. 中华中医药学刊， 2025 ， 43 （ 5 ）： 18 - 21 .

朱政，胡天天，金依霖，等 . 症状网络的基本概念及其在症状管理中的应用［J］. 护士进修杂志， 2023 ， 38 （ 24 ）： 2214 - 2218 .

杨中方，金依霖，何加敏，等 . 基于数据类型的症状网络分类：同期网络动态网络和个体化网络［J］. 护士进修杂志， 2023 ， 38 （ 24 ）： 2219 - 2224 .

梁玉英 . 人工智能中强化学习算法的数学原理及实现方法［J］. 信息记录材料， 2025 ， 26 （ 6 ）： 61 - 63 .

胡晓晨 . 基于深度强化学习的中医序贯诊疗方案优化方法研究［D］. 北京：北京交通大学， 2020 ： 5 - 11 .

张代峰，卞国强，何佳怡，等 . 基于图神经网络的中药系统生物学信息挖掘算法研究［J］. 南京中医药大学学报， 2025 ， 41 （ 4 ）： 483 - 493 .

纪茜茜，庄子涵，隆红艳 . 系统生物学在中医药现代化发展中的应用［J］. 时珍国医国药， 2025 ， 36 （ 3 ）： 520 - 524 .

袁顺，王宁，孟丹丹，等 . 系统生物学在中医证候模型评价方法中的应用与研究进展［J］. 中国中西医结合杂志， 2020 ， 40 （ 10 ）： 1252 - 1257 .

廖旺 . 神经常微分方程网络在序列预测中的应用与性质研究［D］. 成都：电子科技大学， 2025 ： 7 - 10 .

Yoon T ， Shin S ， Yang E . Learning Polymorphic neural ODEs with time-evolving mixture ［J］. IEEE Trans Pattern Anal Mach Intell ， 2023 ， 45 （ 1 ）： 712 - 721 .

Ge S ， Liu J ， Cheng Y ， et al . Multi-view spectral clustering with latent representation learning for applications on multi-omics cancer subtyping ［J/OL］. Brief Bioinform ， 2023 ， 24 （ 1 ）： bbac500 . https：//pubmed.ncbi.nlm.nih.gov/36445207/ https://pubmed.ncbi.nlm.nih.gov/36445207/ .

左屿琪 . 基于超图表示学习的知识感知推荐研究［D］. 济南：山东财经大学， 2025 ： 10 - 15 .

Qiao Y ， Hu L ， Zhang J ， et al . Identifying novel therapeutic targets of natural compounds in traditional Chinese medicine herbs with hypergraph representation learning ［J/OL］. Brief Bioinform ， 2025 ， 26 （ 4 ）： bbaf399 . https：//pubmed.ncbi.nlm.nih.gov/36445207/ https://pubmed.ncbi.nlm.nih.gov/36445207/ .

Wang X ， Li R ， Zou Y ， et al . MMFi-DPBML：multi-molecular fingerprint feature fusion for predicting ingredient-target interactions in traditional Chinese medicine ［J/OL］. J Ethnopharmacol ， 2025 ， 353 （ Pt B ）： 120451 . https：//pubmed.ncbi.nlm.nih.gov/40840725/ https://pubmed.ncbi.nlm.nih.gov/40840725/ .

卢存存，陈子佳，王志飞 . 基于真实世界数据的观察性因果推断研究新框架（目标试验模拟）及其在中医药领域中的应用展望［J］. 协和医学杂志， 2024 ， 15 （ 2 ）： 422 - 428 .

陈浩 . 基于动态知识图谱的推荐算法研究［D］. 海口：海南大学， 2023 ： 7 - 17 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Clinical Translation Paths and Methods of Systems Traditional Chinese Medicine Theory

Extension and Application Strategy of Four Examinations of Traditional Chinese Medicine in Chronic Kidney Disease

Research Ideas and Challenge of Real World Study and Artificial Intelligence Based On Clinical Diagnosis and Treatment Data of Traditional Chinese Medicine

Artificial Intelligence and Chinese Medicine Intelligentization

Traditional Chinese Medicine State Differentiation under Xiang （象） Thinking in Big Data Era

Related Author

CHEN Biwei

CHEN Huaguan

CHEN Shaozong

LIU Zhengxin

SONG Qin

HE Yining

YIN Xiaofan

QIAN Tianyang

Related Institution

Institute of Systematic Traditional Chinese Medicine Research，Shandong University of Traditional Chinese Medicine

Gaoling School of Artificial Intelligence，Renmin University

Acupuncture and Moxibustion Research Institute，Shandong University of Traditional Chinese Medicine

Affiliated Hospital of Nanjing University of Chinese Medicine，Jiangsu Province Hospital of Chinese Medicine

West China Hospital，Sichuan University

Address：No.16, Nanxiao street, Dongzhimen, Dongcheng District, Beijing Postal code：100700
Tel：010-64035632 Email：jtcmcn@188.com
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09064830号-19 京公网安备11010102007558号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰