中国药科大学曾敬其、贾晓斌教授在中国工程院院刊《Engineering》发表了题为“Systems Theory-Driven Framework for AI Integration into the Holistic Material Basis Research of Traditional Chinese Medicine”的综述文章，提出基于系统论框架整合人工智能（AI）与中医药整体物质基础研究的创新方案，为深化中医药物质基础理解、推动传统医学与现代科技融合提供了新路径。

中医药作为拥有深厚历史文化底蕴的医疗体系，其整体治疗理念在应对流感等疾病中展现出重要价值。但中医药的物质基础由多类生物活性化合物构成，成分间存在复杂的协同作用，且传统研究方法面临效率低、主观性强等问题，难以充分解析其整体作用机制。为此，研究团队提出系统功能解码模型（SFDM），通过定义、量化、推演和验证四个阶段，结合自上而下的系统论指导与自下而上的 “要素–结构–功能” 分析方法，系统性探索中医药物质基础。

图1 中医药整体物质基础研究中自上而下和自下而上策略的比较分析。IVIVC：体外–体内相关性。

在中医药整体物质基础的复杂性解析方面，研究指出，中医药物质基础研究需关注生物碱、苷类、多糖等生物活性化合物的物理化学性质、分子间相互作用及对人体药代动力学（PK）和药效动力学（PD）的整体影响。自上而下的研究方法从方剂效应出发，通过代谢组学、基因表达谱分析等技术分离活性成分，如免疫亲和色谱可选择性去除中药配方中多种成分；自下而上的方法则借助生物信息学构建 “成分–靶点–疾病” 框架，利用分子对接预测活性成分作用机制，依托 CPMCP、SymMap、TCMSP 等数据库及网络药理学，深入理解中药整体疗效，但也面临数据简化、靶点检测受限等挑战。

AI 技术为突破这些挑战提供了关键支撑。研究详细介绍了机器学习（ML）、自然语言处理（NLP）、计算机视觉及知识表示与推理等 AI 技术在中医药研究中的应用。例如，机器学习可通过分析中草药分子特征预测经络分类，提高分类准确性；自然语言处理技术能构建中医症状标准化模型，统一同义症状表达，还可开发辅助诊断系统处理电子健康记录；计算机视觉在舌象图像分析中展现价值，结合深度学习可诊断胃癌；高光谱成像技术结合机器学习则能提升中药质量评估效率；知识表示与推理技术通过构建中医药知识图谱，可辅助疾病诊断与草药推荐。

在具体应用层面，AI 在中医药物质基础的量化与推演分析中发挥重要作用。量化分析上，AI 结合 DNA 条形码技术可精确鉴定药材来源，通过高通量筛选加速化学成分鉴定与分类，借助图神经网络（GNN）直接从分子结构预测化合物性质，还能通过分子模拟和基于生理学的药代动力学（PB-PK）模型评估药物吸收（A）、分布（D）、代谢（M）和排泄（E）特性。推演分析中，AI 结合计算组学可识别药效物质并推演作用机制，如通过构效关系（SAR）模型快速筛选护肝活性成分；结合网络药理学能从系统生物学角度剖析成分与生物网络的相互作用，还可通过虚拟筛选和分子对接发现中医药新适应症，如识别对骨质疏松症、SARS-CoV-2 有效的潜在化合物。

图2 中医药整体物质基础研究的系统理论视角。

研究还提出两项 AI 驱动的技术方案以进一步推进研究。“组分–证候” 端到端数据驱动模型基于分子相似性原则，构建 “组分–组分”“组分–靶点–证候” 网络，利用 GNN 捕捉化学组分间互动，预测组分对临床证候的集体影响，超越传统组分–靶点分析的局限。口服制剂的体外–体内相关性（IVIVC）机理模型则以 PB-PK 模型为核心，结合分子动力学模拟预测药物在胃肠道的溶解吸收过程，通过贝叶斯算法优化模型参数，整合多尺度模型，模拟药物分子自组装、胃肠道运动及器官间相互作用，提升对中药口服制剂体内行为预测的准确性。

文章强调，该系统框架的建立，不仅凸显了 AI 在解析中医药复杂成分相互作用、优化研究流程中的潜力，还为中医药从经验医学向循证医学转变提供了方法论支持。未来，随着 AI 技术与中医药研究的深度融合，有望进一步揭示中医药独特治疗机制，推动中医药现代化与国际化发展，让传统智慧在现代医疗体系中焕发更多活力。

图3 基于系统论指导的中医药方剂与证候相互作用的结构化、可量化、直观的自上而下研究框架。

论文信息：

Jingqi Zeng, Xiaobin Jia. Systems Theory-Driven Framework for AI Integration into the Holistic Material Basis Research of Traditional Chinese Medicine. Engineering, 2024, 40(9): 30-54. DOI: 10.1016/j.eng.2024.04.009

---

文章改编转载自微信公众号：智药邦

原文链接：https://mp.weixin.qq.com/s/gv8J9-s81K_3WtzAvHUX0A

中国药科大学曾敬其、贾晓斌教授在中国工程院院刊《Engineering》发表了题为“Systems Theory-Driven Framework for AI Integration into the Holistic Material Basis Research of Traditional Chinese Medicine”的综述文章，提出基于系统论框架整合人工智能（AI）与中医药整体物质基础研究的创新方案，为深化中医药物质基础理解、推动传统医学与现代科技融合提供了新路径。

中医药作为拥有深厚历史文化底蕴的医疗体系，其整体治疗理念在应对流感等疾病中展现出重要价值。但中医药的物质基础由多类生物活性化合物构成，成分间存在复杂的协同作用，且传统研究方法面临效率低、主观性强等问题，难以充分解析其整体作用机制。为此，研究团队提出系统功能解码模型（SFDM），通过定义、量化、推演和验证四个阶段，结合自上而下的系统论指导与自下而上的 “要素–结构–功能” 分析方法，系统性探索中医药物质基础。

图1 中医药整体物质基础研究中自上而下和自下而上策略的比较分析。IVIVC：体外–体内相关性。

在中医药整体物质基础的复杂性解析方面，研究指出，中医药物质基础研究需关注生物碱、苷类、多糖等生物活性化合物的物理化学性质、分子间相互作用及对人体药代动力学（PK）和药效动力学（PD）的整体影响。自上而下的研究方法从方剂效应出发，通过代谢组学、基因表达谱分析等技术分离活性成分，如免疫亲和色谱可选择性去除中药配方中多种成分；自下而上的方法则借助生物信息学构建 “成分–靶点–疾病” 框架，利用分子对接预测活性成分作用机制，依托 CPMCP、SymMap、TCMSP 等数据库及网络药理学，深入理解中药整体疗效，但也面临数据简化、靶点检测受限等挑战。

AI 技术为突破这些挑战提供了关键支撑。研究详细介绍了机器学习（ML）、自然语言处理（NLP）、计算机视觉及知识表示与推理等 AI 技术在中医药研究中的应用。例如，机器学习可通过分析中草药分子特征预测经络分类，提高分类准确性；自然语言处理技术能构建中医症状标准化模型，统一同义症状表达，还可开发辅助诊断系统处理电子健康记录；计算机视觉在舌象图像分析中展现价值，结合深度学习可诊断胃癌；高光谱成像技术结合机器学习则能提升中药质量评估效率；知识表示与推理技术通过构建中医药知识图谱，可辅助疾病诊断与草药推荐。

在具体应用层面，AI 在中医药物质基础的量化与推演分析中发挥重要作用。量化分析上，AI 结合 DNA 条形码技术可精确鉴定药材来源，通过高通量筛选加速化学成分鉴定与分类，借助图神经网络（GNN）直接从分子结构预测化合物性质，还能通过分子模拟和基于生理学的药代动力学（PB-PK）模型评估药物吸收（A）、分布（D）、代谢（M）和排泄（E）特性。推演分析中，AI 结合计算组学可识别药效物质并推演作用机制，如通过构效关系（SAR）模型快速筛选护肝活性成分；结合网络药理学能从系统生物学角度剖析成分与生物网络的相互作用，还可通过虚拟筛选和分子对接发现中医药新适应症，如识别对骨质疏松症、SARS-CoV-2 有效的潜在化合物。

图2 中医药整体物质基础研究的系统理论视角。

研究还提出两项 AI 驱动的技术方案以进一步推进研究。“组分–证候” 端到端数据驱动模型基于分子相似性原则，构建 “组分–组分”“组分–靶点–证候” 网络，利用 GNN 捕捉化学组分间互动，预测组分对临床证候的集体影响，超越传统组分–靶点分析的局限。口服制剂的体外–体内相关性（IVIVC）机理模型则以 PB-PK 模型为核心，结合分子动力学模拟预测药物在胃肠道的溶解吸收过程，通过贝叶斯算法优化模型参数，整合多尺度模型，模拟药物分子自组装、胃肠道运动及器官间相互作用，提升对中药口服制剂体内行为预测的准确性。

文章强调，该系统框架的建立，不仅凸显了 AI 在解析中医药复杂成分相互作用、优化研究流程中的潜力，还为中医药从经验医学向循证医学转变提供了方法论支持。未来，随着 AI 技术与中医药研究的深度融合，有望进一步揭示中医药独特治疗机制，推动中医药现代化与国际化发展，让传统智慧在现代医疗体系中焕发更多活力。

图3 基于系统论指导的中医药方剂与证候相互作用的结构化、可量化、直观的自上而下研究框架。

论文信息：

Jingqi Zeng, Xiaobin Jia. Systems Theory-Driven Framework for AI Integration into the Holistic Material Basis Research of Traditional Chinese Medicine. Engineering, 2024, 40(9): 30-54. DOI: 10.1016/j.eng.2024.04.009

---

文章改编转载自微信公众号：智药邦

原文链接：https://mp.weixin.qq.com/s/gv8J9-s81K_3WtzAvHUX0A