中医药以多成分、多靶点和系统调控为核心特征，在复杂疾病干预中展现出独特优势。然而，其内在作用机制高度复杂，成分间非线性相互作用显著，长期以来在机理解析、靶点识别及现代转化方面面临诸多挑战。随着人工智能技术的发展，尤其是机器学习、深度学习及大模型方法在复杂数据建模中的成熟应用，为系统性解析中医药提供了新的研究范式。

近日，浙江大学药学院徐腾飞研究员团队，在国际 期刊Acta Materia Medica上发表了题为“Artificial intelligence in Traditional Chinese Medicine: systematic insights from data mining, large language models, and multimodal fusion”的综述论文。该综述从研究范式和技术体系层面对人工智能赋能中医药研究进行了系统总结，为相关领域研究者提供了清晰的研究框架和前瞻性视角。

该文系统综述了人工智能在中医药研究中的应用进展，从活性成分预测、方剂配伍机制解析、靶点识别、多组学整合、质量控制，到大语言模型在中医药研究中的探索性应用，构建了一个较为完整的“AI+中医药”研究框架。文章指出中医药与人工智能在整体性和系统性思维层面具有天然契合性，AI 技术能够有效应对中医药研究中高维、异构和非线性数据所带来的分析难题。在活性成分研究方面，本文总结了基于机器学习和深度学习的成分预测策略，通过整合文献、实验数据和多源数据库，结合知识图谱与网络建模，实现对潜在活性成分的高效筛选。在方剂配伍研究中，文章重点介绍了图神经网络、强化学习等方法在解析经典方剂配伍规律和重构“君—臣—佐—使”层级结构中的应用，展示了人工智能在方剂设计与优化中的潜在价值。

在靶点与机制解析层面，本文系统梳理了人工智能与网络药理学深度融合的发展路径，强调通过多模态数据融合和深度表示学习，提高中医药多靶点协同作用机制解析的准确性与可靠性。同时，文章还总结了人工智能在多组学研究和中药质量控制中的应用进展，指出其在质量标志物筛选、生产过程监测及中药材鉴别方面的实际价值。值得关注的是，文章进一步讨论了大语言模型在中医药研究中的新兴应用，包括中医知识建模、处方推荐和证候推理，并对其在数据可靠性、推理一致性和伦理安全方面的挑战进行了理性分析。文章认为未来人工智能在中医药领域的深入应用，有赖于高质量数据资源建设、模型可解释性的提升以及中医药理论与计算方法的深度融合。

通讯作者介绍

徐腾飞 浙江大学药学院

徐腾飞，浙江大学药学院 特聘研究员 博士生导师，2018年博士毕业于中国科学院大学，2018-2021年在新加坡南洋理工大学从事博士后研究。

研究领域：中药药效物质基础与作用机理、人工智能辅助药物发现、多组学整合分析。

简介：徐腾飞研究员长期致力于采用计算药学、化学蛋白质组学及系统生物学等多学科交叉策略，揭示中药复杂体系的药效物质及其协同作用机制。其团队在人工智能驱动的中药靶标鉴定、天然产物活性发现及创新中药研发等方面取得了一系列创新性成果。目前以第一作者或通讯作者在Journal of the American Chemical Society, Environmental Science & Technology, Cell Host & Microbe, Analytical Chemistry, Chemical Engineering Journal, Journal of Pharmaceutical Analysis, Redox Biology 等SCI期刊发表50余篇论文, 获首批教育部海外博士后引才专项资助，主持国家自然科学基金及多个横向课题，获得中国商业联合会二、三等奖、吉林省科技进步二等奖、深圳市海外高层次人才称号，担任Exploration、Acta Materia Medica、Journal of Pharmaceutical Analysis、Journal of Analysis and Testing青年编委、中国分析药理学学会青年委员、世界中医药学会联合会中药系统科学与工程专业委员会常务理事等职务。

引用本文：

Yin L, Xue XY, Pan SS et al. Artificial intelligence in Traditional Chinese Medicine: systematic insights from data mining, large language models, and multimodal fusion. Acta Materia Medica. 2025. Vol. 4(4):674-697. DOI: 10.15212/AMM-2025-0045