近日，中国中医科学院中医药信息研究所李海燕研究员团队在国际权威期刊Pharmacological Research发表题为《Intelligent Chinese patent medicine (CPM) recommendation framework: Integrating large language models, retrieval-augmented generation, and the largest CPM dataset》的研究论文。该研究聚焦大语言模型在中医药临床辅助决策中的创新应用，提出了智能中成药推荐框架 RAG-CPMF（Retrieval-Augmented Generation for Chinese Patent Medicine Framework），为西医医师提供辨证施治的中药辅助决策工具，推动中西医深度融合发展。

中国中医科学院中医药信息所为第一单位，秦苏杨博士为本文第一作者，王一帆、崔唐明博士为本文共同第一作者，李海燕研究员为通讯作者，北京中医药大学东方医院郭蓉娟教授为共同通讯作者，周崇云负责本研究的代码编码，马金戈、周鑫、郭杏林、张楚楚参与了本研究。该研究由中国中医科学院科技创新工程中医药信息学创新团队项目资助。

·研究概述

中成药是中国乃至全球药物治疗体系的重要组成部分，近年来在临床中的应用日益广泛。目前约70%的中成药处方由西医医生开具，但往往因缺少中医辨证施治而难以精准用药。为解决这一难题，该研究创新性地研发了RAG-CPMF，一个融合大语言模型、检索增强生成技术和全球规模最大的中成药数据集的智能推荐框架。

该研究建立了具有16个特征描述项的中成药数据结构，提出并应用了多个大语言模型交叉验证（Multi-LLMs Validation）的方法，通过ChatGPT、Qwen、GLM等五种大型语言模型的一致性验证，实现对中成药说明书中处方、适应症、不良反应等关键信息的自动化、高准确率结构化提取，显著提高了结构化数据抽取的效率和效果，成功构建了包含8644种中成药、16个特征描述项的高质量数据集，并实现持续更新；将检索增强生成技术（RAG）架构与该数据集结合，有效整合了大语言模型的生成能力与外部数据检索功能，成功开发了智能中成药推荐框架（RAG-CPMF），形成可接受自然语言输入、支持现代医学表达与中医术语混合输入的智能推荐系统；经临床指南验证，相较于通用大语言模型，RAG-CPMF的推荐准确性显著提升，在34种优势病种临床指南的推荐准确性评估中，RAG-CPMF达92.2%，显著优于其他模型，在真实临床医师的SUS（安全性、可用性、流畅性）评估中也获得最优表现，为中成药的智能化精准推荐提供了强有力的技术支持。目前，团队已将此科研成果应用于医源中医大模型的更新与升级。

·原文链接

https://doi.org/10.1016/j.phrs.2025.107883

·期刊简介

Pharmacological Research是一本由Elsevier出版的国际权威期刊（中科院小类1区/ Top 期刊，IF：10.5），强调学科交叉与创新，旨在为健康科学领域的专家学者提供一个高效、开放的学术交流平台，快速传播现代药理学相关的高水平研究成果。作为药理学领域的核心期刊之一，Pharmacological Research在“药理学与药剂学”类别中以影响因子10.5排名位于前3.7%左右，该期刊广受国际科研界关注，是药物研究与开发领域重要的学术交流平台。

·医源中医大模型简介

医源大模型是以通义系列模型为底座，依托高质量中医药典籍、名医医案、临床数据等多维度数据，以“读经典、跟名师、做临床”的中医人才培养规律进行多轮强化训练，通过"典籍预训练-领域微调-知识数据双增强"三阶进化体系打造的医教研产一体化新一代中医AI大脑。