The Impact of Artificial Intelligence on Traditional Chinese Medicine

中医药 人工智能 传统医学 可靠性(半导体) 一致性(知识库) 医学 医学物理学 替代医学 计算机科学 病理 量子力学 物理 功率(物理)
作者
Yulin Wang,Xiuming Shi,Li Li,Thomas Efferth,Dong Shang
出处
期刊:The American Journal of Chinese Medicine [World Scientific]
卷期号:49 (06): 1297-1314 被引量:50
标识
DOI:10.1142/s0192415x21500622
摘要

Traditional Chinese Medicine (TCM) is a well-established medical system with a long history. Currently, artificial intelligence (AI) is rapidly expanding in many fields including TCM. AI will significantly improve the reliability and accuracy of diagnostics, thus increasing the use of effective therapeutic methods for patients. This systematic review provides an updated overview on the major breakthroughs in the field of AI-assisted TCM four diagnostic methods, syndrome differentiation, and treatment. AI-assisted TCM diagnosis is mainly based on digital data collected by modern electronic instruments, which makes TCM diagnosis more quantitative, objective, and standardized. As a result, the diagnosis decisions made by different TCM doctors exhibit more consistency, accuracy, and reliability. Meanwhile, the therapeutic efficacy of TCM can be evaluated objectively. Therefore, AI is promoting TCM from experience to evidence-based medicine, a genuine scientific revolution. Furthermore, huge and non-uniform knowledge on formula-syndrome relationships and the combination rules of herbal TCM formulae could be better standardized with the help of AI analysis, which is necessary for the clinical efficacy evaluation and further optimization on the standardized TCM formulae. AI bridges the gap between TCM and modern science and technology. AI may bring clinical TCM diagnostics closer to western medicine. With the help of AI, more scientific evidence about TCM will be discovered. It can be expected that more unified guidelines for specific TCM syndromes will be issued with the development of AI-assisted TCM therapies in the future.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
魔叶树完成签到 ,获得积分10
刚刚
地学韦丰吉司长完成签到,获得积分10
1秒前
wulijie完成签到,获得积分10
1秒前
江河湖海完成签到 ,获得积分10
1秒前
浚稚发布了新的文献求助10
1秒前
yy发布了新的文献求助10
1秒前
MZ完成签到,获得积分10
1秒前
这不得行完成签到 ,获得积分10
2秒前
小鞠发布了新的文献求助10
3秒前
CAS完成签到,获得积分10
3秒前
小长夜完成签到,获得积分10
4秒前
jiangfei完成签到,获得积分10
4秒前
莉莉完成签到,获得积分10
4秒前
团子完成签到 ,获得积分10
4秒前
陶火桃完成签到,获得积分10
5秒前
整齐醉冬完成签到,获得积分10
5秒前
6秒前
WSY完成签到 ,获得积分10
6秒前
糊涂的语兰完成签到,获得积分10
7秒前
mary完成签到,获得积分10
8秒前
小惊麟完成签到,获得积分10
8秒前
大气夜山完成签到 ,获得积分10
9秒前
磷酸果糖发布了新的文献求助10
11秒前
mar1ne完成签到 ,获得积分10
11秒前
hello_25baby完成签到,获得积分10
11秒前
栀然完成签到,获得积分10
12秒前
会笑的蜗牛完成签到 ,获得积分10
13秒前
领导范儿应助害羞聋五采纳,获得10
16秒前
shiney完成签到 ,获得积分0
16秒前
雪飞杨完成签到 ,获得积分10
18秒前
追寻的易巧完成签到 ,获得积分10
18秒前
自由的过客完成签到,获得积分10
18秒前
猩猩完成签到,获得积分10
19秒前
灌水大王完成签到,获得积分10
19秒前
李sir完成签到 ,获得积分10
22秒前
fenghp完成签到 ,获得积分20
22秒前
yy完成签到,获得积分10
22秒前
咿呀完成签到,获得积分10
22秒前
雨晴完成签到,获得积分10
24秒前
大强完成签到,获得积分10
24秒前
高分求助中
Evolution 10000
CANCER DISCOVERY癌症研究的新前沿:中国科研领军人物的创新构想 中国专刊 500
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158687
求助须知:如何正确求助?哪些是违规求助? 2809923
关于积分的说明 7884302
捐赠科研通 2468638
什么是DOI,文献DOI怎么找? 1314374
科研通“疑难数据库(出版商)”最低求助积分说明 630601
版权声明 602012