心力衰竭（简称“心衰”）是各类心脏疾病的终末期阶段，也是我国公共卫生领域重点攻坚的重大难题。据《中国心力衰竭防治进展报告（白皮书）（2026）》数据，国内心衰呈现高发病率、高病死率、高住院率、高疾病负担、高经济负担的“五高”特征，每年新增患者约300万人，整体防控形势严峻复杂。

在2026中国心衰大会上，广东省中医院吕渭辉教授发表《人工智能赋能中医心衰诊疗的实践与挑战》专题报告，全面梳理AI助力中医心衰全流程诊疗的落地实践、行业现存痛点与未来发展路径，为中医药现代化转型、慢性心衰智慧化管理提供了系统、可行的发展思路。

心衰在中医范畴归属于心悸、喘证、水肿，核心病机总结为“本虚标实”：即心之气血阴阳亏虚为本，水饮、痰浊、血瘀等病理产物为标。中医依靠望闻问切四诊合参，一人一方定制中药、针灸、康复方案。西医依托左心室射血分数（LVEF）、脑钠肽及心脏影像学检查等客观指标，形成药物、器械、移植标准化诊疗路径。临床研究证实，中西医结合治疗心衰在改善患者症状、提高生活质量、降低再住院率等方面具有显著优势。

但目前两大体系融合落地始终存在两道坎：一是中医辨证缺少统一标准，不同医师、不同流派分型差异大；二是疗效缺乏客观量化依据，中医症状变化难以和西医检查数据对应，长期限制中西医协同推广。

当前，医疗人工智能（AI）产业高速迭代，2023年以来医疗垂类大模型集中爆发，2025—2026年正式迈入临床落地应用阶段。Med-PaLM、观心、Hengqin-R1等模型相继落地。AI已广泛应用于西医心衰管理，可实现早期风险预警、辅助诊断分型、长期居家管理、治疗方案优化等全流程功能。

相较于成熟的西医心血管AI，中医智能化起步较晚，但发展增速迅猛。目前广医岐智、岐黄问道、华佗中医药大模型等十余款中医专属大模型已陆续上线。2025年，全国首个全流程、全场景中西医结合数智门诊落地广东省中医院珠海医院，依托中医药广东省实验室（简称横琴实验室）横琴实验室“中医横琴垂类大模型”，构建的全国首个“诊前-诊中-诊后”全流程中医数智诊疗门诊，实现智能语音交互、电子病历、四诊采集、大模型决策、智能随访等业务模块无缝对接与深度集成，开创了“中医人-机协同个性化数智诊疗”的先河。

AI并非替代中医师诊疗，而是作为核心辅助工具，补齐传统中医数字化、标准化短板，全方位覆盖心衰诊疗、管理全流程。

1.多模态数据智能采集，让四诊不再“凭感觉”

传统中医辨证高度依赖医师肉眼、手感判断，患者出院后居家症状变化无法持续追踪，AI搭配智能硬件补齐这一短板。

一方面，可穿戴、智能家居设备可持续采集客观生理数据，结合手机APP主观填报症状，构建多维度动态健康档案；另一方面，AI模型实时分析数据识别异常波动，关联中医证候要素，实现证候动态演变初步监测，给医生提供早期干预提示。目前痛点在于现有监测设备大多服务西医血流动力学评估，和中医证候理论存在语义隔阂，专门适配中医心衰的合规监测设备仍属空白。

2.多层技术路径，实现AI辅助辨证论治

中医AI辅助辨证论治历经四代技术迭代：从可解释推理的知识图谱与专家系统，到实现诊断标准化的四诊信息客观化技术，再到作为前沿探索的中医大语言模型，当前正发展至多模态融合辨证智能体，通过多源数据整合持续提升辨证精准度。

路径1：基于知识图谱与专家系统的辨证辅助。整合心衰证候、症状、方药、治法等构建知识图谱，依托规则与临床案例双重推理，完成“症状—证候—治法”完整逻辑推导。现存短板是依赖人工录入知识，复杂虚实夹杂病例推理容易受限。

路径2：四诊信息客观化。依靠深度学习识别舌、面、脉象特征，融合多维度体征综合判断证型。但行业缺少统一设备标准，不同厂商采集数据无法互通，专家标注主观差异大，高质量标注数据集建设成本高昂。

路径3：中医大语言模型，也是当前前沿方向。以横琴Hengqin-R1为代表，依托海量古籍、临床医案、心衰研究文献，完成智能问诊、辨证推理、古籍文献检索、患者教育等工作。但大模型仍存在中医术语理解偏差、推理可解释性不足、临床验证缺乏、生成内容真实性存疑等问题，大规模临床循证证据仍在积累。

3.智能推荐方药+动态评估疗效，实现个体化治疗

在辨证基础上，AI系统可结合患者个体特征，智能推荐中药方剂与加减方案，同步自动筛查配伍禁忌、中西药相互作用，前置防控用药安全隐患。系统配套疗效预测模型，整合患者主观症状评分、生活质量量表、客观指标，实现疗效的多维度评估，预判不同方药方案预后，实现全程动态疗效监测。

AI赋能中医心衰诊疗潜力巨大，但目前临床规模化推广仍面临数据、技术、标准、算法、临床、监管六大维度壁垒。

1.中医数据标准化难题突出

中医术语体系不统一，例如“心气虚”“心气不足”同义不同表述；各流派辨证分型标准不一；舌诊、脉诊等诊断结果依赖医生经验，难以量化表达；门诊病历记录不规范，结构化程度低；中医理论与现代检验指标缺少统一转换标准，数据很难跨机构通用。

2.技术互操作性与数据融合障碍

各医疗机构信息系统、家用可穿戴设备数据格式、接口标准不统一，缺乏行业通用的数据交互规范，跨平台对接改造成本高昂；同一医学概念在不同系统编码各异，语义匹配难度大；穿可穿戴设备数据与医院系统数据的实时同步与融合技术不成熟，实时数据融合困难；同时数据普遍存在缺失、噪声、异常偏差等问题，直接影响AI模型训练质量。

3.缺乏统一的验证指标与基准数据集

目前行业没有公认的AI辨证准确率、疗效预测评估指标，各家研究采用自建数据集，试验结果无法横向对比；缺少规范的AI中医心衰临床试验方案，短期小样本验证多，长期大样本随机对照研究稀缺。

4.算法适配中医理论存在先天矛盾

现代AI偏向还原论思维，而中医强调整体辨证、同病异治、异病同治，个体化诊疗逻辑难以建模；心衰复杂虚实夹杂证候属于典型小样本场景，传统深度学习效果受限；多数AI模型推理过程无法解释，医师难以信任AI给出的辨证结论。

5.临床真实世界证据储备不足

多数AI系统停留在小规模验证阶段，缺乏大规模随机对照试验；在真实临床环境中的表现数据积累不够；缺少长期预后评估；AI误诊、漏诊风险缺少完整监测机制，医保支付、成本效益相关研究几乎空白。

6.监管、伦理与医患信任壁垒

中医AI医疗器械审批分类、标准尚不清晰；AI给出诊疗建议出现失误时，医生、企业、医院责任划分模糊；患者隐私数据采集存储存在安全隐患；部分中老年医师对智能工具接受度低，患者也对“机器看病”心存顾虑。

想要让AI真正走进心衰日常诊疗，需要医、产、学、研、管多方协同，从数据、算法、临床、政策、人才五大维度同步发力。

1.搭建标准化、高质量中医心衰多模态数据库

行业联合制定统一的数据采集、存储、交换规范，联合多家高水平中医医疗机构开展多中心病例整合；建立严格的数据清洗、专家标注审核机制，在保障患者隐私前提下，搭建可开放共享的基准数据集，解决模型训练缺数据的核心痛点。

2.研发贴合中医思维的可解释AI模型

重点突破多模态融合算法、小样本迁移学习技术；将中医经典理论、名老中医经验嵌入模型底层，弱化AI“黑箱”问题；打造人机协同诊疗模式，AI负责数据整理、初步辨证、方案推荐，医师最终决策把关，发挥中西医、人机各自优势。

3.完善临床转化与真实世界验证体系

出台AI中医辅助诊疗临床试验统一规范，明确疗效、安全终点指标；持续积累真实世界随访数据，建立AI误诊漏诊上报监测机制；开展卫生经济学评价，测算智能诊疗降低住院、节约医疗开支的实际价值，为纳入临床指南、医保支付提供证据支撑。

4.补齐行业监管与标准体系

明确中医AI辅助诊疗产品的分类和审批路径，要求AI系统公开算法原理、训练数据来源等关键信息；明确AI辅助诊疗中各方的责任边界；制定中医诊疗数据的采集、存储、使用安全规范；建立AI医疗应用的伦理审查与监督机制。

5.培养医学+计算机跨学科复合型人才

医学院校增设医疗人工智能交叉课程，面向在职医护开展AI应用培训；推动医疗机构、高校、企业联合培养人才，打通产学研人才输送通道；同步开展国际学术交流，吸收全球医疗AI先进经验，助力中医药数字化走向国际。

小结

依托AI打通中西医心衰诊疗壁垒，是中医药传承创新、慢病智慧管理的关键突破口。当前行业虽面临数据、算法、监管、信任多重现实挑战，但随着标准化数据库搭建、可解释中医大模型迭代、多中心真实世界研究持续落地，人机协同的中西医数智化心衰诊疗模式将逐步走向常态化、规模化应用，持续降低心衰反复住院、远期死亡风险，切实减轻患者与社会医疗负担。