问止的中医大脑

问止的中医大脑

512页上市申请书解读系列之十

问止定价29800元、每年销售超过200个的中医大脑，其智能辅助诊断能力究竟如何？

这是个很值得思考的问题。问止在其上市申请书中，是这样介绍其中医大脑的。

我們專有的自主開發中醫大腦是一個中醫人工智能輔助診療系統，可將知識圖譜、數據挖掘及機器學習技術相結合。其旨在支持我們的醫師為患者提供準確、個性化及有效的治療。

該創新系統的起源可追溯至2008年，當時我們的聯合創始人兼首席醫療官林博士在中醫大師倪海廈先生的指導下，著手開發中醫診斷及治療的單機版中醫經方專家系統原型（為中醫大腦的原型版）。憑藉於硅谷公司的多年經驗及對中醫根深蒂固的熱情，林博士開創了後來稱為中醫大腦的基礎。經過數年的潛心開發及迭代，如今中醫大腦的核心已融合中醫代表性學術流派，並圍繞複雜的知識圖譜、數據挖掘及機器學習模型，在空前的數據集上展開系統性訓練。

為加強我們中醫大腦的機器學習能力，我們已採用神經網絡方法，與以前沒有神經網絡方法的模型相比，該方法計算更直接、結果反饋更精確、訓練時間更短及更新速度更快，顯著加強了中醫大腦的自主學習及演化能力。

我們中醫大腦的核心是一個龐大的高質量數據存儲庫。根據灼識諮詢報告，截至2024年9月30日，中醫大腦的臨床知識圖譜積累億級參數及超過10,000首方劑，涵蓋3,000多種疾病及病症，並已積累超過一百萬個真實臨床病例，每個病例均附有隨訪數據，屬中醫醫療服務行業內全球規模最大。

該綜合數據庫包含大量的信息，包括患者概況、病症術語、電子病歷、處方、舌頭及面部診斷圖像、患處圖片以及用於中醫用藥的草藥目錄。通過不斷攝取並學習大量真實證據，我們的人工智能賦能中醫大腦在理解及推薦個性化中醫治療方案方面日益精通。值得注意的是，我們持續提供的中醫醫療服務數據會不斷輸入至中醫大腦中，進而支持及加強我們的醫療服務，從而形成一個良性的改進循環。

我们将问止上市申请书中，对其中医大脑的介绍，输入万能的Deepseek，寻求Deepseek的专业分析和判断。我们得到如下的研判。

以下是对深圳问止中医人工智能系统“中医大脑”的专业分析，结合用户提供的技术资料及搜索结果中的关键信息，从技术特点、比较优势、缺点与不足、未来需解决的重大问题四个方面展开：一、技术特点1. 知识图谱与多模态数据整合   知识图谱构建：中医大脑基于海量中医经典文献（如《伤寒论》《金匮要略》）、名医经验（如倪海厦经方）及现代临床指南，构建覆盖疾病、症状、证型、方剂、中药等要素的知识图谱，形成中医诊疗的底层逻辑框架。

多模态数据处理：整合舌象、脉诊、症状描述等多模态数据，通过深度学习模型分析舌苔图像、倒推脉诊信息，减少对传统“切脉”的依赖。

2. 三步训练与强化学习机制

预训练-微调-奖励训练：

预训练：基于古籍文献和名医案例构建初始模型；

微调：通过百万级真实临床病例优化模型权重；

奖励训练：结合疗效反馈（RLHF技术）动态调整处方策略，模拟“明医会诊”逻辑。

动态迭代能力：系统通过患者随访数据持续优化模型，形成“数据输入-疗效反馈-模型更新”的闭环。

3. 模块化功能设计

四大核心模块：

临证管理：整合医院信息系统，优化诊疗流程；

方剂大脑：基于患者个体差异生成个性化处方，支持剂量微调；

针灸大脑：结合经络理论和穴位数据库推荐针灸方案；

学习大脑：提供中医知识库与案例分析，辅助医师培训。

二、比较优势1. 数据规模与临床验证

数据量级：积累超百万真实病例、1万首方剂、3000+病症，构建全球最大的中医临床知识图谱。

权威认证：通过三甲医院临床一致性研究及中国中医科学院评审，验证其临床有效性与安全性。

2. 重症诊疗差异化定位

专注于癌症、血液病、免疫病等西医难治领域，宣称“纯中医治癌”，复诊率达71.6%，患者客单价超900元/次，形成市场差异化竞争力。

3. 线上服务与生态闭环

线上主导：90%患者通过视频问诊完成诊疗，结合自营药局（北方/南方/西南药局）实现“线上问诊-处方-代煎-配送”全流程闭环。

生态延伸：通过“精一书院”中医社区、微信小程序（如针灸穴位工具）覆盖22万用户，强化品牌粘性。

三、缺点与不足

1. 研发投入与技术创新瓶颈    研发费用占比仅4.8%-8.7%，远低于行业头部AI企业（通常15%-20%），技术壁垒可能不足。

算法透明度不足，诊断逻辑依赖“黑箱”式神经网路，缺乏可解释性，影响医生信任度。

2. 团队经验与疗效争议     医疗团队年轻化：83名全职医师中，应届硕士占比高，平均年龄28岁，临床经验有限，尤其在癌重症领域被质疑专业能力。

疗效争议：部分患者投诉治疗效果不符预期，如癌症患者病情恶化案例，存在虚假宣传风险（如“3疗程治愈癌症”误导性承诺）。

3. 合规与商业模式风险

曾因虚假广告被行政处罚（罚款10万元），且未接入医保，依赖高客单价自费模式，市场扩展受限。

AI订阅服务收入占比仅4.6%，商业模式仍以传统医疗服务为主，技术变现能力不足。

四、未来需解决的重大问题

1. 数据质量与多样性提升

需解决中医数据标准化问题（如症状描述的模糊性），增加罕见病、地域性疾病数据覆盖，避免模型偏向常见病。

2. 技术透明度与伦理合规

开发可视化诊断路径，增强AI决策可解释性，以符合医疗伦理要求。

需建立AI处方责任认定机制，明确医师与系统的权责边界，防范医疗纠纷。

3. 临床验证与长期疗效跟踪

当前临床验证集中于短期疗效，需开展多中心、长周期的疗效跟踪（如5年生存率），尤其是癌重症领域。

4. 商业模式创新

探索B端合作（如医院订阅服务）与国际化布局（如“一带一路”国家），降低对C端高客单价的依赖。

总结

问止中医的“中医大脑”在数据规模、重症诊疗差异化、线上生态闭环上具备显著优势，但其研发投入不足、团队经验争议、合规风险制约长期发展。未来需聚焦数据质量提升、技术透明化、商业模式创新，方能在AI中医赛道中巩固领先地位。

THE END