OpenTCM：基于GraphRAG赋能的大语言模型中文医学知识检索与诊断系统

中华医学（TCM）代表着丰富的古代医学知识，持续在现代医疗中发挥重要作用。由于TCM文献的复杂性和广度，AI技术的集成对于其现代化和更广泛的可达性至关重要。然而，这一集成面临诸多挑战，包括对晦涩古文文本的解读以及对TCM概念之间复杂语义关系的建模。本文开发了OpenTCM，一个集成特定于TCM知识图谱和基于图的检索增强生成（GraphRAG）的大语言模型系统。首先，我们在中文医学经典数据库中收集68部妇科书籍的超过373万个中文字符，由TCM和妇科专家帮助完成。其次，我们利用定制提示和面向中文的大语言模型（如DeepSeek和Kimi）构建了包含48,000多个实体和152,000个关联关系的综合多关系知识图谱，确保语义理解的高保真度。最后，我们赋能OpenTCM采用GraphRAG，实现无需模型微调即可进行高保真的药物成分知识检索和诊断问答。实验评估表明，OpenTCM在药物信息检索任务中实现4.378的平均专家分数（MES），在诊断问答任务中实现4.045，净超越了实际应用场景中的最先进解决方案。