同病异治是中医的核心,也是最容易被系统抹平的东西。系统该给出的不是一张方,而是"证型+主方+加减理由"的分支集:同一个证型下按兼症、体质、病程、地域分叉,把选择权留给医生,再把医生的选择沉淀成本院经验。每次只给一张方的系统,不是中医 AI,是方剂检索器。
一、系统为什么会自动抹平差异
这不是技术缺陷,是产品设计的惯性。
第一个惯性来自"准确率"这个词。一旦把辨证当成分类任务,评价指标就变成了"猜中标准答案的比例"。可同病异治的本质是同一个证型下有多个都对的答案,用单一标准的准确率去衡量,等于逼着系统收敛到一个解。
第二个惯性来自演示。演示要的是一屏干净的结果:一张方、一行剂量、一个"采纳"按钮。分支一多界面就乱,讲不清楚,也评审不明白。于是分支被折叠,理由被省略,最后只剩下一个结论。
第三个惯性来自数据。医生的真实处方是散的:同一个肝胃郁热,张医生用化肝煎,李医生用左金丸加味,王医生加了丹栀逍遥散的路子。如果没有机制把这些差异记录下来并解释成因,系统学到的只是"平均",而平均值在临床上往往谁都不像。
辨证云在这件事上的处理方式,是把"唯一答案"从产品目标里拿掉,换成"可解释的分支"。这个改动看起来小,实际决定了系统是辅助医生思考,还是替医生做决定。
二、输出的最小单位是什么
一条合格的辅助建议,至少包含四段内容,缺一段就退回成检索结果。
证型,带概率和依据。 不只写"肝胃郁热",要写为什么是它:胃脘灼热、吞酸、口苦、脉弦数这几个症状各贡献了多少,排除了哪些相近证型。
主方,带出处。 化肝煎、左金丸、丹栀逍遥散,各自对应的经典条文和适用偏性要写清楚。同一证型下列三首方,比只列一首更有用——医生要的正是"这三首之间怎么选"。
加减理由,逐味可读。 不是"加黄连 3 克"这种结论,而是"吞酸明显,加左金丸意以清肝泻火;若见胃阴不足,去苦寒之品,加沙参、麦冬"。剂量一律标注"由医生确定",系统给方向,不给承诺。
不确定的地方要显式标出来。 如果四诊信息缺舌象、缺脉象,系统应当提示"当前判断依据不足,建议补充舌脉",而不是硬凑一个高置信度的结论。
这四段合起来,才叫"帮助医生开方"。少掉理由那一段,医生就只能盲信或者盲疑,两种都不是辅助。辨证云对外的产品说明里,这四段是逐条写明的,演示也按这个顺序走,不做折叠。
三、分支从哪里长出来
同病异治的分支不是拍脑袋编的,它有四个稳定的来源,都可以结构化。
兼症。 主证相同、兼证不同,方就不同。肝胃郁热兼吞酸,偏左金丸;兼胁胀、情志不遂,偏丹栀逍遥散;兼胃脘痞满、寒热错杂,就要考虑半夏泻心汤的路子。
体质。 同样的证,阳虚体质和阴虚体质扛不住同一组药。脾虚者慎苦寒,阴亏者慎温燥,这些是可以在系统里写成约束条件的。
病程。 初病多实,久病多虚。同一个肝胃郁热,起病两周和反复三年,处理重点完全不同,前者清泻为主,后者要顾护胃阴、兼顾气滞血瘀。
地域与时节。 岭南湿热、西北燥寒,用药的偏性本来就有差别;长夏与严冬,同一证型的加减方向也不一样。这一层最容易被忽略,但对基层尤其重要。
辨证云的知识底座里,3500 多个证型方证与 5000 多个主方之间是多对多的关系,不是一一对应——这个结构本身就是为分支留的位置。如果底座是一证一方,再怎么优化界面也长不出同病异治。
四、一张表:同一证型,不同患者
以肝胃郁热为例,看分支在系统里长什么样。
| 患者特征 | 主方方向 | 加减思路 | 判断依据 |
|---|---|---|---|
| 胃脘灼热、吞酸嘈杂为主,无明显脾虚 | 左金丸加减 | 辛开苦降,侧重制酸 | 酸味上泛、舌红苔黄 |
| 胃痛连胁、嗳气频、情志不遂后加重 | 化肝煎加减 | 疏肝泄热,理气和胃 | 脉弦、症状随情绪波动 |
| 郁热日久、神疲食少、口干不欲饮 | 丹栀逍遥散加减 | 清肝健脾,兼顾养阴 | 舌淡红少津、脉弦细 |
| 心下痞满、肠鸣、寒热并见 | 半夏泻心汤加减 | 辛开苦降,调其寒热 | 痞、呕、利并见 |
| 反复三年以上、痛有定处 | 上方合活血之品 | 久病入络,兼顾化瘀 | 痛处固定、舌暗 |
表里所有方的剂量一栏都不写数字。这不是保守,是边界:剂量要结合患者体重、年龄、肝肾功能、合并用药来定,属于医生的处方权范围。系统能做的是把方向、理由和风险说清楚。
五、医生的选择怎么变成本院经验
分支给出去之后,还有一件事必须做:把医生的实际选择收回来。
收什么?收三样——系统给了哪几首方,医生最终用了哪首,改了哪几味。这三样凑在一起,就是一条带解释的偏好记录。一个科室积累半年,就能看出本院在某个证型上的用药倾向:偏清泻还是偏和胃,哪几味加减高频,哪几首方几乎没人用。
这些记录的价值有两层。对医院,它是可传承的院内经验,新人来了能看到"我们院是怎么治这个证的"。对系统,它是校准依据——如果某首方在某个证型下被改动的比例长期很高,说明加减规则本身需要调整。
辨证云把这套回流做在留痕链路上:医生每次改方都带理由字段,可选模板也可手写,积累起来就是本院自己的方证对照。这也是"辅助"和"替代"的分水岭——替代只需要输出,辅助需要吸收。
六、写在最后
判断一套中医 AI 是否真在做同病异治,有个直接测试:拿同一证型、五个特征不同的患者去问它,看五组建议有没有实质差别。
如果五组建议主方全一样,只换了剂量和一两味药,那它做的是检索,不是辨证。如果五组建议不仅方不同,还能说清"为什么这一个人用这首",才算是把同病异治落到了系统里。
中医的难点不是记住多少首方,是在具体这个人身上,知道该用哪一首。系统如果能把这层判断显式地摆出来,医生就多了一个可以对话的同行;摆不出来,它就只是一个查方的工具。辨证云把理由和分支一起交给医生,守的正是这条线。