【科研速递/AI*中医药】当大语言模型走进针灸诊室:fNIRS+眼动揭示“脑补偿”机制
文章标题：《Brain compensation mechanisms of large language models in clinical decision-making in acupuncture: A fusion study using fNIRS and eye-tracking》发表期刊：Expert Systems with Applications (IF=9.4)Online时间：2025-12-18
摘要：研究提出 知识图谱增强的神经认知框架，将 fNIRS（功能性近红外光谱） 与 眼动追踪 结合，用于研究大语言模型（LLMs）在针灸临床决策中的“脑补偿机制”。研究构建了一个面向针灸穴位配伍的领域 LLMs，融合中医古籍、现代教材、临床病例与知识图谱，并采用知识增强生成（KAG）与混合推理提升准确性和可解释性。实验将 60 名参与者随机分为 AI 辅助组和非 AI 辅助组，执行穴位配伍任务。结果显示：模型在配伍任务中达到 72% 准确率；AI 组在认知负荷相关脑区激活更低，眼动注视时间更短、注意力调整更少，提示 AI 辅助可降低认知负担、提升认知效率。
研究背景：
针灸选穴与配伍是临床针灸疗效的关键，依赖医师长期经验、隐性知识和复杂认知判断。
传统 RAG 或序列式流程容易丢失领域语义关系，导致准确率下降、认知负荷升高、可解释性不足。
知识图谱（KG）与 KAG 可增强 LLMs 的领域知识感知和推理能力。
研究问题：LLMs 能否减轻医师信息过载、重复任务与认知偏差？能否让医师聚焦更高阶的症状解释与临床决策？
研究方法：
1. 总体框架：
知识图谱增强的神经认知框架，融合 fNIRS、眼动、经典文献与临床知识。
图1 研究工作流程概述。(a) 大脑和人工智能之间相互作用的概念图，突出了人工智能在认知任务相关大脑疲劳机制中的补偿作用。(b) 通过增强针灸语料库知识图谱来构建经络兼容性大语言模型。(c) 设计实验控制任务，利用fNIRS和眼球跟踪信号来讨论人工智能对大脑机制的影响。
2. 数据与知识库：
古籍：《黄帝内经》《针灸甲乙经》《难经》《针灸大成》等。
现代教材与专著：《针灸学》《经络腧穴学》《刺法灸法学》《中医基础理论》等。
临床病例库：来自中医药数据库及合作医院匿名数据。
监督微调数据：基础知识问答、安全与禁忌、中西医结合问答。
表1 穴位配伍大模型中的数据源和设计目标概述。
3. 模型构建：
基于 DeepSeek-V3 进行领域自适应微调；DeepSeek-V3 为 MoE 架构，总参数 671B，预训练语料 14.8T tokens。
跨文档链接：基于实体向量余弦相似度，设置阈值 τ，计算 F1 选择最佳阈值。
上下文增强实体表示：联合损失包括结构损失、文本损失、跨模态对齐损失。
嵌入微调：掩码语言建模、邻居预测、领域微调、任务导向微调、对比学习与难负样本挖掘。
逻辑形式引导的混合推理：两阶段，先识别意图与操作，再构建逻辑形式，结合 KG 查询与 LLM。
多特征融合重排序：融合语义相似度与图路径分数，动态调整平衡参数。
图2 构建穴位配伍大语言模型的方法。
图3 基于中医的鉴别诊断和穴位选择的知识导向人工智能会诊系统。以功能性消化不良为例，根据症状描述和辨证分型，协同大语言模型，通过两阶段推理生成多回合交互穴位配伍方案。
4. 基线模型：ChatGPT、Chinese-LLaMA、DeepSeek-R1、ZhongJing、HuatuoGPT、GPT-4、GPT-3.5、DeepSeek-V3 等。5. 评价指标：- 分类：Accuracy、Precision、Recall、F1、AUC。
- 文本生成：Rouge-1/2/L、METEOR、BERTScore。
- 信息检索：nDCG、MRR、P@1、P@3、P@5。
实验设计：
参与者：60 人，18–25 岁，本科及以上，具备针灸理论知识与执业资格；排除抑郁/焦虑自评 ≥50 者。
分组：随机数字表分为 AI 组与非 AI 组。AI 组：使用所构建的 LLMs 根据病历辅助选择穴位配伍处方；非 AI 组：不借助 LLMs，自主完成选穴配伍。
任务流程：①静息 5 min 采集脑血氧信号；②AI 组使用 LLMs 辅助，非 AI 组手动选穴，任务约 20 min；③结束后再采集 3 min 静息信号。
同步采集：fNIRS + 眼动追踪 + 视频记录。
fNIRS 处理：修正 Beer-Lambert 定律转 OD，移动平均校正运动伪影，去除心跳、呼吸、Mayer 波，OD 转 HbO/HbR 浓度。
眼动指标：完整注视持续时间、眼开放度、瞳孔直径、首次完整注视持续时间、间隔持续时间、完整注视开始次数等。
结果与分析：
1. 模型性能（图4-6）:
穴位配伍 LLMs 分类准确率 0.72，Recall 0.73，AUC 0.93，F1 表现最佳。
文本生成：Rouge-L 0.29、METEOR 0.36、BERTScore 0.91，优于多数基线。
信息检索：MRR 0.88、P@1 0.90、nDCG 0.85，排序与首条命中能力突出。
图4 分类评估指标主要用于评估分类任务的性能。
图5 文本生成评估指标的比较，主要用于评估生成文本和参考文本之间的表面相似性。图6 不同模型的信息检索评估指标比较，主要用于评估搜索和推荐系统的排名质量。2. 消融实验（图7-9）：
纯语言模型准确率 0.61；加入 KG 提升约 7%；加入 KAG 后达到 0.72。
Rouge-L 提升约 4%，METEOR 与 BERTScore 提升约 7%。
nDCG 提升 11%，MRR 提升 10%，P@1 提升 9%。
图7 消融模型分类评估指标的比较。
图8 消融模型的文本生成评估指标的比较。
图9 信息检索中消融模型的评估指标。3. 计算负载（表2-4）：- 基础 DeepSeek 延迟 85 ms、吞吐 180 tokens/s。
- 加入 KG 后延迟 120 ms、吞吐 100 tokens/s。
- 进一步加入 KAG 后延迟 180 ms、吞吐 70 tokens/s，峰值内存 400 GB，但扩展性增强。
表3 不同模型的计算负荷。
表4 消融模型的计算负荷。
4. 皮层激活：
AI 组：右额下回与双侧额中回正激活，提示工作记忆、规则应用等高级认知资源参与。
非 AI 组：右额下回与右额中回负激活，提示需要抑制部分额叶活动以维持注意，认知负荷更高。
组间差异集中在右额下回，AI 辅助降低该区域抑制需求。
图11 皮层激活模式：（a）AI组；(b)非AI组；（c）人工智能和非人工智能参与者之间大脑激活模式的差异。
5. 功能连接（图12）：- AI 组基于右额中回有 19 条显著增强连接，基于右额下回有 20 条。
- 非 AI 组分别为 17 条和 18 条。
- AI 组右额下回—右额中回连接增强，促进执行控制与工作记忆耦合，提升信息过滤与注意稳定性。
图12 使用公共和差异激活区域作为种子点的功能连通性分析。(a)AI组。(b)非AI组。6. 眼动结果（图13）：- AI 组平均完整注视持续时间显著更短，分布更集中，差异有统计学意义（Z = -3.093，p = 0.002）。
- AI 组首次完整注视时间更短、间隔持续时间更短、完整注视开始次数更少。
- 提示 AI 辅助可能降低决策不确定性、减少注意力漂移、优化工作记忆负荷与神经资源分配。
图13 两组的眼球追踪结果。(a)整个固定的平均持续时间。(b)平均全注视眼睛张开度。（c）平均全固定瞳孔直径。(d)第一次全固定的持续时间。(e)间隔持续时间。(f)全固定开始次数。论文总结：
✅ 优点：1. 跨学科融合：AI 建模 + 神经影像 + 眼动 + 中医针灸；2. 模态证据链完整：模型性能、皮层激活、功能连接、眼动行为相互印证;3. 实验设计随机分组、同步采集 fNIRS 与眼动，生态效度与时间同步性较好；4. 为“人-AI 协作”提供神经认知层面的实证依据。 ⚠️ 局限：1. 实验室控制环境，未完全模拟真实临床复杂度和压力；2. 仅聚焦中医针灸穴位配伍任务，跨疾病、跨医学领域泛化性待验证；3. 计算成本较高，峰值内存 400 GB、吞吐下降至 70 tokens/s。🚀 未来方向：1. 高保真临床模拟或真实临床原位实验；2. 扩大参与者人群与疾病覆盖；3. 开展前瞻性临床研究，评估 GenAI 提升临床决策质量与效率的潜力。
注：本文内容均整理自原论文，点击“阅读原文”可跳转至论文页面。