日本VARYTEX株式会社联合日本东洋医学会，完成汉方特化人工智能模型“KAMPO LLM”的开发与性能验证。该模型在《汉方専門医研修コアカリキュラム》全471道试题测试中，达到97.4%的正确率（459/471），显著优于Google Gemini 2.5 Pro（91.7%）和OpenAI GPT-5.4 Pro（91.3%）等主流通用大模型，标志着汉方医学领域AI应用进入新阶段。
此次评估聚焦于汉方医学核心知识体系，涵盖证候辨识、方剂选择、药物配伍等专业判断环节。结果显示，通用大模型在部分基础问题上表现尚可，但在涉及中医理论深层逻辑、个体化诊疗路径等复杂情境时，准确率明显下降。而KAMPO LLM Pro通过融合自研汉方数据库与临床实践数据，在关键概念理解与推理能力上展现出显著优势，尤其在“证型—方剂”匹配、药性归经推演等高阶任务中表现突出。
技术层面，VARYTEX构建了覆盖1500年发展历史的汉方知识图谱，整合来自真实门诊记录、处方分析及专家共识的非结构化数据，并采用针对汉方术语体系优化的微调策略。其推出的两个版本分别面向不同应用场景：KAMPO LLM Pro强调精度，适用于教学培训与临床决策支持；KAMPO LLM Flash则在保持92.1%准确率的实现约3倍于Pro版的响应速度与60%的成本节约，适合部署于移动端或实时交互系统。
核心参数对比：KAMPO LLM vs 主流大模型
| 模型 | 正答率 | 正答数/总题数 |
|---|---|---|
| KAMPO LLM Pro | 97.4% | 459/471 |
| Gemini 2.5 Pro（Google） | 91.7% | 432/471 |
| GPT-5.4 Pro（OpenAI） | 91.3% | 430/471 |
| o3（OpenAI） | 77.1% | 363/471 |
| GPT-4o（OpenAI） | 58.8% | 277/471 |
| KAMPO LLM Flash | 92.1% | 434/471 |
| Gemini 2.5 Flash（Google） | 80.3% | 378/471 |
| GPT-5.4（OpenAI） | 79.2% | 373/471 |
对采购与生产企业的启示：该模型的高精度建立在对日本本土汉方体系的深度理解之上，其训练数据包含大量未公开的临床案例与专家经验，这是全球通用模型难以复制的核心壁垒。对于中国医药企业、医疗器械厂商或健康科技公司而言，若计划将类似AI系统引入中医诊疗辅助、中药配方推荐或慢病管理平台，应重点关注本地化数据积累与临床协同机制建设。直接套用通用大模型在中医领域可能面临“水土不服”，尤其在证候辨析、方剂加减等复杂逻辑判断中易出现偏差。
从产业链角度看，该项目揭示了“垂直领域AI”的成功路径：必须由具备长期行业服务经验的企业主导，结合一线医生反馈持续迭代。VARYTEX作为一家成立于2021年的初创公司，其优势在于已运营多个汉方数字化服务项目，积累了真实业务场景下的数据闭环。这提示中国同行：若要开发中医类AI产品，不应仅依赖外部大模型接口，而应构建自有数据资产与临床验证体系，才能形成可持续竞争力。
目前，KAMPO LLM已规划接入该公司自有汉方业务支持软件“KAMPO 365”，并将于未来以API形式向医疗机构、健康管理机构开放。这意味着该系统不仅可用于内部流程优化，还可作为第三方服务嵌入电子病历系统、智能问诊平台或患者教育工具。对中国外贸企业而言，若已有面向日本市场的中医药产品或健康管理服务，可考虑将此AI能力作为增值服务模块进行整合，提升产品附加值。
该成果获得东京都港区“新製品・新技術開発支援事業”资助，反映出地方政府对本土医疗科技创新的支持力度。这一背景表明，日本正在通过政策引导推动传统医学的数字化转型。中国相关企业在出海布局时，可关注此类区域性创新生态，探索与本地医疗科技公司合作的可能性，而非仅以单一产品出口为主。