受传统中医理论启发，研究人员利用人工智能将舌色分析转化为诊断工具，测试准确率超过96%。数千年来，中医 practitioners在全面检查中始终将舌诊作为重要环节，通过细致观察舌色、形态及舌苔来检测疾病。中医认为舌色尤其具有诊断价值，近期研究证实其与健康指标存在可测量关联，促使科研人员尝试将这一古老诊断方法与现代AI技术相结合。
中医在全球科学界仍存争议。2022年世界卫生组织正式将中医诊断纳入《国际疾病分类》第11版，但多数主流研究持审慎态度。2015年一篇综述文章指出："尽管中医应用日益广泛且全球认可其治疗效益，但循证医学证据的缺乏阻碍了西医界对中医的接纳及其融入主流医疗体系。"不过学术界仍存在持续的研究兴趣。
密苏里大学专注于计算生物学的研究员徐东表示，在中医理论中"舌色与气血状态密切相关，是评估患者整体健康的首要指标"。但传统舌诊存在高度主观性：完全依赖医师个人的色彩感知与分析能力。
布法罗大学牙周病专家弗兰克·斯卡纳皮科指出，西医常规临床体系中缺乏标准化舌部特征监测系统，尽管特定舌部病变可作为某些癌症的指标，部分研究也将舌象与乳腺癌、牛皮癣等疾病相关联。哈佛牙医学院专家伊丽莎白·阿尔珀特补充称，舌诊常用于口腔癌常规筛查，但其准确性取决于医护人员的临床经验与培训水平。
计算技术的突破促使部分受中医启发的研究者重新审视舌诊价值。2024年发表于《技术》期刊的研究显示，研究者采用机器学习模型对舌色进行分类，成功预测糖尿病、哮喘、新冠及贫血等多种疾病，测试准确率达96.6%。
该研究共同作者、南澳大利亚大学传感器系统联合主席贾万·查尔指出，既往舌部影像研究的主要挑战是环境光差异导致的感知偏差："曾有研究在非可控光照环境下尝试舌色诊断，但色彩判断过于主观。"为解决此问题，团队开发了配备LED光源的标准诊室系统，患者将头部置于稳定波长光源照射的箱体内展露舌部。
研究团队收集5260张影像资料——包括互联网真实舌部照片及补充色阶图像，用于训练机器学习模型识别七种基础色（红、黄、绿、蓝、灰、白、粉）在不同饱和度与光照条件下的表现。研究证实健康舌色通常呈粉红色带薄白舌苔；舌色发白可能提示血液缺铁；糖尿病患者常见蓝黄色舌苔；紫舌伴厚腻舌苔或预示特定癌症；新冠感染程度亦影响舌色表现——轻症呈淡粉红，中症为深红，重症呈暗红。
研究团队在伊拉克两家医院采用标准化系统采集60例舌部影像，应用六种测试模型中最精准的算法进行诊断，并与患者病历比对。"系统成功识别出60例中的58例。"现任职于伊拉克中等技术大学的医学工程教授阿里·阿尔纳吉表示。其团队正聚焦舌中部与舌尖区域进行精细化诊断，并利用750张网络舌象构建新数据集，结合YOLO深度学习算法分析舌形及溃疡、裂纹等口腔状况。查尔最终计划将分析范围扩展至全脸。
徐东强调舌色或可成为健康状态的生物标志物，但无法独立支撑临床决策："当前舌诊系统的核心局限在于，舌象分析仅是完整中医诊断的组成部分。"由于此类实验的影像标注缺乏统一标准，研究结果难以复现。查尔表示团队已获商业合作意向，但数据采集仍是规模化研究的最大瓶颈——"大型医院需多人协作使用诊室设备收集数据，并获取患者病历授权。"
斯卡纳皮科补充指出，临床或研究场景中舌诊标准化存在固有挑战。他认为全面推广AI舌诊需巨额投资及海量影像与病历数据库，"在条件成熟前，该领域将通过揭示舌象与特定疾病的关联性研究逐步推进。当然，许多疾病不会引起舌象变化。"他强调此类工具仅是诊断体系的组成部分。
与此同时，面向消费者的AI舌诊工具正悄然普及。今年初，徐东与其密苏里大学博士生谢家诚团队推出基于GPT的中医概念应用"本草"，用户上传舌部影像即可获取个性化健康指导。该应用目前仅定位为"健康 wellness 工具"，因医疗诊断需更严格规范，"我们仅提供饮食与生活方式建议。"谢家诚表示。团队计划与临床医师合作，比对机器学习模型与人类医生的诊断输出，以识别性能差异并实现技术升级。
【全文结束】
