Сложные системы традиционной китайской медицины содержат различные химические компоненты, такие как малые молекулы, белки, полисахариды и высокоорганизованные само-сборки. В настоящее время анализ этих компонентов ограничен недостаточной охватностью спектральных баз данных и низкой эффективностью ручного анализа, что сдерживает глубину фундаментальных исследований веществ. Искусственный интеллект (ИИ), обладая мощными возможностями интеграции многомодальных данных и глубокого обучения представлений, способствует переходу анализа химических компонентов традиционной китайской медицины от "опытно-ориентированного" к новому "данно-ориентированному" подходу. В статье системно рассматриваются парадигмы обучения и ключевые архитектуры ИИ в анализе компонентов ТКМ, с акцентом на методы обучения молекулярных представлений, стратегии обработки спектральных данных, а также передовые приложения в интеллектуальном анализе и расширении химического пространства. Наконец, обсуждаются ключевые вызовы, такие как стандартизация данных, обмен данными и многомодальная интеграция, а также пути дальнейшего развития.

искусственный интеллект;химические компоненты ТКМ;глубокое обучение;обучение представлениям;интеллектуальный анализ