Los sistemas complejos de la medicina tradicional china contienen diversos componentes químicos, como pequeñas moléculas, proteínas, polisacáridos y ensamblajes autoorganizados de alto nivel. Actualmente, el análisis de estos componentes está limitado por la cobertura insuficiente de las bases de datos espectrales y la baja eficiencia en el análisis manual, lo que restringe la profundidad de la investigación básica de sustancias. La inteligencia artificial (IA), con sus potentes capacidades de integración de datos multi-fuente y aprendizaje profundo de representaciones, ha impulsado la transición del análisis de componentes químicos de la medicina tradicional china de un paradigma "impulsado por la experiencia" a uno "impulsado por datos". Este artículo revisa sistemáticamente los paradigmas de aprendizaje y las arquitecturas centrales de la IA en el análisis de componentes de la medicina tradicional china, destacando los métodos de aprendizaje de representación molecular, las estrategias de procesamiento de datos espectrales y las aplicaciones avanzadas en análisis inteligente y expansión del espacio químico. Finalmente, se exploran los desafíos clave como la estandarización de datos, el intercambio de datos y la integración multimodal, así como las vías de desarrollo futuro.

inteligencia artificial;componentes químicos de la medicina tradicional china;aprendizaje profundo;aprendizaje de representación;análisis inteligente