数据标注优秀案例集之三十七 | 中医药行业大模型数据标注

　　申报单位：云南白药集团股份有限公司
　　推荐单位：云南省数据局
　　一、案例简介
　　中医药行业存在数据模态多样、标注标准不统一、效率低等痛点。本项目从流程上定义了行业数据标注范式，构建采集、分类、翻译、标注等全流程管理体系；技术上融合Graph RAG，通过CV与LLM进行数据合成，实现了多模态数据应用；成效上构建了中药材质检、诊疗、营销等高质量数据集及应用，标注效率提升30倍，中药材质检效率提高50%，退换货成本降低1000万/年、营销复购率增长1000万。
　　二、举措与成效
　　一是构建中医药行业数据标注管理范式。针对数据模态多样、标注标准缺失等痛点，建立了涵盖采集、血缘标记、分类、翻译、标注全流程管理体系。提供OCR识别、古文翻译，图文关联等能力；同时定义层级标签形成多维度数据分级标准，指导构建中医药质检、诊疗、营销等场景近百万高质量数据集，覆盖三七、茯苓15万例，天然药物4618种。
　　二是应用Graph RAG技术，实现多模态数据应用。针对图文关联技术不足、大模型上下文长度受限问题，构建多模态数据关联、聚类划分知识社区，生成知识图谱，支持混合检索与大模型问答，赋能一线销售管理，实现营销复购率增长超千万。
　　三是研发自动化标注与合成数据技术，提升标注效率。针对人工标注成本高、耗时长等瓶颈，引入SAM模型实现图像智能分割，人工仅需修正20%结果，标注效率提升30倍，分拣效率提升50倍，年节约成本超千万。同时基于Self-Instruct方法利用大模型生成合成标注数据。合成数据支撑大模型训练，推动任务数据准备缩短60%。
　　三、特色亮点
　　一是构建中医药行业数据标准化标注体系，推动行业数据治理规范化。建立行业数据标注全流程管理体系，确保数据合规性与可追溯性。支撑行业数据共享与模型共建，联合产业链伙伴建立中药材数据共享联盟，推动行业数据标注标准化产业化。构建数据流通与应用，赋能中医药全产业链（种植、加工、流通、服务）。
　　二是Graph RAG技术赋能精准诊疗与智能营销。基于大模型抽取长上下文关系，生成知识图谱；通过子图检索增强多模态数据关联，将复杂问题回答准确率提升10%。该技术驱动构建中医诊疗助手赋能基层医疗机构、产品营销助手赋能一线销售管理，推动中药材复购率年增长达千万级收益，计划扩展至千家药店，可推广其它场景应用。
　　三是自动化标注+合成数据技术，实现数据标注效率提升。在图像标注利用通用CV模型实现自标注，利用领先大模型合成文本标注数据。完成百万条微调数据，几万条COT推理数据，为行业大模型训练数据标注提供示范。