学术论坛结束后，顾然团队的HIT-D体质量化系统迅速成为个体化医学圈里的热门话题。

有支持的声音：

“终于有人把中医的‘因人制宜’和现代医学的精准理念结合起来了，这是前沿探索。”

“AI找到了一条数据解读体质的新路，值得关注。”

也有质疑的声音：

“体质量化分类依据不明，科学性存疑。”

“目前的样本量太小，没经过大规模随机对照验证，讨论意义不大。”

“中医的体质是经验总结，强行量化可能丢失本质。”

“这些争论早就料到了，”程向阳翻着论坛后的媒体报道，不以为意，“没有争议，才是最可怕的。”

“可医学圈的认可度才是关键，”顾然目光平静，“我们要用数据证明它的价值，而不是用理念去说服别人。”

苏静轻声补充：“中医的经验和现代科学的逻辑，本来就走在两条不同的轨道上。我们要做的，不是去让他们统一，而是找到交汇点。”

回到公司后，顾然第一时间召集团队，针对论坛反馈梳理当前HIT-D平台存在的问题，并制定下一步的优化计划。

主要问题：

体质量化分类维度仍然不足，目前基于HRV、睡眠、舌象等数据，尚不能精准区分某些复合型体质。

与药效波动的因果链不完整，更多的是相关性描述，缺少生理机制层面的深入解析。

数据来源单一，主要来自合作医院和和衡堂，缺乏全国性、多中心的患者数据支撑。

AI推荐用药策略仍需医生参与解读，无法独立给出完整的个体化治疗方案。

“我们必须承认，目前的系统还很初级，”李思源总结，“想真正被临床接受，还有很长的路要走。”

“但是我们已经迈出了第一步，”顾然语气坚定，“接下来，要让系统变得更聪明、更可信。”

要让HIT-D成长，必须有更多数据喂养它。

程向阳与公司高层商量后，决定推动与更多医院的合作，尤其是有中西医结合特色的综合医院，争取打通更多数据来源。

顾然和苏静主动请缨，承担外联走访工作。

“我们亲自去，医生和管理层的顾虑会少一些，”苏静说，“毕竟我们是做研究的人，知道他们真正关心什么。”