Āyurpadaviśleṣikā: A Digital Knowledge System for Ayurvedic Lexicography and Pharmacology

Pendant des siècles, le système médical de l'Ayurveda s'est appuyé sur de vastes bibliothèques de textes anciens en sanskrit pour guider les guérisseurs. Ces livres, connus sous le nom de nighaṇṭus, ne sont pas de simples dictionnaires mais des cartes complexes de la nature. Ils décrivent des milliers de plantes, de minéraux et de produits animaux non seulement par leur nom, mais aussi par leurs comportements spécifiques dans le corps humain. Une seule herbe peut être décrite par son goût, sa texture, son énergie, la façon dont elle change après la digestion et les actions curatives spécifiques qu'elle accomplit. Pour un étudiant ou un chercheur moderne, naviguer dans ces manuscrits denses et manuscrits est une tâche formidable. La langue est archaïque, les concepts sont profondément interconnectés et l'information est souvent dispersée à travers différents volumes. Sans un moyen d'organiser ce savoir numériquement, une grande partie de cette sagesse reste verrouillée, difficile d'accès et encore plus difficile à appliquer dans le monde actuel de la santé et de la recherche, qui va très vite.

Un chercheur a maintenant construit un pont entre cette sagesse ancienne et la technologie moderne. Il a créé une nouvelle plateforme numérique appelée Āyurpadaviśleṣikā, un système conçu pour apporter la connaissance profonde et structurée de la pharmacologie ayurvédique dans le vingt-et-unième siècle. Plutôt que de simplement scanner de vieilles pages et de les stocker sous forme d'images, le chercheur a traduit l'information centrale de trois textes classiques majeurs — le Dhanvantari nighaṇṭu, le Rāja nighaṇṭu et le Bhāvaprakāśa nighaṇṭu — en une base de données vivante et interrogeable. Ce système organise plus de 4 000 entrées médicinales en utilisant le cadre traditionnel à cinq volets de l'Ayurveda. Il capture le goût, la qualité, la puissance, l'effet post-digestif et l'action thérapeutique de chaque substance, transformant des siècles d'observations manuscrites en une ressource bilingue claire, en sanskrit et en anglais.

Le travail a commencé par la tâche laborieuse de convertir les anciens versets sanskrits en texte numérique. Le chercheur a utilisé la reconnaissance optique de caractères pour lire les scripts, mais il ne s'est pas arrêté là. Il a manuellement vérifié et corrigé le texte pour garantir l'exactitude, puis a cartographié l'information dans une base de données structurée. Ce processus impliquait de combler les lacunes là où les textes originaux étaient incomplets et de veiller à ce que les traductions restent cohérentes. Pour rendre le système véritablement utile, le chercheur a intégré des outils informatiques avancés. Il a utilisé l'intelligence artificielle pour aider à traduire des termes sanskrits complexes en anglais, en vérifiant soigneusement les résultats avec des experts humains pour préserver les nuances subtiles que les machines manquent souvent. Par exemple, les mots décrivant si une substance est huileuse, froide ou sèche ont été traduits avec grand soin pour maintenir leur contexte médical d'origine.

L'une des caractéristiques les plus pratiques de ce nouveau système est sa capacité à connecter les mots aux images. Dans l'étude traditionnelle, identifier une plante par sa seule description peut être difficile. Le chercheur a abordé cela en construisant un herbier numérique organisé. Il a collecté des photographies authentifiées de feuilles, de racines, de fleurs et de graines et les a associées aux descriptions textuelles trouvées dans les livres anciens. Pour s'assurer que ces images étaient correctes, il a utilisé des algorithmes de vision par ordinateur pour vérifier que les photos correspondaient aux critères botaniques décrits dans les textes. Cette couche visuelle aide les étudiants et les cliniciens à confirmer l'identité d'une plante avant de l'utiliser, réduisant ainsi le risque d'erreur qui provient souvent de la dépendance au seul texte.

La plateforme est conçue pour être flexible pour de nombreux types d'utilisateurs différents. Un étudiant peut rechercher une herbe spécifique et voir son profil, complet de ses propriétés traditionnelles et d'une image claire. Un chercheur peut chercher toutes les substances qui partagent une action thérapeutique spécifique, telle que la réduction de l'inflammation, et les comparer côte à côte. Un médecin peut rapidement trouver des herbes adaptées au traitement d'une fièvre ou d'une condition inflammatoire, en vérifiant leurs usages traditionnels par rapport aux besoins modernes. Le système permet aux utilisateurs de rechercher en sanskrit et en anglais, gérant les variations d'orthographe et de prononciation afin qu'un utilisateur puisse trouver ce dont il a besoin même s'il n'est pas un expert de la langue. Les utilisateurs peuvent également enregistrer leurs entrées favorites, créer des guides d'étude personnels et exporter des profils pour une utilisation ultérieure.

Bien que la version actuelle soit un outil puissant pour organiser et accéder à la connaissance, le chercheur voit cela comme une fondation pour des possibilités encore plus grandes. Il prévoit d'intégrer des modèles de langage de grande taille, qui sont des systèmes d'intelligence artificielle avancés capables de tenir des conversations naturelles. À l'avenir, un utilisateur pourrait poser une question au système en langage courant, telle que « Quelles herbes sont bonnes pour les douleurs articulaires ? » ou « Comment cette plante se compare-t-elle à celle-là ? ». Le système fournirait alors une réponse réfléchie et contextuelle basée sur les textes classiques, guidant l'utilisateur vers la bonne information sans nécessiter la connaissance des termes techniques complexes du passé.

Ce projet représente un changement significatif dans la manière dont le savoir traditionnel est préservé et utilisé. En passant d'archives statiques à un système dynamique et interactif, le chercheur a rendu possible l'exploration des connexions entre différentes herbes et leurs effets de manières qui étaient auparavant difficiles. Le système ne remplace pas les textes anciens mais plutôt les déverrouille, permettant aux observations détaillées des érudits du passé d'informer l'éducation moderne, la pratique clinique et le développement de produits à base de plantes. Il constitue un modèle pour la façon dont d'autres systèmes médicaux traditionnels peuvent être amenés à l'ère numérique, garantissant que ce précieux savoir indigène ne soit pas perdu mais soit plutôt revitalisé pour les générations futures.