De verminderde eierstokreserve (DOR) neemt toe in incidentie en treft jongere vrouwen. Acupunctuur is klinisch gebruikt voor DOR; Toch blijft de praktijk subjectief, afhankelijk van ervaring en ontbreekt het aan gestandaardiseerde richtlijnimplementatie. Voortbouwend op ons eerdere algemene intelligente acupunctuursysteem, richt deze studie zich op gynaecologische aandoeningen en gebruikt DOR als klinisch instappunt om een gespecialiseerde kennisgrafiek en besluitvormingssysteem te ontwikkelen. Deze studie omvatte 82 klassieke acupunctuurteksten, Chinese en Engelse literatuur en klinische gegevens. Kennis werd geëxtraheerd met een hybride benadering die grote taalmodellen en handmatige annotatie combineerde om een volledige acupunctuurkennisgrafiek en een DOR-specifieke gynaecologie-subgraaf te construeren. Het systeem maakt gebruik van BiLSTM-CRF-gebaseerde entiteitsherkenning en dual-mode retrieval om syndroomdifferentiatie en het genereren van acupunctuurrecepten te automatiseren. De volledige grafiek bevat 16.558 entiteiten en 80.084 relaties, terwijl de gynaecologie-subgraaf 8.677 entiteiten en 27.092 relaties bevat. In een klinische evaluatie van 90 patiënten met DOR behaalde het systeem een diagnostisch overeenkomstpercentage van 86,7% vergeleken met deskundige beoordelingen. De gemiddelde score voor geschiktheid van het recept was 4,65. Inter-rater overeenkomst onder experts, gemeten met Kendall's coëfficiënt van concordantie, was W ≈ 0,13 (P < 0,05), wat wijst op statistisch significante maar beperkte overeenkomst. Deze bevindingen suggereren dat het systeem gestructureerde ondersteuning kan bieden voor acupunctuur-gebaseerde syndroomdifferentiatie en het genereren van recepten in DOR, met potentieel als een aanvullende klinische beslissingsondersteuningstool.