目的 探讨基于自适应矩估计（Adam）的反向传播（BP）神经网络通过痛经症状，预测对应的中医证型的临床价值和可行性。方法 将5151份中医痛经临床病例组成的真实临床数据集进行数据编码，利用Python的TensorFlow库，构建基于自适应矩估计的BP神经网络的中医证型预测模型，然后对模型进行训练、测试。结果 训练出的BP神经网络模型对气血两虚、肝郁湿热等7种证型的预测结果的精准率、召回率和F1分数大部分在0.9以上，在寒湿凝滞和气滞血瘀证型预测上较弱，模型整体准确率为0.89，特异度为0.99，马修斯相关系数为0.87。结论 基于BP神经网络构建的预测痛经中医证型模型整体正确率较高，具有一定临床使用、教学价值，可缩短年轻中医生临床经验积累时间，为下一步优化模型提供了思路。