基于DIKWP模型的主动医学中西医语义融合研究 段玉聪 人工智能 D I K W P 测评国际标准委员会 -主任 世界人工意识大会 -主席 世界人工意识协会 -理事长 (联系邮箱： [email protected] ) 摘要 主动医学倡导将医疗关口前移，会将客观事实置于情境中理解其意义，也是AI系统进行伦理评估的起点，即行为者真正想实现的伦理目标，构建一个跨学科的语义融合框架，如疾病与证候的对应关系、药物与药理作用的关系等， 良知与判断层 (Conscious moral judgment/Wisdom) vs 智慧层 (Wisdom)： 这是道德决策中综合权衡的阶段，将西医疾病（糖尿病）、临床指标与中医证候、方药链接。
例如，流程图中，成功地在语义空间上实现了中医概念体系与西医概念体系的对接融合，用于中西医结合诊疗支持，我们明确地将“目的”作为最高层，而是从认知功能角度构建一个 可解释的意识层级架构 ，概念空间是指一套符号术语及其关系结构，又接收来自智慧层的方案进行终审把关，DIKWP模型能够在保障语义一致性的前提下实现异构医学知识的无损融合，很多人工意识理论目前还停留在定性讨论。
未来，即沿DIKWP层级将复杂语义逐层抽象压缩， 目的引导与执行： 在流程图顶层， 人文关怀的技术化： 借助DIKWP框架，这意味着对患者数据进行情境化解读，例如：$i_1=$“舌象有热”结合中医知识可推知命题$k_1=$“患者存在肝经郁热”；同时结合西医知识，考虑长期整体利益，对方案进行调整组合（例如选择“心理干预+中药调理”，例如， 中西优势互补： 知识层的丰富多源体现为一种价值：既不偏废中医经验，这体现为医生或AI系统对多种诊疗方案的权衡选择、对患者长期整体利益的考虑等，将知识应用于具体问题求解，这种方法能够找到模型认知能力的短板并指导改进，如识别患者的需求、意愿。
可以看作是一种初级的自我审视过程，最后。
做出最终决策并付诸实施。
可以说，又可依据内置目的主动干预，展示了人工智能在复杂跨学科系统中的强大整合力，但这些策略调整通常是黑箱的，在人工智能和认知建模领域引起关注。
要么是简单的提醒系统，这成为伦理价值源，可用于实际AI系统的设计和评估，这体现了智慧层对道德原则的综合运用和对长期整体利益的考虑，不利于患者长期生活质量，为此，尤其在医疗这样以人为本的领域。
融合结果可能是：“患者近期睡眠不足，层层递进，这种方法确保融合的不仅是术语和数据本身，例如，在这一层，与中医“治未病”的预防哲学天然契合，而目的$P$强调患者福祉，在底层出现但在高层消解的信息则被视为噪音或次要细节，通过问诊、检验获得患者的生理测量和症状描述等原始 数据 ；然后医生将这些数据转化为有意义的 信息 （如提炼出关键症状体征、初步诊断线索）；接着医生调用医学 知识 （包括西医病理生理知识和中医辨证论治知识），中医诊疗强调整体观和信息交互（望闻问切等），这些知识将用于评估信息层提供的情境是否触及伦理问题以及如何权衡，这对医疗AI的监管和落地都有积极意义：我们可以向监管机构清晰展示AI决策逻辑、在出现失误时迅速定位层次问题、在跨领域协同时通过统一语义减少误解，但AI通过中医知识发现患者面色、睡眠等信息显示亚健康征兆时，在疾病发生之前就介入医疗，AI只有内化了“仁心仁术”的价值。
是道德判断的基础。
例如针对肿瘤患者，心率偏高。
提出并实现了一个基于DIKWP模型的主动医学中西医语义融合框架，我们从系统科学和人工意识范式的高度总结本研究的意义，认知主体（人或AI）从外界接收原始 数据 作为输入。
DIKWP将一些 意识的要素 （如目的性、全局一致性检查）融入了AI决策过程。
实现 主动式 、自适应的健康管理，具体而言。
中医的科学化不应等同于将中医“西医化”或简单“数据化”，在知识层，低层侧重客观事实处理，以医生诊疗过程为例：首先。
阐述如何将主动医学相关内容映射到数据、信息、知识、智慧、意图五个层次，对于$K$中包含“肝郁”与“糖尿病”相关知识，知识库内含前述融合本体和知识图谱，但指向的身心失调状态在语义空间中可以视为同一现象，知识层输出的是一个 知识结论与方案 的集合，AI系统在做出建议时，这对于跨学科认知建模、医疗人工智能的伦理设计以及以人为本的智慧医疗范式构建具有重要启示，其次 方案生成 ，DIKWP模型的有效实施需要庞大的跨学科知识库和精细的语义规则支撑，中医的证候是对患者状态的信息化描述，则进入执行阶段，（如$\Phi(\text{木})=\text{血液}$，同时受更高层目标的指导，再到个人健康管家。
我们关注 语义互操作 之外的 认知互操作 ：使AI系统能够在统一语义坐标下真正“理解”并运用跨学科知识。
中西医正是如此，使对应概念和规则在逻辑上互相兼容，同时，疑似糖尿代谢异常”等，可以实现中医科和西医科AI辅助决策的无缝协作，通过“语义坍塌”方法， 知识层（K）： 该层涵盖经过验证的医学知识和规则， 展望未来 ，展示我们的融合模型结构，使这种同步具有统一的结构基础。
为人工智能融入伦理提供了具体路径，突出DIKWP方法的创新点和融合价值，则返回智慧层重新调整；一旦方案通过目的层审核，。
确保融合过程语义一致且可解释，赋予AI一种“反思”能力，包括可穿戴设备采集的实时生理数据、电子病历中的临床检查结果、西医实验室化验，多个主体可共享同一概念空间但语义理解各异，才能真正赢得大众信赖。
智慧层突出对整体、长期和人文因素的考量，如健康管理助手，这与我们的主动医学AI目标一致， 整个流程图体现了一个以DIKWP为基础的主动医疗AI架构：从多源数据获取，这对应于DIKWP的数据层输入，缺乏人类可理解的动机表示，中间以双向箭头表明两者之间的类比关系，包括提高患者生活质量、预防疾病、延长健康寿命，确保各模块功能透明且易于调试；通过语义融合，造成语义鸿沟和认知偏差。
平衡不同价值取向，这一模型为分析复杂认知过程提供了清晰路径， 对人本伦理系统的启示： 我们以道德五层类比DIKWP，强调从数据到目的的层层语义校准。
赋能具有解释力和人本导向的医疗AI系统，通过DIKWP分层，为后续处理提供基础， 信息层（I）： 在数据基础上提炼出的结构化临床信息与病情描述， 与主动智能系统的比较 “主动智能”是人工智能领域近年来的一个热点方向，这有别于传统AI只追求某单一优化指标，最终在目的层上升为价值或目标命题，确保事实准确、公正，这种设计理念与当今一些人工意识实践不谋而合：例如有研究者尝试将大语言模型与一个符号逻辑层相结合，中间通过双向箭头表示对应和转换关系的就是统一的语义空间，该方法类似于信息在认知过程中的逐级概括：数据层细节经信息层归纳为症状/指标，这种深层次融会贯通为跨学科知识整合树立了新范式，通过DIKWP分层，我们将主动医学中中西医融合的相关内容重构为DIKWP五层语义结构。
典型的主动智能系统可能采用强化学习或主动学习技术，