博文
基于DIKWP模型的主动医学新范式： 技术与业务的全方位探讨
|
基于DIKWP模型的主动医学新范式：技术与业务的全方位探讨
段玉聪（Yucong Duan）
国际人工智能评价网络 DIKWP 标准化委员会（DIKWP-SC）
世界人工意识 CIC（WAC）
世界人工意识大会（WCAC）
（电子邮件：duanyucong@hotmail.com）
摘要在医疗“被动应对—疾病治疗”模式不足以应对现代社会健康挑战的当下，“主动医学”越来越成为学界与产业的共识方向。尤其当人工智能（AI）与医疗逐步深度融合，借助可穿戴设备、远程监测、大数据分析等手段，医疗正从点状的治病转向基于日常健康管理、长期风险预防的协同生态。段玉聪教授提出的 DIKWP（Data, Information, Knowledge, Wisdom, Purpose）模型，可以为此提供清晰的思维框架：在该模型中，患者、医生乃至医院都可被视为拥有完整DIKWP画像的“认知实体”，疾病被理解为“患者DIKWP对健康DIKWP的偏离”，医院（或更广泛的医疗服务体系）则成为对患者DIKWP进行处理和修正的专业机构，从而在碳基（人）与硅基（AI）的协同中推进“主动医学”。本文将从技术架构、业务运营、产业生态和社会价值等方面，深入阐述这一模式的可行性与未来前景，并融合传统医学（如阿育吠陀、中医）等“整体观、治未病”思想与现代AI科技的优势，构筑兼具人文情怀与高效运营的主动医学新生态。
第一部分：DIKWP模型与主动医学的总体概念1.1 何谓主动医学？从“治病”到“治未病”：传统医疗多在患者出现明确病症后进行干预，导致资源集中于病情对抗；主动医学则将医疗服务前置到日常生活场景，从早期监测、生活方式指导、社会心理支持等角度实现长期健康维护，尽力减少重大病症的发生或延缓发展。
“碳基—硅基”协同：在这一模式中，AI工具（硅基）强化了对个人健康风险的识别、预测与动态干预；医生与患者（碳基）则在道德、智慧与目的层面保持主体地位，确保技术与人文结合，避免脱离社会价值与伦理的纯算法决策。
Data（D）：原始数据与观测信息；
Information（I）：从数据中提炼出差异点、识别异常或发现新规律；
Knowledge（K）：系统化处理信息，形成稳定认知或可复用的医学理论；
Wisdom（W）：在伦理、法律、道德及社会价值等更高阶范畴进行平衡决策；
Purpose（P）：目标或意图，决定了认知主体“为何做”“想达成什么成果”。
Data（D）层
患者日常生理指标（血糖、血压、心率等）、生活行为数据（运动步数、睡眠质量、饮食热量摄入等）、心理情绪（可从社交媒体或情感识别中获得）……
这些信息由可穿戴设备、手机APP或定期体检采集，真实地记录患者的客观与主观健康状态。
Information（I）层
通过对患者 Data层进行分析，得出哪些指标是异常或不达标，哪些生活习惯存在显著健康隐患……
如同“诊断”或“差异化识别”过程。若一个人血压持续偏高、心率易波动，AI可提前告知潜在高血压或心血管风险。
Knowledge（K）层
患者对自身健康原理、病因学的认识，包括从医生宣教、网络科普或自身经验中累积。
若患者缺乏系统化K层支撑（如缺乏慢病管理知识），即便I层识别到血压异常，也容易忽视或不理解危险性。
Wisdom（W）层
患者决定如何应对这些健康风险、是否自律调适；会思考某种生活方式或治疗决定的伦理、社会影响等。
高阶的自我反思与价值选择，如“我要坚持健康饮食，否则会给家庭造成负担”，体现Wisdom的力量。
Purpose（P）层
患者的人生大方向、生活意义、健康目标。有人希望享有高质量长寿，有人更关心精力充沛陪伴家人，也有人虽体检异常却缺乏强烈动机改变现状。
若P层不明晰，患者往往没有内在动力来进行长期健康投入，令主动医学难以真正落地。
疾病因此可视为患者DIKWP中对理想健康DIKWP的偏离或不匹配：
Data层指标存在异常；
Information层错误理解或忽视征兆；
Knowledge层不足以支撑正确认知与决策；
Wisdom层在道德与社会价值的天平上出现失衡；
Purpose层缺乏持久、正向的健康目标等。
Data（D）层
医院掌握庞大患者数据库、检测数据、公共卫生数据等；医生个人则具有临床一线观察，能收集主诉与症状详实信息。
AI可把这些零散数据进行结构化与跨案例比对，生成更宏观的健康或病理图谱。
Information（I）层
医疗团队识别患者的问题关键，形成差异化诊断，如血糖偏高+长期熬夜=高患病风险；
将新的健康风险信息与既有知识库对照，辅助医生快速定位病理与干预策略。
Knowledge（K）层
由临床教科书、科研论文、医学指南、经验传承等共同构建，亦可纳入中医、阿育吠陀等传统理论；
医院作为“知识中枢”，通过学科建设和临床实践不断迭代升级，使其成为AI与医生做智慧决策的底层“思想之源”。
Wisdom（W）层
医院/医生在道德、社会责任与法律框架内做出诊疗策略选择。比如如何平衡经济成本、患者依从性与临床收益；
当涉及基因编辑、重大手术或伦理争议治疗时，更需多学科会诊及伦理委员会评估。
Purpose（P）层
医院组织：改善大众健康水平、提供优质医疗服务；在商业维度可能兼顾运营收益；在公益维度则包含普惠与公平。
医生个体：秉持行医初心“救死扶伤”，或追求医术精进、学术突破，亦或平衡个人家庭和社会贡献等多重目标。
医院在这个逻辑下，即承担“DIKWP处理者”的角色，将来自患者（D、I、K、W、P）层呈现的“健康偏离”信息输入系统，通过医院自身的数据、知识和决策机制进行修复或调优，再输出给患者更新后的健康指引或治疗方案，实现对健康DIKWP的矫正。
第三部分：技术与业务的深入探讨3.1 技术：从多模态数据到智能治疗方案3.1.1 多模态数据融合生理数据（血液化验、基因组测序、影像学检查等）+
行为数据（运动量、社交、APP使用轨迹）+
心理情绪数据（情感计算、语言分析）+
社会/环境数据（职场压力、居住环境、空气质量、文化信仰）
AI需具备多模态学习与数据融合框架，把这些异构数据进行特征抽取与关联分析，形成对患者“多角度画像”。
3.1.2 智能诊断与个性化推荐Knowledge层模型：将医疗指南（内科、外科、慢病管理等）与中医/阿育吠陀理论相结合，做出“全病程”与“全生命周期”知识库；
Wisdom层推理：在运算结果与伦理规则约束下，选出最佳干预组合，如药物处方+心理辅导+饮食方案+AI自测工具；
动态学习：在随访过程中，若患者出现依从性低或副作用，AI实时修正模型，形成更精确的差异化诊疗策略。
医生主导 Wisdom 与 Purpose 层最关键的伦理与价值决策，AI提供多维备选方案与可信度报告；
对患者也需保证可解释性，避免“算法黑箱”引发不信任或盲从。可通过可视化、案例对比等方式让患者更直观理解调理原理。
用户/患者导入：个体在医院或通过线上平台注册健康档案；
数据采集与画像（D→I层）：患者行为与生理数据持续输入，AI初步筛选风险；
多学科会诊或AI分析（K层）：医生验证与修正AI给出的诊断或方案；
方案输出（W层+P层）：与患者充分沟通，综合价值判断与个体意愿，达成最终干预协议；
干预执行：可包含线上指导、线下治疗、生活方式建议跟踪、心理支持、小组活动等；
反馈与更新：患者定期或即时反馈效果，医院重复信息处理、知识扩展，形成新Wisdom并持续调优Purpose。实现循环迭代。
签约式服务：患者按年或季度付费，获得“一站式健康管理+医疗支持”，医院对其进行24h数据跟踪与随访；
分层套餐：按风险级别或个性需求定制，比如慢病套餐、老年套餐、运动康复套餐、亚健康调理等；
AI平台增值：医院可将专业版AI引擎开放给保险、药厂、健身机构等，深度挖掘产业协同；
行业生态合作：与保险公司、社区服务、企业健康管理部门合作，引进法律/伦理专家形成跨学科团队。
医疗机构：从诊疗中心化到健康管理平台化，需要更复杂的IT系统、云平台与交互设计；
AI技术商：提供大模型研发、算法优化、隐私保护等技术支撑；
保险公司：借助大数据风控降低理赔概率，并在主动预防方面激励投保人保持健康行为；
可穿戴/设备厂商：与医院/AI平台联动，完善生态闭环；
药企/基因公司：共同开发个性化药物或营养调理方案，与医院一起制定长期服药与跟踪。
早筛早治：预防及早干预可显著减少慢病恶化或重大疾病高昂治疗成本；
均衡医疗资源：线上AI与远程会诊的普及有望减缓区域医疗资源不均，让偏远或欠发达地区享受更优质服务；
健康意识提升：在信息化管理和持续互动下，公民对健康重要性的认识与责任感不断提高，有利于建设以“治未病”为核心的健康文化。
借鉴传统：中医、阿育吠陀、道家养生、中医“治未病”等传统模式在AI辅助下焕发生机，以更科学、可量化的方式进入现代视野；
道德与精神维度：主动医学不只治愈身体，也关注心理、家庭关系与社会公益，如鼓励团体公益锻炼、社区互助等，这体现“生命不仅是个人的事，也与社会、生态、宇宙相联”的世界观。
算法可信度与可解释性
大模型易陷入“黑箱”，若临床关键决策全交算法完成，可能出现难以追责的问题。建议引入可解释AI（XAI）与人机协作流程。
数据共享与隐私保护
健康数据必须受到最严格的加密与访问权限限制；国际上需统一标准或协定（如HL7 FHIR、GDPR框架下医疗隐私部分）使数据可安全交换。
可持续商业模式
逐步过渡到按服务质量与健康结果付费，而非单次诊疗收费；与保险和政府补贴政策结合，共同负担长期成本。
医疗流程重构
传统“门诊—治疗—结算”需与线上AI导诊、签约随访、个性化康复等环节整合；就医流程与机构设置都要做系统性改造。
法律法规配套
在自动诊断、基因编辑、远程手术等高风险场景，应明确AI责任归属与伦理边界；医疗行业自律和政府立法需同步推进。
公众教育
面向大众开展科普，让更多人理解主动医学的内涵与益处，提升对AI建议的信任与配合度。
跨文化整合
中医、阿育吠陀等传统医学在不同社会背景的认可度和方式差异很大，需兼顾本地政策、信仰、消费习惯等，因地制宜推广。
当我们将患者、医生与医院都纳入DIKWP模型，并用“主动医学”理念贯穿全流程，医疗便从早期“治病”转向系统化的“健康维护与升级”模式：
患者：不再是被动的对象，而成为健康数据与生活方式改善的主导者；
医生：从“断症—治疗”的执行者，进化为多学科融合指导者与价值平衡的把关人；
医院：成为提供“DIKWP处理服务”的综合性平台，与社会其他资源（保险、制药、健身、心理等）相衔接，为公民持续输出纠偏、支持与鼓励。
在碳基（人）与硅基（AI）协同共生的大背景下，传统医学中“治未病”、整体观念和身心灵并重的思想，也为现代医疗注入更深层的哲学与人文关怀。AI则通过强大的感知分析推进精准预防，让这些传统理念得以真正落实在个体日常行为与政策制定中。两者合力，构成未来健康的主要支撑体系：一个让每个社会成员都能从日常微调和远程监测中持续受益的健康新生态。
DIKWP主动医学模式的建立、扩展与完善，既要在技术层面用AI、云计算、大数据夯实智能化基础，也需在业务与运营层面拓展服务结构、健全收费与补贴机制，更要于社会文化与法律法规处形成足够宽容与安全的创新环境。唯有多方协同，方能让这一模式从“理念实验”变为“可持续现实”，为人类的全维度健康（身、心、灵与社会价值）保驾护航，迎来碳基与硅基共演的又一个辉煌时代。
https://blog.sciencenet.cn/blog-3429562-1467441.html
上一篇：碳基与硅基的多维共演：基于DIKWP模型的主动医学新格局 ——从患者与医生的DIKWP画像谈“治未病”与生活方式升级
下一篇：基于DIKWP模型的主动医学场景： 在人工意识系统下的综合案例与深度探讨
