主动医学实战5步曲之四：中西医结合诊疗方案DIKWP分析及改进

段玉聪

人工智能DIKWP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：duanyucong@hotmail.com)

根据段玉聪教授提出的非层级网状DIKWP模型，全面解析莫教授当前的中西药物治疗路径，分别映射至25个DIKWP交互模块，分析其在数据→信息、目的→智慧、知识→信息等关键路径上的转化表现。

还将结合他的健康数据与主诉，用DIKWP交互模型评估当前治疗路径的认知盲点与潜在优化空间，并构建一个以“人-医-AI协同”为核心的健康调理建议框架。该框架将以智慧医学治理为目标，设计未来AI健康顾问与人类医生协同管理慢病的系统思路。

(image) 图：传统DIKW金字塔模型（未包含Purpose层级）。在该层级体系中，数据依次被加工为信息、知识，进而形成智慧决策 (科学网-段玉聪：DIKWP模型理论超越”信息压缩“：重塑人工智能的 ...)。

1. 当前治疗方案的DIKWP映射分析莫教授目前诊治糖尿病及心血管风险的方案包含西医药物（阿司匹林肠溶片、瑞舒伐他汀钙片、单硝酸异山梨酯片）和中成药（丹参滴丸，以及拟加用的金纳多、冠心丹参滴丸和消渴丸）。为分析这些干预在“数据-信息-知识-智慧-目的”（DIKWP）非线性网状模型中的作用，需要将每种药物的疗效机理和应用策略映射到DIKWP的25个交互模块上 ((PDF) 基于网状DIKWP 模型整合意识相对论与意识BUG理论) (基于网状DIKWP的全球经济活动建模与未来5年预测-段玉聪的博文)。DIKWP模型不同于传统线性层级模型，它允许五要素之间任意双向转换，共计5×5=25种基本交互路径 ((PDF) 基于网状DIKWP 模型整合意识相对论与意识BUG理论)。下面分别分析各药物在数据(D)、信息(I)、知识(K)、智慧(W)、目的(P)维度间的转化作用，并评估其治疗目标完整性和中西医认知差异。

阿司匹林肠溶片（抗血小板）：阿司匹林作为经典抗血栓药物，其作用从基础数据到治疗目标具备较完整的DIKWP路径。首先，大量临床试验数据(D)提炼出可靠的信息(I)：低剂量阿司匹林能显著抑制血小板聚集，降低心肌梗死、中风等事件风险 (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis)。这些信息经循证医学整合上升为医学知识(K)，即阿司匹林用于心血管二级预防可降低死亡率的共识。医生运用该知识并结合患者具体情况进行智慧决策(W)：例如考虑莫教授既往冠心病危险因素且无明显出血禁忌，明智地将阿司匹林纳入方案，以实现预防血栓的目的(P)。在这一过程中，阿司匹林体现了D→I→K→W→P的链式转化：数据到信息(D→I)、信息到知识(I→K)、知识指导智慧决策(K→W)，智慧落实到治疗目标(W→P) (全球AI技术DIKWP能力评估报告（未来5–10年展望） - 知乎专栏) (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。反过来，治疗的目的(P)（如预防心肌梗死）也会反馈影响数据和信息的获取(P→D、P→I)：医生因为有预防血栓的目标，定期监测凝血功能等数据，评估阿司匹林疗效与安全 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。总体而言，阿司匹林的应用路径较完整，但需注意是否存在W→P到P→D的闭环：即智慧决策是否真正达到预期目的，目标达成后是否通过数据反馈验证 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网) (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。如果未充分监测胃肠道不良反应等数据，可能出现信息阻断，影响智慧调整。

瑞舒伐他汀钙片（调脂药）：瑞舒伐他汀通过抑制胆固醇合成来降低LDL等血脂，是以大量生化数据和临床结局研究为基础的信息与知识支撑其应用的典型西药。对于莫教授而言，其血脂检测数据(D)（如LDL水平）提供了用药指征的信息(I)，医生据此知识(K)认识到高强度他汀治疗对糖尿病合并冠心病风险患者的重要性。应用中体现D→I（血脂数据转化为心血管风险信息）和I→K（流行病学和RCT证据积累成降低胆固醇预防动脉粥样硬化的知识）。在决策层，医生需平衡他汀剂量与潜在副作用（肝酶、肌酸激酶等监测数据），这属于**知识→智慧(K→W)的过程：即不仅遵循指南知识，还结合患者具体耐受情况进行智慧调整。最终，他汀的智慧到目的(W→P)体现为将降脂的智慧举措落实到长期保护血管的健康目标上 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。如果莫教授的治疗目标是“控制血脂、防止斑块进展”，则他汀的作用路径清晰完整。然而需要注意目的→数据(P→D)**的反馈：由于有降低心血管风险的目标，后续应定期复查血脂和肝功能等数据，验证目标达成并指导剂量调整 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。目前资料未明确提及随访血脂、生化指标，若缺乏这些数据反馈，可能在I→K环节留有盲区，无法及时将信息上升为新的知识来优化他汀治疗。

单硝酸异山梨酯片（长效硝酸酯，抗心绞痛）：该药通过释放一氧化氮扩张冠脉、改善心肌供血，从而减少心绞痛发作。其作用可视为对患者症状和血流动力学数据的信息利用(I)和知识应用(K)。具体来说，心绞痛发作频率、心电图改变等临床数据(D)提示心肌缺血的信息(I)，根据药理知识(K)知道硝酸酯类可缓解缺血症状，医生据此制定智慧化方案(W)：早餐服用单异山梨酯预防白天的心绞痛。这体现了I→K→W的链条：由缺血信息到治疗知识，再到智慧应用。同样，智慧决策（如规律用药并设立“硝酸酯假期”防耐药）确保了治疗目的(P)达成，即减少心绞痛、提高运动耐量。这一过程中，异山梨酯的效果需要数据反馈验证(P→D)：如莫教授主观记录“无胸痛发作”或运动耐量数据提升，才能证明智慧举措实现了目标 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。目前方案备注中未见心绞痛发作记录，可能表明用药有效。但需警惕一个认知偏差：西药硝酸酯侧重缓解症状，即时效果明显，却可能忽略对疾病根本的影响（如动脉硬化进程）。在DIKWP模型中，这体现为目的设定的局限：如果治疗目的仅停留在症状缓解，而未上升到更高层次（如逆转病程、改善预后），则智慧输出(W)可能只满足短期目标(P)，缺乏进一步优化空间 (基于DIKWP的数字世界中生命意义与人工生命研究 - 知乎专栏)。因此在后续方案中，或许需引入其他模块（如他汀、丹参等）共同作用以实现更高层次的健康目的。

丹参滴丸/冠心丹参滴丸（中成药，活血化瘀）：丹参制剂是中医“活血化瘀”理论指导下的复方，主要成分丹参酮等具有改善微循环、抗血栓形成等作用。与西药不同，其认知路径更多体现为经验和整体智慧的应用。历史上大量病例和实验数据(D)被中医药研究者归纳为丹参改善冠脉循环、缓解胸痛的信息(I)。这些信息首先在中医知识体系内被整合为“活血化瘀通脉”的知识(K)，后来又通过现代药理和临床试验部分验证，上升为中西医结合的知识(K)：例如Meta分析显示，丹参滴丸联合阿司匹林比单用阿司匹林在改善心绞痛症状和血流变指标方面更有优势 (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis) (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis)。因此，莫教授拟加用丹参滴丸（或升级为冠心丹参滴丸），是知识到智慧(K→W)的体现：将这一综合知识应用于他的调理方案，以期在西药基础上进一步降低粘稠血液、高切变黏度等风险指标 (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis)。在DIKWP模型中，中药的作用路径常非线性：丹参既可能通过I→W（直接根据临床症状信息发挥整体调节智慧）来减轻症状，也可能通过K→D（依据中医知识驱动收集新的客观数据，如观察舌脉变化）来评估疗效 (3-No问题视角下的主动医学：基于DIKWP信息场与能量场动态交互的 ...) (基于DIKWP的数字世界中生命意义与人工生命研究-初学者版 - 科学网)。对于莫教授，这意味着在服用丹参制剂后，不仅应观察胸闷、乏力等主观改善（信息层），还可监测客观指标如血脂、血液黏度的变化（数据层） (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis)。目前西医对丹参的认知仍有盲点：例如缺乏关于其作用机制的完整知识，致使有用信息未充分转化为主流医学知识(I未充分→K)。因此需要借助DIKWP的反馈机制加强认知：如通过定期复查指标和评估症状，将用药效果的数据和信息反馈给医生，在西医知识体系内验证(形成新知识)。综上，丹参类中成药补充了西药治疗路径中知识与智慧层面的空白（改善微循环这一西医方案中相对薄弱的环节），使治疗目标更全面（既缓解症状又改善血液流变学等风险）。不过也要注意目的完整性：加入丹参后，治疗目的除了防治心绞痛，还应包括防范因中西药联合引起的出血等新风险。如果未明确这一额外目的并加以监测（如定期查凝血功能），则在P→D反馈上可能留下隐患 ( Herbal supplements and heart medicines may not mix - Mayo Clinic )。

金纳多（银杏叶提取物，改善循环）：银杏提取物主要用于改善外周和大脑循环、抗氧化等。对于糖尿病合并心血管病变患者，银杏制剂被期望提供微循环保护和认知功能改善等益处。其DIKWP映射可从两方面看：一是基于现代研究数据(D)提取的信息(I)，如银杏可改善血管内皮功能、减轻血液黏滞；二是源于传统药用知识(K)，认为银杏“活血通络”，对胸痹（胸闷）和血瘀证有效。医生在尚缺乏硬证据的情况下加入金纳多，更多是凭借经验和患者意愿作出的智慧决策(W)。这体现了I→W（少量信息直接唤起应用智慧）或W→P（医生以智慧引导新的治疗意图）的模块 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网) (基于DIKWP的数字世界中生命意义与人工生命研究 - 知乎专栏)。银杏可能填补现有方案在“改善微循环、保护认知”这一目的(P)上的不足，使治疗更趋全面。然而，其应用也存在认知盲点：例如与阿司匹林联用可能增加出血倾向，这是西医通过案例数据得出的信息 ( Herbal supplements and heart medicines may not mix - Mayo Clinic )。如果缺少这一知识联通(I未→K)，就可能在智慧层面考虑不周。因此在DIKWP模型中，要确保银杏的知识路径完整：将潜在风险纳入知识库（例如参考研究指出银杏与抗凝药并用需谨慎 ( Herbal supplements and heart medicines may not mix - Mayo Clinic )），以便智慧决策时充分权衡。为此医生应在使用银杏期间监测凝血相关的数据(D)，如出现出血倾向的信息(I)，及时调整策略(W→P调整治疗目标为“避免出血并发症”)。金纳多的加入体现出中西医认知融合的一种尝试，但需通过反馈闭环不断完善其DIKWP路径，使其从经验智慧逐步上升为可靠知识来服务治疗目标。

消渴丸（中成药，降血糖）：消渴丸是经典中药复方（含少量磺脲类格列本脲及多种中药材 (Chinese Herb May Provide Benefits In Type II Diabetes – Asian Scientist Magazine)），用于2型糖尿病（“消渴病”）的长期调治。其应用映射反映了中西医结合降糖的独特路径。临床研究数据(D)表明，消渴丸联合西药可增强降糖效果，降低餐后血糖及糖化血红蛋白，并改善中医证候积分 (Xiaoke Decoction in treatment of type II diabetes: A Meta-analysis)。一项800例的大型RCT信息(I)甚至显示：与单用格列本脲相比，合用消渴丸可显著降低低血糖风险及饥饿心悸等症状发生率 (Chinese Herb May Provide Benefits In Type II Diabetes – Asian Scientist Magazine)。这些信息令西医群体开始将其纳入循证知识(K)视野，认识到中药在降低低血糖风险、改善症状方面的潜在价值 (Chinese Herb May Provide Benefits In Type II Diabetes – Asian Scientist Magazine)。对于莫教授而言，引入消渴丸意味着治疗目的(P)从单纯控制血糖拓展为“在改善胰岛功能的同时减少西药副作用”，体现了智慧层次的提升(W)：不再局限于降糖数值本身，而是追求更稳妥的血糖管理和整体调理 (基于DIKWP的数字世界中生命意义与人工生命研究 - 知乎专栏)。这一智慧决策需要建立在充分的知识之上，否则可能有偏颇。例如，若忽视消渴丸中含有磺脲成分（格列本脲），叠加现有胰岛素注射，可能导致低血糖风险升高 (Xiaoke Pill (消渴丸) and anti-diabetic drugs: A review on clinical evidence of possible herb-drug interactions | Chinese Journal of Integrative Medicine )。因此必须做好知识整合：将中药的成分、药理与西医治疗知识融会贯通(I→K)，在应用前调整胰岛素剂量或密切监测血糖。通过频密的血糖数据监控(D)和症状记录(I)来验证疗效和安全(P→D, P→I)，实现目的→数据/信息的反馈。如果发现消渴丸显著降低血糖波动和症状，则应将这一发现上升为新的治疗知识(K)，反过来指导长远的智慧应用(W)。总的来看，消渴丸的DIKWP路径体现了中西医协同：中医提供了降糖的智慧储备(W)，西医提供了量化监测的数据支持(D)，两者交汇在知识层面形成优化治疗方案，从而更全面地实现降糖、防并发症的治疗目标。

综上，各药物在DIKWP网络中的作用各具侧重：西药往往沿D→I→K路径严密验证，有明确的知识链支撑，然后通过W→P实现预期目的；中成药多由长期经验和整体观念出发，强调I→W或K→W的直接应用，在某些局部数据支持不足的情况下仍能发挥智慧作用，但也因此存在I→K不足导致的认知争议 (科学网-段玉聪：DIKWP模型理论超越”信息压缩“：重塑人工智能的 ...) (从DIKWP模型视角解读段玉聪主动医学的信息场与能量场理论)。不同药物组合后，治疗路径更趋完整：西药解决“能量代谢、生化指标”等硬数据问题，中药补充“微循环、症状改善”等软信息调理 (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis)。然而，组合本身也引入了新的认知挑战，需要通过DIKWP的反馈调控来优化：例如阿司匹林+丹参可能存在信息冗余或风险放大，需以凝血功能等数据反馈来调整剂量（实现K→W的修正）；胰岛素+消渴丸可能出现知识冲突（两者均降糖），需以智慧综合（W）设定更安全的目标(P)和监测方案(P→D)来避免低血糖 (Xiaoke Pill (消渴丸) and anti-diabetic drugs: A review on clinical evidence of possible herb-drug interactions | Chinese Journal of Integrative Medicine ) (Chinese Herb May Provide Benefits In Type II Diabetes – Asian Scientist Magazine)。因此，本方案中各药物的作用路径大体齐备，但仍需通过完善调理层级衔接、优化组合机制以及时间节奏（如分阶段引入中药、循序渐进观察疗效）来实现最佳协同。

(image) 图：非层级的网状DIKWP模型示意（五要素之间通过双向路径交互，图中绘制了部分连接）。相比线性金字塔，任意两个层次间皆可直接转换反馈，从而形成更复杂但灵活的认知网络 ((PDF) 基于网状DIKWP 模型整合意识相对论与意识BUG理论) (基于网状DIKWP的全球经济活动建模与未来5年预测-段玉聪的博文)。

2. 健康数据与用药反应的DIKWP系统治理评估结合莫教授提供的近期健康监测数据和主观报告，我们从DIKWP网状模型25条路径出发，评估当前调理方案在信息流转、知识应用、目标管理和智慧生成方面可能存在的问题，并据此提出系统治理改进建议。

首先梳理关键数据：莫教授2025年3月的血糖自测记录显示，其血糖波动较大，存在高血糖和低血糖事件。例如3月15日午餐后血糖高达19.9 mmol/L，随后通过追加胰岛素才降至10 mmol/L，患者自述“无不适反应” ；而3月16日清晨血糖一度降至5.0 mmol/L并出现低血糖症状（如出汗、心悸），“有低糖反应”，需紧急进食巧克力纠正 。此外，3月13-14日他曾留取尿样行“尿微量白蛋白/肌酐”检查  ，提示医生关注糖尿病肾病的早期征象。主观上，患者备注了生活事件和情绪（如“与锐儿交流天人合一”、“天机不可泄露？” 等），反映其对身心状态的思考，但缺少具体症状描述。以上信息投射到DIKWP模型各层面，可帮助发现目前调理路径的问题：

信息阻断：从数据到信息的流通可能不够通畅。一方面，患者每日详尽的血糖数据(D)未必得到充分利用(I)。例如，他记录的餐后高血糖峰值和低血糖时间，是否被医生系统分析(I→K)？目前看主要依据单次指标做临时处理（高于8则补打胰岛素 (王糖尿病治疗2025-03记录.docx)），但缺少对一段时间数据的模式分析，如是否午餐结构或胰岛素基础率需要调整。这意味着D→I的潜能未充分挖掘：大量原始数据未提炼出意义模式，造成信息价值的浪费 (DIKWP-TRIZ: A Revolution on Traditional TRIZ Towards Invention for Artificial Consciousness) (DIKWP-TRIZ: A Revolution on Traditional TRIZ Towards Invention for Artificial Consciousness)。另一方面，患者一些主观感受未量化成有效信息。例如他的疲劳程度、睡眠质量等（未见记录）本可作为调理的信息输入，却可能在医患沟通中“沉默”了，造成信息断层。解决信息阻断需加强数据治理：引入动态血糖监测设备或手机App，让血糖、血压、心率等数据自动汇集分析(D→I)；鼓励患者记录症状和生活细节(I)，通过AI文本分析提取健康相关信息(I→K)。

知识偏斜：当前方案对某些知识的依赖过强，而对另一些知识考虑不足，表现为中西医认知的偏颇。例如，在降糖方面高度依赖胰岛素纠正这一西医知识路径（“血糖>8即补充胰岛素”的规则源自胰岛素治疗经验K），但忽视了饮食控制、运动锻炼等生活方式知识的作用(K缺失→W) (Frontiers | The Effects of Aspirin With Combined Compound Danshen Dropping Pills on Hemorheology and Blood Lipids in Middle-Aged and Elderly Patients With CHD: A Systematic Review and Meta-Analysis)。记录中很少提及饮食结构或运动量，这可能导致血糖调控主要靠药物硬控，而智慧调理(W)层面缺少生活方式干预的软调节，形成知识应用的单一化。又如，在中药使用上，患者有意愿尝试消渴丸等，这源于中医药长期应用经验K，但其与现有西药相互作用知识不足，可能导致低血糖风险增加的隐患 (Xiaoke Pill (消渴丸) and anti-diabetic drugs: A review on clinical evidence of possible herb-drug interactions | Chinese Journal of Integrative Medicine )。如果医生不熟悉这部分知识，决策时就会偏离安全智慧W。同样，尿微量白蛋白检查结果（尚未提供）若提示异常，而治疗方案中未见ACEI等肾脏保护药物，则表明对糖尿病肾病防治知识的忽视。知识偏斜还体现在关注指标的局限：团队可能更重视血糖、血脂等“硬”指标（因为有明确靶目标），而对心理压力、生活质量等“软”知识缺乏体系化认知。要矫正这些偏斜，需要引入知识整合机制：比如每月由多学科团队一起复盘患者数据和状态，将营养、运动、心理等领域的信息纳入知识库(I→K)，共同制定综合调理策略，让知识面更平衡全面。

目的不明：治疗目标层面可能缺乏清晰、共同定义的“意图(P)”。从方案执行看，存在多个隐含目的：控制空腹及餐后血糖不超标、避免心绞痛发作、预防心脑血管事件、延缓糖尿病并发症等。但这些目标是否在医患之间充分沟通并达成一致？患者本人对优先目标的理解为何？例如，他可能更在意“保持良好生活质量、不出现严重低血糖”这一目标，而医生更关注“达标控制血糖和血脂”。若目标认知不一致，调理措施的取舍就可能出现问题（P层不明会削弱W→P的导引作用）。另外，目标优先级也需明确：是在短期内把血糖波动减小，还是更重视长期并发症预防？现在方案似乎倾向于纠正异常指标（血糖>8就打胰岛素），短期数字达标，但并未体现对长期综合结果的分层目标。例如，对于微量白蛋白阳性的情况，是否将“肾病进展延缓”列为新的目的？如果没有，则在智慧决策时可能缺乏针对性措施（如加用肾脏保护药）。因此，需要通过W→P过程让智慧指导目标：医生和患者应定期沟通，在智慧反思基础上调整和明确治疗意图 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。例如将“减少低血糖次数”、“改善体能和睡眠”、“提升生活质量”纳入目标清单，并对每项目标设定衡量指标和时间表，使目的具体明确，易于指导下一步数据收集和决策(P→D, P→I) ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。

智慧生成不充分：智慧层面的调适与创新可能不足，主要表现为调理措施相对被动、刻板，缺少“主动预测和先导干预”的智慧。举例而言，目前采取的是阈值式控制：血糖超限才处理，有点“头痛医头”意味。这种I→W路径较直接，但智慧层次不高，缺少前瞻性。真正的智慧调理应体现对整体状态的洞察和主动预防（K→W）：比如观察到莫教授午餐后血糖经常飙高，智慧地提前调整早餐药物剂量或建议午餐减少碳水，以防范高血糖发生，而不是事后打胰岛素纠正。又如针对3月16日清晨出现低血糖反应这一事件，智慧的做法应是分析原因（前一日晚餐胰岛素过量？夜间加餐不足？），并举一反三调整后续方案，避免类似情况再次发生。这需要将一次事件的信息上升为经验知识，再用于优化决策（I→K→W的闭环）。如果仅将其视作孤立事件，没有知识提炼，就难以产生新的智慧。再看患者心理精神层面，他多次记录一些哲理话语，暗示其对身心融合的关注。如果智慧调理充分，应当顺应这一点，加入情志调摄、中医养生理念等措施（例如太极、冥想），提升患者自我调节能力。这方面目前未见体现，也属智慧生成的潜力空间。因此，需要设计动态干预点来促进智慧产生：比如建立每周一次的AI+医生例会，由AI根据最新数据发现隐含模式(I→K)，医生结合临床经验提出预判和调整方案(K→W)，提前干预下周的风险场景(W→P)，再由患者配合实施并反馈数据(P→D)，如此循环渐进，形成“数据-信息-智慧-目的”的自适应闭环 ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。这种信息反馈回路可以借助数字系统来实现：让AI持续监测数据流，当识别到异常趋势（如连续两天夜间血糖走低）时自动提醒医生介入；医生调整方案后，由系统跟踪效果数据，评估新策略的有效性，再将结果沉淀为知识。这种反馈不仅在人-机之间，也在人-医之间循环，最终提升整个系统的智慧水平。

针对上述问题，我们提出以下动态干预点与反馈回路设计建议：

数据采集与智能分析（D→I)：部署动态血糖监测仪或智能手机记录，使血糖、血压、心率、体重等数据自动汇集。引入AI算法实时分析数据趋势并标记异常模式（例如发现“三餐后2小时血糖均值逐步升高”）。这样原始数据立即转化为有意义的信息 (DIKWP-TRIZ: A Revolution on Traditional TRIZ Towards Invention for Artificial Consciousness)。同时采集患者主观数据：每日简短自评心情、压力、症状，使隐藏的信息也被捕捉(I)。这些信息汇总供医生每周查阅。

信息整合与知识建模（I→K）：建立患者“数字孪生”健康档案，由AI将新信息与医学知识库匹配，提炼重要知识点。例如，根据连续血糖曲线和胰岛素剂量，AI可计算出患者胰岛素敏感指数、碳水摄入与血糖响应的关系等知识。再如，将患者症状信息与中医证候知识比对，发现他可能存在“阴虚燥热”证候，加重夜间血糖波动。这些知识点通过可视化报告呈现给医生和患者，帮助他们理解当前调理的成效与不足。

知识应用与决策支持（K→W）：在充分知识支撑下，AI生成初步决策方案，如调整胰岛素基础率、建议午餐前增加纤维摄入、在睡前加用小剂量长效降糖中药等决策选项。此时人机协同的智慧涌现：医生结合多年临床经验和对患者偏好的了解，对AI建议进行审核和修正，赋予人文考量与安全边界。例如，AI建议大幅提高运动量降低血糖波动，但医生知道患者膝关节不好，便修改为中等强度运动加物理治疗。这一过程体现人机互补的智慧决策：AI擅长从海量数据提出理性方案，医生注入实践智慧和个体化考量 (从DIKWP模型视角解读段玉聪主动医学的信息场与能量场理论)。最终制定的新调理计划，明确执行细节和期待目标(W)。

智慧落实与目标引导（W→P）：将决策方案与患者共同讨论，达成共识，形成更新的健康目标和执行计划。例如，将“下月低血糖事件控制为0次、体重下降2公斤、睡眠评分提高20%”作为新的明确目标(P)。这一步强化了患者的主体意愿，确保目标既有医学意义又符合其生活愿景。智慧决策产出的方案由此上升为患者内在的意图(P)，激发其配合执行的动力 (基于DIKWP的数字世界中生命意义与人工生命研究 - 知乎专栏)。患者清楚每项措施对应的目标意义，在思想上认同“为何而做”，从而目的引导行为。

目标反馈与闭环优化（P→D/I）：在新方案实施过程中，持续监测相关数据和患者反馈，将结果与预定目标对照。如果目标未如期达成，需分析是哪一环节出现偏差：是数据采集不足，信息解读有误，知识假设不适用，还是执行过程问题？针对不同原因，重新进入DIKWP循环修正。例如，如低血糖仍发生，则可能知识假设（消渴丸剂量）有误，需要修订中西药配伍知识库；如体重未降，可能患者执行不到位，需加强目的教育或行为干预(P→I了解主观障碍)。这样，通过目的-数据/信息-知识-智慧的层层反馈，系统不断自我完善 ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。这正是DIKWP网状模型强调的动态优化：目的影响感知和数据收集，决策结果反过来调整目的，形成循环 ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。长期而言，莫教授的健康管理进入良性共治闭环：数据充分利用，信息流通顺畅，知识不断积累，智慧实时生发，目的清晰导向，真正实现中西医融合、人机协同的自我进化体系。

3. “人–AI–医生”协同健康管理模型构建综合上述分析，我们构想一个“患者–人工智能–医生”三方协同的健康管理新模型，以DIKWP网状交互原理为指导框架，提升糖尿病合并心血管病患者的调理成效。该模型强调人机融合，各尽所长，通过信息共享和反馈闭环，实现对健康的共治。

· 架构概要：模型包括三大主体：患者(Patient)、人工智能系统(AI)、医生(Doctor)。三者构成一个动态三角关系，共同围绕健康数据、知识和决策展开交互 (The impact of artificial intelligence on the person-centred, doctor ...)。患者负责提供自身生理和生活数据，是数据源头(D)和个人目标(P)的提出者；AI负责对数据进行感知处理(D→I)和建模分析(I→K)，并将知识应用于决策支持(K→W)；医生则在决策环节给予专业监督和人文判断(W)，并引导明确健康目标(W→P)。三方通过数字平台实时连接，形成信息流和决策流的闭环循环 ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。这种架构类似一个增强版的医疗团队：AI为“智能助手”，医生为“人类专家”，患者为“主体参与者”，共同构建连续、自适应的管理网络。

(image) 图：“人-AI-医生”三方协同闭环模型示意。患者、人工智能和医生之间通过双向信息交流与决策反馈，共同围绕健康目标运作，实现数据驱动、智慧支持的人机共治。

AI在各阶段的任务（D→I→K→W→P）：人工智能系统贯穿数据到目标的各转化环节，充当信息处理和决策支持的引擎：

o 在**数据感知(D→I)**阶段，AI接入患者的各类数据源（血糖仪、可穿戴设备、手机App日志等），利用传感器融合和模式识别技术，将原始数据转换为结构化信息 (DIKWP-TRIZ: A Revolution on Traditional TRIZ Towards Invention for Artificial Consciousness)。例如，将连续血糖曲线提炼为每日高峰、低谷、均值等信息，检测心率变异性反映自主神经功能的信息，或通过OCR读取患者自述日记中的关键词信息。AI充当24小时不停歇的“健康雷达”，及时捕捉异常信息(I)。

o 在信息整合(I→K)阶段，AI将多源信息与医学知识库相结合，构建对患者健康状态的数字画像。这涉及机器学习和知识图谱技术：AI把新的信息标注映射到已有知识模型，如糖化血红蛋白趋势结合糖尿病进展知识，推断胰岛B细胞功能变化；将患者症状与中医证型知识关联，识别出可能的证候类别 (3-No问题视角下的主动医学：基于DIKWP信息场与能量场动态交互的 ...)。通过这种推理，AI不断丰富对患者的个体化知识(K)，例如找到“莫教授饭后2小时血糖受晚间睡眠质量影响”这样的隐性规律。AI还可从最新循证医学文献中提取一般知识，并据患者情况筛选相关部分融入模型（例如新近研究提示某中药可改善微量白蛋白尿，则AI提示医生参考）。这一阶段，AI扮演知识工程师，将信息升华为对决策有用的知识 (DIKWP-TRIZ: A Revolution on Traditional TRIZ Towards Invention for Artificial Consciousness)。

o 在决策支持(K→W)阶段，AI利用知识模型进行情景模拟和方案优化，提供智慧决策建议。比如运用强化学习或决策树分析，AI可以基于当前患者状态，模拟不同药物加减或生活方式干预的结果，提出若干优化方案（如“方案A：胰岛素剂量减少10%、配合消渴丸，低血糖风险降X%；方案B：保持药物不变、改下午散步为饭后即刻散步，餐后高峰降Y%”）。这些方案体现AI将知识付诸“准智慧”行动的能力，属于智慧雏形(W)：它考虑了多因素影响，追求整体优化。虽然AI本身并非真正智慧生物，但通过对知识的综合运用，已能产生接近人类专家的决策建议 (全球AI技术DIKWP能力评估报告（未来5–10年展望） - 知乎专栏)。这些建议会附带理由（基于哪些数据和知识）供医生参考，形成“机器第二诊意见”。

o 在**智慧到目标(W→P)**阶段，AI帮助将决策方案转化为具体的目标和执行计划，并持续追踪结果。AI可将最终选择的方案细化为每日计划表、目标值和注意事项推送给患者App上，使患者清楚每一步的目的(P)。例如，“本周目标：平均空腹血糖<7 mmol/L（比上周降低0.5），实现方法：睡前加餐半杯牛奶，暂停21:00后的胰岛素。”AI在执行过程中监测数据，如果进展不如预期，会及时提醒调整目标或策略(P→D→…→W闭环)。可以说，AI在此阶段担当“目标管家”和“反馈控制器”的角色，确保智慧决策真正落实并达成预期意图 ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。当发现偏差时，AI会引导进入下一轮DIKWP循环（重新收集数据、修正知识、调整决策），实现闭环管理。

医生在系统中的角色与人机互补：人类医生作为有经验的专业守护者，在这一协同模型中承担着AI不可替代的重要职责：

o 智慧监督：医生对AI提供的分析和建议进行审核把关，运用自身隐性知识和临床直觉弥补AI可能的偏误。这体现为W→K的逆向作用：医生将人类智慧注入知识模型，纠正AI可能的机械偏差。例如，如果AI依据一般降压目标建议将血压控制到130/80，但医生考虑患者高龄体弱，智慧地放宽目标以避免低血压风险。这种人为调整可通过界面反馈给AI，使其学习人类专家的决策偏好，优化以后算法（即人类智慧反哺AI知识库）。

o 人文关怀与意图引导：医生负责与患者沟通协商，明确和引导健康意图(P)。这是AI难以胜任的领域，需要共情、道德判断和价值权衡。医生会与患者讨论治疗目标是否符合其人生规划，以及如何平衡生活质量与医疗干预。这相当于医生在**Wisdom→Purpose(W→P)**环节发挥主导，将冰冷的数据和建议转化为有温度的目标 (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。例如，对某些不愿过度用药的患者，医生可能尊重其意愿，将目标调整为“次优但可接受”的水平。这种对目的的升华与调整，需要深刻的智慧和医患信任，是医生不可替代的价值。

o 跨领域知识整合：医生具备AI目前尚不具备的跨领域综合能力，可将不同维度的知识融会贯通并即时应变。例如，如果患者突然出现新的症状（如抑郁情绪），医生能调动精神科知识判断其与糖尿病控制的关系，并决定是否引入心理咨询干预。这种K→W、W→K的现场整合，在复杂真实世界中至关重要 (基于DIKWP的数字世界中生命意义与人工生命研究-初学者版 - 科学网)。AI虽有知识库，但往往分领域，难以自发跳出框架。医生的通识和经验可将这种碎片知识在脑海中即时组合成有意义的行动方案，赋予整个系统更高层次的智慧。

o 应急决策与伦理决断：在紧急或模棱两可情况下（如严重低血糖昏迷、罕见并发症出现），医生需要立即做出经验性决策，而AI可能因缺少先例束手无策。此外，涉及伦理取舍（如是否建议高龄患者安装胰岛素泵）的决定，也必须由医生与患者共同做出。医生在这些情境下发挥最终把关作用，确保安全和伦理底线不被突破。这可以看作是Purpose层面的高级监督：医生守护着医疗行为的终极目的——患者福祉，当AI的计算结果偏离这一宗旨时，医生有责任纠偏。

通过上述分工，医生与AI形成良性互补：AI提供客观、及时、海量的分析，医生注入主观、经验、价值的考量 (Collaborative strategies for deploying AI-based physician decision ...)。两者协同工作，可以克服各自局限，实现“1+1>2”的效果。例如，AI不知疲倦地监控细枝末节，让医生从繁杂事务中解脱出来，有时间关注患者整体；医生则为AI输出的方案把脉定向，避免生硬教条，从而产生更契合患者需求的综合方案。

患者的参与与赋能：在该模型中，患者不再是被动治疗对象，而是积极参与的管理主体：

o 数据提供者(D)：患者借助可穿戴设备、自测仪器和移动应用，持续提供自身生理数据和行为数据。这种参与使得以患者为中心成为可能，也让患者对自身状况有了直观了解。例如，佩戴CGM的患者可以随时看到血糖曲线，对饮食运动如何影响血糖有了感性认识，这本身也是一种健康教育过程。

o 信息反馈者(I)：患者定期报告主观感受、症状变化和对干预措施的反应。例如记录一天中的疲劳程度、情绪起伏、药物副作用感觉等信息。这种反馈对于AI和医生完善决策至关重要，因为有些信息只有患者自己最清楚。患者还可提出日常遇到的问题，如某药服后胃部不适等，这些都丰富了信息层次。

o 知识学习者(K)：协同模型通过可视化报告、健康教练App等向患者传递简明知识。患者可在App上看到自己的趋势图和AI的解释，使其了解为何要采取某措施。这实际是一个知识赋能过程，让患者逐步掌握管理自己疾病的知识(K)。例如，通过对比图患者明白晚餐吃过多碳水会导致夜间高血糖，这种知识内化使其更愿意配合饮食控制。随着知识积累，患者甚至能预测自身状态的变化并采取措施，逐步成长为“半个医生”。

o 共同决策者(W/P)：患者参与治疗方案和目标的制定，实现真正的知情同意和共谋共决。模型提供了沟通平台，医生会与患者讨论AI的建议，并征询其意愿。患者可以根据自己的生活方式和价值观提出修改意见，例如更倾向于中药调理而非增加胰岛素，那么方案可以相应调整。患者对最终方案的认同，意味着其**意愿(P)**与医生意图高度一致，这为方案的执行奠定了动力基础 (基于DIKWP的数字世界中生命意义与人工生命研究 - 知乎专栏)。此外，患者也可提出自己的健康目标，例如“希望一年内减重5公斤”或“期待有精力带孙子玩耍”，这些目标将被纳入总体目的考量，从而让医疗计划与个人人生目标接轨，增强目的层的牵引力。

o 行为执行者：最终，无论多好的计划都需要患者身体力行去落实。协同模型通过持续互动和及时反馈，帮助患者克服执行中的困难。例如，当患者完成每日运动或按时服药时，App会给予积极反馈和奖励（哪怕是简单的鼓励文字），当其懈怠时，AI教练会发出提醒甚至联系医生介入。这种类似“数字健身教练”的功能，提高了患者执行的依从性。患者在不断的行动—反馈循环中养成健康习惯，逐步实现从“他律”到“自律”的转变，即从外在督促转化为内在智慧(W)——这是健康管理的理想境界。久而久之，患者能够自主设定新目标并监控自身，这标志着真正的赋能成功。

三方共治闭环的运行机制：在该协同模型中，人、AI、医生三者之间建立起多层次、多通道的交互反馈机制，确保整个系统不断纠偏、优化：

1. 数据和信息层循环：患者提供的数据由AI即时分析并反馈关键信息给医生和患者，形成小循环。例如当夜间血糖偏低的信息出现时，AI立刻通知患者调整零食摄入，并提示医生关注。这种即时信息共享让问题在萌芽阶段即被发现处理，避免酿成大的健康事件。

2. 知识和决策层循环：AI定期总结阶段性知识，医生参与讨论修正，共同更新患者的照护计划，患者执行并反馈结果。这个中周期的循环（如每周一次）使方案与时俱进，不断接近优化。每经过一轮，系统知识库和决策规则就更契合患者的真实需要。

3. 目的和效果层循环：每月或季度进行一次高层次回顾，由医生主持，患者和可能的家属参加，评估既定健康目标的达成情况，根据患者人生规划或医学新进展调整下一阶段大目标。这保证了大方向上不跑偏。例如一年结束时，若患者更关注生活质量，则下一年目标或许从严格控制指标调整为维持稳定、简化方案。这种目的<->智慧的反馈确保治疗始终服务于患者真正需要 ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。

通过以上多维度闭环，实现了“数据-信息-知识-智慧-目的”在三主体之间的贯通融合。患者的个体健康管理不再是单线条的医嘱执行，而是网状协同：AI在背后织密信息网，医生掌舵智慧方向，患者作为主动节点共同编织，三者互动频繁且透明。这种模式有望显著提高慢病管理的质量和效率。例如，据斯坦福医院试点研究，AI辅助的医护协作可减少并发症发生并提升患者满意度 (How AI improves physician and nurse collaboration)。又如Nature综述指出，恰当的人机协同可使临床决策更可靠、更个性化 (Collaborative strategies for deploying AI-based physician decision ...)。对于莫教授这样的复杂病情患者，此协同模型将带来：更平稳的血糖曲线、更少的心绞痛和低血糖发作、更清晰的健康目标以及更高的自我掌控感。

总之，“人-AI-医生”协同健康管理模型以DIKWP网状转化理论为指导，把海量数据转变为有用信息(D→I) (DIKWP-TRIZ: A Revolution on Traditional TRIZ Towards Invention for Artificial Consciousness)、将分散信息融汇成可行知识(I→K) (段玉聪的DIKWP白盒测评方法综述 - 科学网)、进而产出明智决策支持(K→W)并引导形成共同的健康意图(W→P) (网络化DIKWP 人工意识（AC）的12 个哲学答案-段玉聪的博文 - 科学网)。在这一过程中，人工智能提供了强大的数据处理和模式发现能力，弥补了人工分析的局限；医生提供了价值判断和经验智慧，校准了AI的输出方向；患者提供了主观愿景和执行动力，确保健康目标契合其人生意义 (基于DIKWP的数字世界中生命意义与人工生命研究 - 知乎专栏)。三方优势互补，实时互动，构成一个自适应的闭环治理系统。当数据经过数个循环沉淀为智慧，而智慧又不断校准目的时，真正体现了段玉聪教授所倡导的DIKWP模型的精髓：让医疗决策不再是线性流水，而是多维网状的演化，使数据通过信息成为知识，在智慧指导下服务于人类的健康目的 ((PDF) 基于网状DIKWP 模型整合意识相对论与意识BUG理论) ((PDF) 融合DIKWP白盒测评与LLM黑盒测评促进大模型可信可控发展)。这将推动医疗从被动治疗走向主动健康管理的新范式，为慢性病患者带来更高品质、更可持续的健康未来。