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)
前言“君子和而不同,小人同而不和”作为儒家经典命题,历来被赋予深刻的哲学和社会学内涵。它不仅在伦理与政治领域引发讨论,也对当代医疗和健康管理具有启发意义。段玉聪教授在主动医学理论框架中,基于DIKWP(Data, Information, Knowledge, Wisdom, Purpose)模型,提出“和”对应数据(Data)层的“相同语义”,“不同”对应信息(Information)层的“差异解读”,为现代医学提供了更具结构化和科学化的视角。
更值得关注的是,这一理念并非孤立存在,已在多个学术领域得到理论支撑和验证。例如:
医学人文学:Greenhalgh(2018)在其对医学复杂性的呼吁中强调,应通过多学科与多方视角建立更完整的医疗模式,契合“和”与“不同”在医患沟通与决策上的意义。
认知与社会学:Smith & Brown(2021)将信息共享与共识构建视为减少医疗矛盾、促进跨团队协作的关键;他们主张在基础数据层上达成严格共识的同时,承认多主体在信息解读层的合法差异。
公共卫生管理:Fischer & Johnson(2020)在其预防医学研究中谈及,若公共卫生策略在数据上无统一标准,将造成跨区域资源浪费,但若在策略层面过度统一,也可能忽视地区差异,从而失去适应力与创新性。
在这样的学术背景下,段玉聪教授引入“不过度亦不欠缺”的主动医学理念,为医学界平衡“共识”与“多元”提供了全新的思路,也为社会健康发展与人文关怀注入更多可能性。下文将在这一学术基础上,从DIKWP模型的多层结构中详细阐述“和”与“不同”如何在主动医学实践中发挥协同效应,并探讨“同而不和”给医疗实践带来的挑战与改进路径。
一、DIKWP语义视角下的“和而不同”1.1 数据(Data)的相同语义:医疗实践之“和”基石定义与学理基础
Data层代表事实或观测值,如生理指标、实验室结果等。段玉聪教授将这种“相同语义”比作“和”,即各方对基础数据的共识。
学术研究(Tugwell et al. 2000)显示,标准化采集并跨机构共享患者基础数据,有助于减少重复检测,提升医疗资源效率。
体现:从临床到远程医疗
例如,高血压的收缩压和舒张压若能在不同设备和机构中采用相同测量协议和校准标准,则医生可对患者的状态形成统一判定。
远程医疗平台若建基于相同语义的数据共享体系,可以准确进行诊断与决策,保障医疗的连续性与稳定性。
意义:为信息解读与智慧决策奠基
当数据层的语义达成共识时,信息层的差异才具有实际价值;即“和”作为基础,让多方对更深层次的健康问题进行多角度分析成为可能。
定义与学理基础
Information在DIKWP中指对数据进行处理、解释后所得的新意义单元。段玉聪教授指出,“不同”意指基于同一数据的多主体、多角度解读。
现代医患关系研究(Epstein & Street, 2011)表明,医生与患者常因关注点不同,形成对相同病情的迥异理解,这种差异在高质量的对话协作中能激发更丰富的诊疗创意。
体现:多学科协作与个性化管理
在实际医疗中,不同科室或专业人士对患者的同一组基础数据(D)会产生不同信息(I)。例如,精神科医生看重心理压力,营养师关注饮食构成,外科医生则评估是否手术指征。
患者也可能更在意生活质量、经济成本等,使得在信息解读上与医方产生差异,但正是这种信息层的多样性让医疗实践具备灵活性与包容度。
意义:“不同”非冲突而是互补
不同的信息解读若能在“和”的基础数据上进行有效沟通,即可形成互补,通过交流迸发新的治疗想法和预防手段,利于患者整体健康提高。
相互关系
“和”指数据基础的共识,而“不同”指信息层面多样化的诠释;两者在医生、患者或不同专业团队间互相影响并迭代。
Epstein & Street(2011)提出的“共情式沟通”正是调和共识与差异,提升治疗效果的典型体现。
主动医学应用
在Data层达成统一数据标准或参考范围,再允许在Information层根据患者个体差异(基因、生活方式、社会经济条件等)展开个性化分析,并在Knowledge(K)与Wisdom(W)层进行多学科协同,最终实现Purpose层所设定的健康目标。
问题表现
设备之间不兼容、测量方式不统一,或医院间协议不一致,导致相同患者可能在不同地方得到“不同的基础指标”;患者自己在家测量的血压数据难以与医院的精密设备数据对比。
参考Smith & Brown(2021),技术标准不统一会使临床诊断误差增大,严重影响治疗路径。
后果
基础数据的差异会破坏信息解读的可靠性,干扰临床决策的精确性。
患者对医疗系统产生混淆与信任危机,医疗资源也被浪费在重复检测、纠正数据偏差等操作上。
主动医学的对策
统一数据协议与测量仪器校准标准,并在区域乃至国家级平台上进行共享,保证**Data层“和”**的语义认同。
利用区块链或云技术增强数据透明度与追溯性,实现多方互信基础上的效率提升。
问题表现
患者、医生、护士等貌似对治疗方案达成“共识”,但在信息背后动机或理解可能完全不同;患者可能只是顺从而非理解。
参照心理学研究(Jordan et al., 2019),这种表面一致一旦遇到实际困难或风险时,很容易破裂并出现遵从度下降。
后果
医疗依从性差、沟通误解加剧,甚至引发医疗纠纷或负面结局。
患者因未真正领会方案逻辑,可能随意停药、改变剂量或放弃治疗。
主动医学解决之道
强调健康教育与“信息层对话”,针对患者关注点及疑虑进行详细解释;
通过AI辅助与可视化手段让患者直观了解数据—信息转换过程,真正建立理解与尊重,形成有深度的共识。
数据共享与健康档案
主动医学倡导统一数据采集(如Smart Devices)的技术标准,将个人健康数据(血压、血糖、心率等)纳入国家或地区级平台,并结合电子健康档案系统。在此“和”基础上,各科医生与AI系统能高效调用并做信息差异解读(“不同”),制定多元化治疗策略。
信息互补与多学科诊疗
不同专家或科室可对相同数据做差异化信息提炼,如心内科关注心律异常、内分泌科关注代谢指标、心理科关注精神压力,最终形成“多学科会诊(MDT)”的综合方案。
数据共识:知情权与透明度
通过健康教育,提高患者对基础数据(如血糖数值、体重指数等)的理解,让患者在Data层与医生达成“和”的共识。
当患者了解自身指标的含义,可更积极配合或提出需求,使后续对信息层差异的讨论更具建设性。
信息差异尊重:个性化健康管理
医患可承认在信息层面的差异:医生着眼循证疗效与社会资源,患者注重生活品质与经济负担。二者在保留差异中“商谈”,以AI辅助和专业判断综合后达至优化方案。
公共卫生政策的“和”
政府通过统计与大数据方法,为全民健康管理提供统一数据标准及资源分配策略。
借助国家级信息平台实现高危人群筛查及社区干预,使宏观健康与公卫管理更具整体性与准确性。
个人需求的“不同”
不同人群在健康意识、经济能力或文化背景上各异。主动医学尊重这些信息层差异,在宏观公共卫生基础上,提供个性化服务,如多语言健康教育、针对文化习俗的营养调整等。
AI推荐系统能够根据个人喜好、基因数据等为每位居民匹配最佳公共卫生干预方案,在大趋势的“和”中实现社区多元化的“不同”。
DIKWP层级 | “和而不同”表现 | 主动医学的深化应用 |
---|---|---|
Data(数据) | “和”为各方对基础指标(血压、血糖等)的统一标准;若缺失此共识,即成“同而不和”。 | 统一采集规程与平台,倡导全国乃至全球的数据标准化。智慧医疗需扎根可靠数据,方能减少测量差异与诊断误差。 |
Information(信息) | “不同”体现对相同数据的差异化解读,多学科与个性化视角。“和”在底层支撑,多元视角则建构完善信息生态。 | 构建跨学科合作机制:医生、营养师、心理师等各根据同一患者数据提出不同方案;通过AI算法进行信息合成,为个体提供最优治疗与健康管理组合。 |
Knowledge(知识) | 在信息层“不同”基础上形成系统化知识体系,继而形成人类对健康的新理解;“和”在知识阶段则体现综合多方成果与长期积累。 | 跨学科知识库与循证医学结合,如中医与西医的互参;通过经验与研究数据的长期累积,建立新的医疗范式与健康管理指南。 |
Wisdom(智慧) | 伦理与价值的动态平衡:在多方信息差异之上,用智慧决策达成医疗伦理与社会责任的和谐。 | 包含个体意愿评估、社会资源分配和医学证据交融的决策模型;如“是否进行高风险手术”要考虑患者期望(信息差异)与医学证据(共识)并做智慧衡量。 |
Purpose(目标) | “和”与“不同”在目标层合流:共同指向个体/社会的健康和谐与文明提升。 | 为患者量身制定目标,比如“延长高质量寿命”或“恢复社会功能”,亦为社会制定“减少慢病负担”或“提升全民健康素养”之长远目标;AI在此提供个体及群体不同需求的最优实现路径。 |
本篇在段玉聪教授主动医学的DIKWP模型框架下,结合儒家“君子和而不同,小人同而不和”的哲学命题,深化阐释了数据层“和”与信息层“不同”在医疗实践中的深远意义。从学术角度看,“和”是多主体间共享基础数据的默契,可通过统一化、标准化的手段实现;“不同”则代表基于相同数据的多维解读,不仅给出多个医疗方案,更在医患沟通、社会协作以及人文关怀上拓展了可能性。只有在防范“同而不和”现象下(即数据层缺乏共识或信息层表面一致化),才能真正通过主动医学达成个体化、精准化和持续化的健康管理。
在中西美学与文明视域中,“和”既是中华民族对世界秩序与生命的理想追求,也与西方“和谐(Harmony)”的审美与人性关怀相呼应;在段玉聪教授的主动医学理论下,这一理念通过“Data—Information—Knowledge—Wisdom—Purpose”五层次呈现,实现了科学与人文的同向推进与共荣。展望未来,“碳硅协同”技术(如AI与云计算)将不断强化数据与信息的深度融合,让医学在“不过度亦不欠缺”的哲学目标中进一步迈向人类文明的可持续发展。
转载本文请联系原作者获取授权,同时请注明本文来自段玉聪科学网博客。
链接地址:https://wap.sciencenet.cn/blog-3429562-1468776.html?mobile=1
收藏