中西医语义融合支撑主动医学的战略报告
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)
引言
当今世界医疗领域正面临范式转型：传统中医药学与现代西医体系的融合成为构建全民健康的新战略焦点。然而，中医诊疗以丰富的信息交流为特征，如医患问答、望闻问切等，却缺乏可直接量化的大数据支持。这导致一个长期困扰政策制定者的问题：如何在不扭曲中医理论精髓的前提下，实现中医的科学化发展？ 值得强调的是，中医的科学化并不等于简单地将中医“数据化”，更绝非把中医等同为“西医化”。换言之，不能以西医的数据处理逻辑全盘替代中医的信息处理思维。正如段玉聪教授所指出的，要让现代医学的“数据处理”与传统医学的“信息交互”实现语义无损的对接，必须避免陷入以往那种将中医纳入西医框架的误区。
段玉聪教授提出的“数据-信息-知识-智慧-意图 (DIKWP)”模型，以及他主导研发的人工意识白盒测评体系和语义数学方法，为我们提供了全新的视角来审视这一挑战。这些理论工具不仅针对人工智能领域的认知过程分层与可解释性提供了框架，同样对医学领域的知识融合和主动医学理念有深刻启示。主动医学倡导将医疗关口前移，从“被动治疗”转向“主动健康”管理，与中医“治未病”的预防哲学天然契合。
本报告将以概念空间—语义空间的构建路径为主线，深入分析段玉聪教授相关理论的演化，并阐释其对中西医融合及主动医学发展的战略意义。从中医和西医各自的概念体系出发，我们探讨如何通过语义建模实现两种医学体系之间认知的互认与互通，避免语义上的损失和误解。报告首先介绍DIKWP模型和语义数学的理论基础，然后对比分析当前国内外中西医融合、语义建模、主动医学系统等方面的研究现状与趋势。在此基础上，提出中西医融合的关键挑战与解决思路，勾画概念空间与语义空间交互融合的路径，最后针对政策制定层面给出可操作的政策建议。我们的目标是在充分尊重中医独特理论和实践经验的同时，以结构化的语义转换和人工智能赋能，构建中西医互认互补的主动医疗新范式。政策制定者可以据此形成清晰的认知图景，更有效地推进中西医融合的战略落地。
理论基础：DIKWP模型与语义认知框架
DIKWP模型：从数据到意图的认知层级。 “DIKWP”是段玉聪教授提出的一种人工智能认知过程分层模型，将认知划分为数据 (Data)、信息 (Information)、知识 (Knowledge)、智慧 (Wisdom) 和意图/目的 (Purpose/Intent) 五个层次。这一模型在经典“数据-信息-知识-智慧 (DIKW)”金字塔上增加了最高层次的“目的/意图”，突出认知活动中动机驱动的重要性。在DIKWP框架下，认知主体（不论人类还是AI）接收数据作为原始输入，经由模式识别和理解转化为信息，进一步综合升华为知识结构，并在智慧层面运用这些知识解决问题、举一反三，最终在意图层对认知活动进行价值引导和目标约束。这种层级划分为分析复杂认知过程提供了清晰路径：低层关注客观事实，高层融入主观目的。对于医学领域而言，DIKWP模型有助于我们理解医生诊疗时的信息处理过程——从采集患者体征数据，到根据医学知识做出诊断方案，再结合医者智慧权衡利弊，最后以患者健康为最终目的决策治疗。
人工意识白盒测评体系：认知过程的可视化解析。 基于DIKWP模型，段玉聪团队构建了全球首个大语言模型“意识水平”测评体系，即“白盒DIKWP测评”体系。传统AI评测往往将模型视为黑箱，仅看输入输出效果。而白盒DIKWP测评强调对模型内部各认知层次的全面剖析：通过精心设计的测试题，分别考察模型在感知与信息提取（数据/信息层）、知识构建与推理（知识层）、智慧应用与问题解决（智慧层）、意图识别与调整（意图层）等方面的能力。每道题都有明确评分标准，确保对AI“大脑”的认知与决策过程进行全方位解析。这一测评体系的创新在于以DIKWP为框架，将AI的“认知过程”透明化：例如通过数据层题目测试模型对客观事实的记忆与理解，通过智慧层题目评估模型综合运用知识解决复杂问题的能力，最后考查模型对上下文目标、用户意图的把握。这种白盒测评不仅用于量化比较不同大模型的“识商”（即人工意识水平），更重要的是找出提升模型认知能力的方向——例如如果发现某模型在“知识层”得分较低，则表明其知识库或推理机制有待增强。对于医学AI而言，引入白盒DIKWP测评理念，可确保决策支持系统在处理患者数据、医学知识、临床智慧和伦理意图各环节都做到可解释、可控，从而提高安全性和可信赖度。
概念空间 vs 语义空间：认知表示与理解的错位。 段玉聪教授在其理论中强调了“概念空间”和“语义空间”的区分。概念空间指独立且通用的符号体系，即知识的符号化表达及其结构关系，可以理解为理论上客观存在的概念网络；语义空间则指认知主体基于经验和背景赋予概念的具体意义，即主观理解和语境解释的空间。简单来说，概念空间提供了“名词术语”和它们关系的骨架，而语义空间赋予这些术语血肉，使其在具体情境下有确定的含义。两者相辅相成却又存在错位：多个主体可以共享同一概念空间（使用相同术语体系），但由于各自语义空间不同，理解上可能千差万别。这种概念与语义的错位在中西医交流中尤为明显——例如“肾”的概念在中医语义中不仅指解剖结构，还涵盖肾气、先天之本等功能含义，而西医概念中的“肾”主要是解剖和生理器官。如果不加语义转换地直接对接，就会产生认知偏差。
语义数学：语义一致性的形式化保障。 为了解决人工智能中的“语义鸿沟”问题，段玉聪教授提出了“语义数学”这一新方法论。他指出，当今AI的“黑箱”本质在于其底层数学对真实世界语义的抽象和偏离：传统数学处理符号串（如大模型的文字接龙）并不能确保对现实语义的精准映射。语义数学的宗旨是在形式计算体系中显式融入语义信息和层次结构，使AI系统“理解”符号所代表的含义，而不仅仅是进行符号操作。具体而言，语义数学为每个概念引入形式化的语义约束和转换规则，实现概念空间与语义空间的统一计算。例如，在DIKWP模型中，语义空间充当不同层次间的“粘合剂”，负责对新信息进行语义一致性校验、语义转换，并维护整体认知过程的语义连贯。当有新数据或信息输入时，语义空间首先确保其与现有知识在语义上不矛盾，然后再将其融入更高层的认知模型；反过来，当概念框架需要扩展调整时，语义空间提供定义和约束，保证新概念语义明确定义。通过这样的双向约束机制，语义数学试图消除AI认知过程中的歧义和不一致，使“语义完整性”成为可计算可验证的属性。对于中西医融合而言，语义数学方法意味着我们可以用严格的形式化手段定义中医概念与西医概念的对应关系，确保概念转换无损语义。比如可将中医的“五行学说”和古希腊的“四体液说”在数学上建立对应模型，证明两者实质上都是对人体功能状态的抽象描述。如此一来，不同体系的概念就有了统一“语义坐标系”，大大减少了因语言体系差异导致的误解。概言之，语义数学为跨学科、跨体系的知识融合提供了严格的一致性保障，使AI等技术在结合中医和西医知识时能够保持语义上的准确和完整。
综上，DIKWP模型、人工意识白盒测评和语义数学共同构成了一个语义驱动的认知框架：既能够解析智能系统内部从数据到意图的演进路径，又能通过形式化语义确保不同概念体系之间的无缝对接。这为中西医融合提供了重要启示——我们需要类似的分层和语义校准机制，来梳理中医、西医各自的知识体系，将两者映射到共同的语义空间中，从而避免“硬拼硬凑”式的浅层结合，转向深层次的融会贯通。
中西医融合与语义建模：现状对比分析
中西医融合的实践现状（国内与国际）。 在政策层面，中国早已确立“坚持中西医并重”的基本方针，中西医结合被纳入国家医疗体系的发展战略。近年来，许多大型综合医院均设立中医科，与西医科室协同为患者提供综合治疗方案。例如，在肿瘤、慢性疼痛等领域的临床研究表明，中西医结合疗法相较单一西医治疗可提高疗效、减轻副作用，改善患者生活质量。针对肿瘤患者的研究发现，在放化疗同时配合中药调理有助于缓解毒副反应。此外，利用人工智能和大数据，还可以分析海量临床数据以发现何种中药处方对不同体质患者最为有效，从而优化个体化的综合治疗方案。这说明传统中医的经验与现代医学的数据可以通过技术手段形成互补。
国际上，其他国家也在探索将传统医学融入主流医疗体系的路径。印度政府设立了AYUSH部（负责草药、瑜伽等传统医疗），推动阿育吠陀医学和尤纳尼医学在基层医疗中的应用。不少西方国家的医学中心开始提供针灸、冥想、草药等疗法作为补充医学。世界卫生组织（WHO）高度重视这一趋势，发布了《2014-2023传统医学战略》，呼吁各国将经过验证的传统医学纳入国家卫生系统。2022年，WHO在印度建立了全球传统医学中心（WHO Global Centre for Traditional Medicine），作为全球知识枢纽推进传统医学与现代医学的融合。该中心战略聚焦于证据和数据、标准和规范以及创新和技术，旨在用循证方法和数字化手段挖掘传统医学潜力，为普及安全有效的传统医学提供支撑。目前全球170多个成员国表示使用传统医学，并优先请求WHO协助提供循证依据和数据指导政策制定。这些举措表明，中西医融合正从民间实践上升为国际共识，**“二者取长补短、优势互补”**将是未来医疗模式的重要特征。
医学语义建模的最新进展。 随着人工智能和知识工程的发展，医学领域出现了通过知识图谱（Knowledge Graph）和本体论（Ontology）来建模医疗知识的潮流。在中西医融合背景下，许多研究致力于构建跨越中医和西医概念体系的语义网络，以实现不同来源健康数据和知识的互操作。其中一个典型成果是中西医结合临床指南本体 (Integrated TCM-WM Guideline Ontology) 的构建。该本体以模块化设计涵盖了中西医结合临床指南的关键知识单元，定义了152类概念以及200余条语义关系，并对接了MeSH、ICD、SNOMED CT等国际标准术语体系。通过这种本体，将传统医学指南中的“证-方-药”等知识与现代指南的疾病、证据等级等要素统一表示，不仅使指南内容变得可计算、可共享，也为日后开发智能决策支持打下基础。
另一项突破是症状表型集成本体 (ISPO) 的研制。症状是诊疗的起点，但中医和西医对症状的描述各有体系。ISPO项目通过人工与机器协同，从21部中医经典教材和近7.87万份中医电子病历中提取症状术语，并整合了西医常用的5个症状词库，构建了覆盖中西医的综合症状本体。结果本体包含3,147个症状概念、23,475个术语，同义关系丰富，比国际现有症状本体的术语数量提升数倍。更重要的是，在独立的临床数据集上验证显示该本体对症状词汇的覆盖率超过90%，体现出极强的临床适用性。ISPO作为全球首个聚焦症状的临床本体，将历史文献中的中医症候与现代医学症状学无缝对接，极大增强了异构医疗数据之间的语义互操作性。借助该本体，不同医院的信息系统、不同研究的数据集在提及症状时可以“说同一种语言”，从而支持更大规模的中西医结合临床研究和决策支持。
国内也有多项“中医知识图谱”成果。例如，中国中医科学院等单位构建了涵盖中医疾病、证候、症状、方剂、药物等实体及其关系的大型知识图谱，将散在古籍和现代文献中的知识通过语义网络有机连接。又如，有团队开发了融合中西医知识的糖尿病知识图谱，把西医的疾病、检查指标与中医的证候、方药联系起来，用以支撑中西医结合的糖尿病诊疗。这些知识图谱已被用于训练医疗大模型，如某大型中医药公司利用构建的千万级中医语义数据，训练生成式AI模型“岐黄问道”，提升其中医问诊能力。总体来看，语义建模技术正在为中西医融合搭建“信息高速公路”：以本体和知识图谱为桥梁，不同学科体系的医学知识能够被计算机统一理解和处理。这为后续更高级的智能系统（如融合诊疗决策支持、健康管理助手等）打下了知识工程基础。
主动医学与AI赋能的预防模式兴起。 在全球医学理念从“治已病”向“治未病”转变的过程中，“主动医学（Active Medicine）”概念开始走入实践。主动医学强调利用现代科技手段，主动监测、预测并干预健康风险，将医疗重心前移到疾病发生之前。这与中医几千年前提出的“圣人不治已病治未病”思想高度契合。当前，在西方医学中出现了精准预防医学、个性化健康管理等与主动医学异曲同工的理念。例如，“4P医学”（预测性、预防性、个性化、参与式医学）就倡导通过基因检测、可穿戴设备等手段预测疾病风险，制定个体化的预防方案。这实际上是主动医学思想的具体化。
人工智能和物联网技术正在大幅提升主动健康管理的可行性。可穿戴设备、家庭医疗传感器的普及，使得个体的生理数据（如心率、睡眠、活动等）能够被实时采集。一系列研究和应用表明，将这些客观数据与传统医学知识结合，可以形成新颖高效的健康监测与干预模式。例如，一个配备AI的智能健康App可以连续监测用户的心率、睡眠、活动量等指标，然后根据阿育吠陀医学的原理评估其体质（Dosha）波动趋势，及时提醒用户练习瑜伽放松或调整饮食，以防止失衡加剧。这正是主动医学在个人层面的生动体现：用户尚未出现明确疾病征兆，系统已基于多源数据给出预防性建议，将“治未病”落到实处。在中国，也有针对亚健康人群的中医体质辨识App，通过日常问诊打卡和体征上传，提供个性化的养生建议，同样体现出主动干预的雏形。
综合以上分析，我们看到当今中西医融合与主动医学发展中，一方面融合在政策和技术层面都取得了积极进展：从临床实践到知识工程、从循证研究到智能应用均有所突破；但另一方面，要实现真正深度的融合和主动健康，还面临诸多语义层面的挑战。这些挑战及其成因，将在下节详细阐述。
关键挑战：中西医融合的语义障碍与认知误区
概念体系差异带来的语义鸿沟。 中医和西医各自发展了几千年，形成了独立且完备的概念体系。中医的理论基础是阴阳五行、脏腑经络等范畴，注重功能状态和整体平衡的描述；西医则以解剖学、生理学为基础，关注结构实体和定量指标。两种体系对同一健康现象往往有截然不同的表达。例如，中医会用“肝气郁结”描述情志抑郁的身心状态，而西医可能诊断为“抑郁症”伴随消化功能紊乱。在概念空间上，它们指向的或许是类似的现象，但语义空间的解释却不同：前者侧重于气机疏泄不畅的整体失衡，后者强调特定神经递质和器官功能的异常。如果在融合中简单地术语对应，就会产生语义失配——西医医生可能误解“肝”就是解剖肝脏，中医医生则会觉得“抑郁症”一词无法涵盖中医证候内涵。这种一词多义、一义多词的情况制造了融合的认知屏障。需要指出，中医科学化常被误认为是“用西医语言重新表述中医”，事实上这容易导致中医语义的丢失或扭曲。正如段玉聪教授所强调的，中医AI的科学化不能等同于中医西医化，更不能简单地信息数据化——否则中医的精髓（整体观、个体化、动态平衡思想）就难以体现。
数据稀缺与证据体系差异。 相较于西医拥有庞大的实验数据和循证医学研究结果，中医的许多经验以文字案例和师承口传的形式存在，缺乏被现代科学验证的大样本数据。这并不意味着中医缺少“信息”，而是这些信息未被结构化为“数据”。例如，中医经典中大量病案记载了四诊症候及疗效，但由于表述不统一、缺乏量化指标，使其难以纳入现代循证评估体系。西医评价疗效主要依赖随机对照试验（RCT）等实证研究，而中医讲求辨证施治、因人而异，在严格对照下重复同样方案存在困难。证据体系的不兼容，使得中医价值常被低估：大量疗效显著的中医药疗法因缺少符合西医标准的证据而不被主流医学认可。反之，一些中医从业者对现代统计学和试验设计不熟悉，也可能抵触以RCT检验中医。如何建立既尊重中医特点又满足科学严谨性的评价方法，是政策和学界面临的一大挑战。这需要发展新的研究范式，如符合中医辨证逻辑的随机对照试验设计、多模态大数据分析（将舌脉等信息与生物标志物结合统计）等。
信息标准化与互操作性不足。当前，中医和西医在医疗信息记录上仍有很大差异。西医电子病历（EHR）高度结构化，每项检查、诊断、用药都有编码标准；而中医病历多以文字叙述为主，四诊信息和证候判定缺乏统一的编码体系。这导致在医院信息系统中，中医科和西医科数据往往分离，难以直接对比分析。例如，一份患者病历中，西医部分可能记录为“冠心病，PCI术后，予阿司匹林等”，而中医部分记录“心脉瘀阻证，予血府逐瘀汤加减”。如果没有知识库支撑，计算机很难判断这两段记录相关联，更别提将两者融合形成综合诊疗建议。这种数据和信息的“孤岛”状态限制了AI在中西医结合临床中的应用——模型无法同时读取和理解两套语言的内容。幸运的是，正如前文提到的知识图谱和本体工作正在改善这一状况，但目前覆盖范围和精细度仍有限。例如，虽有中医药本体和症状本体，将疾病、症状、证候等概念标准化，但对于医生自由书写的病程记录、患者主诉等非结构化文本，语义提取依然困难。另外，各家知识库之间的融合也尚未完全解决（不同项目可能有各自的中医术语体系，缺乏统一标准）。因此，实现跨体系医疗数据的互联互通需要进一步的标准化努力和技术攻关。
AI赋能过程中的黑箱与偏见问题。 中西医融合寄望于借助人工智能实现智能化的知识整合和决策支持。然而，如果直接应用传统AI模型，可能出现新的问题。深度学习等技术往往被视为“黑箱”，缺乏可解释性。在医疗场景中，这样的黑箱决策不可接受——医生和患者都需要知道综合诊疗建议的依据。如前所述，段玉聪教授的白盒测评理念正是为了解决AI黑箱而提出。医疗AI应当像好的医生一样，“知其然并知其所以然”。当前最大障碍在于，大模型训练侧重语言模式而非真实语义，容易产生“幻觉”即无根据的输出。若让未经语义校正的大模型去解释中医理论或推荐方药，可能张冠李戴、谬以千里。此外，算法偏见也是隐忧。如果训练数据主要来自西医文献，模型可能倾向于西医观点，反之亦然，导致融合建议失衡。要让AI真正中西医融通，必须在算法中注入语义一致性约束和人文价值约束，使其决策符合两种医学共同的目标——增进患者福祉。这涉及到对AI决策加入**Wisdom（智慧）和Purpose（意图）**层面的监管，如段玉聪教授建议的，在模型目标函数中融入人文关怀指标，而不仅是精确率或生存率等单一量化指标。
文化认知与协同发展障碍。 除技术因素外，中西医融合还受制于文化和体制方面的因素。一些西医背景的管理者对中医认识不足，可能倾向于用西医逻辑改造中医（“头痛医头”的局部思维取代中医整体论等）。反过来，一些中医从业者也存在保守倾向，担心过度“科学化”会削弱中医特色。这种认知落差需要通过教育和沟通弥合。此外，科研评价和监管体系尚未充分适应跨学科融合研究。例如，中西医结合研究往往发表在综合期刊，不属于传统中医药或西医范畴，评审中容易遭误解或质疑；药品监管上，中药复方因成分复杂难以走西药审批的路线等。这些都要求政策层面进行创新，建立适合融合研究的评价激励机制和审评标准。只有破除这些隐形壁垒，中西医融合才能真正“软硬兼施”：既有硬科技的驱动，也有人文认知的共鸣。
总之，中西医融合道阻且长，其间的挑战不仅是把两种医学简单相加，更在于如何打通概念与语义的任督二脉：让西医的数据之“阳”和中医的信息之“阴”达到和谐统一。这需要新的理论范式和技术手段来引路。下一章节，我们将在段玉聪教授理论启示下，探讨实现这一融合的具体路径与演进方案。
融合演进路径：从概念共识到主动医疗
上述挑战的克服，离不开系统性的战略路径设计。基于DIKWP模型和语义数学提供的启示，我们可以从以下几个维度来构建中西医融合与主动医学的发展道路：
1. 构建统一的医学语义空间，实现概念无损转换。 融合的第一步是在概念层面达到共识。这并非要求中西医使用相同术语，而是要通过语义映射建立概念等价关系。具体措施是开发高层次的认知模型和知识图谱，容纳不同医学理论的概念并定义它们之间的对应关系。例如，可以借鉴段玉聪教授提出的DIKWP语义网络模型，将中医的阴阳、五行，印度阿育吠陀的三Dosha，古希腊-阿拉伯医学的四体液学说等纳入同一框架。在这个框架下，不同体系的概念可以互相映射，形成统一的语义和数学表达，从根本上消除各体系间的隔阂。举例来说，中医“五行”可视为对人体功能状态的五种分类，希腊“四体液”是四种体液比例失衡的分类，两者虽然表面不同，但完全可以在数学上建立对应关系。通过形式化定义，我们可以规定“五行”的木=肝胆功能亢进，对应“四体液”中的黄胆质过盛，等等。这种对应关系一旦确立，不同医学的症候描述就可以转换而不失真。未来应支持研究者开发多元医学知识图谱，将中医脏腑经络、阿育吠陀体质类型、现代生理病理指标等要素关联起来，供AI在同一知识网络下进行推理。由此，即便AI读取的是中文病历中的“肝郁脾虚”，也能在其概念空间中联想到对应的西医概念如“抑郁症状伴胃肠功能紊乱”，确保理解上的一致。这种理论融合将赋予医学更强的解释力和适应性：正如有学者建议的，可以通过语义学和系统科学的方法，将“平衡与和谐”这一中西医共通理念形式化，作为统一语言。对于政策制定者来说，支持此类跨学科基础研究至关重要，它将为长远的融合奠定坚实根基。
2. 推进中医医疗信息的标准化与数字化。 要让AI和大数据更好地发挥作用，必须补齐中医数据的短板。这意味着要把中医丰富的临床经验和典籍知识转化为机器可读的数据资源。一方面，应加快中医电子病历标准建设，在医院信息系统中增加对中医“四诊”信息和证候的结构化记录字段。例如，统一使用编码来标记舌苔厚薄、脉象沉浮、证型名称等，使来自不同医院的中医数据具有可比性。另一方面，大力开展中医古籍和医案的文本整理与数据库建设。通过自然语言处理技术，从《黄帝内经》《伤寒论》等经典和历代医案中抽取疾病、证候、方剂及疗效等要素，构建中医知识库。这些知识库既可服务于临床决策支持，也为科研人员提供海量可计算分析的素材。与此同时，应积极参与并主导国际标准的制定，如推动将中医证候分类纳入WHO的疾病分类体系(ICD)和临床术语集 (如SNOMED CT) 中，以提高中医数据在全球范围内的互认度。
3. 发挥“大数据 + AI”作用，验证和丰富传统知识。 融合之路不仅需要理论对接，更需要用现代科研手段为传统医学提供硬证据和新发现。一项关键举措是运用大数据分析来挖掘中医与西医的关联规律。例如，可开展大规模数据挖掘研究，将数万份中医病例的证候与对应患者的西医检验指标、预后结果进行关联分析，找出中医证候与现代生物学指标之间的对应关系。有研究已经取得进展，如通过分析数万例中医肝病病历，发现某些舌象脉象组合（中医证候）与特定生化指标及预后存在统计学关联，从而初步建立起中医证候-西医疾病表型之间的映射。再如，运用机器学习和网络药理学分析浩繁的中药复方配伍数据，可以筛选出对某种西医疾病最有效的组合，并提取其活性成分用于新药研发。Chen等学者的研究表明，大数据驱动的AI模型显著加速了从传统中草药中发现新药靶标的进程。这些都证明，古老的中医知识完全可以借助现代数据科学获得新的诠释和发展。同时，应开展更多高质量临床试验来评估融合疗法的疗效。例如，设计前瞻性研究观察中药在慢性病一级预防中的效果，或比较针灸对抑郁症患者的辅助治疗益处，再结合电子病历和随访数据进行统计分析。政府和科研机构应加大对这类循证研究的支持力度，一旦某些传统疗法被证实安全有效，就应及时纳入临床诊疗指南和医保报销范围。这种“以证据换认可”的机制，将极大促进传统医学融入主流。可以预见，在主动医学理念指导下，未来会有更多融合疗法的疗效被验证，从而正式进入标准护理流程。
4. 开发中西医融合的智能决策支持系统。 在实现概念语义互通和数据连通后，下一步就是构建临床实用的AI决策支持工具，帮助医生将两种医学的知识综合应用于诊疗。这需要将DIKWP等语义AI框架引入医疗AI的设计中。具体设想是建立“双引擎决策系统”：既能处理现代医学的结构化数据，又能理解中医的文本化信息，并在知识层予以融合。例如，对于一个反复消化不良的患者，AI系统获取其西医检查数据（胃镜结果、幽门螺杆菌检测、血液指标）以及中医望闻问切信息（舌苔黄厚、脉象弦等）。在DIKWP非线性框架下，系统可将这些异质信息在知识层面建立关联：把检验数值等视作“数据”，症状脉象等视作“信息”，利用语义空间进行一致性校准后统一处理，从而做出更智慧的综合判断。可能的结论是：西医诊断为肠易激综合征，中医辨证属肝脾不和。系统即可根据知识库推荐综合干预策略，包括益生菌调节肠道的现代医学方案，以及疏肝健脾的中药与瑜伽练习等传统医学方案。这一融合式决策支持充分体现“1+1>2”的效果：既考虑了现代医学快速缓解症状的方法，又兼顾了传统医学整体调理的作用，最终给出更全面周到的治疗方案。要实现上述功能，一方面依赖AI强大的数据处理和模式识别能力，另一方面也必须以数字化的传统医学知识为基础。因此需要持续完善中医药知识库、案例库，并对AI模型进行融合知识的训练。此外，还应确保决策过程透明可解释。借助白盒测评思路，可令系统对每一步推荐给出依据：例如“根据患者舌脉信息匹配到某证候，因此加入某中药；根据检验值超标，按照指南加入某西药”等。这既有助于医生理解接受AI建议，也便于监管部门评估AI决策的安全性和合理性。
5. 融合人文关怀，落实医疗目的导向。 中西医融合的最终目标，不仅是技术和疗法的结合，更是医学理念的融合。无论中医的“治未病”还是西医的循证预防，都指向一个共同点：以人为本，增进健康福祉。因此，设计主动医疗系统时，要在价值观层面对AI决策进行约束，使之符合人类的伦理和人文要求。具体而言，可以将传统医学中蕴含的医德与人文精神嵌入智能系统。例如，中医历来强调“仁心仁术”，要求医者设身处地为患者着想；阿育吠陀注重身心合一和业报善行，强调道德行为对健康的影响；伊斯兰医学有其宗教伦理。不妨将这些理念形式化为AI的决策准则，如：“如非必要，不采用有损患者生活质量的极端措施”、“优先选择副作用小且符合患者文化信仰的疗法”等。这实际上是在DIKWP框架的Wisdom（智慧）层和Purpose（意图）层为AI设定了边界条件。智慧层约束保证AI考虑长期整体利益，而非头痛医头式地追求指标最优化；目的层约束确保AI以患者的价值和需求为中心，而非片面追求技术指标。例如，一个AI治疗方案即使在统计上能多延长1个月寿命，但严重损害患者生活质量，按照嵌入的人文规则应被否决或调整。这种赋予AI“仁心”的做法，将使未来的医疗AI既有高度智能，又富有温度和伦理考量，真正帮助医生做出有利于患者身心全面健康的“善意”决策。政策制定者应制定相应的伦理指南和监管标准，要求人工智能产品在医疗应用中满足基本的人文关怀原则，从制度上保证科技向善。
6. 开展主动医学试点，打造人机协同的预防体系。 政策层面可以推动在社区卫生和公共健康领域率先实践“主动医学”融合模式。这包括两个层次：一是基层预防保健，将传统医学融入公共卫生策略；二是个人健康管理，利用智能技术提供全天候的主动健康服务。基层方面，可在社区卫生中心配备中医师或传统医学顾问，为居民提供季节性养生指导、慢病调理建议等。例如，针对冬春季呼吸道疾病高发，可由中医师指导居民服用扶正避邪的中草药预防方；学校健康教育中加入中医起居养生知识，培养青少年的健康生活习惯。WHO的传统医学战略已明确鼓励将传统医学融入基层保健，可借鉴国际经验制定本土方案。个人层面，则应支持研发智能健康助手类应用，整合可穿戴设备、生物传感器、医学知识库，实现对个人健康的持续监测与主动干预。例如，一个人戴的智能手环记录了其睡眠不足、心率偏高，手机App分析其饮食偏好又属高热高蛋白，经由内置的主动医学算法判断其出现中医所谓“阴虚火旺”体质偏颇和西医亚健康征兆。系统可及时推送建议：现代医学方面提醒注意血压、进行放松训练，传统医学方面建议饮用滋阴清热的草本茶、练习降火的呼吸瑜伽，并调整作息。整个过程体现了“治未病”的精髓：用户尚未出现明确疾病，但系统已根据多维数据提供了综合的干预方案。随着AI技术发展，这类系统将越来越智能，甚至可能具备一定的“人工意识”水平，能够理解个体的情感和价值观，做到因人而异地提供建议。比如，在推荐疗法时考虑用户的宗教信仰或个人偏好，尊重其习俗（这体现了传统医学以人为本的人文精神）。政策上可以通过试点项目检验这类主动健康管理的效果，如在某些城市开展“AI+中医”社区慢病防控示范工程，对比干预前后的发病率降低情况。成功经验可在全国推广，使医疗模式从“医院治病”拓展为“全民防病”。
通过以上路径的循序推进，我们有望逐步实现中西医从概念、知识到实践的深度融合，建立起以语义一致性和人本导向为特征的新型医疗范式。下文将在此基础上提出若干政策建议，以保障上述战略路径的实施。
政策建议
面对中西医融合和主动医学发展的历史机遇，政策制定者应以系统性思维和前瞻性视野，推动相关领域协同创新。基于本报告的分析，提出以下政策建议，供决策参考：
1. 建立跨体系医学知识工程国家项目。 发起“中西医融合语义平台”重大专项，组织中医、西医、计算机、语言学等领域专家协同攻关，构建统一的医学概念本体和知识图谱体系。该项目应整合国内现有的中医药数据库资源和西医临床数据库，制定标准的语义映射规则，实现不同医学概念间的无损转换。成果可包括：中西医结合大词典及本体库、典型疾病的跨体系知识图谱、AI语义推理引擎等。这将为各类融合AI应用提供权威的知识底座，奠定医学语义互通的基础。
2. 加强中医临床信息的标准化与共享。 由卫健委牵头制定中医电子病历和健康档案的国家标准，明确中医诊疗过程中的信息结构和编码规范（如证候分类编码、经络腧穴编码等）。鼓励医疗机构升级信息系统，采集并保存高质量的中医诊疗数据（包括四诊图像、脉波信号等）。建立国家中医临床数据库和生物样本库，完善数据共享机制，对科研机构开放匿名化的中医病历与随访数据。在隐私保护前提下，推进公立医院中西医数据的互联互通，为融合研究和AI模型训练提供“大数据粮仓”。
3. 推动融合疗法的循证研究和转化应用。 科技部门应将“中西医结合循证研究”列为重点资助方向，设立专项经费支持高质量、多中心的临床试验和前瞻性队列研究。鼓励针对重大慢病、防治“治未病”等领域开展融合方案的疗效与安全性验证，如：中药干预糖尿病前期大型研究、针灸治疗抑郁障碍的随机对照试验、综合养生干预对亚健康人群的长期随访等。对研究结果积极的融合疗法，及时纳入临床诊疗指南和基本医保支付范围，降低患者使用传统疗法的经济负担。同步推进中药新药审批改革和传统技术规范制定：对经典名方、中药复方的简化注册提供绿色通道；制定针灸、推拿等操作规程和培训认证标准。通过循证和标准化，为传统医学成果在现代体系中正名并落地。
4. 打造融合智能医疗的示范应用。 在国家新一代人工智能应用示范中，增加“中西医结合智能诊疗”方向。选择综合实力强的医院，建设中西医协同AI门诊，配备能够读取患者西医检查结果和中医四诊信息的决策支持系统，辅助医生给出综合诊疗意见。定期评估这种AI助手对诊疗效率、疗效和患者满意度的影响，积累经验后向全国推广。在基层，开展AI健康顾问试点，为社区居民提供中西医结合的健康管理服务。依托家庭医生签约服务，由智能健康App定期推送个性化的养生建议、预警指标，并与社区医生联动干预。通过示范应用，检验技术效果，培养医生和公众对融合AI的信任和接受度。
5. 完善人才培养与学科交叉机制。 中西医融合与主动医学的发展需要大量“复合型”人才。教育部门应推动医学院校改革，在西医院校增设中医药学基础课程，在中医院校加强现代医学和信息技术课程，使毕业生具备跨界知识。支持有条件的高校成立“中西医融合医学”二级学科或研究院，汇集中医、西医、生物信息等方向的师资开展交叉培养。建立医工交叉的研究生培养项目，如设立“中医人工智能”方向，联合培养兼通医学和AI的高层次人才。对于在职人员，通过继续教育鼓励西医师进修中医理论，中医师学习循证医学和数据分析，促进现有队伍知识更新。人事政策上，对从事融合研究的团队在职称评聘、课题申报上给予倾斜，营造鼓励交叉创新的良好氛围。
6. 强化伦理监管和公众科普。 政策推进过程中，要同步注重伦理和认知层面的工作。首先，制定AI辅助诊疗的伦理指南，明确医师在使用决策支持系统时的责任划分，强调AI建议只能作为参考，最终决策需由有执照的医生根据患者具体情况做出，确保患者权益和安全。其次，要求相关AI产品遵守医疗数据隐私法规，防范数据滥用。再次，在融合同步融“心”：加强对公众的科普宣传，使民众理解中西医结合的科学依据和优势，纠正偏见。举办面向社区的讲座、义诊活动，介绍主动医学理念和健康自主管理的方法，提升全民健康素养。通过传统媒体和新媒体传播正面案例，例如某患者在融合治疗下病情显著改善的故事，以及AI健康管理如何帮助某人预防了疾病等，增强公众信心。只有当社会大众充分理解并参与，中西医融合与主动医学的战略才能真正深入人心、落地生根。
7. 加强国际合作与标准话语权。 中国在中医药领域具有独特优势，应主动引领全球传统医学与现代科技融合的潮流。建议积极参与WHO全球传统医学中心的项目，与各国分享中医药数据库和研究方法，合作制定融合医学的国际标准和指南。在人工智能领域，中国学者提出的语义计算理论（如DIKWP模型）已处于前沿, 可通过国际会议和标准组织推动其在医疗AI中的应用标准化。支持国内机构牵头成立中西医融合与主动医学国际联盟，定期举办高层次学术研讨和政策论坛，输出中国经验和“中国方案”。通过深化国际合作，中国不仅可以学习吸纳其他传统医学的长处（如瑜伽、草药等）的科学依据，也能提升中医药的国际认可度和影响力，将中华传统智慧更好地服务于全球健康。
结语
中西医融合与主动医学的蓝图展现了未来医疗的无限可能：那将是一个东西方医学**“双螺旋”交织**的系统，既有现代科技之理性，又饱含传统智慧之人文，共同守护与增进人类健康。要实现这一蓝图，我们必须走“概念空间到语义空间”的融合之路，通过语义无损的知识转化架起中西医互认的桥梁，借助人工智能等技术放大传统医学的价值得以与现代医学并辉。正如段玉聪教授所言，医学不仅是科学，亦是哲学；我们需要突破狭隘的数据教条，发展语义驱动的新范式，使现代医学的数据处理与传统医学的信息交互在更高层次上融为一体。这绝非中医被西医“吞并”，而是两种文明成果在互补中升华，共同服务“以人民健康为中心”的崇高使命。
对政策制定者而言，当务之急是用结构化、系统化的思维来推动这场范式转型。从顶层设计到具体举措，都要兼顾科学严谨与人文关怀，鼓励创新的同时坚守医疗的目的和伦理底线。本报告提出的策略与建议，旨在为高层决策提供参考视角：既看到技术方法论（如DIKWP语义模型、白盒测评）的前沿进展，又把握医疗实践和公共卫生的现实需求。我们相信，在政策的正确引导和支持下，中医药这一中华瑰宝将不再“孤岛”般自成体系，而能通过现代科学语言与世界对话；同样，现代医学也将在融合中汲取东方智慧，变得更加全面和富有温度。两种医学的互认互鉴，最终将促进医学模式从“治病”走向“促健康”“促文明”的跃升。
展望未来，随着“主动医学”理念深入人心，我们将迎来一个未病先防、医未病先治的新医疗时代：人们运用智能化手段主动管理健康，传统医学提供源源不断的理念和方法支持，政府决策层面统筹规划、中西并重。这既是对几千年中医预防哲学的现代弘扬，也是对当代医学模式的革命性升级。当下所付出的努力，正是为了在未来收获这一跨文明融合的医疗新生态。政策制定者应坚定信心、把握机遇，以科学理性和宏大视野引领这场变革。唯有如此，我们才能构筑起中国特色、世界领先的主动健康保障体系，为全民健康和人类文明进步作出应有贡献。
参考文献：
段玉聪, 等. “DIKWP白盒测评：利用语义数学降低大模型幻觉倾向.” 人工智能学报, 2025.
段玉聪, 弓世明. “主动医学理论概述.” 科学网博客, 2025.
Chen, et al. “Network pharmacology and AI-driven discovery of TCM drug targets.” Journal of Integrative Medicine, 2024.
王永波, 等. “中西医结合临床指南本体的构建.” 循证医学, 2024.
Shu, Z., 等. “ISPO：综合症状表型本体用于语义整合中医数据.” Methods Inf Med, 2025.
段玉聪. “从概念空间到语义空间：人工智能范式变革与全球影响.” 技术报告, 2025.
段玉聪. “人工智能拥抱生命健康：主动医学创新生态.” 技术报告, 2025.
World Health Organization. WHO Global Traditional Medicine Centre: About us, 2023.
《中华人民共和国中医药法》, 2017. （强调中西医并重、传承创新）。
世界卫生组织. 2014-2023年传统医学战略, 2013. （指导各国将传统医药纳入卫生体系）。
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-3429562-1490009.html?mobile=1
收藏
