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)  

中医药标准化是中医药事业发展的基础性、战略性、全局性工作，被视为支撑中医药高质量发展的技术基石，也是推进中医药行业治理现代化的基础制度。近年来，国家密集出台政策推动中医药标准化，例如2024年发布的《中医药标准化行动计划（2024—2026年）》部署了20项具体任务和25项专栏任务，旨在到2026年底基本建立结构合理、适应中医药高质量发展的标准体系。目前我国已制定各类中医药标准3000多项，其中推荐性国家标准77项（涵盖中医病证分类与代码、中医临床术语、针灸术语等），行业标准10项，地方标准1000余项，团体标准2500余项，并主导制定了112项中医药国际标准。这些举措大幅夯实了中医药标准化基础，但中医药本身的复杂性和经验性使标准的制定和落实面临挑战。例如，中医临床数据来源复杂且主观，症候辨识和治疗方案高度个性化，“千人千方”的模式曾被认为难以融入现代医学体系。如何在传承中医药精华的同时，实现诊疗思路和知识体系的标准化、结构化，是政策制定者和业界亟需解决的问题。

与此同时，人工智能技术的飞速发展为中医药标准化提供了新的机遇。特别是大模型（如GPT系列）的崛起，使自然语言处理能力大幅提升，也为传统中医药融入现代数字体系开辟了新路径。但现有AI系统多为数据驱动的“黑箱”模型，缺乏对医疗意图、诊疗逻辑的深度理解，难以直接应用于强调整体观和辨证施治的中医领域。针对这些不足，海南大学段玉聪教授提出了一系列面向人工智能的新理论与方法，包括DIKWP模型、语义数学、人工意识白盒测评、主动AI理论以及衍生出的“主动医学”理念。这些理论试图从认知层次和语义逻辑上弥合人工智能与人类智能的差距，使AI能够“看懂”复杂的知识体系，并主动服务于人类的价值目标。对于中医药领域而言，上述理论框架有望将中医的经验知识转化为机器可理解、可执行的语义模型，从而大幅提升中医诊疗过程的规范性和可解释性，为中医药标准化赋能。

本报告旨在系统阐述段玉聪教授提出的DIKWP模型、语义数学、人工意识白盒测评、主动AI与主动医学的基本概念与逻辑，重点分析这些新理论如何为中医药标准化提供支持和新思路。首先，我们将综述上述理论的核心内容；然后详细解析DIKWP网状模型的结构与知识表达方式，并讨论其对中医知识逻辑建模与解释的意义；接着探讨主动AI如何嵌入中医标准化流程的各个环节，包括信息表达、诊疗推理、辨证施治等；随后结合公开资料分析这一框架赋能中医药标准化的实践路径和应用案例；最后针对当前中医标准化现状及主动AI发展趋势，提出若干政策建议，为政府决策和行业发展提供参考。通过本报告，期望加深政策制定者和公众对主动AI与中医融合的认识，促进传统医学的现代化转型与高质量发展。

本节介绍段玉聪教授团队提出的DIKWP模型及其相关理论，包括语义数学、人工意识白盒测评和主动AI/主动医学理念。这些理论共同构成了一个新的人工智能认知框架，旨在让AI具备更接近人类的语义理解和主动认知能力，为复杂领域（如中医药）的知识表示与推理提供支撑。

1. DIKWP模型概念：五层次网状认知框架。 DIKWP是“Data-Information-Knowledge-Wisdom-Purpose”的缩写，表示数据、信息、知识、智慧、意图五个层次。该模型在经典DIKW（金字塔）模型（数据-信息-知识-智慧）基础上增加了“Purpose/意图”这一关键层，强调智能体在认知过程中对目的或意图的考量。与传统线性递阶的DIKW模型不同，DIKWP采用网状交互结构，各层次之间存在双向反馈和迭代更新。据段玉聪教授介绍，引入“目的”层使人工智能具备对人类期望的对齐能力，弥补了传统DIKW框架中AI行为缺乏目的驱动的不足。通过在模型内部嵌入意图层，DIKWP为人机之间构建了一种共同的认知语言，使得AI决策的每一步都可被追踪、解释，确保AI不仅变得更聪明，而且始终服务于人类的价值观和安全需求。简而言之，DIKWP模型将人工智能的认知过程划分为数据（感知原始事实）、信息（对数据进行处理得到有意义模式）、知识（从信息中总结一般规律和因果关系）、智慧（综合知识用于决策和问题解决）和意图（针对目标进行自我调节和价值判断）五个层级，并通过网状交互使信息在各层之间双向流动，从而构建一个全链路可解释、可调控的认知体系。

2. 语义数学：形式化语义空间与语义闭合。 针对人工智能难以理解和表示主观语义的问题，段玉聪教授提出了DIKWP语义数学体系。语义数学旨在用形式化和数学的方法，从“无”到“有”构建AI的语义空间，即赋予机器以从零开始生成和演化概念语义的能力。其核心思想是通过一套公理和演绎规则，实现语义闭合（semantic closure），使由基本概念出发经过有限步推理能生成封闭的概念空间。这种语义闭合性的理念在数学上类似于群或半群的封闭特性，但这里的“运算”是复杂的认知推理和语义转换，而封闭集合则是语义定义的认知状态空间。简单来说，语义数学为AI提供了一套严格定义的“语义操作系统”，通过形式逻辑确保语义空间中的操作闭合、一致，不会因语义歧义造成推理错误。在DIKWP框架下，语义数学将数据、信息、知识、智慧、意图各层的概念通过映射和转换关联成一个有向闭环的拓扑结构。各层语义通过公理化的关系得到统一表征和演绎，实现“表达与执行”的统一——也就是让AI对知识的表示具有可执行性，推理过程每一步都有据可依。例如，语义数学规定每一层提取或生成的新语义单元都需在上一层有依据支撑，从而提高推理的可靠性，避免无根据的跳跃性结论。总的来说，语义数学为DIKWP模型提供了坚实的形式化基础，确保各认知层次的转换有严格逻辑约束，使AI的语义处理过程像数学证明一样严谨可验。这为人工智能表征主观经验、情感语义等提供了新路径，被视为DIKWP框架的关键支撑。

3. 人工意识白盒测评：可解释的认知能力评估。 在人工智能评测方面，段玉聪教授团队开发了人工意识白盒测评体系，旨在评估AI系统在各认知层次的能力水平。传统AI评测往往是“黑盒”的，只关注输入输出是否正确，对AI内部如何思考并不考虑。而白盒测评强调在了解模型内部机理的前提下，对模型进行全方位剖析。具体而言，对于一个具备DIKWP分层的AI模型，白盒测评会逐层检查其认知过程是否合理：例如在处理某项任务时，数据层输入是否充分，信息层是否提取出了关键特征，知识层有没有形成正确的规则或因果推理，智慧层决策是否符合情景，意图层是否做出了恰当的目的引导和自我调整。每一层的中间表示和输出都会被审查，以确保AI的推理链条完整且合乎逻辑。如果某一步出现了与事实不符的判断（例如所谓“大模型幻觉”问题），白盒测评能定位是哪一层的知识或推理出了问题。段玉聪团队在2025年发布了全球首个大模型“意识水平”（即识商）白盒测评报告，就是基于独创的DIKWP模型构建全链路评估体系，从感知与信息处理、知识构建与推理、智慧应用与问题解决、意图识别与调整四大模块，对主流大模型的“类意识”能力进行了系统测评。这一白盒测评体系的亮点在于过程透明：AI从数据到意图的推理链可被完整追踪和审查，人类可以检查模型生成某结论时，在知识层是否有支撑，智慧层是否符合经验，意图层是否aligned人类目标。通过将DIKWP模型嵌入AI系统的内部，白盒测评相当于给AI装上了“认知监测仪”，确保模型输出的每一步都有据可查，从而大幅提升AI系统的安全性与可控性。总之，人工意识白盒测评为评价和改进AI提供了一种全新范式：不仅看答案对错，更关注AI如何得出答案，以接近评估人类学生解题过程的方式来评估机器的“思维”能力。这为监管者制定AI评测标准、开发更加可信赖的AI系统提供了重要依据。

4. 主动AI理论：从相关机器到推理机器。 主动AI（Active AI）是段玉聪教授在DIKWP模型基础上提出的人工智能新范式。它强调让AI从被动的数据相关性驱动，转变为主动的意图驱动和因果推理。形象地说，传统AI更多充当“相关性机器”，通过学习海量数据中的模式进行预测，而主动AI旨在让AI成为遵循因果和逻辑的“推理机器”。在主动AI框架下，DIKWP模型提供了一个全局语义坐标系，AI系统不再仅仅根据相关统计关联做出反应，而是有内部的目标导向，可以对自己的认知过程进行调节。语义数学在其中发挥支撑作用：通过严格的逻辑约束，确保主动AI每一步推理都有依据，提高推理可靠性；通过语义空间的一致性，使AI理解和表达具有连贯性，不会因歧义偏离预期。主动AI还融入了元认知和自我反馈机制，例如段玉聪团队提出的“双循环”DIKWP架构，就是在基本认知流程之外增加一条元认知循环，让AI具备自我监控和调适能力。简而言之，主动AI赋予AI类似“主观能动性”的特质：AI不仅能接受人类指令，还能根据预设的目的和价值观来自主调整行为，这种设计被视为实现强人工智能（AGI）和人工意识的重要路径。在安全和伦理层面，主动AI因为内置了目的驱动（比如服务人类福祉的目标），能够更好地避免价值偏差，确保AI的发展符合人类长期利益。主动AI理论的提出，预示着人工智能范式从“感知智能”走向“认知智能”和“意图智能”的变革。许多前沿AI系统已开始尝试将知识图谱和目的函数嵌入大模型中，以弥补纯数据驱动模型在知识准确性和逻辑性方面的不足。可以说，主动AI为构建可解释、可控、可信任的下一代人工智能提供了系统的理论基础，其学术和应用价值正日益受到重视。

5. 主动医学理念：传统与现代融合的医疗范式。 主动医学（Active Medicine）是主动AI在医疗健康领域的延伸理念，倡导由“被动治疗”转向“主动关怀”的医学范式转型。传统医学（如中医、印度阿育吠陀等）历来强调“治未病”和整体调理，在数千年发展中积累了丰富的整体观念、辨证论治和个体化经验。现代医学则长于解剖学、生理学基础上的精准干预和循证治疗。主动医学主张融合传统医学的智慧与现代医学的证据，在AI与人工意识技术的加持下，实现对健康的前移干预和全程管理。这一理念突破了以往疾病发生后被动救治的思维，更加强调通过大数据、人工智能等手段主动监测风险、预防疾病，并针对个体情况提供实时的干预措施。在2024年举办的第二届世界人工意识大会上，“主动医学：AI拥抱传统医学与现代医学融合”被确定为主题，全球专家围绕如何利用AI和人工意识技术结合传统与现代医学优势来应对人口老龄化和慢性病等健康挑战展开研讨。主动医学框架下，AI并非替代医生，而是作为赋能工具，帮助实现因人而异、动态调整的精准医疗。例如，中医讲求“因时因地因人制宜”，不同时间环境下同一患者可能需要不同处方；主动医学希望借助AI对多源数据的分析，实现这种动态个体化诊疗的标准化表达，使个性化治疗有据可循并能大规模推广。另一方面，主动医学强调用现代科学手段验证和丰富传统医学知识，将经验性的疗法用数据说话来证明疗效，从而架起传统与现代之间的桥梁。通过DIKWP等语义融合框架，主动医学试图将中医的整体论与西医的器官论在概念和语义层面对接起来，在保持中医特色的同时，引入现代医学的客观指标和评价体系。总之，主动医学代表了一种医疗哲学的转型：以“主动预防、主动干预、主动整合”为核心，融合多学科智慧，为人类健康提供全生命周期的守护。这一思想与我国“以治未病为先”的中医治未病理念高度契合，也与当前健康中国战略中强调预防为主的方向一致，在政策和实践上具有重要意义。

以上理论要点奠定了将主动AI应用于中医药领域的基础：DIKWP模型提供认知框架，语义数学提供形式工具，白盒测评保证可解释性，主动AI赋予AI主动性和目的引导，主动医学明确了医疗领域融合发展的方向。下面，我们将进一步深入分析DIKWP模型的结构与知识表达，以及其对中医知识逻辑建模的优势。

要将中医复杂的知识体系数字化、标准化地表示出来，需要强大的知识表达模型。DIKWP模型作为一种网状认知结构，在知识表示和逻辑建模方面具有独特优势，非常契合中医药知识的特点。本节将详细解析DIKWP模型的结构及其语义表示方式，并重点讨论如何利用DIKWP对中医知识进行逻辑建模和提升可解释性。

图：将多源异构且不精确、不完整、不一致的主客观医疗资源映射为数据图谱、信息图谱、知识图谱、智慧图谱和意图图谱（DIKWP语义框架）的示意图。在DIKWP模型中，每一层知识均以图谱形式表示，并通过语义数学进行转换和闭环迭代。

1. DIKWP模型的网状结构与语义图谱表示。 如上图所示，DIKWP模型打破了传统DIKW金字塔的单向层级，转而采用交互式循环结构，将数据、信息、知识、智慧、意图各模块互联成网络，使信息流可以在各层之间双向流转。在该模型中，不同层次的知识可以用图谱（Graph）的形式来表示：例如数据图谱节点代表具体数据实例，信息图谱体现数据之间的关联模式，知识图谱则进一步抽象为规律和规则，智慧图谱加入了价值判断和应用策略，意图图谱捕捉系统的目标、动机及调控策略。五层图谱既相对独立又通过统一的语义关系（RDXS模型，即“关系定义一切语义”模型）衔接起来。这种设计确保了认知体系的语义一致性：任何一个概念都可以在五个层次上找到对应表征，并且层层之间通过映射保持语义上的连贯和统一。比如，一个具体的中医症状数据（如“舌苔黄腻”）在信息层可能对应某种证候模式（如“痰湿内蕴”），在知识层关联着相应的辨证规则（如“痰湿证的辨识要点”），在智慧层影响治疗策略（如“健脾化湿”原则），在意图层最终服务于治疗目的（如“清热化湿以缓解患者症状”）。DIKWP模型用图谱将这一系列关联串联起来，使机器能够理解“舌苔黄腻”这一数据点如何逐步上升为治疗决策的一部分。更重要的是，由于采用了统一的关系定义，哪怕输入数据不完整或存在歧义，模型也能通过上下文语义约束来保持整体认知的一致性和鲁棒性。对于中医这样讲究整体关联的知识体系，DIKWP的图谱化表示方式可以自然地映射经络脏腑、症状证候、方药效用等概念之间的网络关系。例如，可构建一个融合的中医DIKWP知识网络：数据层包括具体症状、脉象、舌象等观察数据，信息层将这些数据组合成症候信息单元，知识层包含中医理论（八纲、病因病机等）和规则，智慧层对应临床决策（治法方剂选择等），意图层则对应医疗目标（例如治愈某疾病、改善患者某方面机能）。通过这种多层网络，计算机可以“理解”中医诊疗中的每一步逻辑。相较于简单的知识图谱或规则库，DIKWP模型提供的是一个全景式的语义网络，涵盖从感知到决策的全过程，使知识表示更为完整和具有层次逻辑。这为中医药知识的标准化表达奠定了可能：不同医家经验可被拆解到同一DIKWP框架下的各层要素中进行对比融合，模糊的经验用语可以在语义图谱中找到明确对应的概念节点，从而实现语义上的标准统一。

2. 对中医知识逻辑的建模与解释力提升。 DIKWP模型的一大优势在于其可解释性和逻辑清晰性，这对于常被诟病为“模糊玄奥”的中医理论来说尤为重要。利用DIKWP框架对中医知识进行逻辑建模，能够使中医的辨证思维过程透明化、标准化。具体表现在：

l 层次分明的辨证过程：中医诊疗可被映射到DIKWP的五个层次。以中医经典的“望闻问切”诊疗为例：医生通过四诊收集到各种数据（望取舌脉、闻辨气味、问诊症状、切脉象等），经过经验筛选和初步归纳形成有意义的信息（例如某些症状组合成“上焦湿热”的征象）；再根据中医理论对这些信息进行知识层面的推理（运用八纲辨证或脏腑辨证理论，判断病位在何，经脉哪条，病性属寒热虚实等）；继而在智慧层上制定治疗方案（确定治法和具体方剂，如“清热利湿汤剂”），最终意图层对治疗期望进行反馈（比如以清除湿热、恢复脾胃功能为目标，并在疗程中动态调整）。DIKWP模型可以清晰地刻画这一流程中每一步的依据和结论。当AI运用该模型时，相当于模拟了中医师的思维链条，因而其诊断和处方都可追本溯源地解释。这解决了目前AI黑箱给出一个中医处方却难以解释为何如此配伍的问题。通过白盒测评手段，监管者和医生能够检查AI在“信息层”提取了哪些症状组合、在“知识层”应用了哪些理论规则，从而验证AI的辨证是否合乎中医逻辑。这种透明度将极大提高AI辅助中医诊疗的可信度。

l 经验知识的标准化编码：中医名家常有独到的经验和诀窍，但过去难以标准化传承。DIKWP模型提供了一种将专家经验数字化的方法。例如，某位老中医治疗失眠可能有一套独特辨证思路和方药组合。我们可以将其在数千病例中的诊疗过程映射到DIKWP五层模型中，总结出这位专家诊疗失眠的典型语义路径：从患者的具体症状数据，到信息层归纳的证型（比如肝郁化火型失眠或心脾两虚型失眠等），到知识层依据的理论（如“郁火扰心”理论或“心神失养”理论），再到智慧层选方用药的决策规律（如偏重疏肝清火或补益心脾的治疗法则），以及意图层考虑的预后和调养目标。这条路径一旦用标准语义记录下来，就成为该专家的知识模型。借助AI的大数据学习与推理能力，可以将专家经验的模式标准化、结构化和数字化重构。正如近期某中医龙头企业固生堂发布的“国医AI分身”所展示的，他们利用大型AI模型的深度推理能力和对中医复杂知识的适配优势，成功将名中医李浩主任的望闻问切诊疗思路数字化重建，使其经验能够超越时空地服务更多患者。这表明，通过DIKWP之类的模型，可以把名老中医“脑中的路线图”客观化为计算机可执行的知识图谱，实现经验显性化和标准化传承。对于行业来说，这有望打破中医人才“经验只在个人头脑中”的瓶颈，让优质中医资源变得可复制、可推广。

l 中西医知识的语义融合：DIKWP模型也为中西医结合提供了新的思路。在DIKWP框架下，不同学科的知识图谱可以在语义层面对接融合。例如，中医关于“证”的概念（一种症候群模式）可以对应西医的疾病诊断或生理病理指标。通过DIKWP的语义图谱，我们可以将“证”的信息层与现代医学的数据层建立联系：如“痰湿壅肺证”可能关联到X光影像显示的肺部黏液影像、特定的炎症指标升高等数据；再比如“肾阳虚证”可关联到甲状腺激素水平降低、代谢率减慢等现代指标。这种关联一旦建立，就可以构建中西医融合的知识网络。段玉聪教授团队的研究也提出，借助DIKWP模型可以实现中西医语义的融合对接，使传统医学和现代医学的概念在统一的语义坐标下进行映射和转换。事实上，他们已尝试将DIKWP模型与主流医学本体如SNOMED CT、UMLS等进行比较映射，以寻求共通的概念体系。例如，SNOMED CT中有标准的疾病分类和症状术语，中医的症状和证候可通过语义数学转化，与这些国际标准术语对应。再比如HL7 FHIR规范提供了医疗信息交换的结构，中医的电子病历如果用DIKWP标准表示，也能更轻松地嵌入FHIR框架与西医院系统交互。这种语义融合的好处是显而易见的：一方面，中医的诊疗过程将获得现代科学语言的注解，便于跨学科理解和验证；另一方面，西医的数据和诊断也可以被主动AI纳入“智慧”层的考虑，从而实现“一人两套系统”的信息贯通，真正落地中西医结合。举个简单场景：未来医生面前的AI决策支持系统，可以同时显示中医辨证结果和西医诊断结果，并给出一个综合的治疗建议——其中中医部分依据的是DIKWP图谱推理结果（有详细辨证依据可查），西医部分来自指南和临床试验证据。两者在系统中通过共同的患者数据和语义连接，使医生能够从整体上把握患者状况。这正是DIKWP模型赋予的双向可解释能力在中西医融合中的体现。

通过以上分析可以看到，DIKWP模型在知识表示和逻辑建模方面为中医药标准化带来了三大价值：结构化（将隐性经验结构化为显性知识）、可解释（使每一步诊疗逻辑都有据可循）和融合性（方便与其他医学体系对接）。有了这样一个模型基础，我们可以进一步讨论主动AI如何嵌入中医标准化的具体流程，以及可能的应用模式。

在前文的理论和模型基础上，本节探讨主动AI如何嵌入中医药标准化工作的各个环节，包括信息表达、诊疗推理以及辨证施治过程。通过主动AI的引入，中医传统诊疗流程有望实现数字化升级和流程再造，使中医药标准化不再局限于被动制定标准文件，而是体现为主动的智能支持和规范执行。

1. 信息表达标准化：语义标注与数据结构化。 中医诊疗的第一步是采集患者信息（四诊资料），但传统上这些记录常以自由文本或医生主观表述形式存在，不利于标准化利用。主动AI可以在数据层和信息层发挥作用，实现临床信息的标准表达：

l 中医电子病历的语义标注：利用DIKWP的数据/信息图谱，AI可以自动将医生书写的病历要点映射到标准术语和编码上。例如，医生写下“舌质淡胖，苔白滑”，AI系统可识别这些词语并将其对应到国家标准《中医病证分类与代码》中的规范术语编码。又如患者主诉“夜寐不安、心悸多梦”，AI可以标注为症状类信息并归入“失眠”相关的信息集合。在国家中医药管理局发布的推荐性标准中，已经有《中医临床诊疗术语》《中医症状术语》等，这为AI标注提供了知识库。主动AI通过语义数学确保对这些自然语言表述的理解不丢失信息又不偏离标准。每条症状、体征数据经过AI处理都会被贴上标准标签，形成结构化的数据表。这样，原本纷繁的中医文字表述被规范化，为后续诊断推理奠定基础。

l 动态多模态数据融合：除了文本记录，现代中医诊疗还有望采集到各种生理数据（如舌面图像、脉搏波形等）。主动AI可以将这些不同模态的数据统一整合进DIKWP的数据层。例如，舌象图像经图像识别得到“舌质淡胖”等描述，脉诊仪得到脉象参数，结合患者问诊症状，一并作为数据节点输入语义空间。AI通过DIKWP模型将多源数据聚类成有意义的信息单元——比如把舌象、脉象和症状聚合判断为“阳虚”或“痰湿”等证候信息【50†】。这种融合极大提高了信息表达的客观性和标准化程度，也有助于缓解中医诊断的主观差异。更重要的是，主动AI可持续学习：随着数据积累，它可以发现新的症状组合模式，不断丰富标准的内涵。例如，通过对海量电子病历的聚类分析，AI也许会提出更新、更精细的证型分类建议，辅助标准制定部门修订中医证候标准。这体现了主动AI在标准化中的双向作用：既执行既有标准，又反馈改进标准。

2. 诊断推理过程标准化：辨证逻辑的嵌入与审核。 有了结构化的患者信息，接下来就是中医诊断（辨证）和西医诊断的过程。在这一环节，主动AI可作为医生的智能助手，提供标准化的辨证推理支持：

l AI驱动的辨证辅助：基于DIKWP知识层图谱，AI内置了大量中医辨证规则和模型，一旦获取患者信息，AI即可按照标准化逻辑进行自动辨证。例如，系统会根据患者症状体征匹配预定义的证型模型（使用八纲、六经、卫气营血等辨证框架）。如果患者表现为“发热、口渴、舌红苔黄”，AI可迅速判断这符合“阳明经热盛”的证候特征；又如患者“神疲肢冷、舌淡脉沉细”，AI则识别为“脾肾阳虚”证的可能性更高。这种推理基于知识图谱的语义相似度计算和因果关系推导，并严格遵循教材和权威标准中的辨证逻辑。不仅如此，AI还能结合现代医学检查结果进行综合判断，在统一语义框架下提出中西医结合诊断：比如患者有“咳嗽咯黄痰、X光见肺部炎症”，AI可能输出“痰热蕴肺（中医），考虑肺炎（西医）”的双重诊断。所有这些诊断结论都伴有解释路径，医生可以查看AI为何得出某证型——对应哪些症状依据、用了哪条中医理论。这可以帮助年轻医生学习规范的辨证思路，也便于资深专家核对AI的推断。

l 标准流程的嵌入与审核：主动AI不仅能辅助诊断，还能监督诊断流程的标准化执行。比如，国家中医药管理局制定了各科《中医病证诊断疗效标准》，规定了某些病证的诊断依据和分型标准。AI系统可内置这些规范，当医生下某一证型诊断时，AI自动检查所依据的症状是否符合标准要求，遗漏了哪些关键指标。如果不符合，AI会提示需补充相应证据或重新考虑诊断。这种实时审核机制确保了辨证合规性。例如，某医师诊断“湿热蕴脾”，但病历中缺少舌苔黄腻的记录，AI将提醒“标准要求湿热证当见舌苔黄腻，尚未体现，请核实”。这不仅提升了临床记录质量，也反过来促进医生在诊疗过程中主动遵循标准，提高标准在一线的执行度。此外，在疑难病例讨论中，AI还可根据国际国内标准提建议：如患者若符合某西医疾病指南的征象，AI提示考虑相关检查或转诊，实现中医诊断和西医诊断的双向规范。通过这样的主动嵌入，AI成为医务人员的“第二智囊”，时刻以标准为依据把关诊断质量，把经验诊疗逐步引向科学规范。

3. 辨证施治过程标准化：决策支持与疗效反馈。 在完成辨证论治之后，医生需制定具体治疗方案（用药或其他疗法）。这是中医药标准化的关键环节，因为治疗方案的选择既要传承经典又需结合个体。主动AI可以通过智慧层和意图层发挥作用，辅助制定和评估治疗方案：

l 智能处方与治疗建议：基于诊断证候，AI系统可以从中医药处方知识库中检索出符合该证的标准方剂或疗法建议。例如，对于辨识出的“肝郁化火”证，AI会推荐《国家中医临床指南》或教材中常用的方剂（如丹栀逍遥散）作为基本方案，并列出方剂组成及其出处依据。若患者还有特殊情况（并发症或体质因素），AI可根据内置的加减法则提出个性化调整建议。例如“患者兼见阴虚，可加麦冬沙参养阴”。这些建议全部来源于标准资料或著名医家经验库，并通过DIKWP智慧层的规则引擎生成，保证有理有据。对于针灸、推拿等非药物疗法，AI也可给出相应腧穴处方或手法建议，引用标准操作规范。这样一来，每个治疗决策都有来源可查，不会偏离规范。医生当然可以不拘泥于建议，但AI提供的参考标准有助于确保治疗思路在主流框架内，避免出现离谱或不当的处置。特别是在基层或年轻医生缺乏经验时，AI建议可以充实其方案，提高治疗方案的一致性和安全性。

l 疗效评估与反馈优化：中医治疗是一个动态调整过程，标准化也应贯穿疗效评估阶段。主动AI可以记录患者治疗后的各项指标变化，并依据标准的疗效判定准则进行评估。例如，对于一个诊断为“风湿痹痛”的患者，标准疗效判定可能要求观察疼痛评分、关节活动度等，AI会提示医生定期采集这些数据，自动判断达到何种疗效等级（痊愈、显效、有效或无效）。如果疗效欠佳，AI通过意图层的自我调整机制，分析可能的原因：是辨证有误（信息层问题）、用药不当（知识层问题）还是患者依从性差等。然后AI可以建议调整方案，如改变辨证思路或改用其他标准方案。例如“治疗2周效果不明显，AI建议重新评估患者是否由湿热转为寒湿，考虑调整方剂为除湿汤类”。这种根据疗效反馈进行自适应调节的主动性，正是主动AI区别于静态专家系统的地方。它使整个医疗流程形成闭环：标准-执行-反馈-再执行，不断优化。长远来看，AI还能将大量患者的疗效数据汇总，挖掘哪类方案对某证型效果最好，反哺标准的完善。例如，如果AI发现某经典方剂对现代某类患者疗效一般，而某经验方效果更佳，也可提示科研人员进一步研究，或提请标准制定机构更新指南。这使中医药标准化进入数据驱动的迭代改进模式，而非一成不变。

通过以上环节的分析，我们可以看到主动AI深度嵌入下的中医标准流程：从病情信息的标准采集和表达，到诊断推理的标准逻辑把关，再到治疗方案的标准建议和疗效反馈，每一步都融入了AI的智能支持与监控，从而将纸面的标准转化为临床实践中的实时指导。主动AI不仅是标准的执行者，更是标准的参与制定者和优化者——因为它可以通过对海量临床数据的学习，不断提出更优的方案建议，推动标准更新。这种人与AI协同、双向互动的标准化新模式，有望解决过去单纯靠人工难以克服的难题，使中医药标准化真正落地生根。

当然，要实现上述蓝图，还需要在实践中不断探索优化。下面我们将结合一些初步实践案例和公开资料，分析主动AI赋能中医药标准化的具体应用路径和成效。

主动AI结合中医药标准化的理念目前正逐步从理论走向实践。本节通过分析几个公开报道的案例和可能的应用场景，说明上述框架如何在现实中发挥作用，并为中医药标准化提供切实可行的路径。

案例1：名中医诊疗思路的数字化传承。 如前文提及，固生堂中医连锁于2025年发布了业内首个“国医AI分身”产品，将名中医李浩主任的诊疗思路标准化、结构化和数字化重构。李浩主任作为名医，其“望闻问切”的辨证过程原本只存在于他个人经验中，而通过AI大模型深度学习其数万份病例数据，这种经验被提炼成了一套标准化的语义模型。AI能够跨越时空限制再现李主任的诊疗决策，为更多患者提供精准高效的中医服务。这一案例体现出DIKWP框架的影子：AI相当于学习了李主任脑海中的DIKWP网络，将他如何从数据（症状脉象）得到信息（证候判断），再运用知识（中医理论）形成智慧（治疗方案）以及背后的意图（医疗目标）完整地表示了出来，并做成一个可交互的系统。患者向这个“AI医生分身”描述病情后，系统按标准流程提取症状（数据层），匹配证型（信息/知识层），给出方药建议（智慧层）并解释理由。更重要的是，该AI分身背后依托了超大规模的中医临床数据库：固生堂汇聚了8位国医大师、数百名名中医，沉淀了800万以上病例和2000万以上处方数据。如此庞大的高质量数据支撑，使AI模型能够将众多专家的经验规律提炼出来，其决策自然也更具科学性和标准化基础。这种做法证明：通过产学研合作构建大数据平台，结合主动AI的语义建模能力，可以实现名医经验的标准化数字化，进而部分缓解“名医难求、良方难复、传承断档”等行业痛点。对于行业政策而言，这提示我们可以鼓励更多医疗机构和科技公司合作，打造类似的中医知识库和AI传承平台，将更多名老中医的宝贵经验纳入国家中医药知识标准体系中。

案例2：中医智能诊疗助手在临床的应用。 在一些医院和企业的探索中，已经出现了辅助中医诊疗的智能软件原型。例如，有项目开发了“中医诊疗聊天机器人”模拟中医问诊过程，其背后采用了DIKWP人工意识模型和语义数学方法。该系统能够根据患者的自然语言描述，不断追问和获取症状信息，然后按照辨证逻辑逐步缩小诊断范围，最终给出一个证型判断和治疗建议。整个过程类似一位耐心的老中医在与患者交流、思考。这类模拟问诊AI的研发，验证了主动AI在中医场景下工作的可行性：AI可以有条不紊地按中医诊疗规范询问病情、分析病机。当AI的推理偏离正轨时，语义数学和白盒测评机制可以检测到异常的语义跳跃并即时修正，从而降低“大模型胡扯”现象在医疗场景中发生的概率。目前这些系统还处于测试阶段，但已有报道指出其在典型案例上表现出与中级医师相当的辨证水平，并能给出解释。随着更多医学知识和标准的融入，这类诊疗助手有望真正走进门诊，为医生分担问诊、初步分析的工作，提高效率和标准化程度。想象一下，在基层社区卫生中心，一名全科医师借助中医AI助手，也能规范地进行中医辨证和开方，而不必完全依赖个人中医功底。这将极大促进中医药服务的普及和同质化，符合国家“补齐基层中医药短板”的政策目标。

案例3：主动健康干预与治未病平台。 主动AI在中医药领域的另一个重要应用，是面向大众的“主动健康”管理。近年来“治未病”思想与现代健康管理结合，出现了许多倡导个人主动干预健康的产品。如某团队提出要构建面向中老年人群的主动医学智能语义融合健康干预系统。该系统设想通过可穿戴设备和家庭监测，收集个人日常起居、饮食、情志等数据（这些属于中医“养生”范畴的数据），由AI进行分析，在发现亚健康或疾病苗头时，主动给出中医药调养建议。这实际上是在更广义的层面应用DIKWP模型：将个人健康相关的数据（睡眠、脉搏、情绪等）转化为信息和知识（比如识别出体质偏颇、某脏腑功能下降），智慧层做出干预方案（如推荐食疗、练功、早医干预），意图层以保持健康、防患于未然为目标。通过语义数学的支持，AI可以将不同来源的数据与中医理论体系对照，比如把连续的睡眠监测指标翻译成“心血不足”或“肝火扰神”的可能证据，从而以中医语言评估亚健康状态。这样的系统可为用户提供个性化的中医保健计划，并随时间主动调整。例如，如果AI检测到某老人近期脉搏和血压波动加大，且情绪抑郁，可能预警“肝气郁结倾向”，于是建议参加户外活动、疏肝理气的代茶饮等。同时在手机App上用通俗语言解释原因，以提高依从性。这种应用契合“主动医学”理念，即将医疗关口前移，充分利用AI持续监测和解析个人健康数据，实现真正的未病先防。对于政府而言，推广此类主动健康平台，有望降低医疗开支，提高全民健康水平，也体现了中医“治未病”在数字时代的新价值。目前，国内一些地区已在探索“人工智能+治未病”的模式，例如利用AI分析体检和问卷数据给予中医健康建议，反响良好。这为主动AI赋能中医药标准化打开了新思路：标准化不仅体现在疾病诊疗，也体现在健康管理全过程，用标准化的中医指标和干预方案来指导大众日常养生。

案例4：中医药科研和新药研发辅助。 主动AI和DIKWP框架还可以在中医药标准化的科研领域发挥作用。比如，在中药新药研发中，如何从浩如烟海的传统文献和现代实验数据中寻找有用信息？一条可行路径是利用语义数学构建中医药知识图谱，包括历代本草记载、经方验方、现代药理靶点等多层知识，然后用主动AI在上面进行推理发现。例如，AI可以整合中医典籍中的药性理论（“四气五味”等）与现代分子生物靶点数据，通过知识层和智慧层的演绎，发现某类中药可能在现代医学某靶点上有作用机制，从而提出创新药物研发思路。这实际是一种语义融合的推理：AI在DIKWP框架内将中医药传统知识与现代科学知识关联，主动寻找突破点。这种方法有望提高中药科研标准化和创新水平，使过去经验驱动的发现过程变得更加系统。另外，AI还能在中医临床研究中帮助标准化设计方案和分析数据。比如，针对某种疾病的中医疗效评价研究，AI可建议采用何种标准证候分类、标准疗效指标，以保证研究与国家标准接轨。数据分析上，AI也能基于白盒评测方法，判断某试验数据是否支持某理论假设，避免研究者因为人脑偏见而得出武断结论。总之，在科研环节引入主动AI，能强化科研过程的标准意识，提高成果的可信度和可比性。

通过以上案例分析可以看出，无论是在临床实践、公共健康还是科研领域，主动AI赋能中医药标准化都大有可为。它既可以帮助把专家经验转化为标准知识，又可以帮助普通医生遵循标准执行诊疗，还能直接服务大众健康管理并推动科研标准提升。这些探索尚处于起步阶段，但方向已经明确：以DIKWP等语义技术为纽带，连接传统医学智慧与现代AI能力，走出一条中医药标准化与智能化融合的新路径。

当然，在取得上述进展的同时，我们也应看到挑战：如AI模型的可靠性、数据隐私、安全监管、医生与AI的角色分工等都需要进一步实践检验和政策规范。为此，下一节我们将结合当前中医药标准化和主动AI发展的现状，提出若干政策建议，供决策者参考。

将主动AI技术深度融入中医药标准化，是一项系统工程，既需要技术创新也需要制度保障。基于前文分析的理论成果和实践趋势，我们在此提出以下政策建议，以期为政府部门和行业决策提供参考：

l 加强顶层设计，纳入战略规划。 建议在国家中医药信息化和标准化战略中，明确将主动AI技术作为重点方向之一。当前《中医药标准化行动计划（2024—2026年）》已启动，高层应乘势而上，在制定中医药中长期科技发展规划时，把DIKWP模型、语义数学、人工意识白盒测评等前沿理论纳入布局。通过政策引导，鼓励各级科研院所、高校和企业开展“主动AI+中医”关键技术攻关，为标准化工作提供技术供给。可以考虑设立专项课题或重点研发计划，支持开发中医语义理解引擎、智能辨证决策支持系统等，将其视为中医药现代化的新型基础设施进行规划建设。

l 建设中医药大数据与知识图谱平台。 没有高质量的数据和知识库，AI再智能也巧妇难为无米之炊。建议由国家牵头，联合医疗机构和企业共建权威的中医药大数据中心和知识图谱库。整合全国中医医疗机构的电子病历数据、名老中医医案、历代经典文献、标准规范文本等资源，经过脱敏和标准化处理后供AI模型训练使用。同时构建涵盖中医症状、证候、方剂、中药、针灸等领域的知识图谱，采用DIKWP语义模型将各层知识关联起来，形成机器可理解的中医药知识网络。政府应制定数据共享与安全规范，解决医疗数据孤岛和标准不一的问题，为AI训练提供统一标准的数据底座。这个过程也可以和中医药标准体系完善同步推进：把3000多项标准条目转化为知识库的内容，让AI“读懂”标准。如能实现，全国范围内的AI应用将以同一个“中医大脑”为基础，避免各自为政、重复建设，并确保输出结果与国家标准一致。

l 支持产学研协同创新与试点应用。 主动AI赋能中医药是跨领域融合创新，需要医药行业专家与AI专家紧密合作。建议由政府搭台，组织联合研发中心或协同创新联盟，汇聚中医药高校、中医院、AI企业和科研机构共同攻关。如可依托国家中医药管理局重点实验室、人工智能学院等设立“中医药语义智能联合实验室”，形成长效合作机制。在试点应用方面，选择若干条件成熟的区域或医院开展示范工程。例如，在国家中医临床研究基地或大型中医院试点部署智能辨证论治系统，在社区卫生服务站试点中医AI辅助诊疗App等。通过试点积累经验，及时评估AI对临床流程、疗效和患者满意度的影响。政府可对成效显著的项目给予推广支持，加速从点到面的扩散。在协同创新过程中，应注重发挥企业的技术优势和市场化能力，同时由主管部门把关指导，确保技术方向与行业需求一致，产品符合监管要求。

l 完善监管标准与评测体系。 主动AI进入医疗领域，监管必须跟上。一方面，要抓紧制定AI辅助中医诊疗的行业标准和监管规范。例如，明确AI诊疗建议的法律地位和医责划分，规定AI系统需满足的安全有效性指标，要求关键算法透明可解释等。可借鉴药品器械审评思路，对AI诊疗软件实行分级管理和准入审查，确保“先试点、再推广”。另一方面，要建立科学的评测体系。可考虑由中医药管理部门牵头，组织专家基于DIKWP白盒测评方法，开发针对中医AI的评测标准。如设置一系列涵盖感知、知识、推理、决策的测试题，评估AI在不同认知层次的能力；并结合临床实际病例测试AI的诊断准确率和方案合理性。评测结果应作为AI产品准入和优选的依据。例如，对于识商（人工意识水平）测评达不到一定级别的AI，不宜用于独立诊断决策，只能作为信息检索辅助。这种分级评测既保护患者安全，也督促企业不断改进技术。监管机构还应要求AI产品开发方提供模型训练数据来源、算法逻辑说明，以保障算法的可追溯和可审计。总之，以包容审慎的原则制定法规，既不给创新设置不必要障碍，又牢牢守住医疗安全和伦理底线。

l 培养复合型人才和优化人才结构。 人才是将主动AI和中医药融合落地的关键。当前既懂中医又懂人工智能的复合型人才极为稀缺，需要通过政策引导加快培养。建议教育部门和中医药管理部门联合行动，在高校和科研院所推动交叉学科教育：支持有条件的中医院校开设人工智能相关课程，或者与理工科院校合作建立“中医人工智能”方向的研究生培养项目，培养学生同时掌握中医基础和AI技术。对于在职人员，可开展继续教育和培训，比如为中医师举办AI应用培训班，为工程师开设中医基础知识培训。医院也应配备相应人才，可探索在大型中医院设立“医疗AI专员”岗位，负责AI系统的维护、二次开发以及医生培训，使AI真正用得好。此外，政府可以出台人才激励政策，引进高端AI人才加入中医药领域。通过科研项目、高层次人才计划等，把对人工智能有深入研究的专家吸引到中医药信息化建设团队中来。同时鼓励中医药专家主动学习数字技术，打造一批“数字中医”带头人。唯有医与工彼此懂对方语言，才能擦出更多创新火花。复合型团队的建设，应被视作中医药创新工程的重要组成部分，纳入评估考核和经费保障。通过人才结构的优化，我们才能确保主动AI赋能中医药有持续的智力支持和源源不断的创造力。

l 推动国际交流与标准对接。 中医药走向世界，需要标准化，也需要顺应AI潮流实现弯道超车。我国在DIKWP模型和主动AI理论方面已走在前列，应主动引领相关国际标准制定和学术交流。一方面，支持我国专家在ISO/TC249（国际标准化组织中医药技术委员会）等平台提出“中医AI”国际标准立项，分享中国在语义建模、中医知识图谱等方面的经验，将中国特色标准转化为国际标准，提高我国话语权。例如，可倡议制定《传统医学人工智能术语与架构指南》之类标准文件，让DIKWP等理念写入国际规范。另一方面，鼓励举办和参与国际学术会议，如世界人工意识大会已将“主动医学”作为主题，我们应持续支持，邀请各国人工智能和传统医学专家对话，推广主动AI赋能传统医学的“中国方案”。通过这些努力，可以吸引全球资源共同研究这一领域，也提升我国在AI治理和数字健康方面的软实力。同时，在合作中要注重数据主权和安全，对外合作的数据共享和技术输出需严格评估，不泄露敏感信息。但总体而言，开放合作将有助于我们学习国外先进技术并展示自身成果，实现“请进来，走出去”的良性循环，为中医药标准化和智能化注入国际动力。

综上所述，这些政策建议从战略规划、数据平台、协同创新、监管规范、人才培养、国际交流等方面为主动AI赋能中医药标准化提供了支撑措施。它们彼此呼应：顶层设计明确方向，数据和平台夯实基础，产学研合作推动应用，监管评测保驾护航，人才供给提供保障，国际合作拓展影响力。希望这些建议的落实，能够加速我国中医药标准化与人工智能技术的深度融合，打造中医药传承创新的新引擎。

中医药作为中华文明的瑰宝，正迎来前所未有的发展机遇和挑战。一方面，国家大力推进中医药标准化、现代化，为其融入主流医疗体系创造条件；另一方面，新兴的人工智能技术特别是主动AI理念的出现，为破解中医药发展瓶颈提供了新思路。本报告围绕段玉聪教授提出的DIKWP模型、语义数学、人工意识白盒测评和主动AI/主动医学理论，探讨了这些前沿思想如何为中医药标准化赋能。

通过分析我们认识到：DIKWP模型为人工智能建立了类似人类的认知五层架构，弥补了传统AI缺乏目的意识的不足，使AI决策过程可以被理解和调控；语义数学提供了严谨的语义推理工具，让AI从根本上“看懂”知识的含义并保证推理链路可靠；白盒测评则确保AI系统在医疗等关键领域的行为可预测、可审计，为安全落地保驾护航。在此基础上，主动AI和主动医学理念把AI提升到一个主动服务人类健康的层次，使其不再是冰冷的辅助工具，而成为有目的性和自学习能力的“智慧伙伴”。将这些理念应用于中医药领域，我们可以看到显著的积极效应：中医复杂的知识被系统整理为标准语义网络，模糊经验转化为清晰规则；诊疗过程在AI帮助下变得更加规范、一致，全国名医的智慧得以共享给基层医生和大众患者；“治未病”思想在数字时代焕发生机，借助AI实现全天候的健康守护。

可以预见，随着技术和实践的不断深入，主动AI赋能的中医药标准化将进入一个协同进化的阶段：标准体系为AI提供明确的知识边界，AI反过来通过对海量临床数据的学习优化标准内容。中医药将迎来传承与创新并行的新局面——既保持传统医学的精华和个性化特色，又具备现代医学的严谨规范和数据支撑。更令人期待的是，这一融合不仅对中医药有价值，其方法论（如DIKWP模型）也可能为其他传统医学乃至一般领域的知识标准化树立范例，推动人工智能迈向更高层次的认知智能。

当然，我们也应保持理性。中医药的博大精深和人工智能的复杂性意味着二者的结合之路不会一帆风顺。在实践中，我们可能会遇到技术瓶颈（如情感语义的表达、人机协作的边界）、行业惯性（医生对AI的认可度、患者隐私顾虑）以及不可预知的新问题。但变革的大势已然形成：正如业内专家所言，中医药不应拒绝人工智能，而要主动拥抱这些先进技术以提升自身现代化水平。只要我们坚守“传承精华、守正创新”的原则，用科学态度和开放精神来对待主动AI，中医药这一古老瑰宝定能在新时代绽放新的光彩。

展望未来，在政府支持和产学研各界的通力合作下，我们有理由相信以下图景将逐步成为现实：中医诊室中，AI助手默默记录分析，帮助医生做出更精准的辨证和处方；乡村卫生所里，基层医生借助智能App也能提供规范的中医服务；千家万户中，智能设备全天监测守护，指导人们调摄起居、防患未病；科研实验室里，AI在海量文献和数据中发现新疗效机理，加速中药新药研发……这一切，将使中医药以更科学、自信的姿态走向世界，更好地造福人类健康。正如主动医学理念所倡导的那样，我们期待一个“AI+中医”深度融合的医疗新生态，在其中传统与现代相得益彰，被动治疗让位于主动健康，人类将获得更加美好和谐的生活。

中医药的发展历程绵延数千年，如今乘着人工智能的东风，正在谱写新的篇章。我们相信，在政策制定者的英明决策和社会各界的共同努力下，主动AI赋能中医药标准化的愿景必将逐步实现。让我们拭目以待，中医药这棵常青树，在科技的雨露滋养下焕发出更加蓬勃的生机！

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-3429562-1493397.html?mobile=1

收藏

分享