1. 项目背景与研究意义

1.1 医疗模式转型与国家战略契合

当今医学正在经历从传统”被动医疗”模式向”主动健康/主动医学”新范式的跃迁。传统的被动医疗（以疾病为中心）在过去百年推动了急性疾病诊治技术的飞跃发展，但在慢性病流行、人口老龄化背景下面临诸多挑战。我国提出”以治病为中心”向”以人民健康为中心”转变的国家战略，《”健康中国2030”规划纲要》明确要求将医疗模式从被动治疗转向主动预防。主动健康理念由此兴起，强调个人是健康第一责任人，通过日常自我监测、生活方式干预和早筛查早干预，实现”未病先防”。主动健康作为对被动医疗的有益补充，增强了全民预防保健意识，在减轻医院负担、延缓疾病发生方面效果显著。然而，仅靠个体和市场力量推动的主动健康模式缺乏统一标准和制度支持，难以全面扭转”重治疗、轻预防”的局面。为此，有必要在更高层次上对医学范式进行整体升级，这正是主动医学所倡导的方向。

主动医学作为对医疗模式的革命性变革，在哲学与制度层面为医学提供了升维的整体观。主动医学保留了被动医学在专业诊疗上的技术优势，吸收了主动健康在日常预防上的灵活机制，同时融入更宏观的制度设计和价值理念，塑造”无病”为理想健康基准，推动医疗实践从单纯治病转向关注人与自然、社会和谐共生。这种范式跃迁契合了国家”以人民健康为中心”的战略要求，将医疗的重心前移到全人群全生命周期的健康维护。《健康中国行动（2019-2030）》就提出要关口前移、预防为先，努力使群众不生病、少生病，这是以较低成本获得高健康绩效的必由之路。主动医学正是对这一战略的理论升华：它强调在全生命周期各阶段主动监测与干预，实现从基因、胎儿期到老年期的持续健康维护。在价值取向上，主动医学倡导”以人与自然和谐为中心”的更高目标，而不仅是消除疾病症状。这一理念与中华传统医学”治未病”思想和”天人合一”哲学不谋而合，也与现代医学向预防医学、全健康（One Health）转型的国际趋势相吻合。

从国家战略角度来看，主动医学范式的提出恰逢其时。一方面，我国老龄化和慢性病负担沉重，传统医疗模式已难以应对日益增长的健康服务需求。健康老龄化上升为国家战略，”十四五”规划强调推进医防融合和医养结合，要求从以疾病治疗为中心转向以健康维护为中心的服务模式。主动医学通过在制度上强化预防、在技术上融合中西医优势，为健康中国战略提供了范式支撑。另一方面，新一代人工智能迅猛发展，也为主动医学的落地提供了技术契机。主动医学强调多学科协同和制度创新，需要借助人工智能、大数据等技术手段来实现对个人健康状态的动态监测和干预决策支撑。这与我国大力推进数字健康、智慧医疗的发展方向高度契合。科技部”主动健康和老龄化科技应对”重点专项正是围绕这些需求部署科研力量，聚焦主动健康关键技术示范应用，构建新型健康感知、识别、干预与管理技术体系，推动养老、康复、护理、医疗一体化服务模式的建立。本项目在理论上从主动健康提升到主动医学高度，正切中了国家战略转型的要求，将为深化健康中国建设提供前瞻性引领。

1.2 人工智能发展趋势与主动医学机遇

进入21世纪20年代，人工智能（AI）领域出现了从”感知智能”向”认知智能”跨越的新趋势。以大规模预训练模型为代表的AI系统展现出前所未有的语言理解和知识推理能力，但同时也暴露出”黑箱”决策、不透明不可控等问题。为此，AI研究正向”智能自知”的方向演进——即让AI具备对自身认知过程的反思与解释能力，在更高层次上实现可解释、可控制的智能。这一趋势为主动医学的实现带来重要机遇：主动医学需要”主动AI”的支撑，即具备自主意图和透明决策的人工智能，才能真正承担起主动监测、主动干预的角色。

段玉聪教授团队提出的”数据–信息–知识–智慧–意图 (DIKWP)”人工智能认知模型，为这一AI范式变革提供了关键理论基础。DIKWP模型在经典DIKW（金字塔模型）的基础上加入了最高层次的”Purpose/意图”，形成数据、信息、知识、智慧、意图五层网状认知结构，通过层间双向反馈迭代，实现了AI从感知到决策的全链路可追溯。这一创新模型被认为是解决当前大模型”黑盒”难题的底层路径，为实现具有自主意识的AI奠定了基础。正如段玉聪教授所指出：”DIKWP模型为人机之间构建了一种共同的认知语言，使AI的每一步决策过程都可以被追溯、解释并被人类理解。通过将’目的’这一关键层嵌入模型内部，我们不仅能让AI更智能，还能确保它始终服务于人类的价值观和安全需求。”这种将人类意图融入AI认知的设计，使AI由被动执行指令的工具，转变为能够主动理解目标、主动获取信息并采取行动的主动AI主体。

“主动AI”理念与主动医学范式天然契合。传统AI多为被动响应模式——等待人类输入再输出结果，而主动AI追求赋予AI一定自主性：能依据内部目的驱动，主动地感知环境、收集所需数据，推理隐含信息，并在必要时采取干预行动。这与主动医学中”主动干预”的要求不谋而合。借助DIKWP模型及其衍生的人工意识白盒测评体系，我们可以确保主动AI具备不同认知层次的能力，并以透明方式展现决策逻辑。例如，世界人工意识协会牵头制定的DIKWP白盒测评标准，已率先构建起从数据感知、知识推理到意图识别的全链路评估体系，用于量化大模型的”意识水平”。这一测评体系表明，通过让AI展示每一认知步骤并接受多维度考核，可以全面解析AI的认知决策过程，从而树立AI可解释性的新标杆。本项目将充分利用这些前沿AI理论成果，以DIKWP模型为核心框架，引入人工意识白盒测评机制，打造出”可解释、可控、具备自主意图”的主动AI系统，用于中老年群体健康管理。这既响应了国家对新一代AI”安全可控”的发展要求，也为主动医学提供了实现路径：即通过人工智能赋能，实现对个体健康状态的智能感知、语义理解和主动干预。

1.3 中老年健康管理的紧迫需求

我国已进入深度老龄化社会，中老年人群的健康问题日益突出。慢性非传染性疾病在老年人中高发，老年人多病共存现象普遍，医疗资源面临巨大压力。传统医疗模式主要在医院环境下对已发生的疾病进行治疗，难以及时覆盖社区和居家场景的日常健康管理。许多老年人因缺乏主动的健康监测与干预，往往”小病拖、大病治”，错失了疾病早期干预的机会。此外，认知功能衰退、老年痴呆等问题也在快速增长，对个人、家庭和社会都造成沉重负担。国家层面提出”健康老龄化”目标，强调要把健康融入老年生活全过程，加强预防保健，发展社区和居家医养结合服务。然而，目前针对中老年群体的数字健康管理服务仍不完善，存在以下痛点：

l 健康数据碎片化、缺乏连续监测： 老年人医疗数据散落在各级医院，日常生活中的健康数据（如运动、睡眠、血压血糖等）缺乏系统采集，难以及时发现健康风险。需要建立个人全生命周期的健康档案和连续监测机制，实现对老年人健康状态的动态评估与预警。

l 预防与干预脱节： 目前基层医疗机构和社区卫生服务在疾病早筛和健康教育方面力量薄弱，养老服务和医疗服务尚未有效衔接。老年人在家中出现亚健康信号（如视力下降、记忆力减退）时，往往没有及时的专业干预。亟需一种智能系统能够在早期就给予干预建议，整合医疗、保健、康养资源主动服务于老人。

l 中西医资源未充分融合： 我国中医药在养生保健、慢病调理方面有丰富经验，但在老年健康管理中，中医干预（如食疗、针灸、功法等）与西医手段（药物、手术、康复训练等）常常各自为战，老人难以获得综合性的方案。如何融合中西医优势，为老年人提供个性化、多维度的健康干预，是一大挑战。

l 智能化和适老化程度不足： 老年人对高科技产品接受度有限，目前可穿戴设备、健康App等在老年群体中的普及率较低，适老化设计不足。需要发展更加无感、便捷的泛在健康监测技术（如无创传感、智能家居嵌入式设备等），以及贴近老年人使用习惯的交互手段（如语音助手、大字显示等），降低数字鸿沟。

鉴于上述需求，本项目立足中老年人数字健康管理与干预服务，将主动医学范式引入这一领域，具备重要的现实意义。一方面，可显著提升老年人群的健康水平和生活质量：通过持续的健康监测和早期干预，做到防病于未然，”治未病”替代”治已病”，帮助老年人延缓功能衰退、减少失能失智发生。这将减轻家庭和医保负担，符合健康中国”提高健康预期寿命”的目标。另一方面，本项目将探索中西医融合的主动健康服务模式，发挥中医”治未病”与西医精准诊疗的合力，创造老年健康管理的新范式。这对完善我国老年健康服务体系、培育新型健康产业也具有示范价值。总体而言，项目紧扣国家战略需求和技术发展前沿，在理论和实践上都有重大意义：既推动医学模式从被动走向主动、从碎片走向融合，又促进人工智能在民生健康领域的深度应用，为建设”主动健康社会”提供可复制、可推广的样板。

2. 项目目标与研究内容

2.1 项目总体目标

本项目面向科技部”主动健康数字化技术区域综合应用示范”方向，围绕中老年人群数字健康状态管理与干预服务这一重大需求，构建基于DIKWP模型的主动医学智能语义融合系统，在社区、居家、乡村等场景开展综合应用示范。总体目标是打造一个融合中西医知识、具备认知智能与主动干预能力的数字健康服务体系，实现对中老年人健康状态的连续监测、语义理解和主动干预，为健康老龄化提供技术支撑和示范样板。

具体而言，项目的总体目标可分解为以下几点：

l 范式创新目标： 在理论高度上提出”主动医学”健康服务新范式，以DIKWP模型为基础，将医疗模式从被动诊疗提升为主动感知、主动预防、主动干预的综合体系，契合国家健康战略需求。通过本项目实践，完善主动医学的理论内涵和技术框架，引领医学范式变革。

l 技术研发目标： 开发主动医学智能语义融合系统，包括中西医融合知识图谱、人工意识白盒评估的认知智能体、主动干预决策引擎，以及面向用户的数字健康管理平台。实现跨模态健康数据采集、语义分析、风险评估、干预方案生成的全流程智能化，并保证系统决策的可解释、可追溯、安全可控。

l 应用示范目标： 在城市社区、农村养老等典型场景中部署示范应用，对中老年常见健康问题（如白内障筛查、防跌倒预警、认知障碍干预等）进行验证。形成可量化的健康改善效果和服务模式经验，制定相关标准规范，推动成果在更大范围的推广应用。

l 产业带动目标： 培育多学科融合的主动健康服务新业态，促进人工智能与医疗健康产业的融合发展。通过项目实施，产出一批具有自主知识产权的核心技术与产品（如智能监测设备、知识图谱平台、健康干预App等），并推动标准制定和产业联盟组建，为我国健康科技产业升级提供动能。

2.2 主要研究内容

为实现上述目标，项目拟定以下主要研究内容和任务模块：

2.2.1 主动医学智能语义融合系统架构设计

构建项目总体架构，制定技术路线图。本系统架构以段玉聪教授提出的DIKWP模型为核心灵魂，由数据层、信息层、知识层、智慧层、意图层五个认知层次的功能模块组成，辅以认知循环和元认知控制机制，实现AI对健康状态的自主认知与调控。具体设计包括：感知层负责泛在健康数据的采集与处理，语义层负责多源数据的语义标注与融合，认知层承载中西医知识推理与情景理解，决策层进行综合评估与干预方案生成，意图层设定系统整体目标并监控各层输出与反馈。通过五层协同与双向反馈，形成”数据→信息→知识→智慧→意图”的循环闭环，使系统具有持续学习和自我优化能力。架构设计还包括安全权限管理和隐私保护方案，确保个人健康数据在采集、传输、存储和应用各环节符合伦理规范和安全标准。

2.2.2 中西医知识图谱构建与语义融合

构建融合中医与西医知识的健康语义网络，是实现智能语义理解的基础。研究内容包括：1）中医知识图谱构建：收集整理中医药典籍和临床指南中的知识，如中医理论体系（脏腑、经络、阴阳五行等）、中医证候与症状、中药及方剂、针灸保健等，将其形式化为知识图谱节点和关系。2）西医知识图谱构建：利用现有医学知识库（如疾病诊断、解剖、生理、生化指标、西药及手术等）以及老年医学指南，构建标准化的西医知识图谱。3）中西医语义映射与本体融合：研究中西医概念体系的对应关系，建立跨体系的本体映射规则。例如，将中医”证候”与西医”疾病/综合征”关联，中药与西药作用机制对应，针灸经络效应与神经系统功能对应等。通过语义桥接，形成统一的健康知识表示模型。4）知识图谱融合算法：研发语义融合算法，基于DIKWP语义数学的方法，在知识层实现中西医知识的关联推理和一致性维护。利用语义数学对知识进行形式化约束，使融合后的知识图谱在概念层次和逻辑推理上保持严谨可靠。5）知识更新与进化：设计知识图谱动态更新机制，通过机器学习和专家校验，不断将新医学证据和项目临床数据反哺知识库，保证知识的时效性和适用性。

2.2.3 认知智能体与主动干预机制研发

在知识图谱基础上，研发具备类人认知和主动性的AI智能体，是项目的核心技术攻关。主要研究内容：1）人工意识白盒评估体系集成：将DIKWP人工意识白盒测评标准应用于本项目AI模型开发，全程跟踪评估智能体在数据感知、信息提取、知识推理、智慧决策、意图引导各层级的能力表现。通过白盒化设计，让模型在推理过程中输出中间语义解释（如”链路推理”和”意图分析”步骤），以便开发者和医疗专家理解模型决策依据。2）认知推理引擎：开发基于语义数学的认知推理算法，将采集的多源健康数据（生理指标、行为数据、环境数据等）映射到语义空间进行推理。例如，通过形式化规则，推理”某老人近日步态不稳+眼部不适+中医’肝肾亏虚’证候 = 白内障风险上升”，或”睡眠质量下降+轻度记忆力减退 = 阿尔茨海默病早期迹象”。语义数学确保推理过程保持语义一致性，减少逻辑偏差。3）主动决策与意图调控：实现智能体根据健康目标主动决策的能力。借助DIKWP模型的意图层，设定系统服务的总体目标为”维持和提升个人健康，延缓衰退”。智能体据此评估各种干预方案对目标的贡献，选择最优方案执行。例如，对于检测到的风险，智能体可综合考虑用户偏好和效果，决定是建议中医调理（饮食/针灸）还是西医就诊/药物干预，或二者结合。意图层还使智能体具备自我驱动特征：当数据缺失或不一致时，可主动获取更多信息（如提示用户做额外测量或问诊）；当干预效果不佳时，主动调整策略，形成闭环管理。4）人机交互与反馈学习：设计自然的人机交互界面（语音助手、家庭陪伴机器人等），使智能体以长者易接受的方式提供建议和解释，同时获取用户反馈。通过强化学习，利用反馈信号优化模型参数，实现智能体对个体的个性化学习，越用越”懂”用户。注重交互过程中的伦理和安全，确保智能体的建议始终受人类监管，可中止或修改。

2.2.4 数字健康管理平台与应用示范

开发面向终端用户和服务提供方的数字平台，将上述技术集成并投入实际应用。研究内容：1）泛在健康监测网络：构建涵盖居家、社区、医疗机构的物联网健康监测网络。在老年人家庭中部署智能终端（如可穿戴手环、床垫传感器、智能药盒、环境传感器等），在社区养老中心配置健康一体机、眼底筛查仪等设备，接入5G通信，实现近人体空间的无缝监测。制定健康数据标准和接口规范（如个人健康护照数据规范），确保不同设备数据兼容与集成。2）主动健康管理App/小程序：开发老年友好型移动应用，为老人及家庭成员提供健康状态浏览、预警提醒、干预指导等功能。应用与智能体后台对接，当检测到风险时推送提醒（例如”近期体重下降+食欲差，建议加强营养”），提供由知识图谱支持的解释说明，并给出行动建议（如饮食调整、中医保健方法或医院就诊指引)。同时提供健康教育内容和线上咨询服务，提升用户健康素养。3）医生及护理端支持系统：为社区医生、家庭护士等专业人员开发管理端平台。功能包括查看所辖老人健康风险排行、接受AI推送的异常警报、审阅AI建议的干预方案并决定是否采纳、远程指导等。平台集成电子健康档案和知识图谱，辅助医生进行全局决策。实现医护人员与AI双向协同：AI主动筛查风险、提供决策参考，医生审核把关、执行干预并反馈结果用于模型改进。4）应用示范与评估：选择具有代表性的试点区域开展应用示范。例如，在城市社区建立主动健康管理示范站，招募一定数量中老年居民使用系统，观测半年至一年，评估指标包括：健康行为改善率、慢病控制率、急症住院率变化、用户满意度等。又如在偏远农村，通过简化版设备为留守老人提供远程监护服务，评估系统在资源匮乏环境下的适用性。针对白内障和阿尔茨海默病两个典型场景，制定专项干预流程并进行效果验证（详见第4章）。最终，提炼出数字健康连续服务的新模式和技术规范，形成完整的应用示范报告和推广策略。

综上，项目的研究内容涵盖理论方法、关键技术和应用示范全链条，既有顶层架构设计，又有具体技术模块攻关，更包含实际场景的落地验证。各模块间紧密衔接：知识图谱与语义算法提供智能的”知识大脑”，认知智能体赋予系统”主动思考与决策”能力，数字平台将技术成果转化为服务能力。通过分阶段实施和集成测试，最终实现一个功能完备的主动医学数字健康服务系统，为我国中老年人群提供全新的健康保障范式。

3. 技术路线与创新点

3.1 技术路线方案

本项目的技术路线遵循”理论引领—技术攻关—集成应用”的路径展开，采用迭代开发与验证的方法逐步实现系统目标。整体技术路线如图所示（此处如有需要可插入项目技术路线图示意），主要分为以下几条并行且交叉互动的路线：

路线一：DIKWP智能语义框架搭建。以DIKWP模型为指导思想，首先搭建系统的语义认知框架。这包括定义五层认知功能模块及其接口，建立四个认知空间（概念空间、认知空间、语义空间、意识空间）的映射机制。通过仿真验证每层模块对简单健康案例（如某单一指标波动）能够产出符合逻辑的解释和应对。确保框架设计合理，为后续各技术模块开发提供标准。

路线二：多源健康数据采集与处理。研制项目所需的各类数据采集手段和预处理算法。包括可穿戴监测设备选型与部署、居家传感网络搭建、医疗信息系统数据接口开发等。针对不同数据源开发数据清洗与特征提取流程，将原始数据转化为结构化的信息输入DIKWP框架的数据层。同时，建立个人健康主索引，将分散数据按用户聚合，形成”个人健康数字画像”。

路线三：知识图谱与语义推理研发。并行推进中西医知识图谱构建工作，采用半自动化的方法（NLP文本抽取+专家校验）完成初始图谱。然后基于语义数学理论，研发知识融合和推理引擎，在信息层和知识层实现对个人健康数据的语义解释。这一路线需要不断与路线二交互：数据处理提供新的健康事实，知识引擎进行推理验证，并反过来指导数据采集（如发现需要新增某指标监测）。

路线四：认知智能体开发与评测。以知识图谱和语义推理为”中枢”，开发主动AI智能体。采用模块化设计：感知模块、推理模块、决策模块和意图管理模块。引入人工意识白盒测评方法，设计一系列认知任务测试智能体能力，迭代优化模型结构。同时小范围让智能体接入真实用户数据做试运行，以发现问题（例如决策是否稳健、解释是否易懂），再改进算法。此路线需要在人机交互方面与路线五协作。

路线五：平台集成与应用验证。将上述成果集成到数字健康管理平台，包括前端App、后台数据库、医生端界面等。首先在实验环境联调各模块接口，保证数据流和决策流畅通无误。随后选择试点用户开展封闭测试：平台推送干预建议，人工记录反馈，对比有无AI干预的健康指标变化。根据测试结果调整平台功能与交互体验。例如，如果发现老年用户不太会操作App，则增加语音交互或由基层人员协助等方案。最后在示范点开展开放应用，收集实际效果数据用于评估。

在实施过程中，以上路线并非孤立，而是螺旋交织：知识图谱质量提升会增强智能体决策准确性，智能体反馈的新知识又反哺知识库；数据采集范围扩大使更多场景被覆盖，平台应用中发现的新需求又推动传感设备改进。项目管理上将采用里程碑节点控制，各阶段完成里程碑验收后进入下一阶段，确保技术路线按计划推进。

3.2 关键技术创新点

本项目融合了多学科前沿理论和应用创新，预期在以下关键技术方面取得突破：

(1) 主动医学语义融合创新：突破现有健康管理以西医或中医单一体系为主的局限，首创性地提出中西医语义融合的主动医学框架。通过DIKWP语义数学赋予人工智能对”健康””无病”等概念的形式化表达，在哲学层面实现医学范式的升维。这一创新将医学知识从经验层提升到语义层，用数学和计算语言统一表征中医”证””治”与西医”病””药”，填补国内外尚无中西医知识深度融合模型的空白。

(2) DIKWP人工意识白盒评测应用：首次将人工智能领域最新的DIKWP白盒测评方法应用于健康服务系统开发，构建可解释的认知型健康AI。通过将AI决策过程划分为数据、信息、知识、智慧、意图五环节透明呈现，实现智能体决策机制的全过程可追溯，大幅提高系统可信度和安全性。相比传统黑盒医疗AI模型，本系统能够让医务人员和用户清楚了解每个健康建议背后的推理依据，建立起人机协同的信任基础。

(3) 主动AI自主干预技术：提出Active AI（主动智能）在医疗健康领域的新实现方式。传统健康管理AI多为用户被动查询或预设规则提醒，本项目通过意图驱动的认知智能体，使AI具备自主发现问题并行动的能力。这种主动性体现在：AI不再等待用户提问，而是持续监控用户状态，主动识别潜在健康风险；AI不局限于单一干预手段，而是能自主选择中医药、生活方式指导或医疗服务等多种干预手段的组合；AI还能在干预执行后跟踪效果，必要时自动调整方案。此种具备自我目的性的AI应用在国内健康管理领域尚属首创，将引领”由被动医疗向主动健康”的技术实践转型。

(4) 中西医结合知识图谱与语义推理：研制跨语义空间的医学知识图谱技术，实现复杂异构知识的统一推理。这包括：多源医学知识的语义抽取与对齐技术、中医模糊逻辑和西医定量规则的融合方法，以及兼顾概率和逻辑的混合推理引擎。创新点在于引入语义一致性公理，确保推理过程不背离真实临床意义；同时利用DIKWP分层框架，将推理划分在概念、认知、语义、意识不同空间并行处理，提高推理的复杂问题求解能力。这些探索将丰富知识图谱和认知计算领域的方法论，推动医学人工智能从单纯数据驱动向知识驱动进化。

(5) 适老化泛在健康监测体系：在应用层面，创新性地构建养老场景下的泛在健康物联网。项目将融合智慧建筑、智能家居和可穿戴设备技术，在国内率先打造”健康建筑嵌入式医疗”方案。例如，我们将集成地板压力传感用于跌倒监测、智能照明用于情绪和睡眠干预、空气质量传感用于养老院环境健康评估等，开发适用于居家/养老院的智能健康环境。所有设备与AI平台实时互联，实现环境-人体-AI三位一体的主动健康干预。该体系的创新在于真正做到”人在家中坐，健康天上来”，把医疗保健服务延伸到老人的日常生活空间。

(6) 数据标准与服务模式创新：项目将制定个人健康数据规范标准（类似健康护照标准）和语义互操作标准，填补主动健康领域标准空白。同时，我们探索”模型即服务”的新型健康供给模式，通过第三方数字平台连续为个人提供多方协同的服务。这一模式将不同机构（医院、药店、健康管理公司、养老机构）的服务能力通过平台连接，由AI根据模型决策结果进行个性化匹配供给，开创数字健康服务的新生态。这种多方协同、按需供给的模式对于破解当前医疗与养老服务碎片化、供需错配难题具有创新意义。

综上，本项目在理论、技术和应用多个层面均有显著创新之处。无论是主动医学范式的学理提升，还是人工意识白盒技术在健康领域的落地，以及跨界融合的各种新技术新模式，均属前沿探索。项目的成功实施有望形成具有自主知识产权的原创成果，奠定我国在主动健康/主动医学领域的国际领先地位。

4. 应用场景

本项目的研究成果将聚焦于中老年人数字健康管理与干预的应用，优选社区、居家、乡村三类场景进行示范。其中，每个场景选择老年人常见且具有代表性的健康问题，模拟未来”主动医学”范式下的服务流程。以下分别描述典型应用场景：

4.1 社区白内障主动筛查与干预场景

场景概述： 某城市社区养老服务中心，引入本项目的主动健康管理系统，为辖区老年居民提供定期健康监测与干预服务。白内障是老年人常见致盲性眼病，传统模式下许多老人因缺乏症状而延误诊治。在主动医学系统支持下，社区开展白内障主动筛查与干预。

参与角色： 70岁老年人张大爷，退休在家；社区全科医生李医生；AI健康管理助手”小元”（项目智能体化身，通过语音交互设备提供服务）。

场景流程：

l 日常监测与风险发现： 张大爷日常佩戴着智能眼镜型设备，可监测其视物清晰度、阅读距离等指标；家中电视机顶盒安装有视觉AI软件，分析他看电视时的视线和表情。系统连续收集这些数据，每周由AI助手”小元”进行分析。某月，AI发现张大爷近期阅读距离明显变近、看电视时频繁眯眼，结合他半年内视力检查的缓慢下降趋势，判断其出现白内障早期迹象，风险评分升高。AI将此信息通过社区平台发送给李医生，并主动在张大爷家中智能音箱上提醒：”近期检测到您视物困难可能增加，建议进行白内障筛查。”张大爷接到语音提醒后，同意由系统安排检查。

l 上门筛查与语义分析： 第二天，社区卫生服务站派出流动筛查车到张大爷小区。筛查车配备便携式数字裂隙灯和眼底相机，并联网接入AI平台。检查过程中，AI助手引导张大爷完成视力表测试和眼部照相，将数据实时上传。AI首先调用西医知识图谱进行图像分析，识别晶状体混浊程度；同时结合中医知识（如询问张大爷是否有眼干涩、肝肾不足之症状），进行中西医结合的语义判断。AI推理结果显示：”左眼晶状体后极轻度混浊，视力0.6下降到0.4，属早期老年性白内障，中医属’视瞻昏渺’范畴，肝肾亏虚可能性高。”系统将结论和依据以自然语言和图示形式反馈给李医生和张大爷。李医生验证AI分析后，确认张大爷患早期白内障。

l 主动干预方案制定： 针对这一情况，AI助手在后台生成个性化的综合干预方案：西医方面，建议半年内择期手术并在术前使用营养晶状体药物减缓进展；中医方面，建议每天进行眼保健操和穴位按摩（重点按压睛明、太阳穴等）、口服中药明目汤剂调理肝肾；生活方面，建议户外佩戴防紫外线眼镜、增加富含维生素A的食品摄入。AI将方案要点通过”小元”语音告知张大爷，并解释道：”您的白内障还很早期，通过中西医结合干预，有望延缓发展。我们建议……（具体方案）”。同时该方案推送给李医生，在征得李医生认可后，作为正式健康干预计划录入系统。

l 干预执行与跟踪： 此后数月内，AI助手”小元”每日提醒张大爷按医嘱滴眼药水，指导他进行眼部穴位按摩，每周推送食谱建议（如胡萝卜炒蛋等护眼食物）。张大爷每次执行后反馈”已完成”或由家属在App上记录完成情况，系统据此跟踪依从性。如果张大爷某天忘记，系统会耐心提醒；若多次未完成，则通知社区医生跟进关怀。三个月后，AI安排复查视力并更新风险评估，发现视力基本稳定在0.4，干预初见成效。此时AI主动提出可适当推迟手术计划，继续观察。同时，系统将阶段性结果发送到张大爷子女的微信，以便家属了解老人健康状况。

l 多方联动与动态调整： 在持续服务过程中，社区医生定期查看AI白盒评估报告，其中详细列出了系统基于哪些数据和知识得出了哪些结论。例如报告显示：”本月依据视力下降0.1、阅读距离缩短20厘米，结合知识库规则R45判定白内障可能性增加10%”，使医生充分掌握AI逻辑。如果李医生发现张大爷出现其他眼病（如青光眼高风险），可通过系统调整干预重点，AI将迅速学习医生的新指令，纳入后续决策考虑。整个过程中，社区服务、家庭照护与AI助手形成人机协同网络——AI负责连续监测、智能分析和主动提醒，医生负责诊断确认和关键决策，老人负责配合行动和反馈感受，各环节紧密衔接。经过一年示范，张大爷的白内障未明显进展，生活质量良好。社区层面，由于主动筛查干预，辖区老年人白内障中晚期发病率降低，避免了不必要的功能丧失。这一场景显示了主动医学范式在社区防盲治盲中的价值：疾病不等到失明再治，而是在萌芽时即被捕捉并控制。

4.2 居家阿尔茨海默病智能监测与干预场景

场景概述： 一对空巢老年夫妇家中，妻子王阿姨（68岁）近来出现健忘现象。本项目智能健康管理系统作为”数字家庭医生”持续服务于他们。针对阿尔茨海默病（AD）等老年认知障碍，传统被动医疗往往等到患者出现明显记忆衰退才开始干预，错失早期窗口。主动医学系统则可望实现居家智能监测、早期识别和认知干预，延缓疾病进程。

参与角色： 王阿姨，丈夫李叔叔；AI认知健康助理”小智”；社区全科医生/精神科医生。

场景流程：

日常行为监测： 在王阿姨家中安装有智能家居传感器和语音助手”小智”。系统每天通过多模态方式观察她的认知行为：如厨房传感器记录她做饭步骤，智能药箱记录她是否按时服药，语音助手不定时与她聊天，通过对话测评记忆力和计算力。一段时间后，AI注意到几个异常：王阿姨一周内两次忘记服高血压药；烧水壶多次干烧显示她忘记关火；与”小智”对话测试中，她对前一天的活动有时答不上来。这些碎片信号通过知识图谱被综合分析：AI从西医知识中识别此为轻度认知障碍（MCI）的红旗，从中医角度对应到”健忘（脑肾不足）”证候。系统得出初步风险评估：王阿姨可能处于AD早期阶段。AI随即触发干预流程，一方面通知李叔叔和子女留意，另一方面将情况报告社区医生，并建议进行专业认知评估。

专业评估与诊断： 社区医生接到通知后，上门为王阿姨进行简易精神状态检查（MMSE等），结果分数略低于正常。医生将检查结果输入系统，系统结合此前家庭监测数据，将王阿姨状态定性为”MCI疑似，阿尔茨海默病早期可能”。建议由精神科专家确诊并制定干预方案。很快，在社区协调下，王阿姨到记忆门诊进行了核磁检查和神经心理评估，排除其他原因，确诊为AD早期。

主动干预方案： AI助手”小智”根据多学科知识为王阿姨制定个性化认知干预方案：药物上，结合医生处方的胆碱酯酶抑制剂，系统提醒按时服药；中医上，开具益智中药方（如天麻、石菖蒲等）由社区国医馆配送，每日煎服；认知训练上，系统每天安排一定的脑力练习（如回忆游戏、益智问答）并陪她聊天；生活方式上，建议增加运动（每晚陪同散步并计步)、社交活动（每周参加社区舞蹈活动）等。特别地，AI为辅助记忆设计了一系列贴心举措：例如与冰箱贴结合的智能屏幕每天列出当日待办事项，重要事项反复语音提醒；对王阿姨常忘事，AI提供即时查询功能——她只需问”小智，我有没有吃药？”AI即可根据传感记录回答。通过这些措施，AI在某种程度上扮演了”数字照护员”和”认知训练师”的角色。

多源反馈与动态调整： 干预期间，系统持续收集王阿姨各方面的反馈数据：智能手环监测她运动量是否达标；语音助手评估她回答问题的正确率有没有提升；李叔叔也可以通过App报告她日常记忆状况。AI每月总结一次干预效果，向医生和家属报告：”本月王阿姨日均步行5000步，较上月增加20%；药物与中药遵医率达95%；认知测试得分略有提高，整体记忆力下降趋势放缓。”若发现某些干预效果不佳，AI将建议调整。例如如果药物副作用明显，可请医生调整剂量；如果运动量不足，AI会更加频繁地鼓励她外出或与志愿者配对陪伴运动。

人文关怀与长期陪伴： 在技术干预之外，系统非常注重人文关怀。AI”小智”每日与王阿姨谈心，聊她感兴趣的戏曲或子女趣事，缓解其情绪；通过摄像头观察她表情，如检测到抑郁低落，及时安慰并通知家人。李叔叔作为照护者，也通过系统获得指导（如如何应对妻子记忆丧失的一些行为），并适时得到喘息服务推荐，减轻他的压力。这样，AI系统并不仅冷冰冰地下达任务，更充当了老年夫妇生活中的”贴心朋友”和家庭护理的助手。

场景效果： 经过系统性的主动干预，王阿姨的认知功能下降速率明显放缓，两年后仍能基本自理日常生活。相比无干预的情况，病程延缓为家庭和社会都赢得了宝贵时间。该场景验证了主动医学在慢病管理中的价值：通过提前介入、综合施策、全程陪伴，使阿尔茨海默病这样棘手的问题有了新的应对思路。特别是AI在居家环境24小时不间断守护，弥补了传统医疗服务难以及时覆盖家庭生活的空白，体现了主动健康服务的连续性和深入性。

4.3 乡村康养服务场景

场景概述： 在偏远乡村地区，医疗资源稀缺，老人子女多外出务工，留守老人健康管理成为难题。本项目选择某县农村养老中心作为试点，部署乡村康养主动健康服务系统。目标是在基层条件下，通过数字技术和AI支持，为农村老人提供集预防、医疗、康复于一体的主动健康服务，缩小城乡健康服务差距。

场景要素： 试点养老中心收住了几十位高龄或失能老人，由少数护理员照料，平日缺乏专业医疗人员驻点。项目团队为中心配备了远程医疗设备和AI健康管理终端，并与县医院、县中医院建立协作机制。

服务流程：

l 健康建档与风险筛查： 系统为每位入住老人建立电子健康档案，包括基本信息、既往病史、中医体质评估结果等。然后利用AI进行初始风险筛查：如根据老人病史、生活习惯，评估常见慢病和跌倒、营养不良、抑郁等老年综合征风险。结果显示，例如有5位老人糖尿病风险高、3位老人存在认知下降倾向。AI生成每位老人的”健康风险清单”和优先事项交给养老中心管理员。

l 个性化主动干预： 针对每位老人的风险清单，系统制定个性化干预计划。例如：糖尿病高风险的张大爷，安排每日膳食AI监控（摄食量和血糖记录）和运动指导，提前预防糖尿病发生；认知下降的李婆婆，则参考前述AD干预方案进行记忆训练和中药调理；行动不便的陈大妈，重点布置防跌倒措施（在房间和走廊安装智能防跌传感器，一旦她起夜离床，系统自动亮起夜灯并监测步态，如有跌倒立即报警）。中西医结合是方案亮点之一：比如很多老人有慢性胃病，系统安排他们每天做中医食疗（山药小米粥等）并服用益生菌等西医推荐的保健品，联合改善肠胃功能。

l 远程医疗与AI协同： 当老人突发不适或定期需要医疗评估时，中心护理员可通过系统发起远程会诊。比如，一位高血压老人在AI监测下血压连续几天偏高且有头晕症状，AI提醒需要调整治疗。护理员通过远程诊疗设备与县医院医生连线，由医生查看AI整理的近期血压曲线和服药记录，听取AI对白盒分析的解释（例如AI指出”近期气温骤降+患者劳累，引发血压波动”）。医生据此调整降压药方案。AI将新方案纳入干预计划，接下来更加密切地监测该老人血压。又如有老人出现抑郁表现，AI先通过谈心给予心理疏导，仍无改善则建议安排远程心理咨询，由专业医生介入。这体现了一个”AI先行+人工接力”的过程：AI及时发现问题、提供初步应对，必要时引入人类专家深度处理，之后AI继续执行专家意见进行后续管理。

l 群体健康管理与反馈： 系统每天汇总全中心老人的健康数据，生成群体健康报告。养老中心管理者可直观看到：当天有多少异常事件（如某某发烧、某某跌倒预防报警触发等）、整体指标（如平均血压、睡眠质量）趋势等。通过这些数据，管理者可以调整作息、膳食安排等养老院日常管理。例如报告显示最近失眠的人增多，则考虑调整晚上活动安排或营造安静环境。系统的知识图谱还能根据地域特点提供建议：南方梅雨季节潮湿，关节炎老人可能增多，提示护理员提前为他们佩戴护膝和煎服祛湿汤剂。这种数据驱动的精细化管理大大提升了乡村养老服务质量。县政府卫生部门也可引用这些数据评估基层健康状况，为政策制定提供依据。

应用意义： 乡村康养场景的示范证明，主动医学数字技术可以突破地域限制，将优质健康服务送达农村老人，实现”城乡健康服务一体化”。通过AI的主动监测与干预，再辅以远程医疗支撑，即使在医生短缺的乡村，老人也能享受连续的照护。家庭方面，系统可定期向外出子女推送父母健康情况，缓解其担忧。社会方面，示范区老人的紧急送医率和并发症发生率明显下降，提高了晚年生活质量。这一场景为欠发达地区的健康养老探索了新路径：以主动健康技术为抓手，整合有限资源，撬动健康服务模式创新。正如有专家指出的，”主动健康服务体系”依托技术可以实现连续动态健康信息采集和全方位干预，本项目的乡村实践正是对此的生动诠释。

通过以上三个典型应用场景的模拟和示范，我们验证了本项目技术体系在实际中的可行性和有效性。无论是单病种的精准防控（白内障）、慢病的综合管理（阿尔茨海默病），还是整体的养老服务提升（乡村康养），主动医学智能语义融合系统都展现出了主动发现问题、主动提供服务、主动优化效果的优势。接下来，这些场景经验将指导我们进一步完善系统功能和易用性，为更大规模的推广应用奠定基础。

5. 研究团队与组织结构

5.1 项目负责人及核心团队

项目负责人：段玉聪教授 – 世界人工意识协会主动医学委员会计算机科学与技术学院教授，博士生导师，国际先进技术与工程院院士，美国国家人工智能科学院通讯院士，世界人工意识协会理事长。段教授长期从事认知计算与人工智能基础理论研究，提出了具有里程碑意义的DIKWP人工智能认知模型，在人工意识、知识工程等领域贡献卓著。其作为第一发明人已获授权国内外发明专利114项（含PCT国际专利15项），涵盖大模型训练、人工意识、认知操作系统、AI治理等前沿方向。段教授在人工智能与医疗健康交叉领域亦有深入研究，倡导”主动医学”理念并主持多项相关课题，是本项目的发起人和学术带头人。作为项目PI，他将全面领导研究方案设计、关键技术攻关和团队协作，确保项目实施的科学性与创新性。

核心团队成员及分工： 本项目团队由世界人工意识协会主动医学委员会牵头，联合国内多家优势科研院所和企业组建多学科联合体，涵盖人工智能、计算机软件、医学(西医+中医)、公共卫生、电子工程等领域专家。主要核心成员包括：

l 人工智能方向： 段玉聪教授（世界人工意识协会主动医学委员会），DIKWP人工智能国际标准委员会委员，从事语义智能和知识图谱研究，负责本项目知识图谱与语义数学算法开发；Y博士（某AI企业CTO），在认知智能产品开发方面有经验，负责AI平台工程实现及系统集成。

l 医学方向（西医）： Z教授（某医科大学老年医学专家），擅长老年病及慢病管理，负责医学知识图谱内容审定与临床干预方案制定；Q主任医师（三甲医院老年科），担任项目临床顾问，指导场景中西医结合干预措施的合理性并参与示范效果评估。

l 医学方向（中医）： W教授（某中医药大学），精通中医药知识挖掘与信息化，负责中医知识图谱构建及中医语义与西医本体映射研究；R主任中医师（中医院），负责将中医治未病经验融入干预方案，指导中医干预效果评价。

l 公共卫生与养老方向： L研究员（公共卫生院所），专长健康管理与政策，负责社区和乡村示范点实施方案设计、数据收集和社会效益评估；M主任（养老服务机构），丰富的养老机构管理经验，负责项目在养老院场景落地及用户需求反馈。

l 工程与设备方向： D工程师（物联网公司），擅长可穿戴和传感器开发，负责健康监测设备选型及软硬件集成；H工程师（软件公司），负责开发老年友好型应用界面和人机交互系统。

团队成员中，高级职称专家10余人，青年骨干多名，形成老中青结合的人才梯队。段玉聪教授领衔人工智能和总体集成，医学专家确保专业准确，工程人员负责系统实现，各展所长又紧密协作。团队还将招募博士后和研究生参与子课题研究，加强力量。

顾问与外部专家： 项目聘请世界人工意识协会和DIKWP测评国际标准委员会的国际专家作为顾问，例如来自美国、欧洲的人工智能伦理和医学信息学专家，请其对项目关键决策和技术路线提供指导，确保研究与国际前沿接轨。同时邀请国家中医药管理局科技司和国家卫健委老龄健康司有关专家定期指导，以符合行业发展方向和政策规范。

5.2 多学科联合体组成与组织管理

本项目由牵头单位世界人工意识协会主动医学委员会负责总体组织，联合若干协作单位共同实施。联合体各单位分工明确，又通过有效机制紧密协同：

牵头单位：世界人工意识协会主动医学委员会 – 项目管理办公室设在牵头单位，负责项目统筹协调、进度监控和经费管理。牵头单位承担核心技术研发（DIKWP模型应用、AI平台开发）和集成任务，也是知识产权管理和标准制定的主导单位。

协作单位1：北京某医科大学 – 负责西医方面的医学知识图谱与临床方案。该单位老年医学研究实力强，提供临床数据支持和医院示范点，确保方案的循证性。

协作单位2：上海某中医药大学 – 负责中医知识图谱和中医语义融合研究。该单位中医药大数据研究中心将为项目提供庞大的中医文献和案例资源，并在当地中医院设立中医干预示范点。

协作单位3：国内知名AI企业（如DeepSeek公司） – 该公司具备人工智能产品化经验和算力资源。负责将研究算法优化为工业级软件，提供云服务支持，并协助部署应用平台。在产业化、数据安全等方面提供保障。

协作单位4：地方养老服务机构（试点地区民政/卫健部门下属） – 负责组织社区和养老院示范应用，协调老人招募、现场实施和数据采集。他们也将从用户体验角度对系统提出改进建议。

此外，根据需要还会有若干参与单位，如某传感设备厂商（负责硬件提供）、某电信运营商（负责通信及远程平台支持）等。这些合作方通过签署合作协议，共担任务、共享资源。

组织结构与管理机制： 项目成立由牵头单位领导、各单位课题负责人组成的项目执行委员会，定期召开会议（季度）汇报进展、协调问题。委员会下设专项工作组：①理论与算法组（牵头：世界人工意识协会主动医学委员会，成员：AI企业、大学研究人员），②医学知识与应用组（牵头：医科大学、中医药大学），③集成示范组（牵头：AI企业、养老机构）。每组设组长、副组长各1名，负责组内日常工作推进。

项目实施将实行里程碑管理与责任到人。针对每个研究任务细化出时间节点和交付成果，如第1年完成知识图谱初版，第2年完成智能体原型等，并将责任落实到具体单位和负责人。项目办每月收集各子任务进度，编制月报简报通报全体。对于跨单位的任务，采取联合攻关模式，例如知识图谱由中医+西医两个团队共同建设，在项目办指导下定期对接，数据同步。

沟通交流机制： 利用线上线下结合的沟通工具。每两周召开一次视频例会解决技术问题；每半年举办一次全体线下研讨会进行阶段总结。构建项目内知识管理平台，共享研发文档、数据集和阶段成果，促进信息流通。注重发挥青年科研人员积极性，鼓励各单位研究生之间建立学术交流微信群、联合实验等，相互学习协作。

质量与风险控制： 项目设立质保与伦理小组，由各主研单位指派人员组成，段玉聪教授担任组长。该小组制定技术质量标准、数据质量标准，定期检查各模块成果质量。特别针对医疗数据和人体实验，严格遵守伦理要求，制定知情同意流程和数据隐私保护方案，并由伦理小组监督执行。一旦发现问题，及时预警整改。对于可能的风险，如技术路线不达预期、小规模示范效果不明显等，项目组预先制定了备选方案或调整预案，并储备了一定机动经费和人力以应对突发挑战。

总之，本项目团队阵容强大、结构合理，组织管理机制健全。在段玉聪教授的带领和各参与单位的通力合作下，有信心按期高质量地完成研究任务，实现预期目标。

6. 实施进度计划

项目计划实施周期为5年（2025年下半年至2030年上半年），考虑研究难度和示范应用要求，将划分为三个阶段逐步推进，各阶段重点和里程碑如下：

6.1 第一阶段（项目初期，2025年7月 – 2026年12月）：理论与基础平台研发

目标：打牢基础理论和技术框架，开发原型系统。主要里程碑包括：

l M1: 理论框架与总体方案确定 (2025 Q4) – 完成主动医学智能语义融合系统总体架构设计，明确各子系统接口规范。提交《项目总体技术方案和理论框架白皮书》。

l M2: 知识图谱初步构建 (2026 Q2) – 中医和西医知识图谱原型分别建成，涵盖不少于1000个中医概念节点和1000个西医概念节点，并实现初步融合（100对以上中西医概念映射）。发布《中西医健康知识图谱v1.0》并形成数据标准草案。

l M3: 认知智能体原型 (2026 Q3) – 基于DIKWP模型的AI认知引擎原型开发完成，能够在实验室环境下对白盒测试题库中的100道题进行分层作答。通过”识商”白盒测评100题版验证，各认知层性能达标。输出《AI认知智能体原型测评报告》。

l M4: 平台雏形与小规模试用 (2026 Q4) – 开发完成健康管理平台基本框架和App雏形，实现与部分监测设备的数据连通。选择校内或合作医院20名老年志愿者进行封闭测试，验证功能闭环。收集用户反馈，形成《原型系统测试报告》。

阶段总结会 (2026年12月) – 评估理论研究进展和原型成果，对照计划检查偏差。通过专家会议评审，确定进入下一阶段。

6.2 第二阶段（中期攻关，2027年1月 – 2028年12月）：关键技术完善与集成

目标：攻克关键技术难题，完成系统集成和中期成果验证。里程碑：

l M5: 语义融合知识图谱完善 (2027 Q2) – 完善知识图谱至覆盖老年人主要健康领域。至少包含：常见慢病（高血压、糖尿病、认知障碍等）中西医知识，全科医疗和养生保健知识共计5000+节点、20000+关系。构建统一本体，语义一致性验证通过。发布《融合知识图谱v2.0》数据集并在业内开放试用。

l M6: 智能语义推理与干预决策模块 (2027 Q4) – 开发完成语义推理引擎和决策引擎的beta版本。实现系统对至少10种典型健康场景的自动推理与建议生成（包含白内障、阿尔茨海默病等场景的规则)。引擎通过模拟数据和专家知识库测试，其推理结果与专家结论符合率\85%。

l M7: 平台与设备集成调试 (2028 Q1) – 集成可穿戴设备、家居传感器、便携体检设备共计不少于15种，完成平台数据接入与融合。各模块接口联调成功，系统实现数据流从采集→分析→干预→反馈的闭环运行。

l M8: 示范点试运行 (2028 Q2-Q3) – 在2个城市社区和1个农村养老中心建立试点示范，招募不少于100位老年用户参与为期6个月的试运行。监测系统稳定性和服务效果：如重大故障零发生，用户健康指标有改善趋势。收集实际数据用于模型优化。形成《中期示范运行报告》。

l M9: 阶段成果发布 (2028 Q4) – 基于中期成果撰写论文和专利。计划发表SCI/EI论文至少5篇（涵盖语义数学、白盒评测在健康领域应用等主题），申请发明专利不少于5件（涉及知识图谱融合、主动干预算法、智能设备等）。同期召开一次项目技术交流会，向业界展示中期成果。

阶段评估 (2028年末) – 邀请主管部门和领域专家对项目进展进行中期评估。若个别指标未达预期，提出整改方案和资源调配计划。评估通过后进入最后示范阶段。

6.3 第三阶段（集成示范，2029年1月 – 2030年6月）：全面应用示范与成果凝练

目标：完成大规模示范应用，凝练成熟产品和标准成果。主要里程碑：

l M10: 扩大示范应用 (2029 Q1-Q4) – 将系统推广到更多区域开展示范，目标覆盖不少于5个示范区：包含东中西部各类型社区、农村各2个，示范服务老年人累计1000名以上。监测服务过程数据，完善服务模式。各示范区形成典型案例和评价报告。

l M11: 完善系统功能与易用性 (2029 Q2) – 根据大规模应用反馈，针对系统易用性、适配性做最后优化。例如提升语音识别对方言的兼容度，调整App界面字号配色符合老年习惯等。确保最终交付系统达到TRL（技术成熟度）7级以上（原型在实际环境验证）。

l M12: 标准规范制定 (2029 Q3) – 总结提炼项目技术规范和数据标准。制定”个人健康语义数据规范”、”主动医学干预服务流程规范”等标准文件各1套，争取由全国性学会或团体标准委员会发布。同时将DIKWP白盒测评指标融入AI医疗产品评价标准（通过参与标准委员会活动实现）。

l M13: 成果验收准备 (2030 Q1) – 汇总项目技术文件、数据资料、论文专著、专利、示范报告等，完成项目总结报告和技术报告撰写。邀请第三方机构对示范效果进行独立评估，包括健康指标改善情况、用户满意度调查、经济社会效益分析等。

l M14: 项目验收与推广 (2030 Q2) – 接受科技部组织的项目验收，展示系统现场运行和关键成果。预期验收指标全面达到任务书要求（详见第8章预期成果）。同时制定后续推广计划，与政府部门合作在全国范围选择愿意复制模式的地区进行培训推广。

收尾工作 (2030年下半年) – 根据验收专家意见进行最后收尾完善。在顶级期刊发表项目综合研究论文1-2篇，出版专著1部（内容涵盖主动医学理论、DIKWP模型应用、示范案例等），以提高学术和社会影响力。整理项目成果申请各级科技奖励（如有突出成果，申报省部级科技进步奖）。

整个进度计划体现先基础、后应用、循序渐进的特点，各阶段侧重不同又相互衔接，确保5年内稳步实现既定目标。在执行过程中，我们也将根据客观情况灵活调整，如部分任务提前完成则尽早进入下阶段，若遇技术难点则集中攻坚确保不影响全局进度。通过科学严谨的计划管理，力争按时保质完成项目使命。

7. 经费预算与资源配置

7.1 经费预算原则与测算

本项目经费预算遵循国家科技计划经费管理办法，根据研究内容和参与单位任务量合理分配。预算编制本着”目标导向、实事求是、统筹兼顾”的原则，确保资金使用既满足项目研发需要，又符合经费开支标准。

总经费概算： 项目计划总经费为4000万元人民币，其中申请中央财政科技经费3000万元，其余由地方财政、牵头单位及社会资金配套（至少配套经费9000万元，以达到不低于3:1的匹配比例，其中地方财政至少与中央财政1:1匹配）。这一规模参考了同类”主动健康技术集成示范”项目的投资（如某重点专项项目总预算3674万元），综合考虑本项目多学科交叉和示范范围较广，适当提高投入以保证研究深度和应用广度。

经费分类预算： 根据项目活动类别划分主要开支科目如下（单位：万元）：

(1) 人员费用： 600万元。用于支付项目聘用的研究人员和科研辅助人员的劳务费，以及咨询费和专家顾问费等。考虑项目周期长、涉及人员广，适当保障人员激励。符合国家规定的开支范围和标准。

(2) 设备费： 800万元。主要用于购置或升级研发所需的仪器设备和软件系统。例如，构建知识图谱所需的高性能服务器与存储设备，示范点配置的可穿戴设备、智能监测设备（血压计、眼底筛查仪等），以及必要的软件许可。严格区分新增设备和自有设备折旧，经论证确需购买的列入购置清单，其余通过租赁或共享方式解决以节约成本。

(3) 材料耗材费： 200万元。包括开发过程中使用的低值易耗材料、实验耗材（传感器元件、电子模块、中药样品等）、宣传培训资料印制等。

(4) 测试化验加工费： 150万元。用于委托第三方进行特殊检验测试（如可穿戴设备可靠性测试、数据安全性测评），以及试制定制特定部件（例如定制适老化智能家居部件）。

(5) 差旅及会议费： 180万元。项目组内研究人员外出调研、参加学术会议、走访示范点所需的差旅交通费；组织项目研讨、用户培训、专家咨询等各种会议费用。因项目涉及多地区示范，需要一定频次的现场交流，预算相对充裕但控制标准，严格遵守八项规定要求。

(6) 国际合作交流费： 100万元。邀请国外顾问来华指导、项目成员出国参加国际会议及考察学习费用，以及加入国际标准组织、主办国际研讨会等开支。本项目有国际合作内容，此项经费确保按规定用于学术交流、标准对接等，并报备审批。

(7) 软课题研究及知识产权事务费： 100万元。包括项目相关专利申请费、PCT申请费用，软件著作登记费，标准制定费用（如标准提案费、公示费），以及委托咨询评估费用等。为保障预期成果转化和标准制定，这部分经费不可或缺。

(8) 管理费和间接费用： 按国家规定比例计提，约600万元。含牵头单位和参与单位项目管理人员费用、绩效支出及水电、房租折旧、管理运行消耗等成本补偿。各单位间接费用提取严格按专项经费管理办法执行，不挤占直接科研经费。

(9) 预备费： 70万元。占总预算约1.75%，用于不可预见支出调剂。项目周期长，适当保留机动经费以应对汇率变化、物价上涨或意外支出。

上述预算科目分配力求覆盖项目需要并符合科技经费支出范围。各科目内部会进一步细化分解至课题和单位（在详细预算书中体现），确保资金使用与任务量相匹配。预算执行中，如确需调整，将按程序报批。

7.2 资金来源与匹配落实

中央财政经费： 申请科技部专项经费3000万元，拟通过国家重点研发计划”主动健康数字化技术区域综合应用示范”方向予以支持。该经费将主要用于支持研究活动本身，包括设备购置、研发人员劳务、知识产权与合作交流等硬性投入。

地方及单位配套： 根据指南要求，地方财政、单位及社会资金需按不低于3:1比例配套。为落实配套，本项目在申报阶段已得到地方政府和依托单位承诺：海南省科技厅计划配套专项资金1000万元，用于支持项目示范应用基础设施建设（如示范点改造、社区设备配置）；牵头单位世界人工意识协会主动医学委员会承诺在人员及设备自筹方面投入不少于500万元（如调配校内仪器开放使用、提供办公和实验场地等折款）；参与的企业（AI公司、设备厂商）将投入研发资金和等值技术服务支持约500万元（如派驻工程师、免费提供部分设备和云服务等）。另外，地方卫生健康委和民政部门也将在试点社区、养老机构投入一定经费完善配套条件，估算折合经费不少于300万元。

如此，中央财政经费3000万：配套资金约2300万以上，比例接近1:0.77，不足3:1。为满足3:1配套要求，本项目将积极争取更多社会资本投入。拟联合项目有关成果未来的潜在应用方（如养老服务集团、健康险公司等）签订合作协议，由其提供示范或后续推广经费支持。如在示范区引入一家大型养老机构参与共建，其投入可达数百万元。项目在执行中也可利用取得的阶段成果申请地方专项资金追加投入，如申请当地数字经济产业基金支持系统平台完善等。

经费管理与使用： 项目资金将实行统一管理、分账核算。由牵头单位财务统一下拨中央财政经费到各参与单位账户，并监督经费专款专用。各单位财务按预算科目管控支出，不得随意挤占调整。项目配套经费部分也将纳入整体预算管理，定期检查落实情况。建立经费监控机制：项目管理办公室每半年收集各单位经费执行进度，对执行率异常的及时预警并要求说明。严格执行政府采购和招标制度，对大额设备购置、服务外包等组织公开比选，确保资金高效使用。

成本效益考虑： 虽总体预算较高，但项目涵盖基础研究、技术开发、试点建设的全链条内容，且示范面向多个区域，因此投入与产出是成正比的。本项目成果一旦实现，将带来巨大的社会经济效益（见第8章），远超投入。通过合理的经费配置和管理，项目将做到每笔经费花在刀刃上，力求以较少的投入撬动医疗健康服务的重大变革，实现国家科研经费使用效益最大化。

8. 预期成果

项目完成后，预期在以下几个方面取得显著成果和成效：

8.1 标准规范与理论成果

(1) 主动医学理论体系完善： 提出”主动医学”范式的系统化理论框架，并结合DIKWP模型形成独特的医学哲学观点。预期发表学术论文10篇以上，包括在人工智能顶级期刊和医学管理类核心期刊发表主动医学理论与应用研究论文各若干。形成专著《主动医学：AI时代健康服务范式革命》1部，总结项目理论创新。这一理论成果将奠定主动医学在学术界和产业界的影响力，引领相关研究新方向。

(2) 数据和语义标准： 项目将制定个人健康护照数据规范团体标准1套。该标准定义个人全生命周期健康数据的格式、内容和共享接口，填补国内在主动健康数据标准领域的空白。此外，制定DIKWP语义健康知识表示规范1套，作为健康知识图谱构建和AI推理的指南，争取纳入国际/国内标准体系（通过世界人工意识协会或中国卫生信息标准委员会渠道）。这些标准的出台，有助于实现跨平台、跨机构的健康数据互通，以及AI健康系统的评价有据可循，为行业树立标杆。

(3)DIKWP人工智能测评规范拓展： 利用项目经验，丰富和扩展现有DIKWP白盒测评标准的应用范围，在医疗健康AI评测中增加针对主动性和人机协同的指标。比如提出”健康AI识商指数”概念，用以量化健康管理AI的认知水平。推动该测评体系成为AI医疗产品评价指标的一部分。此举将提升我国在AI评测标准领域的话语权。

8.2 技术平台与应用成果

(1) 主动医学智能语义融合平台： 项目将交付一个功能完备的主动健康语义空间干预平台。平台由软硬件组成，包括：融合中西医知识图谱数据库、DIKWP认知推理引擎、人工意识白盒评估工具包、用户交互前端（App、小程序、语音音箱接口）等。该平台可部署于云端或本地服务器，服务能力覆盖个人健康数据管理、风险评估预警、干预方案生成、服务资源对接全流程。平台预计通过验收时达到技术成熟度TRL-7（在真实场景验证环境工作），后续可继续优化升级为商用产品。平台的实现将成为我国首个主动医学数字健康服务系统，具有开创意义。其架构和模块设计将申请软件著作权5-8项、发明专利8-10项，确保核心技术自主可控。

(2) 智能终端与设备应用： 结合项目应用，预期研制或改进多款健康监测与干预智能设备。例如：智能服药管理盒（带AI提醒和摄像监测功能）、家庭认知训练机（内置认知游戏和AI助手交互）、中医理疗智能设备（如针灸按摩机器人配合AI指导）等。至少推出3种以上创新产品原型，并在示范中得到验证，有望后续产业化。这些设备将丰富我国老年智慧健康产品线，提升居家健康照护科技水平。

(3) 应用示范成效： 在试点社区/养老机构中构建主动健康服务体系示范区3-5个。示范期内预期实现：老年人主要健康指标改善（如参与者一年内平均运动量增加20%，高血压、糖尿病等慢病指标达标率提高15%，认知功能下降速率减缓）；医疗服务利用情况优化（医院急诊率降低、可避免住院率降低约10%）；参与老人满意度≥90%。形成每个示范区的经验报告和运营模式。这些示范成果可直接为地方政府推广提供借鉴，项目结束后可在全省乃至全国推广类似服务模式，加速健康中国建设落地。

8.3 社会效益与示范推广

(1) 健康效益： 项目成果直接服务于提高中老年群体健康水平。通过项目示范和推广，如果将主动健康管理覆盖至更大人群，将有望显著降低老年人群重大疾病发生率和失能率，延长健康寿命。比如通过早筛早治，白内障致盲率降低，阿尔茨海默病患者延缓进入中重度阶段的时间平均延长X年。健康效益还体现在减轻家庭照料负担、提升老人心理幸福感等方面，具有重要社会意义。

(2) 经济效益： 一方面，主动预防可减少高额医疗支出，节约医保费用。另一方面，本项目催生的新技术新产品具备广阔市场前景。以主动健康服务平台为基础，可衍生出商业化服务（如针对慢病人群的会员制管理、针对养老机构的信息化解决方案等）。预计项目后5年内，可带动相关产值数亿元。如果按照服务每位老人每年收费1000元计算，服务100万老人即产值10亿元。此外，健康数据和知识图谱等成果也可用于保险风控、医药研发等领域，创造更多潜在价值。项目还将促进养老护理、健康管理等就业岗位增加，带动健康服务业发展。

(3) 行业示范效应: 本项目将成为全国”主动健康数字技术应用”的标杆。其成果可为政府制定主动健康政策提供依据（如把个人健康数据纳入居民电子健康卡的标准等），也可为企业开发智能健康产品提供基础（如可利用项目知识图谱API提升自家健康应用的智能化）。项目产出的标准和平台如果在业内推广开来，将推动形成一个以主动健康为核心的新产业生态，聚合ICT企业、医疗机构、养老产业共同参与。在全球范围看，我国提出的主动健康/主动医学理念和实践，有望作为中国特色模式推广，为全球健康老龄化贡献”中国方案”。本项目在国际会议上交流、发表高水平论文和标准，提升我国在人工智能+医疗交叉领域的国际话语权和影响力。

综上，项目预期成果丰富而深远：既有理论突破、技术创新，也有应用实绩和标准规范，兼具学术价值和应用效益。通过该项目的实施，我国在”主动医学”这一新兴领域将抢占先机，不仅满足国内需求，更能引领全球科技与医疗融合的发展趋势。

9. 支撑基础与合作机制

9.1 前期研究基础

项目各参与单位在相关领域积累深厚，为本项目顺利实施提供了坚实基础。

牵头人段玉聪教授团队已有一系列DIKWP模型与主动健康研究成果：在科学网博客、研究报告等发表了多篇深度分析文章，提出了DIKWP语义数学思想和人工意识白盒测评标准，在国际上产生影响。团队还牵头成立了人工智能DIKWP测评国际标准委员会（DIKWP-SC）和主办世界人工意识大会(WCAC)，为推进DIKWP理念和主动医学标准化搭建了平台。前期，段教授团队成功研发了”DeepSeek”大模型等白盒AI原型，发布了全球首个LLM意识水平测评报告。这些前期成果表明，团队在AI白盒评测和认知建模上处于领先地位，可直接应用到本项目的AI智能体开发和评测体系构建中。

医学方面，参与的医科大学、中医药大学团队在老年医学和中医药信息化上有丰富经验。例如，Z教授团队承担过国家重点研发计划”老年痴呆防治技术”课题，建立了认知障碍多模态早期评估数据库，为本项目阿尔茨海默病场景提供了宝贵数据支撑。W教授团队构建过中医药知识图谱系统、开发了中医证候智能识别算法，在中医知识工程领域达到国内先进水平，这将极大促进本项目中医知识图谱工作。西医知识库方面，团队可共享国家药物人群知识库、某三甲医院电子病历数据库（已签署数据共享协议），涵盖主要慢病诊疗规范和真实世界数据，利于丰富项目知识图谱内容。

在应用示范基础上，地方政府和机构也给予支持：海南省在社区智慧养老、健康岛建设上已有示范经验，多个智慧医疗试点社区可直接接入本项目做进一步提升。某县养老中心曾参加过”互联网+养老”试点，已具备基础设备和信息员队伍，可快速开展农村示范。合作的AI企业DeepSeek公司已搭建健康管理云平台，拥有一定用户基础，本项目技术成熟后可快速加载到其平台上做规模验证和产品转化。

知识产权与成果方面，团队已有相关授权发明专利10余件（如”一种基于DIKWP模型的知识推理方法”等），软件著作权5项。这为本项目新技术的知识产权布局打下基础，后续新产生的专利也可与现有专利组合，形成完整的技术保护网。此外团队与世界人工意识协会(WAC)及国内人工智能学会、中医药学会等组织联系紧密，可借助其平台将项目成果推向标准和产业（例如在WAC年会上发布标准、通过学会立项团体标准等)，放大影响。

9.2 国内外合作与资源支撑

本项目注重开放合作，借助国内外资源形成合力：

国内合作机制：

l 已建立与中国中医科学院、中国老年保健协会等机构的合作意向，在知识库共享、专家咨询、示范推广等方面给予支持。比如中医科学院的于教授团队愿提供其最新编撰的中药大辞典数据；老年保健协会将组织专家对项目干预方案进行论证，确保符合国家老年健康工作指南。

l 与华为等科技企业保持沟通，探讨在5G、云计算及大数据基础设施上合作。华为公司有意向为项目示范提供5G网络优化和云存储支持，双方签订了战略合作备忘录，未来也可能联合申报行业应用示范。

l 产学研用联盟：项目计划在执行中成立”主动医学产学研联盟”，邀请相关高校、医院、企业加盟，定期交流进展、需求和供给。这将为项目成果的持续迭代和推广提供长效机制，确保项目结束后也有载体继续深化合作。

国际合作方面：

l 项目将积极参与国际人工智能标准化活动。目前段玉聪教授担任ISO/IEC人工智能标准工作组专家，项目输出的测评标准、语义模型等，有望通过他在国际标准组织提出立项。此外，世界人工意识协会正在推动建立国际人工意识标准体系，项目成果可纳入其中成为国际规范的一部分，提高我国学者国际影响。

l 与国外研究团队合作研究：已联系美国某大学医学院数字健康中心、欧洲某AI实验室，共同组织线上研讨，对方将在项目中作为顾问角色，分享在主动预防、医疗AI监管等领域经验。这种国际同行交流有助于项目吸收全球最佳实践，保持前沿水准。

l 国际会议和出版：团队计划主办一次国际主动医学与人工智能研讨会（拟2029年在海南举办），邀请世界各国专家研讨主动健康理念。并将在IEEE系列期刊等国际平台发表论文，介绍项目成果，争取将”Active Medicine”概念和中国经验推广出去。

政策与政府资源支持： 项目得到了海南省政府相关部门大力支持。海南作为全域健康示范省，省卫健委将项目列入重点支持的科研应用项目名单，可协调全省医疗机构和社区参与。省工信厅在数字经济专项中也为项目预留应用场景，允许调配省级健康数据资源进行验证。这些政策支撑将有效降低项目推进阻力。科技部和卫健委层面也对主动健康专项高度重视，我们将及时向主管部门汇报进展，寻求指导和帮助。

综上，在雄厚的前期基础和广泛的合作资源保障下，本项目有充分条件顺利推进并取得预期成果。通过产学研政的紧密结合和国内外互动，我们将把项目建设成为一个协同创新的平台，实现资源利用最大化和成果产出最优化。

10. 参考文献

段玉聪等. 主动医学、主动健康与被动医学 (技术报告). ResearchGate, 2025.

《”主动健康和老龄化科技应对”重点专项2020年度定向项目申报指南》. 国科发资〔2020〕74号附件8.

王祝华. 大语言模型意识水平”识商”白盒DIKWP测评2025报告发布. 科技日报, 2025.

段玉聪教授：DIKWP人工意识模型引领AI未来，114项专利期待产业落地. 中国融媒产业网, 2025.

Yucong Duan. DIKWP 语义数学的理论、结构与应用简析 (研究报告). ResearchGate, 2025.

段玉聪. DIKWP白盒测评与LLM黑盒基准的能力映射元分析 (研究报告). ResearchGate, 2025.

钟代笛. “不同经济区域主动健康技术创新应用示范”项目启动. 重庆大学新闻网, 2024.

Yucong Duan. Active Medicine: The Philosophical Upgrade of Medicine in the AI Era. World Artificial Consciousness Conference Keynote, 2024.

李蓬. “主动健康”帮你防病于未然. 新华每日电讯, 2021.

国家卫生健康委. 健康中国行动（2019—2030年）. 2019.