Files

T

selfrelease eab91174db Initial commit: HealthCarePregnant project documentation and platform

Co-Authored-By: Claude <noreply@anthropic.com>

2026-06-18 09:48:05 +08:00

38 KiB

Raw Blame History

孕产个案管理平台 · 基础构想

背景来源：2026年6月17日 11:57 电话沟通（详见原始资料 0-原始资料.txt）
主题：联合打造垂直领域的"孕产个案管理系统"，以 AI 全面数字化支撑个案管理

合作方与分工

角色	主体	职责
运营方（需求方）	陈总，以中医为主的医疗机构（联合菲斯克，基于"如初"资源）	提供业务体系、检测设备与数据、医学理论依据、知识库内容，负责运营与服务
技术方（建设方）	我方	负责系统设计与搭建、AI 能力建设、数据/分析/知识库的工程实现

一、合作背景

运营方为以中医为主的医疗机构，拟联合菲斯克（基于"如初"资源）共同打造一个孕产健康运营平台。
切入点：孕产期健康监管。孕妇妊娠期糖尿病、妊娠期高血压等发生比例高，存在明确的监管需求。
定位：不做大而全，聚焦孕产领域，做一个垂直行业版的"孕产个案管理系统"——这也被双方视为 AI 落地的优质垂直方向。

二、核心理念

借鉴美国流行的 个案管理师（Case Manager） 体制，该体制已有成熟的体系与标准。
中西医结合：运营方以中医为主，平台在西医监测指标（血糖、血压等）之外，融入中医体质辨识、辨证调养、孕期食疗与养护，形成区别于通用孕产 App 的差异化护城河。
围绕孕产场景构建后台知识库及相关功能模块，形成专业、垂直的解决方案。
所依据的医学理论是通用、可公开查证的知识（general knowledge），由专业医生介入即可落地，知识库可基于权威公开资料构建。
共识：垂直领域才有价值，竞争力不在于工具本身，而在于延伸的服务。

三、AI 的核心定位（系统灵魂）

AI 不是某个附加功能，而是贯穿全平台的中枢，目标是全面数字化地支撑个案管理，通过人机协同让个案管理师达到最高管理水平，保障孕妇健康与完美孕期体验。AI 承担以下角色：

AI 角色	作用
交互中枢	成为孕妇、个案管理师、医生、设备等各方的统一交互入口与协同纽带
知识库服务	基于权威知识库提供智能问答与日常查询，随时为各方提供专业解答
健康分析	实时分析设备采集的多项指标，识别异常、推断风险
趋势预测	基于纵向时间序列数据预测健康走向（如风险演变、指标趋势）
管理支持	为个案管理师提供决策建议、计划生成、预警处置辅助，实现人机协同

核心理念：AI 赋能、人机协同、医生兜底。AI 负责全量数据处理、分析、预测与建议，个案管理师与医生负责判断与决策，二者协同实现"最高水平的孕期管理"。

四、闭环逻辑（达成一致）

数据采集：通过居家检测设备获取孕妇体征数据（设备带接口，可直接对接取数）。
分析与管理：基于专业医学理论建立分析/管理体系（模型暂未现成，但理论成熟，可由专业医生介入）。
知识库：导入权威资料（部分自有内容 + 网络/出版物等权威来源），支持日常查询。
输出建议：结合孕妇实际情况，给出监管建议与输出。

技术上无明显障碍，关键在于体系梳理、内容准备和业务流程设计。

五、产品范围

使用对象：孕妇（孕产期为主）。
监测指标：不止血糖、血压，涵盖数十种指标，例如维生素D含量（与胎儿发育相关）等（具体以设备实际可测项为准，见附录五待验证假设）。
服务与体验：在健康监管之外，平台承载孕期关怀与延伸服务——健康教育、个性化指导、中医调养、答疑陪伴、孕期里程碑提醒等，目标是"健康监管 + 完美孕期体验"，也是商业竞争力的核心（竞争力来自延伸服务而非工具本身）。
健康习惯提醒：基于时间与计划，定时提醒运动、休息、喝水、服药、产检、监测打卡等；提醒内容个性化——运动提醒须按孕周与风险分层动态调整（高风险孕妇改为"休息/放松"而非运动），避免一刀切。
游戏化与轻量小游戏：通过**积分、徽章、连续打卡、轻量小游戏（如消消乐、正念放松、孕期知识问答闯关）**提升依从性、缓解焦虑、增强留存。需把握孕期分寸：限制单次时长避免久坐刷屏、低压力非强竞技、可反向触发"起身活动"提醒。
体验原则：持续监测与预警本身可能加重孕妇焦虑，交互须有温度、分级提醒、避免过度医疗化，在"安心"与"警觉"之间取得平衡。

六、MVP 与演进策略

不追求一步到位：首个原型聚焦一个高价值闭环（建议：妊娠期糖尿病 GDM 血糖管理——采集→规则预警→管理师干预→智能问答），验证后再横向扩展指标与场景。
冷启动路线：知识库与智能问答先行可用；分析先用规则引擎（医生定义阈值），积累数据后再引入数据驱动模型与趋势预测。
演进：单场景闭环 → 多指标覆盖 → 中西医结合调养 → 趋势预测 → 全量个案管理。

七、成功度量（KPI）

维度	指标示例
监管有效性	预警及时率、预警准确率（误报/漏报）、高风险转诊及时率
用户依从	监测依从率、漏测率、计划执行率
健康结局	血糖/血压达标率、孕期不良结局发生率下降
体验与留存	用户留存率、满意度、焦虑量表改善
运营	单个案管理师可管理人数（人机协同效率提升）

八、商业模式（待展开）

B2B：向中医机构/月子中心/产科诊所提供平台与个案管理 SaaS。
B2C：孕妇订阅制健康管理与关怀服务。
设备 + 服务：检测设备 + 监管服务捆绑。
延伸服务变现：营养、调养、母婴课程、转诊与增值医疗服务（呼应"竞争力靠延伸服务"）。

九、待办事项（Next Steps）

负责方	事项
运营方（陈总）	1. 提供检测设备可采集的数据指标清单 + 精度 + 认证情况（关键，见附录五）
运营方（陈总）	2. 提供所依据的医学理论名称/介绍资料（名称即可，便于技术方查阅）
技术方（我方）	3. 先搭建一个基础原型（建议从 GDM 单场景闭环切入），让讨论从概念转向可见系统
双方	4. 节后约时间当面碰（双方均在北京）

十、待确认事项

后台分析模型需从零构建（理论现成、通用，模型待开发）。
知识库内容来源与权威性把控方式需进一步明确。
业务流程与服务延伸的具体安排尚待规划。
AI 各能力（交互、问答、分析、预测、管理支持）的优先级与原型范围待划定。
合规定位、设备能力、临床安全等关键风险见附录五，需优先确认。

附录：本体分析（Ontology Analysis）

说明：以下本体分析用于明确"分析模型"与"知识库"两大核心模块的概念结构、实体关系与运转逻辑，并将"个案管理师（Case Manager）"体制作为贯穿全局的方法论框架。本体（Ontology）即对领域内概念、属性、关系、约束的形式化定义，是后续建模、建库与系统设计的语义基础。

内容基于通行的个案管理标准框架（CMSA《个案管理实践标准》、CCMC 认证体系）与孕产母胎监护通行实践整理；具体医学阈值与理论依据需由专业医生最终确认。

一、个案管理师（Case Manager）体制本体

1.1 体制定义

个案管理是一种以患者为中心的协作式服务过程，通过评估、规划、协调、监督和倡导，整合医疗资源，满足个体的健康需求，兼顾质量与成本。个案管理师是这一过程的责任主体。

1.2 个案管理师的角色（Roles）

角色	职责
评估者 Assessor	收集并评估孕妇的健康、风险、社会与心理状况
规划者 Planner	制定个性化照护计划与目标
协调者 Coordinator	协调医生、设备、家庭、机构等多方资源
监督者 Monitor	持续跟踪指标、依从性与计划执行情况
教育者 Educator	提供健康教育与自我管理指导
倡导者 Advocate	代表孕妇利益，争取适当的医疗与支持资源

1.3 个案管理流程（Process Phases）—— 系统状态机的核心

标准个案管理是一个闭环循环，可直接映射为系统的核心工作流：

筛查 Screening
  → 评估 Assessment
    → 风险分层 Risk Stratification
      → 计划制定 Planning
        → 计划实施/协调 Implementation & Coordination
          → 监测与随访 Monitoring & Follow-up
            → 评价 Evaluation
              → (达标转出 Transition / 未达标回到评估)

该流程是"分析模型"与"业务流程"的骨架：每一阶段都有明确的输入、输出、判定条件与责任角色，适合用状态机或工作流引擎实现。

红旗（Red Flag）急症旁路：上述循环适用于常规监管节奏，但危急情况不能走常规流程。当出现危急组合（如血压骤高 + 剧烈头痛 + 视物模糊提示子痫前期、胎动消失、阴道大量出血等）时，系统须绕过常规循环直接升级——立即提示就医/转急诊并通知医生。这是临床安全底线，见附录五。

1.4 体制核心概念（Class）

个案 Case：一名孕妇的完整管理实例，贯穿整个孕产周期。
照护计划 Care Plan：目标、干预措施、随访频率的集合。
干预 Intervention：针对特定风险/指标的具体动作，包括：临床类（用药提醒、转诊）、生活方式类（饮食、运动、休息、喝水指导）、习惯养成/游戏化类（打卡、积分、徽章、轻量小游戏）。运动类干预须按孕周与风险分层个性化。
提醒 Reminder：基于时间与计划触发的定时推送（运动/休息/喝水/服药/产检/监测打卡），由 AI 交互中枢执行，是提升依从性的关键手段。
风险分层 Risk Level：低/中/高风险，决定监测强度与干预力度。
依从性 Compliance：孕妇对监测与计划的执行程度。

1.5 干系人（Stakeholders）

除孕妇与个案管理师外，体系还涉及以下角色，影响交互、协同与转诊设计：

干系人	作用
孕妇 Patient	服务核心对象
个案管理师 Case Manager	管理主体、人机协同核心
医生 Physician	临床决策与高风险兜底
营养师 / 中医调养师	饮食、体质调养指导
家属 Family	协助监测、情感支持
产科医院 / 转诊网络	急症与高风险转诊承接
运营客服 Operator	服务运营、用户触达
数据合规员 DPO	数据安全与隐私合规（见附录五）

二、分析模型本体（Analysis Model Ontology）

2.1 核心实体（Entities / Classes）

实体	说明	关键属性
孕妇 Patient	管理与服务对象	孕周、年龄、既往史、孕次、风险等级
检测设备 Device	居家数据采集来源	设备类型、接口、采集指标、精度
观测值 Observation	单次指标测量结果	指标类型、数值、单位、时间戳、来源设备
指标 Indicator	被监测的体征/生化项	名称、正常范围、孕期分段阈值、单位
风险 Risk	由指标推断的健康风险	风险类型、等级、触发规则、置信度
预测 Prediction	基于纵向时序数据对未来走向的预判	预测目标、时间窗、概率/趋势、依据数据
规则 Rule	指标→风险的判定逻辑	条件、阈值、孕周适配、动作
预警 Alert	超阈值或异常触发的事件（跨本体共享：在体制本体中由个案管理师处置）	等级、关联指标、处置状态
照护计划 Care Plan	分析结论驱动的干预方案	目标、措施、随访频率
个案管理师 Case Manager	决策与服务责任人（跨本体共享：体制本体的核心角色）	负责个案、处理预警

2.2 监测指标体系（Indicator Taxonomy）

以孕妇为对象，覆盖数十种指标。以下为分类框架，具体指标清单待运营方提供设备采集清单后补全。

代谢类：血糖（空腹/餐后，妊娠期糖尿病 GDM 监测核心）、糖化血红蛋白等
心血管类：血压（收缩压/舒张压，妊娠期高血压/子痫前期监测核心）、心率
营养/微量元素类：维生素D（与胎儿骨骼发育相关）、铁、钙等
胎儿相关：胎动、胎心（如设备支持）
中医辨证维度：体质类型、舌象/脉象（如可采集）、症状证候，用于辨证调养建议
其他生化指标：数十项，由检测设备能力决定（实际可测项以设备能力为准，见附录五）

红旗指标组合：部分指标的特定组合构成急症信号（如血压骤升 + 头痛 + 视物模糊），须配置为旁路升级规则，直接触发就医提示。

2.3 分析模型的推理链（Reasoning Chain）

设备采集 → 观测值 Observation
   → 与指标阈值/孕周分段标准比对（Rule）
      → 推断风险 Risk + 生成预警 Alert
         → 触发照护计划/干预 Intervention
            → 个案管理师审核与处置
               → 随访复测 → 更新风险评估（闭环）

模型现状：理论成熟、模型待建。建议采用"规则引擎（临床阈值/指南规则）+ 后续数据驱动模型"的渐进路线，初期以可解释的规则为主，由专业医生定义阈值与孕周分段标准。

2.4 关键约束（Constraints）

指标阈值需按孕周分段（孕早/中/晚期标准不同）。
风险判定必须可解释、可追溯到具体规则与观测值。
高风险预警必须有人工（个案管理师/医生）介入环节，系统不替代临床决策。

三、知识库本体（Knowledge Base Ontology）

3.1 知识库定位

为分析模型提供判定依据，为孕妇/管理师提供日常查询支持，形成"采集—分析—知识—建议"的闭环。

3.2 知识实体（Knowledge Entities）

实体	说明
知识条目 Knowledge Item	最小知识单元（一条结论/解释/建议）
临床指南 Guideline	权威诊疗/管理标准（如妊娠期糖尿病、妊娠期高血压指南）
中医调养知识 TCM Knowledge	体质辨识、辨证、食疗与孕期养护知识
指标释义 Indicator Reference	各指标的含义、正常范围、异常意义
干预知识 Intervention Knowledge	针对风险的处置/生活方式建议
来源 Source	知识出处（权威出版物、网络资料、自有内容）
主题/标签 Topic	知识分类与检索维度

3.3 知识来源与可信度（Source & Provenance）

自有内容：机构专家/医生输入的一部分专业内容。
权威外部来源：现成出版物、权威网络资料。
可信度约束：每条知识条目须标注来源与权威级别，支持溯源；优先采用权威指南。

3.4 知识库与分析模型的关系

知识库 Guideline / Rule Reference
        ↓ 提供阈值与判定依据
   分析模型 Rule / Risk
        ↓ 产生风险结论与建议
   知识库 Intervention Knowledge
        ↓ 支撑建议输出与日常查询
      孕妇 / 个案管理师

知识库与分析模型并非独立：知识库中的指南与指标释义是分析规则的来源，分析模型产生的风险又关联到知识库中的干预建议，二者通过"指标—规则—风险—干预"语义链耦合。

四、整体本体关系图（概念视图）

graph TD
    CM[个案管理师 Case Manager] -->|负责| Case[个案 Case]
    Case -->|属于| Patient[孕妇 Patient]
    Device[检测设备] -->|采集| Obs[观测值 Observation]
    Obs -->|关联| Indicator[指标 Indicator]
    Indicator -->|阈值依据| KB[知识库: 指南/释义]
    Obs -->|经规则判定| Rule[规则 Rule]
    Rule -->|推断| Risk[风险 Risk]
    Risk -->|触发| Alert[预警 Alert]
    Risk -->|匹配| Intervention[干预 Intervention]
    Intervention -->|内容来自| KB
    Alert -->|处置| CM
    CM -->|制定| CarePlan[照护计划 Care Plan]
    CarePlan -->|包含| Intervention
    Patient -->|查询| KB

五、待运营方/医生确认的本体细节

设备可采集的完整指标清单及各指标接口字段。
各指标的孕周分段阈值与异常判定标准（理论依据/指南名称）。
个案管理师体制落地时的角色边界（系统自动 vs 人工介入的分界）。
知识库权威来源清单与内容审核流程。

附录二：三大本体的数据融合（Ontology Data Fusion）

目标：让"个案管理师体制""分析模型""知识库"三个本体不各自为政，而是融合为一张统一的语义网络（知识图谱）。融合的核心是——同一个孕妇、同一项指标、同一条风险，在三个本体中指向同一份数据实体，从而实现"采集即分析、分析即关联知识、知识即驱动管理动作"的全链路打通。

一、融合原则

统一锚点（孕妇为中心）：所有数据围绕同一个 孕妇ID 聚合，个案、观测值、风险、计划、查询记录全部挂接到同一人。
共享语义骨架：三个本体共用一条主链——指标 → 规则 → 风险 → 干预 → 知识，任一本体引用的概念都来自同一套术语表（统一词表 / 编码标准）。
单一事实来源（Single Source of Truth）：每个实体（如"血压""妊娠期高血压"）在系统中只定义一次，三方引用同一定义，避免重复与冲突。
可追溯（Provenance）：任何一条风险结论都能反向追溯到"哪台设备、哪次观测、依据哪条规则、引用哪条指南、由哪位个案管理师处置"。

二、融合的关键连接点（Join Keys）

三个本体通过以下共享标识实现数据对齐：

共享标识	连接的本体	作用
`孕妇ID Patient ID`	体制 ↔ 分析模型 ↔ 知识库	全局锚点，聚合一个人的所有数据
`指标ID Indicator ID`	分析模型 ↔ 知识库	观测值、规则阈值、指标释义共用同一指标定义
`风险ID Risk ID`	分析模型 ↔ 体制 ↔ 知识库	风险既触发管理动作，又关联干预知识
`干预ID Intervention ID`	体制 ↔ 知识库	照护计划中的干预，其内容来自知识库
`指南ID Guideline ID`	知识库 ↔ 分析模型	规则阈值的依据来源，可溯源
`规则ID Rule ID`	分析模型（内部）	标识每条判定逻辑，供风险溯源
`预警ID Alert ID`	分析模型 ↔ 体制	风险触发的预警，关联到管理处置动作

实现要点：指标与术语必须统一编码（建议对接通行医学术语标准，如 LOINC 检验项、SNOMED CT 临床概念、ICD 诊断），保证设备数据、规则、知识三方"说同一种语言"。

三、融合后的统一数据视图

graph TD
    P[孕妇 Patient<br/>统一锚点]

    subgraph 分析模型本体
      O[观测值 Observation]
      I[指标 Indicator]
      R[规则 Rule]
      RK[风险 Risk]
    end

    subgraph 知识库本体
      G[临床指南 Guideline]
      IR[指标释义]
      IK[干预知识]
    end

    subgraph 个案管理师体制本体
      CM[个案管理师]
      CASE[个案 Case]
      CP[照护计划]
      IV[干预 Intervention]
      AL[预警 Alert]
    end

    P --> O
    P --> CASE
    O -->|同一指标ID| I
    I -->|同一指标ID| IR
    R -->|阈值依据/同一指南ID| G
    O --> R --> RK
    RK -->|同一风险ID| AL
    RK -->|同一风险ID| IK
    AL --> CM --> CP --> IV
    IV -->|内容来自/同一干预ID| IK
    P -.日常查询.-> G
    P -.日常查询.-> IR

这张图体现"三本体合一"：孕妇产生的每个观测值，自动经规则与知识库阈值判定为风险，风险同时驱动管理动作（预警→个案管理师→计划→干预）并关联知识库干预内容，孕妇还能直接查询同一知识库。数据一次录入、全链路复用。

四、数据融合的四个层次

层次	内容	说明
1. 标识融合	统一ID与编码标准	三本体引用同一实体，消除"同物异名"
2. 模式融合 Schema	统一数据模型/本体定义	用一套 Ontology/知识图谱统一描述实体与关系
3. 数据融合 Instance	多源数据归一	多设备、多次测量、多来源知识归并到同一实体下
4. 语义融合 Semantic	跨本体推理	可沿"观测→风险→干预→知识"链做联合推理与解释

五、多源数据的融合策略

设备多指标融合：同一孕妇多台/多次设备数据，按 孕妇ID + 指标ID + 时间戳 归一为统一时间序列，便于趋势分析。
知识多来源融合：自有内容 + 权威出版物 + 网络权威资料，统一为知识条目并标注来源与权威级别；冲突时按权威级别仲裁。
风险多规则融合：一个风险可能由多条规则/多项指标共同支持，融合时记录所有触发依据与置信度，保证可解释。
时间维度融合：所有数据按孕周时间轴对齐，使指标趋势、风险演变、干预效果可在同一时间线上比对。

六、融合的落地建议

先建立统一术语表 / 指标字典（待运营方提供设备指标清单后落定编码）。
以知识图谱 / 本体库作为融合载体，承载三本体的实体与关系。
分析规则、知识条目、管理动作均通过共享ID引用同一实体，禁止各模块私自定义。
全链路保留 Provenance（来源—观测—规则—指南—处置人），支撑可追溯与合规。

附录三：孕妇本体（以时间进程为主轴的纵向聚合本体）

目标：构建一个以孕妇为唯一锚点、以孕周时间轴为主轴的纵向本体（Longitudinal Patient Ontology）。把这名孕妇的静态属性、动态数据、指标、规则、风险、干预、管理动作与知识引用，全部按"时间进程"汇集到同一条时间线上，形成"一人一档、随孕周生长"的活体档案。

这是前述"三大本体数据融合"在单个孕妇维度上的实例化：所有数据通过 孕妇ID + 孕周/时间戳 聚合，可回放任意时刻的健康全貌与风险演变。

一、本体分层结构

孕妇本体由"一个恒定核 + 一条时间轴 + 多条挂接数据流"组成：

孕妇本体 Patient Ontology
├── ① 静态身份层（恒定属性，孕期内基本不变）
├── ② 时间主轴层（孕周时间线 + 关键节点）
└── ③ 时序挂接层（随时间生长的动态数据，全部挂到时间轴上）
      ├── 观测值流 Observations
      ├── 指标趋势 Indicator Trends
      ├── 风险演变 Risk Evolution
      ├── 预警事件 Alerts
      ├── 干预与管理动作 Interventions / Case Actions
      └── 知识引用 Knowledge References

二、① 静态身份层（恒定属性）

属性	示例/说明
孕妇ID	全局唯一锚点
基本信息	年龄、身高、孕前体重、BMI
孕产史	孕次、产次、既往不良孕产史
既往病史	高血压、糖尿病、甲状腺疾病等基础疾病
家族史	糖尿病、高血压、遗传病家族史
本次妊娠基线	末次月经(LMP)、预产期(EDD)、受孕方式、单/多胎
风险基线	入组初始风险分层（高龄、既往 GDM 妊娠期糖尿病 / PIH 妊娠期高血压史等）

静态层决定初始风险基线与个性化阈值（如高龄、既往妊娠期糖尿病史者监测更严）。

三、② 时间主轴层（孕周时间线）

以预产期/末次月经推算孕周（Gestational Week），划分标准分期，并标注关键时间节点：

分期	孕周	阶段意义
孕早期	0–13 周	建档、基线评估、早期风险筛查
孕中期	14–27 周	GDM 筛查窗口、结构监测、稳定监管期
孕晚期	28–40+ 周	高血压/子痫前期高发、胎儿监护强化
产后	分娩后	转归评估、产后随访、计划转出

时间轴是本体主键之一：所有动态数据均带 时间戳/对应孕周，可按时间轴回放、对齐、比对。

四、③ 时序挂接层（随时间生长的动态数据）

下表展示各孕期挂接到时间轴上的核心内容（具体指标与阈值待医生/设备清单确认）：

孕期	重点监测指标	主要风险	监测频率（示例）	管理动作
孕早期	血压、基础血糖、维生素D、基础生化	基础病恶化、营养缺乏	较低频	建档、基线评估、健康教育
孕中期	血糖（GDM筛查）、血压、体重、维生素D	妊娠期糖尿病 GDM	中频	风险分层调整、饮食/运动指导
孕晚期	血压、血糖、胎动/胎心、体重	妊娠期高血压/子痫前期	高频	强化监测、预警处置、必要转诊
产后	血压、血糖恢复、营养	产后高血压/血糖未恢复	随访	转归评估、随访、计划转出

五、纵向聚合数据模型（概念）

每条动态数据都是挂在时间轴上的"节点"，统一结构如下：

TimelineEntry {
  孕妇ID
  时间戳 / 孕周
  类型: 观测值 | 风险 | 预警 | 干预 | 管理动作 | 知识引用
  关联实体ID: 指标ID / 风险ID / 干预ID / 指南ID
  数值 / 状态
  来源 Provenance: 设备 / 规则 / 个案管理师 / 知识库
  关联个案管理流程阶段: 评估/分层/计划/监测/评价
}

由此，孕妇本体 = 静态核 + 一串按时间排序的 TimelineEntry。任取一个孕周即可还原当时的指标值、风险等级、正在执行的计划与依据。

六、时序规则（Temporal Rules）—— 时间进程带来的分析能力

把数据按时间汇集后，分析不再局限于"单点超标"，而能做纵向时序判断：

趋势规则：血压/血糖连续多次上升 → 即使未超阈值也预警。
变化率规则：体重短期内异常增长 → 子痫前期风险信号。
孕周适配规则：同一数值在不同孕周判定不同（阈值随孕周动态切换）。
跨期对比：本期指标与基线/上期对比，评估干预效果。
依从性时序：监测中断/漏测的时间分布，触发提醒。

七、孕妇本体时间轴视图

timeline
    title 孕妇本体：按时间进程聚合
    建档(孕早期 0-13w) : 静态基线录入 : 初始风险分层 : 基础指标采集
    孕中期(14-27w) : GDM血糖筛查 : 血压/维生素D监测 : 风险分层调整 : 饮食运动干预
    孕晚期(28-40w) : 血压强化监测 : 子痫前期预警 : 胎动胎心跟踪 : 高风险人工介入
    产后 : 指标恢复评估 : 产后随访 : 转归与计划转出

graph LR
    PID[孕妇ID + 静态身份层] --> T[孕周时间主轴]
    T --> E1[孕早期 Entries]
    T --> E2[孕中期 Entries]
    T --> E3[孕晚期 Entries]
    T --> E4[产后 Entries]
    E1 -.观测/风险/干预/知识.-> DATA[(统一TimelineEntry)]
    E2 -.观测/风险/干预/知识.-> DATA
    E3 -.观测/风险/干预/知识.-> DATA
    E4 -.观测/风险/干预/知识.-> DATA

八、与三大本体的对应关系

孕妇本体的层	来自哪个本体
静态身份层、初始分层	个案管理师体制（评估/分层）
观测值、指标、规则、风险	分析模型本体
干预内容、指标释义、指南依据	知识库本体
预警处置、照护计划、随访转出	个案管理师体制（计划/监测/评价）

即：孕妇本体是三大本体在一个人 + 一条时间轴上的汇流点，实现"全部内容按时间进程汇集"。

九、待确认项

孕周阈值的动态切换标准（各期各指标的正常范围）。
各期监测频率的实际设定（示例频率需医生确认）。
静态层中纳入哪些风险基线因子用于个性化阈值。
时序规则中"趋势/变化率"的具体判定参数。

附录四：AI 能力本体（AI 如何嵌入三大本体）

目标：把正文"AI 的核心定位（系统灵魂）"在本体层落地。AI 不是独立模块，而是贯穿个案管理师体制、分析模型、知识库、孕妇本体的能力层，通过人机协同支撑个案管理师达到最高管理水平。本附录定义 AI 的能力实体、与各本体的嵌入关系，以及人机协同的边界。

一、AI 能力实体（AI Capability Entities）

AI 能力	对应实体	输入	输出	嵌入的本体
交互中枢	会话 Conversation / 交互事件 Interaction	各方提问、指令	应答、路由、协同动作	贯穿全部（人、孕妇、设备入口）
知识库服务	智能问答 QA Session	自然语言问题 + 知识库	带溯源的专业解答	知识库本体
健康分析	分析任务 Analysis Task	观测值 + 规则/指南	风险 Risk + 预警 Alert	分析模型本体
趋势预测	预测 Prediction	纵向时序数据（孕妇本体）	未来走向/概率/预后	分析模型本体 + 孕妇本体
管理支持	决策建议 Recommendation	风险/预测/计划现状	计划建议、处置辅助	个案管理师体制本体

二、AI 在分析推理链中的位置

在原"采集→风险→干预"链上显式标出 AI 与人的分工：

设备采集 → 观测值
   → [AI·健康分析] 规则/指南比对 → 风险 Risk + 预警 Alert
      → [AI·趋势预测] 基于时序数据 → 预测 Prediction
         → [AI·管理支持] 生成决策建议 Recommendation
            → 个案管理师审核与决策（人）  ← 人机协同关键节点
               → 照护计划/干预（AI 辅助执行：提醒、随访、教育）
                  → [AI·交互中枢] 与孕妇/医生交互、答疑、关怀
                     → 随访复测 → 闭环

原则：AI 负责全量处理、分析、预测与建议；个案管理师/医生负责判断与决策；高风险必须由人确认（医生兜底）。

三、人机协同模型（Human-AI Collaboration）

环节	AI 承担	人（个案管理师/医生）承担
数据处理与分析	全量、实时	抽检、校准
风险识别	自动推断 + 置信度	复核异常与低置信结论
趋势预测	模型预测	临床判断与采纳
计划与干预	生成建议、执行提醒	审核、确认、个性化调整
高风险处置	预警、辅助	决策主体（兜底）
日常交互/关怀	主力（问答、教育、陪伴）	必要时介入

四、AI 嵌入四大本体的关系图

graph TD
    subgraph AI 能力层
      AICONV[交互中枢 Conversation]
      AIQA[知识库服务 QA]
      AIANA[健康分析 Analysis]
      AIPRED[趋势预测 Prediction]
      AIREC[管理支持 Recommendation]
    end

    PATIENT[孕妇本体<br/>纵向时序数据] --> AIANA
    PATIENT --> AIPRED
    KB[知识库本体] --> AIQA
    KB --> AIANA
    AIANA --> RISK[分析模型: 风险/预警]
    AIPRED --> RISK
    RISK --> AIREC
    AIREC --> CM[个案管理师 人]
    CM -->|决策/兜底| PLAN[体制本体: 照护计划/干预]
    AICONV -->|答疑/关怀/协同| CM
    AICONV -->|答疑/教育/陪伴| MOM[孕妇 / 各方]
    PLAN --> PATIENT

这张图体现"AI 是贯穿四大本体的能力层"：AI 从孕妇本体与知识库取数，做分析与预测，产出建议交个案管理师决策，并作为交互中枢服务各方——人机协同形成完整闭环。

五、AI 约束与待确认项

5.1 AI 关键约束（必须遵守）

防幻觉：所有医学问答与建议采用 RAG（检索增强）+ 强制溯源，只能基于知识库内容作答，禁止模型自由生成超纲医学建议；无依据时应明确"无法回答/建议咨询医生"。
可解释与留痕：AI 的每条风险/预测/建议都须可解释、可追溯（依据哪些数据与知识），全程留痕以支撑合规与责任界定。
冷启动：自有数据不足时，分析先用规则引擎，趋势预测待数据积累后引入；模型须经回顾性验证 → 前瞻性验证方可上线。
医生兜底：高风险结论与急症一律由人确认，AI 不替代临床决策。

5.2 待确认项

各 AI 能力的自动化程度边界（哪些可自动执行、哪些必须人工确认）。
趋势预测的目标与可用数据（预测哪些结局、需要多长时间序列）。
交互中枢面向不同角色（孕妇/管理师/医生）的权限与话术边界。
AI 建议的可解释性与留痕要求（合规与责任界定）。

附录五：关键风险、合规与待验证假设

说明：本附录汇集决定项目基本盘的高优先风险与必须尽早确认的假设。这些问题若不提前定调，后续立项与开发会反复返工，且可能触及合规红线。建议在搭建原型前优先澄清第一、二节。

一、监管定位（最高优先）

核心问题：本系统是否构成医疗器械软件（SaMD）？在中国，软件若对疾病做出诊断或直接影响临床判断的输出，可能触发 NMPA 二类/三类医疗器械注册（周期长、成本高）。
建议定位：明确为 "健康管理 / 临床决策支持"，而非"诊断"。系统提供提示、建议与监测，临床判断与诊断始终归医生。这样可将监管等级与责任风险降到最低，并与"医生兜底"原则一致。
宣传合规：对外不得宣称"诊断、治疗、治愈"，遵守《广告法》与医疗宣传规定。
诊疗资质：若涉及医生在线开方/诊断，需相应互联网医院/诊疗资质。

二、数据合规与隐私（最高优先）

孕产妇健康数据 + 胎儿信息属最敏感个人信息，受 《个人信息保护法》《数据安全法》《健康医疗大数据管理办法》 约束。
必备措施：知情同意、最小化采集、加密存储与传输、分级访问权限、留存与删除策略、数据出境限制、审计日志。
设立数据合规责任人（DPO），建立数据处理记录与安全事件响应机制。

三、设备能力待验证假设（关键技术尽调）

假设：运营方称居家检测设备"可采集数十种指标，维生素D、血糖等都能测"。
风险：血糖、糖化血红蛋白、维生素D 等生化指标通常需采血/实验室检测，居家设备能否真正测量、精度如何、是否为 NMPA 认证的医疗级设备（而非消费级），直接决定分析模型的输入可信度。
行动：在搭原型前，务必取得设备的 「可测指标清单 + 测量原理 + 精度/误差 + 认证资质 + 数据接口规范」。若实际仅能测血压/体重/心率等少数项，需重估分析模型与产品范围。

四、数据质量与可信度

居家自测存在测量误差、操作/佩戴错误、数据缺失、甚至造假风险。
需建立数据质控层：合理性校验（plausibility check）、异常值过滤、缺失处理、设备校准、来源标记。
低质量/缺失数据不得直接驱动高风险结论。

五、临床安全（Red Flag 急症机制）

标准个案管理循环适用于常规节奏，急症必须旁路升级。
配置红旗规则库：如子痫前期急症（高血压 + 剧烈头痛 + 视物模糊 + 上腹痛）、胎动消失、阴道大量出血、严重低/高血糖等，直接触发"立即就医/转急诊" + 通知医生，绕过常规流程。
明确误报/漏报责任边界与处置 SLA。

六、AI 特有风险

幻觉：医学问答须 RAG + 溯源 + 不超纲（见附录四 5.1）。
偏差与代表性：训练/规则需覆盖不同孕妇人群，避免系统性偏差。
可解释性：高风险建议必须可解释、可追溯，便于医生复核与责任界定。

七、伦理与体验

持续监测与频繁预警可能加重孕妇焦虑，违背"完美孕期体验"目标。
交互设计须有温度、分级提醒、避免过度医疗化；预警措辞需经设计，避免制造恐慌。

八、风险优先级总览

优先级	风险/假设	不解决的后果
🔴 最高	监管定位（SaMD 与否）	触发器械注册，方向性返工
🔴 最高	设备实际可测能力	分析模型输入失真，构想落空
🔴 最高	数据合规与隐私	法律风险、无法上线
🟠 高	红旗急症机制	临床安全事故
🟠 高	数据质量质控	误判、信任崩塌
🟡 中	AI 幻觉/可解释	错误建议、责任纠纷
🟡 中	焦虑/体验	用户流失、口碑受损

38 KiB Raw Blame History Unescape Escape