异构医疗数据标准化与时序建模
01 / AGENT BUILD PIPELINE
iAgentM-TCM 智能体构建主流程
构建遵循“符号底座优先、连接增强可退化、临床输出受控制、经验学习须审核”的依赖顺序。每一步均有可审计输出、验证门槛与失败兜底。
BASELINE FIRST底座未通过，不进入增强
符号系统与主任医师盲评一致性不达标即回炉知识获取。
CONDITIONAL FUSION数据不足，可退化运行
连接系统是条件性增强项，四诊时序数据不足时保持纯符号模式。
GOVERNED RELEASE发现不等于自动入库
候选特性经专家审核、回溯测试与版本发布后才成为新知识。
01经验采集
02知识编译
03符号验证
04融合训练
05安全输出
06疗效学习
07审核发布
INPUT名医经验访谈 · 医案 · 规则
OUTPUT产业转化器械 · 中药 · 创新药
KNOWLEDGE COMPILATION
01把隐性经验编译为可计算符号
通过病例驱动访谈与医案归纳，将九证型、方证对应、君臣佐使和加减化裁编译为 oneMKE L3 可微规则。
oneMKE L0–L3DRE-CIRS 三层公式
- INPUT / 输入
- 访谈记录 · 结构化医案 · 九证型规则 · 安全禁忌
- ENGINE / 机制
- 知识获取 → 表示 → 可微化 → 几何化 → 专家验证
- OUTPUT / 交付
- 带唯一规则 ID、来源与版本的可审计符号规则库
02 / TECHNICAL ARCHITECTURE
三引擎协作，一个受治理智能体
数据提供燃料、知识提供骨架、推理提供智能；所有能力在应用层汇合，但最终临床表达受符号规则约束。
APPLICATION临床传承与产业落地SaMD · 中药新药 · CogniTarget
AGENTiAgentM–TCM患者智能体 ＋ 治疗策略智能体
L0–L3 可计算知识与可微规则
神经符号微分对齐与融合推理
SYMBOLIC-ONLY OUTPUT符号系统是基础，也是唯一输出
KNOWLEDGE GEOMETRY核心数学桥梁
测地距离软激活
σ = exp(−dg(x,C)² / τ)规则从 0/1 硬触发转为连续激活；距离越近，适用度越高。符号—神经仲裁
f = λfsym + (1−λ)fnn信任连接
信任符号
λ 不是固定比例。 数据噪声上升时向符号侧回归；数据模式清晰时允许连接系统提供更多精化梯度。
RUNTIME / 单次临床推理
01四诊数据
02证候数字孪生
03九证型积分
04方证匹配
05安全熔断
06符号化建议
07医师决策
03 / CLOSED-LOOP EXAMPLE
一条隐性经验，如何被发现并安全回写
以浆乳“痰湿兼阳虚寒凝”候选亚群为例，说明自进化不是自动改写，而是有证据、有审核、有回滚的知识治理。
EXISTING SYMBOLS
R1–R4
证型判定、方证对应、加减化裁与安全约束构成初始符号底座。
R1 三段积分R2 方证几何R3 加减规则R4 硬约束
1无监督发现VAE + HDBSCAN稳定识别混合亚群 S1
2半监督验证DML估计“亚群 × 附子”效应修饰
3专家审核主任医师 HITL确认临床含义与适用边界
4编译与重训DRE-C + EWC回写 L2/L3，并保护旧知识
EVOLVED SYMBOL
R5
痰湿凝结且见畏寒肢冷或舌淡胖齿痕 → 候选温阳加减规则。
来源、审核、版本全程可追溯
98%
示例旧经验回溯复现率（R1–R4 回测原 50 例，49 例一致）
<0.05
预设遗忘度阈值
0
未经审核的自动入库
以上个案数字来自“高保真实施模拟”，用于说明计算链路，不构成临床结论。