《Systems》:From Living Systems to Precision Health: The Allostatic Viability Principle as a Framework for Responsible Health Systems
编辑推荐:
精准健康常被呈现为测量、预测与个性化的扩展:更多生物标志物、更多组学层、更多数字轨迹与更多人工智能。然而数据密度本身并不产生方向、责任或更佳照护。本视角文章引入稳态应变生存力原则(Allostatic Viability Principle, AVP)作为负责
精准健康常被呈现为测量、预测与个性化的扩展:更多生物标志物、更多组学层、更多数字轨迹与更多人工智能。然而数据密度本身并不产生方向、责任或更佳照护。本视角文章引入稳态应变生存力原则(Allostatic Viability Principle, AVP)作为负责任精准健康的系统框架。借鉴稳态应变(allostasis)的生物学逻辑与生存力(viability)的系统概念,AVP主张健康系统之负责任不在于冻结静态参数,而在于保持其受调节开放性、反馈敏感调整与可问责校正的能力。该框架通过四项相互依存的系统功能得以操作化:边界(boundary)、交换(exchange)、反馈(feedback)与可校正性(correctability)。其进一步区分基于群体的生物标志物规范与个体轨迹及患者定义的健康目标。生物学类比仅作概念透镜:不提供制度设计蓝图,而助于识别精准健康系统何时保持响应、何时变得封闭、嘈杂或不可校正。本视角整合系统理论、表观遗传与微生物组调控、精准营养、稳态负荷(allostatic load)、健康生成论(salutogenesis)、进化发育生物学(Evo-Devo)、数字健康与人工智能治理。文章论证:仅当生物标志物、AI输出与患者报告结局嵌入可校正、目标协调与制度可问责的学习系统时,精准健康才成为负责任的精准健康。
研究背景方面,精准健康承袭精准医学与P4医学(预测、预防、个性化、参与)承诺,将照护从前置治疗转向早期识别与个体化预防。但“精确”不等于“负责任”:健康系统可产出海量数据却在反馈转化学习上贫弱,生物标志物揭示风险却未改变路径,AI提升预测却放大偏倚,绩效指标增殖而临床者与患者意义感、信任与判断空间萎缩。复杂科学早已警示医疗是复杂适应系统而非线性机器。研究人员由此提出系统性质问:何种秩序使精准健康负责任而非仅数据密集?为此引入稳态应变生存力原则(AVP)作为开放秩序框架,经边界、交换、反馈、可校正性四功能操作化,并将可校正性立为区别于反馈、学习、适应的独立系统概念——它指系统将反馈转化为对决策、模型、阈值与边界的可问责修订之能力。
作者开展的是概念性视角研究(conceptual Perspective),未报告新实证数据,跨系统理论、系统医学、表观遗传、微生物组、精准营养、allostasis、salutogenesis、Evo-Devo与负责任AI文献进行目的性框架综合。主体论证依次展开:
第1节引言界定责任为临床有意义、伦理可辩、社会公平与制度可问责;提出AVP四功能并借Box 1区分反馈(信号)、学习(解释)、适应(响应)、可校正性(可问责修订)。
第3节从生物调节到健康系统可校正性,论明健康系统是含生物体、数字基建、专业、监管、市场与公共价值的混合系统;患者中心与共同决策非附加项而是系统架构一部分;测量、临床判断与患者目标须入同一反馈环。
第4节正式给出AVP:融组织控制论之viability与allostasis(通过适应性变化达稳定),四组件互赖——边界护完整且选择性通透(隐私、知情同意、专业标准);交换为跨边界选择性移动(互操作、医患沟通、组学转临床);反馈连行动与后果(结局、不良事件、PROMs、纵向生物标志物);可校正性将反馈变可问责变更(再校准、指南修订、申诉路径)。四者非线性序列,缺一不可,Figure 1示开放秩序环。
第5节多层秩序:从细胞到健康系统,强调分子信号须经机体调节、个人意义、患者目标、制度问责四级翻译;群体参考区间(population-based reference intervals)须与个体轨迹、个体基线、参考变化值(reference-change values)并用,防还原论。
第6节表观遗传、微生物组与系统健康:以DNA甲基化钟与miRNA钟为例(Box 2),动态生物标志物是反馈信号非命令;饮食-肠菌-表观遗传轴示多层级可塑调节;精准营养因餐后血糖反应个体间差异而成核心预防路径非附加项。
第7节allostasis、进化与Evo-Devo:allostatic load为适应性反应慢性化之损耗;salutogenesis之意义感(sense of coherence)链调节至患者资源与目标;可校正性是制度层面对allostatic调节之等价物;Evo-Devo启示健康系统常需重连既有数据流之调节开关而非堆砌新AI科组。
第8节数字精准健康与算法失聪(algorithmic deafness):指系统连续产数据驱动输出却无临床否决、患者申诉、错误报告与模型修订机制,听数据集而不听患者;开放秩序框架将AI评估转为边界/交换/反馈/可校正性准则。
第9节操作化:Table 1给AVP维度—健康系统等价—封闭病态—指标—校正机制矩阵;五步协议(Box 3)定用例边界、绘行动者与患者目标、选指标与所有者、设审查触发与权威、重评后果;Box 4以多组学代谢健康对照“技术官僚封闭”与“开放秩序路径”。
第10节负责任健康系统即开放秩序:可认错、披露、学错、纠错方得信任;公平为系统属性非后置项;可校正性亦伦理制度性,拒将个性化为个体责任化(individualized responsibilization)。
第11节讨论:AVP以可校正性为生物调节至制度设计之操作桥;生物类比有限度,健康系统含价值权力法律语言非细胞所有;可校正性若过频亦损稳定,须在稳定可修订边界内纪律性适应修订,呼应homeostasis、allostasis与Waddington式渠化(canalization)。
结论部分译文:精准健康至少沿两轨迹发展。其一技术官僚轨迹扩展测量预测优化而责任碎片化。其二负责任系统轨迹视数据为学习架构一部分,生物标志物、AI、PROMs与真实世界证据仅当其改善解释、支临床判断、尊患者价值、显非预期后果并触发校正时方有价值。群体规范重要但不等于此人规范。AVP示:精准健康之判据非其能测多少,乃其能多好保持对可问责校正之开放。成熟精准健康谓预测能与患者共释、经真实世界后果检验、不合人/证据/路径即修订;无可校正性,精准健康恐精确而不负责任。
该研究发表于《Systems》,意义在补系统思维常停留反馈层之缺口,立可校正性为反馈—制度学习间缺失桥,为系统研究者、信息学者、临床者与决策者提供判准:系统优否不在数据流存否而在校正路径存否。
关键技术方法上,研究人员采用概念性视角综合法,跨系统理论、系统医学、表观遗传、微生物组、精准营养、allostasis、salutogenesis、Evo-Devo及AI治理文献做目的性框架选取,无新实证队列;借组织控制论viability与生物学allostasis构建AVP四功能模型;以Box/Figure/Table形式操作化为五步协议与指标—校正矩阵;引入“算法失聪”诊标与Goodhart式指标异化风险,全程无实验样本与组学队列来源。