← Archive
lm-002483 · 2026-08

Paper_06_從連續感測到個人動態生理模型：AI 驅動的長期人體狀態建模

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

從連續感測到個人動態生理模型：AI 驅動的長期人體狀態建模

From Continuous Sensing to Personal Dynamic Physiology Models

作者：Neo.K
機構：EveMissLab（一言諾科技有限公司）
系列：資訊優先體內智能與自適應微納系統系列 — Paper 06
版本：Version 1.0 — First Public Edition
日期：2026 年 8 月

摘要

本文提出 Personal Dynamic Physiology Model（PDPM），作為連續生理資料與完整 Human Digital Twin 之間的保守中間層：

Measurement≠State≠Trajectory≠Counterfactual≠DigitalTwin\boxed{ Measurement\neq State\neq Trajectory\neq Counterfactual\neq DigitalTwin }

PDPM 不宣稱複製完整人體，而是持續估計有限醫療問題下的個體狀態及其演化。

1. 部分可觀測

人體真實狀態：

S(t)S(t)

感測值：

Y(t)=H(S(t),D(t))+ϵ(t)Y(t)=H(S(t),D(t))+\epsilon(t)

而通常：

nobserved≪mtrue.n_{observed}\ll m_{true}.

所以需要：

S^(t)=P(S(t)∣Y0:t).\hat S(t)=P(S(t)\mid Y_{0:t}).

2. PDPM 定義

P=(Y,D,B,C,E,S^,T,U)\mathcal P=(Y,D,B,C,E,\hat S,T,U)

分別表示 observation、device reliability、baseline、context、event memory、latent state、transition model 與 uncertainty。

3. 為什麼不直接叫 Digital Twin

完整 digital twin 至少要求 patient specificity、dynamic updating、prediction、validation、uncertainty quantification，若聲稱 intervention 還需要更高 causal evidence。

因此：

PDPM⊆PossibleFutureDigitalTwinArchitecture\boxed{PDPM\subseteq PossibleFutureDigitalTwinArchitecture}

但不等同完整 twin。

4. 七層架構

Observation → Data Reliability → Personal Baseline → Event Memory → Latent State → Trajectory → Clinical Interpretation。

5. 個人基線

B=P(X∣Context)B=P(X\mid Context)

而且：

B=B(t).B=B(t).

需同時保留 short-term 與 long-term baseline，避免慢性惡化被「新正常」吞掉。

6. Model-of-Models

PDPM=M1⊕⋯⊕MkPDPM=\mathcal M_1\oplus\cdots\oplus \mathcal M_k

例如 cardiac、metabolic、sleep、activity，再由 global model 處理跨域耦合。

7. Population Prior + Personal Evidence

P(Si∣Yi)∝P(Yi∣Si)Ppop(Si)P(S_i|Y_i)\propto P(Y_i|S_i)P_{pop}(S_i)

個人資料逐漸增加時，模型越來越 individualized，但人口證據仍不能被單一人的歷史取代。

8. Prediction 與 Counterfactual 分離

P(S(t+τ)∣History)P(S(t+\tau)\mid History)

不同於：

P(S(t+τ)∣do(a)).P(S(t+\tau)\mid do(a)).

能預測不等於能可靠回答「若改治療會怎樣」。

9. 成熟度階梯

P0 Longitudinal Record
P1 Dynamic Baseline
P2 State Estimator
P3 Trajectory Predictor
P4 Conditional Scenario Model
P5 Validated Counterfactual Model
P6 Clinical Digital Twin
P7 Closed-Loop Twin

且：

Pn⇏Pn+1.P_n\nRightarrow P_{n+1}.

10. Observed / Estimated / Predicted

資料必須標明 provenance：

I∈{Observed,Derived,Estimated,Predicted,Counterfactual}.I\in\{Observed,Derived,Estimated,Predicted,Counterfactual\}.

避免把模型推測畫成已測得事實。

結論

醫療真正需要的可能不是「電腦裡另一個完整的我」，而是一個知道自己知道什麼、不知道什麼，並能隨可信證據逐步更新的個人生理模型。