SYS.INIT // 天津中医药大学 · 大创项目
智守晚晴 · 风险未然
融合中医“治未病”理念与AI大模型技术
基于风险状态演化建模的社区老年健康动态预防与自动执行框架
Scroll to explore
背景与痛点
Background & Challenges
传统社区医疗多为“发病后治疗”
缺乏对突发疾病的提前预警能力
老年人日常体征、行为数据与医院诊疗数据割裂，难以形成连续的健康演化轨迹。现有智能养老系统多基于西医指标，缺乏中医“治未病”理念及体质辨识的深度融合，干预手段单一。
被动响应滞后
黄金救援期往往在等待中流失，导致不可逆的健康损害。
数据孤岛严重
数据碎片化导致慢性病管理效果不佳，医生无法获取全貌。
SYSTEM.STATUS
WARNING_DETECTED
Data_Silo_Level
85%
Response_Latency
92%
TCM_Integration
15%
核心研究内容
Research & Innovation
01
多源异构健康数据融合
采集智能穿戴体征（心率、血氧、睡眠）、居家环境数据，并结合中医问诊量表（体质辨识），构建多模态健康知识图谱。解决中西医数据维度不一、结构各异的融合难题。
多模态融合
中医体质辨识
02
ST-GNN 风险演化建模
利用时空图神经网络，分析健康指标在时间维度（历史趋势）和空间维度（器官关联）的演化规律，精准预测突发风险（如心梗、跌倒）。
ST-GNN
时空序列预测
03
强化学习动态预防机制
构建DRL策略引擎，将健康状态作为State，干预手段作为Action。根据老年人健康状态的实时反馈，动态优化用药提醒、饮食建议、中医功法等干预方案。
深度强化学习
个性化干预
04
物联网自动执行与联邦隐私
打通社区HIS系统与智能家居设备，实现预警工单自动派发；采用联邦学习确保敏感医疗数据不出社区，实现模型安全协同训练。
联邦学习
AIoT闭环
四层系统架构
System Architecture
感知层
全面采集多模态健康数据
智能穿戴设备 (ECG/PPG)
中医四诊仪 (舌象/脉象)
毫米波雷达 (跌倒检测)
网络层
高可靠低延迟数据传输
5G/NB-IoT 广域网
MQTT 轻量级协议
边缘计算网关 (Edge)
认知层
核心AI算法与模型推理
ST-GNN 风险演化大模型
多模态健康知识图谱
DRL 策略生成器
执行层
全自动闭环干预与反馈
社区急救工单派发
智能家电自适应联动
家属APP实时预警
指导团队
Advisors & Instructors
王梦阳
讲师 / 技术指导
提供项目整体架构指导与技术路线把控，在医疗信息工程领域具有丰富的研究经验。
赵铁牛
教授 / 医学指导
提供中医“治未病”理论指导与临床数据分析支持，深化项目的中医药交叉学科特色。