面向临床 AI 系统的本体感知设计模式：将再现实论翻译为软件架构

临床 AI 系统在训练时，常常基于因文档工作流程、计费激励和术语碎片化导致结构被扭曲的健康数据。已有研究对这种扭曲的机制进行了表征：文档化实施的三力模型、通过哪些 AI 可能放大编码人工物的再现反馈回路，以及导致语义漂移累积的术语治理失效。然而，将这些洞见转化为可实现的软件架构仍是一个开放问题。本文提出了七个面向本体的设计模式，取代“ Gang of Four”模式语言中的经典模式，用于构建抗本体扭曲的临床 AI 数据管道。这些模式分别解决数据摄取验证（本体检验点）、低频信号保持（静默感知管道）、持续漂移监控（漂移哨兵）、平行表示维护（双本体层）、反馈回路中断（再现电路断路器）、术语演化管理（术语版本门）以及可插拔的监管合规（监管合规适配器）。每种模式均包含问题、力量、解决方案、后果、已知用例和相关模式。我们在初级护理 AI 系统的参考架构中说明这些模式的组合，并提供一个走遍所有七个模式的糖尿病风险预测情景。本文不报告实证验证；它提供了一个基于理论分析、适用于生产系统中未来评估的设计词汇。其中三种模式在现有系统中已有部分先例，其余四种模式尚未被正式描述。局限性包括缺乏运行时基准测试以及仅限于德国和欧盟监管背景的限制。