定义、对象与功能边界
睡眠行为建议生成引擎,是把经授权的睡眠日记、作息安排、环境、偏好、目标和可选设备数据转化为候选行为建议,并按适用性、安全性和可执行性排序的软件能力,归入 WSIC 4.4.2 智能引擎。典型输出可以是保持较稳定起床时间、预留足够睡眠机会、调整晚间光线或咖啡因时间、改善卧室条件及记录复盘等低风险建议。它与生成完整干预方案的模型、解释疾病风险的引擎、睡眠监测算法和聊天界面有关联,但各自输入、责任和验证范围不能互相替代。
引擎不因使用人工智能或自然语言就自动具备临床能力。面向一般健康的工具不得诊断失眠、睡眠呼吸暂停或精神疾病,不得开具药物、建议停换药,也不能把设备推算的睡眠阶段当成确诊结果。若输出用于疾病筛查、治疗选择、个体化睡眠限制、心理治疗或医护决策,产品可能进入临床决策支持、医疗器械软件或专业服务边界,需要另行确认监管身份、临床证据、人员权限和监督责任。声明“仅供参考”不能抵消实际功能和宣传造成的医疗用途。
输入数据、语义与适用性检查
输入应带有来源、时间、时区、单位、新鲜度、完整度和授权状态,并区分本人陈述、照护者记录、设备估算、临床资料及算法推断。睡眠日记中的上床、尝试入睡、估计入睡、夜醒、最终醒来和离床是不同事件;轮班、跨时区、夏令时、午睡、照护中断和设备未佩戴也需明确表示。可穿戴设备的“深睡”“恢复”或压力分数依赖特定传感器与算法,不能在数据接入时被改写成客观事实。
生成前应检查目标人群、年龄、语言、工作安全、妊娠或照护情境、既往疾病与药物等是否位于批准范围,只收集完成当前目的所必需的信息。缺失、冲突、异常或过期资料要触发澄清、保守输出或停止,而不是由模型静默猜测。用户应能查看并更正关键输入、关闭可选数据源并知道哪些内容真正影响了建议;从日历、位置、购买记录或社交数据推断健康状态,需要独立的必要性、同意和合规依据,不能因技术上可获得就默认使用。
生成流程、内容约束与呈现
稳健流程通常包括适用性门控、紧急或临床线索筛查、证据与规则检索、候选建议生成、冲突和禁忌检查、优先级排序、语言审校及交付记录。每条建议应说明目标、依据类别、适用前提、预计执行负担、可选替代、停止条件和复盘时间,并标明来自规则、模板、统计模型还是生成模型。输出应优先给少量、可选择且与本人目标一致的行动,避免同时改变过多因素,也不应把未执行的任务写成“已完成”。
一般健康建议可以采用经维护的规则库和公共卫生资料,但慢性失眠不能只用睡眠卫生清单处理。刺激控制、睡眠窗口调整和认知重构属于结构化失眠干预内容;尤其是缩短卧床时间,可能增加早期嗜睡并影响驾驶、高风险工作、癫痫或情绪稳定,不能由通用引擎无监督下发固定方案。生成式文本必须经过术语、剂量式表述、药物内容、危机话术和虚构依据检查;没有可靠答案时应明确不确定、询问必要信息或转向人工,而不是用流畅语气补齐事实。
安全门控、升级与人类监督
引擎应把“给出建议”和“识别不能继续自动建议的情况”视为同等重要。严重日间嗜睡或困倦驾驶、目击呼吸暂停或喘醒、自伤或自杀想法、急性精神状态改变、疑似躁狂、严重呼吸困难、胸痛、昏厥,以及症状持续恶化等线索,应触发与紧迫程度相符的人工、临床或紧急路径。系统不能在危机对话后继续推销订阅、以呼吸练习代替急救,也不能假装已经联系医护人员;所在地不明或转诊目录过期时要明确限制。
人类监督必须拥有实际行动能力,而不是只在界面放置“人工审核”字样。高影响输出要定义谁审核、在何时审核、能看到哪些依据、如何修改或拒绝、超时如何降级以及责任如何记录。用户应能跳过、申诉和报告不当建议;专业人员要能独立查看输入、证据版本、模型置信与已知限制,而非只接受一个结论。自动化程度应随伤害严重度提高而降低;模型、规则服务或设备接口故障时,系统应进入安全模式,停止个体化并提供经过批准的有限信息和求助路径。
验证、偏差与人机表现
验证从明确预期用途、目标人群、输出类型和不可接受伤害开始,不能只报告语言相似度或用户点赞。离线测试应使用与开发数据隔离、代表真实场景的样本,覆盖正常作息、轮班、照护者、跨时区、不同语言与健康素养、残障、数据缺失和设备错误。评价可包括建议与审核基准的一致性、危险建议率、必要升级召回率、误拦截、依据可追溯率、重复运行稳定性、冲突处理、阅读理解和完成负担,并按重要人群分层报告而不是只看总体平均。
上线前还应进行红队、越权指令、提示注入、错误单位、极端值、数据污染、对抗输入、第三方模型不可用和多轮上下文漂移测试。训练与验证集要防止同一用户、家庭、设备或模板泄漏,人工标注需有清晰规范、复核和分歧处理。最终应验证人机团队:用户是否误把建议当诊断,专业人员是否出现自动化偏见,解释是否真正支持复核。某一人群效果较差时,应限制适用范围、调整流程或撤回,而不能用免责声明把偏差转嫁给用户。
部署、隐私、安全与变更治理
生产系统要固定并记录规则、知识库、提示、模型、设备接口和安全策略版本,使每次输出可重建。健康、位置、工作班次和心理状态属于高度敏感信息,应实行目的限定、最少收集、分级访问、加密、审计、保留期限和可验证删除;训练、产品改进、研究、广告和向雇主或保险方共享是不同目的,需要分别评估。敏感原文不应无控制地发送给外部模型服务,日志也不能因“调试”而无限保留。
变更治理应区分文案修正、规则更新、数据源变化、模型升级和预期用途扩张,并为每类变更规定测试、审批、发布、监测和回滚。未经评估的在线自学习不能直接改变面向用户的健康建议。团队要维护软件物料清单、供应商和模型依赖、漏洞响应、访问密钥、备份恢复和停服方案;监测漂移、越界输出、升级失败、投诉和安全事件,并按严重度暂停功能、通知受影响者及履行适用报告义务。删除账户、撤回同意和服务终止后,仍应按事先说明处理法定留存与安全审计记录。
质量评价、采购与合规证据
质量评价应连接过程、安全和真实结果:输入是否可更正,建议是否适用且可理解,是否完成必要升级,行为是否被合理采纳,睡眠困扰和日间功能是否按预设时间点变化,以及是否发生嗜睡、焦虑、延误就医、过度监测或经济负担。打开率、连续签到、建议数量和单次可穿戴分数不等于健康获益;效果研究要保留对照、失访、同期干预、版本和人群,并使宣称严格对应被验证的成品及使用情境。
采购方应审查预期用途、监管判断、证据矩阵、数据来源和授权、分群表现、安全案例、临床与用户参与、人工监督、网络安全、第三方依赖、更新政策、审计导出和退出安排。通用 AI 管理框架、信息安全认证或实验室报告可支持治理,但不证明该引擎能安全改善睡眠。机构应遵守目标市场关于医疗软件、AI、心理服务、健康数据、消费者保护、无障碍和广告的规则。WSIC 编码只用于产业分类,不构成医疗许可、算法认证或效果保证。