强世界模型与弱世界模型
基于世界建模能力对生物医学AI系统进行分级分类的框架。从L0模式匹配到L4反事实推理，理解不同系统的能力边界。
什么是世界模型
世界模型（World Model）是指AI系统能够构建、维护和运用对真实世界的内部表征，并基于此进行推理和预测的能力。
在生物医学领域，世界模型的核心问题是：
给定一个生物学系统的当前状态和一个可能的干预，系统能否推理出干预后的状态变化？
不同的生物医学AI系统在这方面的能力差异很大。本文提出一个分级框架来评估这些能力。
这是DeepoMe提出的一个概念框架，用于理解生物医学AI系统的世界建模能力。
能力分级定义
L0：模式匹配（Pattern Matching）
定义：仅基于统计关联进行分类或预测，不具备对系统状态的结构化理解。
特征：
- 输入-输出的统计映射
- 无因果推理能力
- 无法泛化到训练分布之外的场景
典型代表：
- 传统机器学习诊断模型
- 基于规则的决策支持系统
- 早期的医学影像分类器
局限：当输入偏离训练分布时，输出不可靠。无法解释"为什么"得出某个结论。
L1：状态表征（State Representation）
定义：能够构建当前系统状态的结构化表征，对应CP1。
特征：
- 可以表示系统的多维状态
- 表征是结构化的、可解释的
- 支持后续的推理操作
典型代表：
- 多组学数据整合平台
- 基于DNA甲基化的状态表征系统
- 数字病理学中的组织状态建模
局限：能"看清状态"，但不能推理"干预后会怎样"。
L2：因果推理（Causal Reasoning）
定义：能够识别和推理变量之间的因果关系，对应CP2。
特征：
- 可以区分相关性和因果性
- 能够构建因果图或因果模型
- 支持因果干预分析
典型代表：
- 基因调控网络推断工具
- 因果发现平台
- 孟德尔随机化分析系统
局限：能"发现因果"，但不能预测"如果执行特定干预，系统会如何响应"。
L3：干预响应（Intervention Response）
定义：能够预测特定干预对系统状态的影响，对应CP3。
特征：
- 可以形式化干预-状态响应关系
- 能够预测干预后的状态变化
- 支持多种干预类型的统一推理
典型代表：
- 药物反应预测系统
- 虚拟细胞中的扰动模拟
- 基于SEMO的干预方案推演
这是强世界模型的起点：系统不再只是观察和分析，而是可以预测行动的后果。
L4：反事实推理（Counterfactual Reasoning）
定义：能够推理"如果选择不同的干预，结果会怎样不同"，对应CP4。
特征：
- 支持"what-if"情景推演
- 可以比较不同干预方案的效果差异
- 基于因果模型而非简单插值
典型代表：
- SteeraMed的CP4反事实状态转移
- 高级数字孪生的情景模拟
- 临床试验模拟平台
这是世界模型的高级能力：系统可以在不实际执行干预的情况下，推理不同选择的后果。
分级总览
| 等级 | 名称 | 对应CP | 核心能力 | 代表系统 |
|---|---|---|---|---|
| L0 | 模式匹配 | 无 | 统计关联分类 | 传统ML诊断模型 |
| L1 | 状态表征 | CP1 | 结构化系统状态表示 | 多组学整合平台 |
| L2 | 因果推理 | CP2 | 因果关系识别 | 因果发现工具 |
| L3 | 干预响应 | CP3 | 干预后果预测 | SteeraMed CP3 |
| L4 | 反事实推理 | CP4 | what-if情景推演 | SteeraMed CP4 |
强世界模型 vs 弱世界模型
定义
强世界模型：具备L3及以上能力的系统——可以预测干预后果，甚至进行反事实推理。
弱世界模型：仅具备L0-L2能力的系统——可以观察和分析，但不能预测行动后果。
关键区别
| 维度 | 弱世界模型（L0-L2） | 强世界模型（L3+） |
|---|---|---|
| 核心问题 | "这是什么？" / "为什么？" | "如果这样做会怎样？" |
| 推理方向 | 观察 → 分析 | 干预 → 预测 |
| 是否可驾驭 | 不可驾驭（缺乏干预推理） | 可驾驭（CP3+约束嵌入） |
| 安全架构 | 只能外部护栏 | 可以内在约束（CP3-CP5） |
| 个体化能力 | 群体统计或有限个体化 | 真正的N-of-1推理 |
| 实际应用 | 辅助诊断、因果发现 | 干预方案设计、药物重定位 |
现有系统的分级映射
以下分级基于公开信息评估，仅代表概念框架下的分类，不构成对任何系统的权威评价。
| 系统 | 估计等级 | 说明 |
|---|---|---|
| 传统医学影像AI | L0 | 基于CNN的分类，无因果推理 |
| AlphaFold2 | L0-L1 | 结构预测精度高，但不具备因果或干预推理 |
| 基因调控网络推断工具 | L2 | 可以发现因果关系，但不能预测干预 |
| 因果发现平台 | L2 | 基于Pearl因果框架，但到干预的路径不完整 |
| 数字孪生（基础） | L1-L2 | 个体化状态表征，部分因果推理 |
| 数字孪生（高级） | L2-L3 | 可以模拟部分干预效果 |
| 虚拟细胞 | L1-L2 | 分子层面仿真，但干预推理能力有限 |
| MedOS | L2-L3 | 具身智能路线，部分干预闭环 |
| SteeraMed | L3→L4 | CP3干预响应 + CP4反事实推理 |
为什么L3是分水岭
L3（干预响应）之所以是强/弱世界模型的分水岭，是因为：
1. 从观察到行动的跨越
L0-L2的系统本质上是在"观察和分析"——它们可以告诉你"系统处于什么状态"或"为什么如此"，但无法告诉你"如果采取行动会怎样"。
L3及以上的系统进入了"行动"的领域——它们可以预测干预后果，这是实际决策的基础。
2. 可驾驭性的基础
没有L3能力，可驾驭性就无从谈起。可驾驭性需要系统对干预方向敏感——这要求系统至少能预测干预的后果。
3. 安全架构的转折点
L3及以上能力的系统可以内置CP3-CP5约束检查点，实现内在的安全架构。L0-L2的系统只能依赖外部护栏，因为它们没有"干预推理"这一步可以约束。
SteeraMed在分级中的位置
SteeraMed的目标是达到L3→L4级别：
- CP3（干预响应语义）对应L3——可以预测干预后果
- CP4（反事实状态转移）对应L4——可以比较不同干预方案
- CP5（质量控制反馈）确保推理的可靠性
SteeraMed不声称已经完全实现了L4能力，而是提供一个清晰的路线图：
L3（已实现）→ L4（发展中）→ 更完善的世界建模能力
分级框架的意义
这个分级框架的目的是：
- 统一语言：为行业讨论生物医学AI能力提供一个共同的参考框架
- 识别差距：帮助评估现有系统距离实际应用还缺少什么能力
- 指导发展：明确从弱到强的发展路径和里程碑
- 安全意识：不同级别的系统需要不同的安全架构
这个分级框架由DeepoMe提出，是一个概念性的分析工具。随着领域发展，具体定义可能需要调整。