情景推演 · 已脫敏
部署後監測表(已脫敏)
把「盯着模型」變成可執行的行動。每一行回答五個問題:看甚麼,多久看一次,誰負責,甚麼算異常,接下來做甚麼。
這份文件的用途
監測表不是擺設。它存在的意義,是讓持續監督變得可執行。每一行同時回答五個問題:看甚麼,多久看一次,誰負責,甚麼算異常,以及出現異常時會怎樣。一個指標如果沒有複核負責人、觸發閾值和必須採取的行動,就不算受到治理。
這裏的結構和監測邏輯,是我在部署前治理設計中用的那一套,放在我那個面向病人的心血管代謝孿生的領域裏展示,以對應我那篇 Viewpoint 裏邊界明確的心血管代謝用例。我構建的系統還沒有部署,所以這裏的示例是一份示意性的部署後監測計劃,用來演練這套結構,不是來自實際運行系統的數字。其中不含任何保密的項目或病人細節。
固定元數據
| 字段 | 值 |
|---|---|
| 數據來源 | 可穿戴設備和電子健康記錄(EHR)數據流、模型輸出日誌、人工複核記錄 |
| 模型版本 | Cardiometabolic Risk Twin,部署前構建版本(任何試點之前,在驗證時鎖定版本) |
| 審批負責人 | AI 治理負責人 |
| 生效日期 | 尚未生效(部署前) |
| 版本 | v0.2 |
| 最近更新 | 2026 年 7 月 |
| 已知侷限 | 部分性能指標存在標籤延遲;每月複核可能滯後於真實的臨床變化 |
監測表
| 監測對象 | 指標 | 頻率 | 負責人 | 警報閾值 | 觸發後的行動 |
|---|---|---|---|---|---|
| 輸入漂移 | 年齡、病種構成、數據缺失,以及心率、HRV、睡眠、血壓、HbA1c 的分佈 | 每月 | 數據團隊 | 任一關鍵變量出現顯著偏移 | 啓動漂移分析 |
| 輸出漂移 | 每週的高風險軌跡標記數 | 每週 | 治理負責人 | 比基線高出 50% 以上 | 通知臨床負責人複核 |
| 性能漂移 | 心血管風險預測的 AUC、靈敏度、校準 | 每月 | 供應商 + 數據團隊 | AUC 下降 > 0.05,或靈敏度下降超過 15 個百分點 | 提交性能報告 |
| 校準漂移 | 高風險組內觀察到的與預測的心血管事件對比 | 每月 | 病人安全團隊 | 預測為高風險,但觀察到的發生率持續下降 | 重新校準或限制使用 |
| 公平性漂移 | 在女性、老年人,以及低收入或來自中低收入國家(LMIC)的病人中的表現 | 每季度 | 倫理 / 公平委員會 | 任一羣體的漏報率明顯上升 | 亞組審計 |
| 臨床負擔 | 臨床醫生處理標記所花的時間 | 每月 | 臨床科室負責人 | 警報疲勞相關的投訴增多 | 調整閾值或工作流程 |
設計原則
只有每個指標都綁定了負責人、觸發閾值和必須採取的行動,監測才是真監測。這張表回答的是部署之後真正要緊的問題:我們看甚麼,多久看一次,誰負責,甚麼算異常,我們又怎樣處理。這就是一份準確率報告和持續治理之間的區別。
引用資訊
| 字段 | 值 |
|---|---|
| 標題 | Post-deployment Monitoring Table (sanitized) |
| 作者 | Xiaoyan Qian |
| 公開頁面版本 | v0.2 |
| 發佈日期 | 2026-08-03 |
| 固定網址 | https://xiaoyanqian.com/artifacts/monitoring-table/ |
| 許可 | 保留所有權利 |
| 建議引用格式 | Qian, X. (2026). Post-deployment Monitoring Table (sanitized) (v0.2). https://xiaoyanqian.com/artifacts/monitoring-table/ |