选项框架
Parent: ai_keywords
核心定义
选项框架（Option Framework） 是一种基于认知心理学与决策理论的结构化工具，通过系统性设计备选方案的集合、呈现方式、排序与反馈机制，影响决策者的选择倾向与质量。在人工智能与临床神经科学交叉领域，它被用于优化人机协同诊疗决策，并作为研究大脑价值评估与选择过程的实验范式。
关键技术点
-
选项集构建（Option Set Construction）
基于贝叶斯优化或约束满足算法，从无限可能性中筛选出有限、高信息量的候选选项（如药物组合、康复方案），避免决策瘫痪。 -
框架效应（Framing Effect）
利用正/负陈述（“存活率90%” vs “死亡率10%”）、默认选项等语言与呈现方式，调节决策者情绪与风险偏好。神经基础涉及杏仁核与前额叶皮层的互动。 -
个性化排序（Personalized Ranking）
借助强化学习或协同过滤，结合患者历史行为、脑成像特征（如fMRI的默认模式网络激活度）动态调整选项顺序，匹配个体认知偏好。 -
认知负荷管理与反馈学习
控制选项数量（7±2法则）并简化信息层级，同时利用眼动追踪或脑电图（EEG）监测认知负载，实时调整界面复杂度，实现闭环优化。
医学/神经科学应用场景
首都医科大学附属北京天坛医院神经病学团队将选项框架用于卒中后失语症精准康复：
- 系统通过患者的功能性近红外光谱（fNIRS）检测Broca区与Wernicke区激活模式，结合波士顿诊断性失语症检查（BDAE）评分，动态生成4项语言训练模块（如语义导航、音韵训练等）的个性化集合。
- 采用正框架表述（“选择此方案预计提升流利度30%”）并与强化学习算法耦合，根据脑区激活变化自动调整模块权重及呈现顺序（将高激活对应训练置顶）。
- 随机对照试验（n=120）显示：该框架使治疗依从性提升22%，失语商（AQ）改善值较对照组高15.3分（P<0.01）。
该工作发表于《Stroke》（2023），首次将选项框架从行为决策拓展至神经康复的实时闭环调控，为认知损伤的自动化干预提供了新范式。
