AI在老年医疗中的伦理适配策略

AI在老年医疗中的伦理适配策略演讲人老年医疗的特殊需求：伦理适配的基石01老年医疗AI伦理挑战的核心维度02AI在老年医疗中的应用场景与伦理萌芽03AI在老年医疗中的伦理适配策略构建04目录AI在老年医疗中的伦理适配策略引言：老龄化浪潮与AI医疗的伦理命题作为一名深耕医疗科技伦理领域十余年的实践者，我曾在社区医院目睹过令人揪心的场景：一位患有阿尔茨海默症的老奶奶，面对智能健康手环频繁的震动提醒，眼神中满是困惑与不安；也曾见过基层医生因AI辅助诊断系统与临床经验冲突而陷入两难——这些片段折射出老年医疗的特殊性与复杂性。当前，我国60岁及以上人口已达2.97亿（第七次全国人口普查数据），占总人口的21.1%，老龄化程度持续加深。老年群体因生理机能衰退、多病共存、心理脆弱等特点，对医疗服务的需求呈现“多元化、个性化、长期化”特征，而传统医疗模式面临资源不足、效率低下、人文关怀缺失等困境。人工智能（AI）技术的崛起，为破解老年医疗难题提供了新路径：从早期筛查、精准诊断到慢病管理、康复辅助，AI正逐步渗透到老年医疗的全链条。然而，技术是一把“双刃剑”——当冰冷的算法遇上需要情感慰藉的老年群体，当数据驱动撞上个体差异的复杂性，AI在老年医疗中的应用绝非简单的技术移植，而是需要一场深刻的“伦理适配”。所谓“伦理适配”，并非限制技术发展，而是以老年人为核心，通过伦理规范与技术设计的深度融合，确保AI在提升医疗效能的同时，始终坚守“以人为本”的伦理底色。本文将从老年医疗的特殊需求出发，剖析AI应用中的伦理挑战，并构建系统化的伦理适配策略，为AI与老年医疗的良性融合提供实践指引。01老年医疗的特殊需求：伦理适配的基石老年医疗的特殊需求：伦理适配的基石老年医疗的本质不是单纯治疗疾病，而是维护老年人的生活尊严与生命质量。与中青年群体相比，老年医疗的需求具有鲜明的特殊性，这些特殊性构成了伦理适配的逻辑起点。若脱离这一根基，AI技术应用便可能偏离老年群体的真实需求，甚至引发伦理风险。1生理层面的脆弱性与复杂性：安全与效用的双重诉求老年群体的生理特征呈现“多病共存、功能退化、个体差异显著”三大特点。据统计，我国70%以上的老年人患有至少一种慢性病，高血压、糖尿病、心脑血管疾病等常合并出现，且药物相互作用风险高；同时，老年人感官功能（视力、听力）、认知能力（记忆力、判断力）、运动能力（平衡性、肌力）的衰退，使得他们对医疗干预的“敏感性”与“脆弱性”远超其他群体。例如，同一剂量的降压药在老年人体内可能因代谢减慢而引发低血压，AI辅助用药决策若仅基于标准数据模型，忽视个体代谢差异，便可能导致严重不良反应。这种复杂性对AI医疗提出了“安全优先”的伦理要求：一方面，AI算法需具备处理“多病共存”“多药共用”等复杂场景的能力，通过整合基因组学、代谢组学等多维数据，构建个体化风险评估模型；另一方面，技术设计需预留“容错空间”，如设置用药剂量上限提醒、异常生命体征自动预警机制，避免因算法“绝对化”导致医疗风险。1生理层面的脆弱性与复杂性：安全与效用的双重诉求此外，老年人对医疗操作的“耐受性”较低，AI设备（如智能采血机器人、康复外骨骼）需在精准性与舒适性间寻求平衡，例如通过柔性材料设计减少侵入性操作的不适感，通过语音交互降低操作门槛。1.2心理层面的情感需求：从“疾病治疗”到“人文关怀”的跨越老年心理健康的核心诉求是“被尊重、被理解、被关爱”。随着年龄增长，老年人易面临孤独感、无用感、对死亡的焦虑等心理问题，而传统医疗体系往往侧重“生物医学模式”，忽视心理需求的满足。我曾接触过一位独居的脑卒中后遗症老人，AI康复系统每天严格记录他的训练数据，却从未问过他“今天心情如何”“训练中是否有委屈”。这种“重数据轻情感”的模式，虽提升了康复效率，却加剧了老人的心理疏离感。1生理层面的脆弱性与复杂性：安全与效用的双重诉求AI在老年医疗中的应用，必须超越“工具理性”的局限，融入“人文关怀”的伦理维度。具体而言，需关注三个层面：一是“情感陪伴”，如陪伴机器人可通过自然语言处理技术识别老人的情绪状态（如通过语音语调判断沮丧、焦虑），并主动切换对话模式（如播放怀旧音乐、分享生活趣事）；二是“尊严维护”，在设计AI交互界面时，避免使用“指令式”语言（如“必须按时服药”），改用“共情式”表达（如“今天的药已经准备好，我陪您一起吃好吗？”），尊重老年人的自主意愿；三是“价值认同”，通过AI技术帮助老人参与社会活动（如线上老年大学、兴趣社群），重建社会连接，缓解“被边缘化”的焦虑。1生理层面的脆弱性与复杂性：安全与效用的双重诉求1.3社会层面的支持系统：从“个体医疗”到“生态协同”的延伸老年医疗不是孤立存在的，而是嵌入家庭、社区、社会的复杂系统。当前，我国“421”家庭结构普遍，子女照护压力大；社区医疗资源分布不均，优质服务难以下沉；老年人“数字鸿沟”问题突出，仅23%的老年人能熟练使用智能手机（中国互联网络信息中心数据）。这些社会结构性问题，使得老年医疗的“可及性”与“公平性”面临严峻挑战。AI技术的应用需以“系统思维”构建老年医疗支持生态：一是“家庭协同”，通过AI家庭医生系统实现数据共享（如子女可实时查看父母健康数据，但需经老人授权），并提供照护指导（如推送“老人跌倒应急处理”教程）；二是“社区赋能”，利用AI搭建“社区医疗-养老-服务”一体化平台，整合社区卫生服务中心、养老机构、志愿者资源，为老年人提供上门问诊、健康监测、生活照料等“一站式”服务；三是“数字包容”，1生理层面的脆弱性与复杂性：安全与效用的双重诉求开发“适老化”AI终端（如带有语音播报、大字体的健康手环），在社区设立“AI助老服务站”，培训老年人使用智能设备，缩小数字鸿沟。唯有将AI技术嵌入社会支持系统，才能真正实现“老有所医”的目标。02AI在老年医疗中的应用场景与伦理萌芽AI在老年医疗中的应用场景与伦理萌芽AI技术在老年医疗中的应用已从理论走向实践，覆盖预防、诊断、治疗、康复、照护等全流程。然而，随着应用场景的深入，一系列伦理问题也随之“萌芽”——这些问题并非技术本身的缺陷，而是技术逻辑与老年医疗伦理需求未充分适配的结果。1早期筛查与诊断：效率与公平的博弈AI在老年疾病筛查与诊断中的优势显著：通过深度学习分析医学影像（如CT、MRI），可早期发现阿尔茨海默症的细微脑结构变化，准确率较传统方法提升15%-20%；利用自然语言处理技术，通过分析老年人日常对话中的语义连贯性、语速变化，可实现认知障碍的早期预警。然而，这一场景的伦理挑战主要集中在“数据公平性”与“诊断责任”上。数据公平性的隐忧在于：现有AI诊断模型的训练数据多来自三甲医院和经济发达地区，覆盖的老年人群体以“高文化水平、高经济地位”为主，而农村、低收入、低教育水平的老年人数据严重缺失。这导致算法对“弱势老年群体”的识别能力不足——例如，某AI认知障碍筛查模型对城市老年人的准确率达90%，但对农村老年人的准确率仅65%，原因是农村老年人因语言习惯、文化背景差异，在回答测试问题时表现出与训练数据不同的模式。这种“算法偏见”可能加剧医疗资源分配的不公平，使本就处于弱势的老年人错失早期干预机会。1早期筛查与诊断：效率与公平的博弈诊断责任的模糊性则体现在：当AI辅助诊断系统提示“可能患有阿尔茨海默症”，但医生基于临床经验判断为“轻度认知障碍”时，最终决策权应归属谁？若采纳AI建议导致过度诊断，引发老人及家属的不必要焦虑，责任应由开发者、医院还是医生承担？当前，我国尚无明确的法律界定，这种“责任真空”可能阻碍AI技术在老年诊断中的推广应用。2慢病管理与康复：自主性与依赖性的平衡老年慢病管理是AI应用的重点领域，如智能药盒可定时提醒服药、监测用药依从性；可穿戴设备实时采集血压、血糖数据，并通过AI算法预警异常；康复机器人辅助肢体功能训练，通过力反馈技术调整训练强度。这些技术显著提升了慢病管理效率，但也带来了“自主性侵蚀”与“技术依赖”的伦理风险。自主性侵蚀表现为：AI系统在慢病管理中常采用“标准化”逻辑，如要求糖尿病患者严格遵循“饮食-运动-用药”的固定方案，却忽视老年人的个体差异（如一位患有胃病的糖尿病老人无法耐受低纤维饮食）。当老年人因身体原因无法遵守AI建议时，系统可能通过频繁提醒、弹出警告等方式施加压力，使老人产生“自我否定”的心理。我曾见过一位患有高血压的老先生，因智能手环反复提示“今日运动量不足”，强行出门散步导致晕厥，这便是“算法霸权”对老年人自主意志的压制。2慢病管理与康复：自主性与依赖性的平衡技术依赖则体现在：长期使用AI辅助工具可能导致老年人自身健康管理能力退化。例如，智能药盒提醒用药后，老人可能不再主动记忆服药时间；康复机器人辅助训练后，老人可能因害怕“机器人不在”而减少自主锻炼。这种“能力退化”与AI“提升生活质量”的初衷背道而驰，其本质是技术设计忽视了“赋能”与“替代”的边界——AI应成为老年人自主管理的“助手”，而非“拐杖”。3照护辅助与情感陪伴：温度与技术的冲突随着空巢老人增多，AI照护机器人、智能家居系统成为老年照护的重要补充。例如，陪伴机器人可通过语音交互与老人聊天、播放戏曲；智能家居可自动调节室内温度、检测跌倒并报警；情感AI通过分析老人的面部表情、语音语调，提供情绪疏导。这些技术在一定程度上缓解了老年人的孤独感，但“技术冰冷感”与“情感替代”的争议也随之而来。技术冰冷感源于AI交互的“程序化”。我曾参与过某养老院的AI陪伴机器人试用，老人初期因新奇愿意交流，但很快发现机器人只会重复预设的10个话题（如“今天天气真好”“您吃了吗”），无法理解老人的个性化需求（如老人提到“想去世的老伴”，机器人却回应“我给您唱首歌吧”）。这种“无效陪伴”不仅无法缓解孤独，反而可能让老人感到“被敷衍”，甚至加剧情感疏离。3照护辅助与情感陪伴：温度与技术的冲突情感替代的隐忧则在于：过度依赖AI照护可能导致老年人社会交往能力退化。例如，若老人习惯与机器人聊天，可能减少与邻居、社区志愿者的互动，导致社会支持网络萎缩。此外，AI陪伴机器人虽能模拟情感，但无法替代人类照护者的“共情能力”——当老人因疾病痛苦而哭泣时，机器人的“安慰”仅是程序化的语音回应，而人类照护者的一个拥抱、一句“我懂您”，却能给予真实的精神慰藉。03老年医疗AI伦理挑战的核心维度老年医疗AI伦理挑战的核心维度通过对AI应用场景的分析，老年医疗中的伦理挑战已逐渐清晰。这些挑战并非孤立存在，而是相互交织，共同构成了一个复杂的伦理网络。唯有厘清这些核心维度，才能为伦理适配策略提供靶向指引。1隐私与数据安全：老年人的“数字弱势”与权益保护老年人在数据隐私保护中处于“双重弱势”地位：一方面，老年人对数据隐私的认知较弱，容易在不完全知情的情况下授权数据使用（如随意点击APP同意协议）；另一方面，老年人的健康数据（病历、基因信息、生活习惯）具有较高的敏感性，一旦泄露，可能被用于歧视（如保险公司拒保）、诈骗（如冒用健康数据推销虚假保健品）或商业牟利（如精准推送高价药品）。AI技术在老年医疗中的数据应用，进一步放大了这些风险。例如，通过可穿戴设备采集的老年人睡眠数据、运动轨迹，可能被分析出其生活习惯、健康状况，甚至推断出家庭住址（如经常在凌晨某小区活动，可能独居）；AI康复系统通过视频监控分析老人动作，可能涉及人脸识别、肢体姿态等生物特征数据，若存储服务器被攻击，将导致大规模隐私泄露。此外，部分AI企业为追求商业利益，未经老人明确同意，将其健康数据用于算法训练或共享给第三方，这种行为严重侵犯了老年人的数据权益。2自主性与尊严维护：从“被管理”到“被赋能”的转变老年医疗AI的核心伦理矛盾，在于“技术效率”与“人的自主性”之间的张力。传统医疗模式中，医生是权威，患者被动接受治疗；而AI介入后，算法可能成为新的“权威”——当AI建议与患者意愿冲突时，患者（尤其是认知能力下降的老年人）可能因“相信技术”而放弃自主选择。例如，某AI肿瘤治疗方案建议“化疗+免疫治疗”，但患者因担心副作用希望选择保守治疗，家属却以“AI更科学”为由强制执行，最终导致老人生活质量急剧下降。尊严维护的核心是尊重老年人的“人格平等”与“选择自由”。AI技术应用中，需避免将老年人简化为“数据对象”或“疾病载体”，而应将其视为具有自主意志、情感需求的独立个体。例如，在AI辅助决策中，需向老年人（或其代理人）清晰解释AI建议的依据、潜在风险与替代方案，确保其理解后再做出选择；在AI交互设计中，需避免使用“幼稚化”语言（如将老人称为“宝宝”），而是以平等的姿态进行沟通，维护其自尊心。3公平与资源分配：数字鸿沟与普惠医疗的平衡AI技术在老年医疗中的应用，可能加剧“医疗资源的不平等分配”。一方面，高端AI医疗设备（如AI影像诊断系统、康复机器人）成本高昂，主要集中在大城市、大医院，经济条件较差的农村老年人难以享受；另一方面，老年人因数字素养差异，对AI技术的接受度和使用能力不同，高学历、高收入的老年人更容易通过AI获取优质医疗资源，而低学历、低收入的老年人则可能被排除在“AI医疗红利”之外。这种“数字鸿沟”的本质是“技术公平性”问题。若任其发展，AI技术可能成为加剧老年医疗不平等的“催化剂”——例如，某三甲医院推广AI辅助诊疗后，老年患者就诊效率提升50%，但基层医院因缺乏资金和技术支持，仍停留在传统诊疗模式，导致优质医疗资源进一步向大医院集中。此外，AI算法的“偏见性”也可能放大不公平：若训练数据中某类老年人群体（如少数民族、残疾老人）样本不足，算法对其健康需求的识别能力将下降，导致这些群体在AI医疗中被“边缘化”。4责任与问责机制：技术复杂性与法律滞后的冲突AI在老年医疗中的责任划分是当前法律与实践的难点。传统医疗责任遵循“医生责任制”，即医生对诊疗决策负主要责任；但AI介入后，责任主体呈现“多元化”趋势——算法开发者（提供错误模型）、医院（采购不合格AI系统）、医生（过度依赖AI建议）、企业（未履行数据安全义务）均可能承担责任。例如，若AI辅助诊断系统因算法缺陷漏诊老年人癌症，导致延误治疗，责任应由谁承担？是算法开发者（未充分测试模型）、医院（未对AI系统进行伦理审查）、还是医生（未复核AI结果）？现有法律体系对此缺乏明确规定。我国《民法典》虽规定“因产品缺陷造成损害的生产者应承担责任”，但AI算法是否属于“产品”、算法缺陷如何界定，仍存在争议；《医疗事故处理条例》也未明确AI辅助诊疗的责任归属。这种“法律滞后性”导致当AI医疗事故发生时，老年人及家属可能面临“维权难”困境，医疗机构和企业也可能因责任不清而逃避问责。5人文关怀的异化：技术效率与医疗温度的失衡AI技术的“效率导向”可能导致老年医疗中“人文关怀”的缺失。医疗的本质是“人学”，其核心是“人与人之间的关怀与信任”；而AI技术的标准化、程序化特征，可能消解医疗的“温度”。例如，某医院推行AI问诊系统后，医生与老年人的面对面交流时间从15分钟缩短至5分钟，AI系统自动生成病历，却忽视了老人讲述的“生活故事”（如“今天孙子来看我了，我很开心”），而这些“非医疗信息”往往是理解老人心理状态的关键。人文关怀的异化还体现在“情感替代”上：当AI照护机器人成为老人的主要陪伴者，人类照护者的情感投入可能减少。例如，养老院护理人员因依赖机器人完成日常照护，减少了与老人的主动交流，导致老人感到“被忽视”。这种“技术替代人文”的趋势，违背了老年医疗“提升生命质量”的初衷，使医疗从“关怀人”异化为“利用技术”。04AI在老年医疗中的伦理适配策略构建AI在老年医疗中的伦理适配策略构建面对上述伦理挑战，AI在老年医疗中的应用需要一场“伦理适配”的系统性变革。这种适配不是简单的“事后规范”，而是从技术设计、制度保障、人文融合到多方协同的全链条重构，最终实现“技术赋能”与“伦理守护”的统一。4.1技术设计层面：以老年人为中心的伦理设计（EthicsbyDesign）伦理适配的起点是技术本身，需将伦理原则嵌入AI研发的全生命周期，实现“技术向善”。AI在老年医疗中的伦理适配策略构建4.1.1可解释性与透明度：让AI“看得懂、信得过”AI算法的“黑箱特性”是引发伦理信任危机的重要原因。老年医疗AI需具备“可解释性”，即能够向医生、老年人及其家属解释决策依据。例如，AI辅助诊断系统在提示“可能患有肺炎”时，应同步展示“判断依据”（如影像中肺纹理增强的区域、白细胞计数异常的数据来源）和“置信度”（如“90%的可能性”）；AI慢病管理方案在给出饮食建议时，应说明“为何推荐此方案”（如“根据您的血糖数据，低GI食物有助于控制餐后血糖”）。透明度还体现在数据使用的公开性。AI企业需以老年人能理解的方式（如图文手册、视频讲解）告知数据采集的范围、用途及存储方式，确保老年人或其代理人在“完全知情”的基础上授权数据使用。例如，某智能健康手环在首次使用时，应以语音+字幕的形式提示“您的步数、心率数据将用于生成健康报告，并经加密后存储在云端，不会分享给第三方”，而非隐藏在冗长的用户协议中。1.2无障碍与包容性设计：弥合“数字鸿沟”老年医疗AI需充分考虑老年人的生理与心理特点，实现“无障碍设计”。在交互界面方面，应采用大字体、高对比度色彩、简洁图标，支持语音控制、手势操作等多种交互方式，避免复杂操作流程；在功能设计方面，应提供“适老化”模式（如关闭自动播放、减少广告弹窗），支持“一键求助”功能（如直接连接家庭医生或紧急联系人）；在数据采集方面，应优先采用非侵入性技术（如通过智能床垫监测睡眠质量，而非频繁佩戴可穿戴设备），减少老年人的不适感。包容性设计还要求关注“特殊老年群体”的需求，如失能、失智、残疾老年人。例如，为阿尔茨海默症患者设计AI陪伴机器人时，需加入“记忆唤醒”功能（如播放老人年轻时的照片、熟悉的音乐），并简化操作逻辑（如仅保留“呼叫家人”“播放戏曲”等核心功能）；为视力障碍老人开发AI语音导诊系统，实现“语音输入-语音反馈”的闭环操作。1.3安全性与鲁棒性：筑牢“伦理安全网”老年医疗AI需具备高安全性，确保数据安全与系统稳定。在数据安全方面，采用“联邦学习”“差分隐私”等技术，实现数据“可用不可见”，避免原始数据泄露；在系统安全方面，进行极端场景测试（如网络攻击、设备故障、信号中断），确保AI系统在异常情况下仍能提供基本服务（如AI康复机器人在断网后可切换至手动模式）；在算法安全方面，建立“人工复核”机制，对于高风险决策（如肿瘤治疗方案、手术建议），需经医生二次确认，避免算法错误导致严重后果。1.3安全性与鲁棒性：筑牢“伦理安全网”2制度规范层面：构建多层次的伦理治理框架技术自律需要制度保障，需构建“法律法规-行业标准-伦理审查”三位一体的治理框架，为AI伦理适配提供“硬约束”。2.1完善法律法规：明确责任边界与权利保障立法部门需加快制定《老年医疗人工智能伦理管理条例》，明确以下内容：一是数据权益，规定老年人对自身健康数据的“知情权、同意权、删除权”，禁止企业过度采集数据或未经授权共享数据；二是责任划分，根据AI系统的自主程度（如辅助决策型、自主决策型），明确开发者、医院、医生的责任比例，例如“辅助决策型AI系统出现错误，若医生未复核，则医院承担主要责任；若医生已复核但未发现错误，则开发者与医院共同承担责任”；三是算法透明度，要求高风险AI医疗系统（如肿瘤诊断AI）通过“伦理认证”，公开算法原理、训练数据来源及偏见评估报告。2.2制定行业标准：规范技术应用与伦理实践行业协会需牵头制定《老年医疗AI伦理指南》，从技术设计、数据管理、应用场景等方面提出具体规范。例如，在数据管理方面，要求训练数据需覆盖不同地域、经济、文化背景的老年人群体，确保数据多样性；在应用场景方面，规定AI照护机器人不得替代人类照护者的情感陪伴，仅能作为辅助工具；在算法公平性方面，要求定期评估算法对不同老年群体的识别准确率，若发现偏见需及时修正。2.3建立伦理审查机制：前置风险防控医疗机构需设立“老年医疗AI伦理委员会”，由医生、伦理学家、老年代表、法律专家组成，对AI技术引进和应用进行伦理审查。审查内容包括：AI系统是否符合“适老化”设计标准、数据采集是否遵循知情同意原则、算法是否存在偏见、是否可能损害老年人自主权等。例如，某医院计划引进AI辅助诊断系统时，伦理委员会需通过“模拟诊疗测试”，邀请老年患者体验AI问诊流程，评估其舒适度与接受度，通过后方可正式使用。2.3建立伦理审查机制：前置风险防控3人文融合层面：技术与人文的协同共进AI技术的价值在于“服务于人”，老年医疗AI需深度融合人文关怀，避免技术异化。3.1老年人参与式设计：从“技术主导”到“需求导向”在AI研发阶段，需邀请老年人、家属、照护者共同参与设计，确保技术符合老年群体的真实需求。可采用“焦点小组访谈”“用户体验实验室”等方法，收集老年人对AI功能、交互方式的偏好。例如，开发AI陪伴机器人时，让老年人参与对话内容设计，加入“怀旧话题”“生活经验分享”等模块，使机器人更具“人情味”；设计智能药盒时，根据老年人反馈调整提醒方式（如用“您该吃药啦”代替“用药提醒”），避免机械感。3.2医生角色重塑：从“AI使用者”到“伦理把关者”AI时代，医生的角色需从“诊疗决策者”转变为“AI辅助者”与“伦理把关者”。一方面，需加强对医生的AI伦理培训，使其掌握AI系统的局限性（如算法偏见、数据误差），能在使用AI时保持批判性思维；另一方面，需建立“AI-医生-患者”三方沟通机制，确保AI建议、医生判断、患者意愿三者达成平衡。例如，在制定治疗方案时，医生需向患者解释“AI建议的依据”“我的临床经验补充”“您的个人意愿”，共同决策，避免“AI说了算”。3.3情感智能嵌入：让AI有“温度”AI系统需融入情感智能（EmotionalIntelligence），识别并回应老年人的情感需求。例如，通过语音情感识别技术，分析老人的语调、语速，判断其情绪状态（如沮丧、焦虑、开心），并自动调整交互策略——当老人感到沮丧时，机器人可播放其喜欢的音乐或分享励志故事；当老人开心时，机器人可积极回应并鼓励其保持良好状态。此外，AI系统需设置“情感安全阀”，当检测到老人情绪异常（如长期低落、暴躁），应及时向家属或社区志愿者预警，避免心理问题恶化。3.3情感智能嵌入：让AI有“温度”4多方协同层面：构建伦理适配的生态系统老年医疗AI的伦理适配不是单一主体的责任，需要政府、企业、医疗机构、家庭、社会形成合力，构建“共建共治共享”的生态体系。4.1政府主导：政策引导与资源投入政府需发挥主导作用，出台支持政策：一是财政补贴，对购买适老化AI设备的老年人、开展AI伦理研究的机构给予补贴，降低技术应用成本；二