[目的/意义] 面向疾病诊断场景，探讨基于知识和数据融合的人工智能诊断模型的可解释性策略，为促进智能医学发展，进一步加强情报学、数据科学与医学学科间的交叉融合。[方法/过程] 结合多学科理论和方法，从知识数据双轮驱动角度，构建可解释性的智能诊断理论模型框架，并以病毒性肺炎和细菌性肺炎的鉴别诊断进行实证研究。[结果/结论] 本文从情报学视角出发，阐述了可解释性智能诊断模型构建策略，并通过实际场景应用验证模型框架的可行性与合理性。
(8.0+极速模式)