“为什么是这个人、这个组织、这个时刻发生癌症”常被改写成“还漏掉了哪一个风险因素”。这种提问把人群概率误当成个体命运，也把原因、条件与结果预设为观察期内角色不变的三类事物。本文选择互不隶属的三门学科进行严格冲突：功能安全工程规定在危险需求出现时何种保护功能必须可靠存在，却不能把演化形成的人体当作按图纸交付的机器；随机动力系统解释相近条件为何沿不同路径越过吸引域边界，却不能凭数学可行性指定临床原因；生命史生态学解释有限生命体如何在生长、繁殖、维持与修复之间配置资源，却不能把种群层权衡倒写为某位患者的选择。三门学科相互否决后暴露出一个共有前提：屏障、波动与配置分别被固定为原因、扰动和背景，已经发生的结果不会改变下一轮谁有资格成为原因。恰恰是三家自己的材料推翻了这个前提。 本文据此提出“结局改写轮”：在预先规定的观察窗内，屏障完整性、随机轨迹状态或维持配置之一首先越过个体内阈值；至少另一层随后发生有方向的变化；该变化又改写首动层下一轮的阈值、敏感性或可用余量。观察到先后顺序只能生成候选轮；确认轮还须用干预、自然实验或跨环境不变性同时支持“首动层改变跟随层”与“跟随层改变首动层下一轮门槛”两项因果对照。每一轮以“首动层—反馈符号—下一轮首动位是否保留”编码。首动位保留或轮换本身均非良恶；只有与修复性或放大性反馈联合，才能区分守稳、修复接力、锁进与推进接力。该命题三重否定：结局分岔不只是一个尚未发现的固定易感性，不只是对固定概率反复掷骰，也不是生命早期一次性作出的维修投入决定。 为避免概念免疫化，本文先用十七类强近邻进行双向预测判决，尤其正面处理互惠因果、生态位构建、自激过程、状态切换、动态安全边界与非平稳因果图，再按事先锁定规则复算公开克隆性造血资料。Fabre等报告的697个克隆中约92.4%在约13年的可见观察段保持稳定指数增长，否定“多数可见克隆短期频繁换挡”的过强版本；作者公开渲染分析页中，真实资料有366/673条较长历史轨迹达到强减速／饱和判据，提示短观察窗的稳定不等于终身固定。计数敏感性分析显示，前一判决至少需87个稳定分类被改判、后一判决至少需299个饱和分类被改判才跨越预设阈值，但这种稳健性不能消除模型错设。主资料没有同时记录屏障、轨迹和维持配置，也没有反馈改写字段；外部动物与人类机制研究只支持部分箭头。因此，观察候选轮和因果确认轮均为零。本文最后给出三条识别命题、三流纵向设计、最强竞争解释、删除条件及医学伦理防火墙。本文讨论的是可检验的病程生成结构，不用于个体诊断、筛查、治疗或遗传咨询；心理、思想与道德品质不被写成躯体癌症的直接原因。
癌症病因学已经不缺清单。遗传变异、年龄、吸烟、酒精、感染、辐射、职业暴露、代谢状态、炎症、复制误差、组织微环境和医疗暴露，都可以在适当证据层级上进入风险模型。困难在于：清单越完整，个体结局仍越不像一张已经写好的收据。两个在可观测变量上相近的人可以走向不同疾病；同一人的两个组织可以承受相似年龄而不同步；同一组织中携带相似驱动变异的克隆可以长时间静止、缓慢扩张或加速；同一暴露也不在所有受暴露者身上产生同一癌种、同一潜伏期和同一病程。
北欧双生子研究纳入203,691名个体，其中80,309名为同卵双生子；即使共享近乎全部胚系序列，同卵双生子发生癌症的结局仍大量不一致，而且两人均患癌时也常不是同一癌种[1]。BRCA1或BRCA2致病变异显著提高乳腺癌和卵巢癌风险，却不是“携带即必然发病”：大型前瞻性联合分析估计，到80岁时BRCA1和BRCA2携带者乳腺癌累积风险分别约72%和69%，卵巢癌风险分别约44%和17%[2]。Lynch综合征的风险又随基因、性别、年龄和癌种而显著变化[3]。在普通人群中，重度吸烟与肺癌风险关联很强，遗传多基因风险仍只改变概率；一项英国生物样本库分析同时观察到吸烟与多基因风险的独立关联，却没有观察到统计交互[4]。这些数字共同说明：高风险不是一张延期兑现的诊断书，低风险也不是免疫证书。
“相同风险”因此必须先降格为可比风险。本文从不声称两个人具有完全相同的生物状态，也不把模型未测量之物宣布为不存在。可比只表示：在研究开始前选定的一组变量、测量误差范围、时间窗和匹配规则内，两名个体或两条轨迹拥有近似的预测风险。任何结局差异都可能来自未测量混杂、测量误差、模型错设、选择偏倚或真正的过程分岔。本文的任务不是用一个新术语吞掉这些竞争解释，而是问：如果在尽可能强的固定差异控制以后，风险仍沿时间分叉，我们需要记录何种因果角色变化，才比“还缺一个变量”多说一件可被证伪的事？
问题中的“为什么”也有三种不同含义。第一是归因：哪一种因素在群体中提高了发病概率。第二是机制：某个细胞、组织或个体经过哪些中间环节走向恶性。第三是生成：为什么某些本可保持沉默或被修复的变化，在这个时段接上了后续条件，而另一些没有。本文处理第三种，但必须服从前两种证据；它不能凭生成叙事取消流行病学关联，也不能凭系统比喻跨越分子与临床验证。
本文的核心判断不是“癌症很复杂”“风险是动态的”或“基因与环境互动”。这些判断都已成立太久，不能构成新贡献。本文试图提出更窄、风险更高的命题：相近风险走向不同结局，部分原因可能不是风险项的多少不同，而是屏障、轨迹与维持配置在连续事件中轮流取得首动位；上一轮的末端改变下一轮谁有资格先动。如果这一顺序不能独立测量，或不比既有动态风险模型增加预测，命题应被删除。
本文中的癌症只指具有医学定义的恶性肿瘤及其被严格标明的前驱状态。克隆性造血、驱动突变、场癌化、衰老标志、炎症或免疫改变都不是癌症诊断的同义词。它们可以提供病程材料，却不能在没有相应诊断标准时被写成“已经患癌”。后文使用克隆性造血公开数据，是因为它具有长时间重复测量和可观察的克隆动力，不是因为它代表所有实体瘤，也不是因为每个克隆都会恶性转化[5-6]。
“屏障”是分析词，不是一种单一器官。它可以在具体研究中指DNA损伤应答、细胞周期检查点、凋亡、免疫监视、组织结构约束或临床监测—干预链条中的一个预先指定功能；不同层级不可随意替换。“随机轨迹”也不等于“纯粹偶然”或“没有原因”，而是给定可识别确定性结构后仍需用概率过程描述的状态演化。“维持配置”是对有限资源在维护、修复、免疫、储备及其他生命功能之间分配的测量假说，不是说人有意识地选择少修复自己的身体。
更重要的是，心理痛苦、创伤、人格、情绪、思想、意志或道德品质不在本文中被写成躯体癌症的直接原因。心理社会因素可以影响生活质量、医疗利用、部分行为、照护关系和某些生理通路，具体关联必须逐项依据医学证据；它们不能被压缩成“想法致癌”，更不能成为责备患者的反事实审判。“思想癌症”“心理癌症”“组织癌症”若在本书其他篇章出现，只能作为明确标注的隐喻，不能同病理实体共享病因链或疗效语言。
本文也不提供个体风险估计、筛查间隔、用药、手术、遗传检测或生育建议。BRCA、Lynch综合征、克隆性造血或其他结果需要由合格专业人员结合现行指南解释。概念模型不能替代知情同意，更不能以“你的首动层是什么”给患者贴标签。一个理论若增加了患者的因果负担，却没有增加可验证预测，应首先被怀疑。
异质性模型早已允许个体拥有未观测的、相对稳定的脆弱程度。Vaupel、Manton与Stallard在1979年系统说明：忽略个体间潜在脆弱性，会使群体死亡率随年龄的形状产生选择效应[12]。现代遗传风险、家族史、组织背景和综合风险评分只是把部分脆弱性变得可测。若本文只把“易感性”改名为“首动倾向”，它没有贡献。
固定脆弱性最强的版本会预测：控制基线风险后，某些个体始终更容易跨越各种阈值；观察到的轨迹差异主要来自一开始就不同。本文只有在提出相反预测时才可能多说一件事：同一个体的首动层可以随轮次改变，而且这种改变由上一轮的反馈具体解释；若一个基线随机效应、驱动基因和起始状态已吸收全部信息，本文对象归零。
Armitage与Doll的多阶段模型早在1954年就以年龄—发病关系推断癌发生需要若干阶段[9]；Knudson的视网膜母细胞瘤两击分析把遗传型与散发型年龄分布联系到不同事件数[10]；Nowell随后把肿瘤写成在选择压力下持续演化的克隆群体[11]。多阶段、次序与选择已经被占据。场癌化更早表明，看似正常的广阔组织可以积累共同病因背景，从而产生多个独立病灶[8]。
本文不能把“三层、许多轮”当作多阶段模型的新包装。差异在于：阶段模型通常规定事件类别及其顺序，本文则要求记录哪一层在某一轮成为首动者，以及末端是否改写下一轮的首动资格。若首动序列只是在已知阶段后重新编号，或者没有反馈回写，便应使用多阶段、克隆演化或多状态模型原名。
Kramers关于噪声驱动越过势垒的工作、Freidlin—Wentzell的小噪声大偏差理论及后来的逃逸动力学，已经说明相同确定性骨架可以产生不同转移时间和路径[18-22]。癌症吸引子模型也早已把恶性状态视为基因调控网络景观中的稳定态或异常吸引域[23]。因此“蝴蝶效应”“一次波动改变命运”或“概率不是决定论”均不新。
本文必须同“固定概率上的反复掷骰”分开。它主张一次轨迹并非只从同一概率分布取样；走过的路径可能改变状态所在区域、屏障余量和资源配置，从而改变下一次的转移核。若一个时间齐次随机过程已充分拟合，加入首动位和反馈不会改善校准、外部预测或干预反应，则随机动力系统已有语言足够。
Kirkwood的一次性躯体理论指出，在自然选择下，体细胞维持投入同生长和繁殖收益之间存在权衡[24]。后续生命史模型、比较肿瘤学与跨物种数据不断修正这个框架[25-29]。所以“身体不能无限修复”“长寿需要抗癌投资”不是本文发明。
本文的增量只能是：配置不是生命开始时一次设定的常数；感染、损伤、妊娠、营养、衰老、治疗与恢复可以改变未来可用储备及边际收益，因而上一次配置结果会改变下一轮哪类失衡先出现。若稳定的维护投入参数已解释所有纵向差异，生命史模型足够，“结局改写轮”不成立。
功能安全工程、随机动力系统和生命史生态学之所以被选择，不是因为它们都谈“系统”。这种泛化会把差异抹平。三者分属安全工程、数学与演化生态学，分别以应当维持的功能、实际发生的路径和有限生命体的配置为终点。它们甚至不同意什么算作一个合格解释。
表 1 三门学科对癌症结局生成的互斥裁决
| 裁决维度 | 功能安全工程：规范性 | 随机动力系统：过程性 | 生命史生态学：主体性 | 互相否决之处 |
|---|---|---|---|---|
| 首要问题 | 危险需求到来时，哪项保护功能必须以何种完整性执行 | 给定状态、扰动与边界，系统以何概率、经何路径转移 | 有限生命体为何把资源投向生长、繁殖、维持、修复或储备 | “必须可靠”不等于“会怎样走”，路径概率也不等于主体为何如此配置 |
| 基本对象 | 功能、需求、危险、屏障、失效、验证与安全生命周期 | 状态、吸引域、噪声、转移率、首达时间与路径分布 | 表型、适合度、权衡、环境、年龄与资源预算 | 工程功能由规范指定；生态功能由选择历史形成；数学过程无需主体 |
| 成功标准 | 可容许风险与独立证据链 | 模型可识别、拟合、预测与边界条件 | 跨环境或生命阶段的适合度后果 | 任一门的成功均不能替代另两门的证据 |
| 对癌症的贡献 | 把“有危险”与“保护在需求时是否失效”分开 | 把平均风险与到达恶性状态的路径分开 | 把维护能力放回有限生命体的时间预算 | 三者不能直接合并成一个加权风险分数 |
| 自身禁区 | 人体不是按SIL交付的机器，患者不是失效部件 | 方程可产生癌态不证明人体采用该机制 | 种间相关不证明某位患者因“少维修”得癌 | 隐喻不得跨越临床因果证据 |
这种冲突产生三个必要的否定。第一，功能安全工程要求先说清什么功能在何种需求下必须工作；随机动力系统则提醒，没有两次完全相同的状态与扰动，不能把保护功能写成静态开关。第二，随机动力系统可以在没有目的的情况下描述转移；生命史生态学却要求解释一个有生存与繁殖历史的主体为什么形成这种可用资源结构。第三，生命史生态学允许演化上足够而非工程上最优的维持；功能安全工程不能接受“平均够用”作为高后果危险的完整性证明。
本文不会调和这些差异。它让三门学科各自保留否决权：没有功能定义，不能称屏障；没有时间顺序和状态转移，不能称轨迹；没有资源预算及其替代用途，不能称配置。三项只要有一项被事后想象补齐，结局改写轮就不成立。
IEC 61508把功能安全置于完整安全生命周期中：从危险与风险分析，到安全功能分配、完整性要求、实现、验证、运行维护、修改和退役[15-16]。它首先区别危险与风险，也区别“系统拥有一个名义上的保护部件”与“危险需求发生时保护功能按要求执行”。安全完整性不是道德评价，而是特定安全相关系统在规定条件、规定时间内令人满意地执行所需安全功能的可信程度。Leveson的系统理论事故模型进一步强调，事故可来自组件都未单独故障时的不安全控制与反馈，而不仅是线性零件失效[17]。
这套规范结构对癌症研究有三项有限但重要的纠正。其一，危险材料与保护失败必须分开。存在DNA损伤、致癌暴露或驱动突变，不等于保护功能已经失效；相反，许多异常可以被修复、清除、竞争抑制或长期容纳。风险问题不是“系统内是否出现过危险”，而是危险需求出现时哪些功能必须协同，使组织仍留在可接受状态。
其二，屏障不能被数成一个静态总量。相同数量的防线可能具有共同原因失效：例如多个功能依赖同一资源、同一信号轴或同一微环境时，表面冗余并不独立。工程上的纵深防御要求研究依赖结构、诊断覆盖与失效模式，而不仅是列出DNA修复、免疫和凋亡三个名词。用于生物研究，所谓“屏障完整性”必须由具体功能、需求条件、失效阈值和测量指标定义，不能用“整体免疫力”这类不可反驳词代替。
其三，失败会反写下一轮要求。一次事故、近失效、验证失败或运行经验进入变更管理，可能改变冗余、监测、测试间隔和安全要求。由此可见，上一轮的结果不只是一条终点记录，也可以成为下一轮规范起点。这恰是功能安全材料对“因果角色固定”前提的内部反证：被视为结果的失效信息，会改变后来什么被视为必要条件。
但是，人体没有外部设计者为每个组织预先签署可容许风险，临床也不应给个人分配安全完整性等级。演化保留的是在既往环境中足以繁殖和生存的机制，不是对终身零癌症的工程保证。功能安全工程在本文只贡献一种纪律：先规定在什么需求下哪一项保护功能应当工作，并把功能失效、共同原因和反馈修改分开记录。它不证明任何具体生物屏障，也不能把患者写成“操作不当”。
随机动力系统通常把状态演化写成确定性漂移与随机扰动的结合。即使确定性结构存在稳定吸引域，噪声也可能使系统越过分界；逃逸时间取决于势垒、噪声强度、噪声类型、状态位置和路径几何[18-22]。不同颜色或重尾噪声可以改变停留时间与转移路线；顺序逃逸还可能使一个子系统的越界改变另一个子系统的稳定性[20-22]。因此“随机”至少包含三件不同的事：我们不知道所有初始条件；系统受到不可完全预测的扰动；即使条件充分描述，结果仍以分布而非单值表达。
用于癌症问题，这一路径最重要的贡献不是宣称“谁得癌症靠运气”，而是把风险水平与首达过程区分。两个人可以在某一时点拥有相似的五年风险，却分别位于不同的状态邻域：一个需要罕见大扰动越界，另一个可能在许多小扰动累积后接近边界；同一个平均风险也可由低频高幅事件或高频低幅事件产生。把二者压缩成一个概率，会丢失干预窗口与时间次序。
癌症吸引子思想进一步提出，恶性表型可被理解为调控网络中异常稳定状态[23]。这为“状态转换”提供模型，但有两个常见越界。第一，画出景观不等于测得人体真实势能；第二，观察到两个表达状态不等于证明噪声驱动跨域。任何随机模型都要说明状态变量、噪声来源、边界条件和可反事实干预。数学上的多稳态只是一种机制候选。
随机动力学也从内部推翻固定角色前提。路径走过以后，系统已不在原来的状态分布；一次扩张可改变竞争、空间、炎症或检测概率，一次修复可恢复余量，一次治疗可改变选择景观。于是上轮“结果”成为下轮漂移、噪声敏感性或边界位置的一部分。若仍把随机性理解为每轮从同一个罐子里抽球，就抹去了路径依赖。
但随机动力系统没有规范主体。方程不会自己决定何种组织状态应被保护，也不解释为什么一个有限生命体把资源配置到某种维护策略。它最多告诉我们：在指定模型下，路径怎样分布。把模型轨迹直接称为患者命运，是把概率工具变成神谕。
生命史生态学研究有限资源怎样在生长、发育、繁殖、维持、免疫、修复与储备之间配置，以及这种配置如何随年龄和环境改变。Kirkwood的一次性躯体理论提出，若完美修复的边际适合度收益低于其资源成本，自然选择不会维持无限维护[24]。后来模型提醒，维修—繁殖权衡并非在所有环境都呈简单负相关，外源死亡、资源丰度、繁殖收益和损伤结构都会改变最优配置[25]。癌症也可反过来影响宿主生命史与生态互动，不能只作为终点附着在固定宿主上[26-27]。
跨物种数据使这个冲突更尖锐。Cagan等分析16种哺乳动物、56个个体的208个肠隐窝，发现体细胞突变率与寿命呈反向关系，而不同物种在寿命末期的突变负担相对接近，尽管寿命跨度约30倍、体重跨度约40,000倍[28]。大象研究则发现其TP53拷贝数、DNA损伤反应和较低癌症死亡率之间的关联，为大型长寿动物如何缓解Peto悖论提供证据[29]。这些资料支持演化形成的抗癌机制可以随物种史不同，却绝不允许从物种平均推断某个人“投资维修不足”。
主体性在此不是意识或道德能动性，而是一个有边界、有生命史、有替代用途的生命体。资源配置只有在回答三个问题时才是可测命题：投入了什么可量化资源；减少了哪一种替代用途；这种配置怎样改变未来状态。仅看到炎症上升、体重改变或衰老标志，不能自动推出“资源从修复转走”。同样，疲劳、情绪或贫困可能影响多条生理与社会路径，但不能被生命史词汇直接升级为致癌机制。
生命史材料同样推翻固定角色前提。一次配置会改变未来储备、组织质量和损伤成本；生存过一个事件也改变下一阶段可用的资源集合。昨天的“结果”——例如恢复、持续炎症、克隆扩张或治疗后功能损失——会成为明天的环境约束。配置不只是背景参数，而可能在某轮成为首动层，又在下一轮成为轨迹变化的结果。
然而，演化解释容易犯“适应故事”错误。观察到某种癌症年龄分布，不能只凭它符合维修权衡就宣布自然选择原因；跨物种相关也受系统发育、组织、代谢、繁殖策略和测量差异影响。生命史生态学在本文只贡献主体约束：任何关于维持配置的解释必须展示有限预算、替代用途和跨轮后果。没有这三项，就不能以“资源有限”填补机制空白。
三门学科表面上互不相容，却共享两层前提。第一层容易看见：它们都把结局差异还原为一个仍可添加的东西。功能安全工程会寻找薄弱屏障或共同原因失效，随机动力系统会加入初始条件、噪声或参数，生命史生态学会加入资源约束或权衡。只要“再加一个变量”能够提高预测，这一层没有错；错误只在于把任何剩余差异都许诺给一个尚未命名的固定变量，使理论永远不会输。
第二层更深：三家常把原因、条件和结果的角色固定在同一观察尺度上。屏障被设为先在的条件，波动被设为过程中的扰动，配置被设为主体背景，疾病被设为终点。这样一来，研究可以加入无限多交互，却仍默认箭头职位不变：原因始终是原因，背景始终是背景，结果只在末端被计数。相同风险走向不同结局便只剩两个答案——最初其实不相同，或者同一概率抽出了不同结果。
但三门学科自己的核心材料都不允许这种固定。功能安全生命周期把失效、近失效和验证证据反写进下一轮功能要求：结果改变规范条件[15-17]。随机动力系统中，已经走过的路径改变当前状态、吸引域位置和下一次逃逸率：结果改变过程参数[18-22]。生命史配置消耗或恢复资源，改变未来维护的边际成本与可用储备：结果改变主体环境[24-28]。三条内部反证合起来迫使我们接受一条三家都不会单独提出的判断：
相近风险的分岔，不必只由“起点不同”或“抽签不同”解释。一个事件的末端可以改写下一事件中各层的因果资格：上轮的结果进入下轮的原因集合，屏障、轨迹与配置因而可能轮流取得首动位。
这条判断同时否定三种不充分解释。它不把差异全部归入一个终身固定、尚未测得的易感性；不把机会理解为在不变概率上重复掷骰；不把维持资源当作生命初期一次性决定的常数。它也不说任何变化都能“反过来成为原因”。只有当角色交接可由时间顺序、增量预测和反馈改写共同确认，才允许从叙事进入测量。
为什么需要“轮”，而不是连续时间里泛称反馈？因为泛称反馈几乎不可失败：任何疾病都能找到相互作用，任何相互作用都能画成环。轮次迫使研究者预先规定观察窗、阈值、滞后和结束条件；同一资料可能出现零轮、一轮或多轮。轮不是自然界自带的格子，而是一种可审计的事件单位。若不同合理窗口给出完全相反序列，研究者必须报告敏感性，而不能选择最有故事性的切法。
对个体i在时间t，定义三个须由不同数据流测量的状态。为便于判决，以下均写成“数值越高，偏离稳态越大”的损失指标：
Bᵢ(t)：屏障损失。 它针对一个预先指定的保护功能及危险需求，例如某种DNA损伤下检查点反应不足、特定抗原条件下免疫清除能力下降，或组织结构约束被破坏。B不是“整体防御力”，每项研究只能选择有明确功能与指标的一组屏障。
Xᵢ(t)：轨迹转移压力。 它描述系统距预先指定状态边界的接近程度或转移强度，例如克隆增长率、状态占有概率、变点后漂移或进入高风险吸引域的估计。X不是结局本身，也不能只由最终诊断倒推。
Aᵢ(t)：维持配置缺口。 它描述维持、修复、免疫或储备相对于预定需求的不足，并同时记录资源的替代用途。A不能仅用年龄、疲劳、体重或一个炎症指标代替；必须有预算、投入或功能代价的操作化证据。
三层“相互独立”不是统计上毫无相关，而是定义上不能由同一个指标循环生成。若B由克隆增长率定义、X也由克隆增长率定义，相关性是同义反复；若A只由B的下降倒推，则不能声称配置先于屏障。最理想的资料来自分离的测量平台、盲态编码与不同误差模型，并以共同时间轴对齐。
设研究开始前为三层确定个体内阈值cBᵢ、cXᵢ、cAᵢ，以及轮r的观察窗Wᵢᵣ=[t0ᵢᵣ,t1ᵢᵣ]。阈值可以来自个体基线变化、技术可靠变化界限、临床前验证或外部训练集，但不能看完结局再移动。每层第一次越界时间为：
τₖ(i,r) = inf{t ∈ Wᵢᵣ : Yₖ,ᵢ(t) ≥ cₖ,ᵢ}，k ∈ {B, X, A}。
若同一采样间隔内多层同时越界，且更密测量或区间删失模型不能排序，则首动位记为“并列／不可判定”，不能强行选择。若某层采样更频繁，必须通过共同网格、连续时间模型或抽样降频校正；“先被测到”不等于先变化。
轮r的候选首动层mᵢᵣ是最先越过阈值的层，但它只有满足增量预测才获得首动位：在控制基线状态、已知固定风险、共同时间变动原因、测量频率和先前轮次后，m的越界仍能预测至少另一层在预定滞后窗[δ1,δ2]内发生方向明确的变化。若三层都由感染、治疗或采样偏差同时推动，最早者可能只是共同原因的较灵敏传感器。
时间优先只是必要条件。首动位至少要通过四道门：
唯一或可排序的越界。 区间删失范围不应完全重叠；若重叠则报告并列。
增量预测。 加入候选首动层后，对随后层的外样本预测、似然或因果效应估计有预先规定的改善。
竞争控制。 固定驱动基因、起始状态、年龄、治疗、暴露、共同炎症、选择进入与检测限等最强替代解释须进入模型。
干预一致性。 在可行情况下，针对候选首动层的干预应优先改变随后层，而不是只同它并行变化。没有干预证据时，结论只能是时序机制候选。
因此，首动位是一种被严格限制的事件内因果资格，不是“根本原因”或“第一因”。同一轮可以没有首动位；同一个体不同轮可以由不同层首动；群体层多数序列也不能强加给某个个体。
候选首动层出现以后，至少另一层须在固定滞后窗内跟随变化。更关键的是，跟随变化必须可观测地改变首动层下一轮的阈值、敏感性或余量。令Θₘ,ᵢ,ᵣ₊₁表示首动层在下一轮的越界门槛、转移敏感性或可用余量；先定义一个只负责记录时序结构、尚不声称因果的“观察候选轮”：
Rᵒᵇˢᵢᵣ = 1{可排序首动候选 ∧ 有序跟随 ∧ ΔΘₘ,ᵢ,ᵣ₊₁ ≠ 0}。
这里的“≠0”不是只凭p值小于0.05，而是效应方向、最小实质差异与不确定区间均按方案判断。上式即使取值为1，也只表示资料中出现了合格的时序候选；共同时间变动原因、未测潜在状态或检测过程仍可能同时制造“首动”“跟随”与阈值变化。若只观察到B先降、X后升，却没有数据表明X或随后的A改变了下一次B的阈值或余量，这甚至不能成为完整候选轮。普通中介链不是因果确认的改写轮；双向相关也不是；一次横断面测量无论样本多大都不能确认。因果升级须通过下一节的双重干预判据。
反馈符号σᵢᵣ有两类。若末端变化提高下一轮越界门槛、降低敏感性或恢复余量，记为修复性反馈（σ=−）；若降低门槛、提高敏感性或消耗余量，记为放大性反馈（σ=+）。它描述对下一轮首动层的作用，不是对患者好坏的总评价。一项短期修复可能有长期代价，一项暂时放大也可能触发更强补偿；观察窗不同，符号可能改变。
每一轮记录三元组：
Sᵢᵣ = (mᵢᵣ, σᵢᵣ, qᵢᵣ)，
其中m∈{B,X,A}为候选首动层，σ∈{修复,放大}为反馈符号，q∈{保留,转交,不可判定}表示下一轮是否仍由同一层候选首动。一个人的观察首动序列是按轮次排列的S(i,1),S(i,2),…，而不是三项总分。总分会丢失次序：B→X→A与A→X→B即使次数相同，也可能对应不同干预窗口。只有在因果判据通过后，才可删去“候选”二字。
表 2 首动位去向与反馈符号的四格判决
| 首动位去向／反馈符号 | 修复性反馈 | 放大性反馈 |
|---|---|---|
| 下一轮由同层保留 | 守稳。 同一屏障或配置反复先响应，并逐轮恢复余量；保留表示稳定的保护主导，而非僵化 | 锁进。 同一薄弱层每轮都更早越界，且门槛继续降低；固定脆弱性表面上增强，实为动态自我加深 |
| 下一轮转交另一层 | 修复接力。 一层越界激活另一层承担恢复，首动位轮换但总体远离恶性边界 | 推进接力。 屏障、轨迹与配置轮流把损失传给下一层，并降低前一层的下一轮门槛 |
这张四格表首先是一套描述性判决，纠正两个直觉错误。第一，轮换不天然意味着失控。B先越界后激活A层资源投入，下一轮A先响应并恢复B，可能是修复接力。第二，固定不天然意味着稳定。同一屏障在每轮更早失效并持续降低自身余量，是锁进而非秩序。只有把“谁先越界”与“反馈往哪里推”分开，序列才具有判别力；只有再证明两段箭头都具有因果效应，四格才具有机制含义。
把反馈命名为“轮”，本身没有原创性。安全科学早已研究系统在绩效、工作负荷与安全边界之间的动态迁移，事故也早已被解释为约束控制失效，而非某个零件单独坏掉[45-46]；自激过程能让一次事件提高后续事件率[47]；状态切换模型与非平稳因果图能够表达机制随时间改变[48-49]；互惠因果与生态位构建更直接承认A造成B以后，B又反过来改变A[50]。因此，本文若只说“癌症形成中存在动态、反馈和双向作用”，应被这些成熟对象完全吸收。它可能保留的增量被压缩为一个更窄、更危险的主张：上轮末端不仅影响下轮数值，而且改变下一轮哪一层的干预最先具有因果杠杆。以下三条命题规定这一主张何时可识别。
只观察基线风险Z与终点D，不能区分“稳定潜在脆弱性”与“路径依赖改写”。设模型F中存在不随时间变化的潜在量U，U同时影响B、X、A及D；另设模型R没有固定U，却允许B、X、A按历史更新彼此下一轮转移核。对任意给定的联合分布P(D,B₀,X₀,A₀|Z)，总能为F选择U的混合分布，也能为R选择历史依赖转移核，使二者在基线和终点上给出相同分布。换言之，终点差异即使被完美预测，也不自动证明固定脆弱性；观察到相同终点分布，也不排除过程改写。
这是一条构造性的不可识别结果：若资料只有“开始”和“后来”，结局改写轮没有独立经验内容。它至少需要三个条件——三层的重复测量、能覆盖预定滞后的时间分辨率，以及下一轮阈值字段。缺少任何一项，都应退回frailty、联合预测或一般状态空间模型，不得把更复杂的故事当成更深的原因。
即使资料稳定呈现B→X→A，也不能从排序直接推出B造成X、X造成A。一个未测的时间变动共同原因C(t)可以依次以不同响应速度推动三层；不同采样频率可以让最快被测量的层总是“首动”；自激聚集可制造事件成串，状态切换可制造同步换挡，非平稳图也可让边的强度随时间改变[47-49]。这些数据生成过程都可能产生Rᵒᵇˢᵢᵣ=1，却没有任何一层把因果资格交给另一层。
所以，时间先行只是候选资格，不是因果资格。互惠因果已经允许A→B→A，时间变化中介分析和有向循环纵向图也能估计随时间变化的直接、间接或循环效应[50-52]。本文不能因多画了一次回箭头而取得新意；它必须额外证明，后随层对下一轮阈值的作用不是共同原因的余波，并且该作用改变了预先规定的干预排序。若成熟循环模型给出相同排序，删除“角色交接”。
令Hᵣ表示进入轮r以前冻结的可观测历史。Iₘ不是“把某个生物标志读数按按钮改掉”，而是一个机制明确、不会按定义直接操作后随层j的可实施干预；Iⱼ同理。对预先指定的风险组g，定义两段平均因果对比：
ψₘ→ⱼ,ᵣ(g) = E[Yⱼ(t+δ)|do(Iₘ=1),Hᵣ,g] − E[Yⱼ(t+δ)|do(Iₘ=0),Hᵣ,g]，
φⱼ→ₘ,ᵣ₊₁(g) = E[Θₘ,ᵣ₊₁|do(Iⱼ=1),Hᵣ,g] − E[Θₘ,ᵣ₊₁|do(Iⱼ=0),Hᵣ,g]。
第一段ψ检验“候选首动层是否真的推动后随层”，第二段φ检验“后随层是否真的改写原首动层下一轮的门槛、敏感性或余量”。εψ与εφ是在看数据以前确定的最小实质差异；πᵣ表示在共同效应尺度及既定安全约束下，B、X、A干预对避免下一次越界的排序。只有对预先指定风险组同时满足：
Rᶜᵃᵘˢᵃˡgᵣ = Rᵒᵇˢgᵣ · 1{|ψₘ→ⱼ,ᵣ|>εψ ∧ |φⱼ→ₘ,ᵣ₊₁|>εφ ∧ πᵣ₊₁≠πᵣ}，
且右端取值为1，才称该类轮次获得因果确认。这里的Rᵒᵇˢgᵣ指风险组g中预先注册的候选事件类别达到方案所定比例与复现标准，并非把单个人的观察判决直接平均。因果判决放在预先规定的风险组而非单个患者上，是因为同一个人的两个互斥反事实通常不可同时观察；个体可以有事件记录，却不能凭自身一条轨迹获得无条件的因果认证。π的改变也不是要求临床上立即换药，而是要求标准化实验或研究方案中的因果杠杆排序发生可复现变化。
两段对比可由随机序贯扰动、可信自然实验、满足假设的工具变量，或跨系统保持方向与幅度的机制不变性来支持；被动纵向资料至多支持观察候选。时间变化中介方法可估计ψ与φ的一部分，有向循环图可表达回路，但二者都不会自动替研究者证明干预可定义、无未测混杂、正值性与跨轮一致性[51-52]。因此，一条稳定的双向相关链仍不是结局改写轮；一个有反馈的机制也未必发生角色交接。
三条命题共同削弱而非保护本文。第一条使大量基线—终点队列失去确认资格；第二条把漂亮的时序图降为候选；第三条要求同一理论连续赢过“首动→跟随”和“跟随→下一门槛”两次因果检验，并改变干预排序。只要任一段为零、方向不稳、不能定义干预，或成熟模型给出同一排序，最合理的处理就是保留原有理论、删除新对象。
结局改写轮不是规定B、X、A必须按一个方向循环。理论允许六种首动—跟随次序，也允许中断、并列与零轮。下列是机制模板，不是对任何患者的诊断叙事。
B→X→A→B。 一项具体保护功能在相应危险需求下先出现可靠下降，随后克隆或细胞状态轨迹跨过预定边界，资源配置再被持续扩张或炎症牵引，最终使原屏障下一轮更易失效。这是放大性推进接力的候选。要确认它，必须证明B变化不是X早期未检出造成，A也不是年龄或治疗的共同结果。
B→A→X→B。 屏障下降先引起维持投入增加；若投入足以恢复，随后轨迹转移压力下降并提高B下一轮余量，属于修复接力。若高成本投入挤压其他维护，轨迹反而更接近边界，则反馈符号可能转正。相同首动次序可以因反馈不同产生相反结局。
X→B→A→X。 随机出现并扩张的细胞状态先改变组织竞争或抗原结构，继而增加屏障需求或逃避免疫，维持配置最后被重排，并进一步改变该轨迹的增长环境。此路径最容易被“突变决定一切”吸收；只有末端A对下一轮X转移率有独立预测或干预证据，才构成改写而非普通克隆演化。
X→A→B→X。 轨迹波动先触发资源重配，之后屏障因补偿而增强或因消耗而下降。若增强，可能形成守稳；若下降，则可能锁进。识别难点是X和A常以不同时间分辨率测量，且临床处置可能在中间成为强共同原因。
A→B→X→A。 维持配置缺口先被独立测得，继而某项保护功能下降，状态轨迹再转移；转移产生的代谢、免疫或治疗后果又扩大配置缺口。这一模板不能用“衰老”一词包办。年龄必须拆成具体时间指标，A必须具有预算与替代用途证据，否则只是给老化重新命名。
A→X→B→A。 配置变化先改变选择环境或组织状态，轨迹随后转移，最后产生的需求使屏障暴露不足，并进一步消耗配置余量。这一路径尤其容易受逆向因果影响：未检出的X可能早已导致A变化。需要高频测量、滞后敏感性和负对照，才可能区分。
六条模板产生一项重要后果：同一个风险因素可能在不同轮次扮演不同角色。炎症可以是某轮的共同原因、另一轮的B指标、又一轮的X后果；治疗既可能恢复屏障，也可能选择出新的克隆。研究者不能因为变量名字相同就固定箭头，必须按轮次说明它在哪一层、由何指标定义、发生在何时。角色可变不等于任意可变；恰恰相反，它要求更严的时间戳与定义版本控制。
传统风险模型常把个体差异写成基线危险、协变量主效应及交互项。这样的模型对于预测非常重要；本文不要求用三层序列取代它。结局改写轮只指出一种可能被总风险压缩掉的结构：两个人在t0具有相近预测风险，并不意味着他们对下一事件拥有相同的改写权限。
所谓改写权限，不是主体的法律或意志权利，而是某层发生变化以后实际改变下一轮门槛的能力。甲与乙都可携带同一驱动突变、拥有相近年龄和克隆大小；甲的扩张可能激活一项有效修复配置，使B余量恢复，乙的扩张则可能消耗配置并降低B门槛。t0的风险量相近，第一轮后的转移核已经不同。若只在t0匹配，差异看似“随机”；若只在终点回看，差异又会被某个最终生物标志完全解释。首动序列要求在中间捕捉谁改变了下一轮。
这也解释时间尺度悖论。短期观察中，某层可能稳定保留首动位，看似固定驱动；跨数十年观察，上轮累积结果逐渐改变门槛，首动位才发生转交。反之，频繁生物波动可能并未超过实质阈值，也没有反馈回写，不能因高频数据漂亮就制造许多“轮”。序列的颗粒度必须由生物时间、测量可靠性和预定的最小实质变化共同决定。
由此可得三条可检验推论。第一，在基线风险相近的个体中，加入上一轮的首动层、反馈符号和首动位去向，应改善对下一轮转移或临床结局的外样本预测；若不能，序列没有增量价值。第二，针对同一变量的干预效果将依赖它当前扮演首动层还是跟随层；只按变量名称分组会稀释效应。第三，相同首动层在修复性与放大性反馈下应产生相反的下一轮门槛变化；若反馈符号不能区分，四格判决失效。
新名词最危险的竞争者不是批评者，而是已有理论。表3把本文同十七类强近邻放在同一可观测资料上比较。每一行都问：若两种理论都能解释既有结果，未来哪一项观察会让它们作出不同判决？没有相反预测的“差别”只是修辞。
表 3 十七个强近邻与结局改写轮的双向预测判决
| 强近邻 | 已有理论的核心预测 | 结局改写轮必须额外预测 | 若观察不到，应怎样处理 |
|---|---|---|---|
| 多阶段致癌[9] | 发病需多个事件，年龄曲线反映阶段数或速率 | 同一阶段类别在不同轮可由不同层首动，且上轮末端改写下轮首动资格 | 退回多阶段模型，删除新对象 |
| 两击假说[10] | 遗传与散发病例的事件结构、年龄分布不同 | 第二击后的跟随变化还应改变后续屏障或配置门槛，而不止完成一个阶段 | 只称两击／多击，不称改写轮 |
| 克隆演化[11] | 变异、选择与克隆竞争产生扩张和异质性 | 轨迹X并非总为首动；B或A可先动并改变下一轮选择环境 | 若X始终吸收全部预测，使用克隆演化 |
| 场癌化[8] | 广阔组织背景使多个病灶共享病因场 | 同一场内不同局部单位可出现不同首动序列，并由局部反馈持续分化 | 若场状态充分决定结局，删除序列增量 |
| 潜在脆弱性[12] | 稳定的未观测差异造成群体选择与风险异质 | 个体内首动位应随轮次可解释地转换，非仅随机效应大小不同 | 若稳定随机效应足够，改用frailty模型 |
| 癌症吸引子[23] | 调控网络可从正常吸引域转入恶性吸引域 | 跨域后应有可测反馈改写B或A，使下一次边界不同 | 若景观固定且足够，首动位无增量 |
| 组织组织场理论[30] | 组织层关系失常可先于细胞自主异常 | 组织屏障先动不是默认；X或A首动时应产生不同顺序预测 | 若所有个案同一路组织先动，使用原理论 |
| 癌症标志[7] | 恶性肿瘤获得一组功能能力与促成特征 | 标志不是平面清单；不同获得顺序须改写下一轮门槛并改善预测 | 若只重排标志，删除新名词 |
| 衰老标志与癌症—衰老元标志[31-32] | 基因组不稳定、炎症、衰老细胞等共同塑造衰老与癌 | 年龄相关层不应固定为A；B、X、A的首动交接须在个体内可测 | 若年龄／标志总分充分，退回既有框架 |
| 一次性躯体理论[24] | 维修投入受繁殖与生存收益约束 | 配置A应在事件后被反馈改写，而非终身常数 | 若固定维修参数足够，删除“轮” |
| Peto悖论与比较肿瘤学[28-29] | 大型长寿物种演化出额外抗癌机制 | 物种防御差异只设先验；个体结局仍需纵向首动序列 | 若只靠物种比较，不得推及人类个体 |
| 动态预测与联合模型[33-34] | 随纵向标志更新个体风险，提高近期预测 | 编码首动层—反馈—去向应在外部资料上再增加预测或干预可迁移性 | 若表现相同或更差，以成熟模型为准 |
| 动态安全边界与系统约束[45-46] | 系统会在效率、负荷与安全边界间迁移；事故可由约束控制失效产生 | 不只识别边界漂移，还须证明某层的后果改变下一轮另一层的因果杠杆排序 | 若边界迁移和控制结构已充分解释，删除“角色交接” |
| 自激点过程[47] | 既往事件提高后续事件强度，可形成聚集与级联 | 后随事件还须反向改写原首动层阈值，并使下一轮干预优先级改变 | 若条件强度核已充分预测，只称自激／互激过程 |
| 状态切换与非平稳因果图[48-49] | 潜在状态或因果模块随时间切换，参数与图结构可以改变 | 切换须由已识别的上轮后果所致，而非外生状态；且能预测干预排序交接 | 若外生切换或时变图给出同一预测，采用成熟模型 |
| 互惠因果与生态位构建[50] | A作用于B，B又改变A或其选择环境，双向因果可跨代／跨期持续 | 两向作用须被切成可审计轮，并在第二段作用后改变下一轮首动杠杆 | 若一般互惠因果已足够，不新增“轮” |
| 时间变化中介与有向循环纵向图[51-52] | 可估计时间变化的直接、间接及循环关系 | 还须通过两个可定义干预的因果对比，并在外部资料中复现角色交接 | 若同一图已给出相同因果效应与干预排序，删除新对象 |
表中最强的竞争者不是某个古老病因理论，而是动态联合模型、非平稳因果图与互惠因果。成熟方法已经能用纵向标志不断更新风险、联合多个过程，甚至表达图结构与机制随时间变化[33-34,48-52]。安全科学也早已说明系统可在边界附近漂移并由控制失配而失败[45-46]。本文不能以“风险会变”“系统有反馈”或“箭头可双向”宣称创新。它只在一个更窄的任务上可能有用：两个模型预测同样的下一年风险时，首动序列还应预测哪一层的干预会改变下一轮门槛，以及这一优先级何时因上轮后果而转交。若只提高拟合而不能带来这种干预区分，它只是过度参数化。
同样，组织组织场理论反对把癌症仅归为单个细胞自主突变，癌症吸引子强调状态转换，衰老标志与癌症标志已广泛容纳反馈和网络[7,23,30-32]。本文不能把“组织”“状态”“网络”再说一遍。它的全部生存空间压缩为一项严苛条件：因果角色的交接必须按轮次被编码，通过首动到跟随、跟随到下一门槛两段因果检验，并产生强近邻不会自动给出的干预排序变化。
第一条是双零轮规则。观察候选与因果确认分别计数：只要三层没有被独立重复测量、越界顺序不可识别，或反馈没有改写下一轮字段，观察候选轮数就是零；即使这些字段齐备，只要ψ、φ两段因果对比或干预排序变化不能识别，因果确认轮数仍为零。资料丰富不等于资料适合；数千个分子特征的横断面数据仍可能得到两个零。
第二条是强竞争者优先规则。固定驱动、基线状态、潜在脆弱性、共同炎症、治疗、暴露变化、克隆竞争、测量误差和选择偏倚中，必须事先指定最能解释现象的一项作为主竞争者。新模型只能同它比较，不能只同一个明显较弱的基线模型比较。本文后文把“固定驱动基因与基线克隆状态”设为克隆资料中的主竞争者。
第三条是双预测规则。一个观察如果同时被本文和近邻预期，就不算支持。支持至少要包含两项：本文预期而近邻不必预期的结果出现；本文禁止而近邻允许的结果没有出现。例如，动态模型可以预期风险随标志更新，本文还必须预期反馈符号改变下一轮哪层首动；只观察到风险更新不够。
第四条是删除规则。以下任一情形经充分样本和外部复现后成立，便删除“结局改写轮”而非继续加补丁：
三层不能获得定义独立、时间分辨率足够的纵向指标；
基线frailty、驱动基因、状态和成熟联合模型已产生相同预测与相同干预分层；
所谓首动完全由采样频率、检测限、回归到均值或共同原因解释；
跟随变化从不改写下一轮阈值、敏感性或余量；
合理改变轮窗、阈值或滞后后序列不稳定，且无法由生物时间解释；
在外部队列中，四格判决不能区分下一轮方向或临床结局。
理论必须允许这些结果。否则“万物互相影响”会让它在任何资料中获胜，而任何必胜理论都没有解释风险。
检验新命题最忌讳只选概念上友好的案例。克隆性造血并非恶性肿瘤诊断，却有三个适合作为压力测试的特点：体细胞驱动变异可被深度测序；同一克隆可跨多年重复追踪；克隆增长同后续髓系恶性肿瘤风险有关，但大多数携带者不会在观察期内进展。这使“相近驱动为何产生不同轨迹”可以被量化，同时迫使理论承认从轨迹到癌症仍有证据台阶。
Fabre等对385名入组时55岁以上、无血液恶性肿瘤史的参与者进行最多5次采样，追踪697个克隆，观察中位数约13年[5]。作者报告92.4%的克隆在这段较晚生命期内以稳定指数速率扩张；不同驱动的平均年增长率差异很大，从DNMT3A或TP53相关克隆约5%到SRSF2 P95H超过50%，同一突变的增长率仍可相差约±5个百分点。增长更快的驱动同更高髓系恶性进展风险相关，但增长率没有穷尽恶性潜能[5]。
Mitchell等则对10名0—81岁个体的单细胞来源造血克隆测序3,579个全基因组，以系统发育重建全生命程[6]。造血干／祖细胞出生后平均每年积累约17个突变；65岁以下成人造血高度多克隆，而75岁以上个体30%—60%的血细胞生成可由12—18个克隆贡献。许多晚年占优势的克隆在40岁以前已开始扩张[6]。两项研究放在一起形成一个对本文不友善却重要的时间尺度冲突：约13年的可见区间很稳定，全生命史却可呈早期扩张、晚期减速或年龄依赖的不同模式。
本研究在成文前建立内部审计记录，但这不是第三方平台上的正式盲态预注册。Fabre等论文摘要及公开渲染分析页在规则冻结前已经可见，因此这里只称“规则锁定后的复算与记录审计”，不冒充前瞻性发现。计算规则、阈值与脚本随稿保留，任何人都可用作者公开代码、渲染页和数据说明复算[53-54]。
第一条反证规则针对过强版本：若约13年观察段内稳定指数增长比例不低于80%，便否定“多数可见克隆在短期内频繁发生结局改写轮”。这一阈值故意宽松；达到它不能否定少数换挡，也不能否定未测层反馈，只否定“频繁轮换是普遍可见现象”。
第二条规则针对相反的过强版本：若真实资料中有超过10%的轨迹达到作者分析代码所用的强减速／饱和判据——晚期观测增长相对于按历史可行性推得的期望增长低于0.44——则反对“同一固定增长优势贯穿全生命程”。这不是本文创造的新阈值，而是沿用作者公开分析中的分类；模拟数据不与真实数据混合。
第三条是记录性硬门槛：资料必须同时拥有B、X、A三个相互独立的纵向数据流，以及末端改变下一轮门槛或敏感性的字段，才可记录观察候选轮；还须有足以识别ψ和φ的随机、准实验或机制不变性材料，才可因果确认。增长减速本身只能说明动力随时间改变，不能说明哪一层首动，更不能用X的一个时间序列反向填出B和A。
按论文报告，697个克隆中约644个符合稳定指数增长，比例92.4%；Wilson 95%区间为90.2%—94.1%。它明显超过80%的反证线。因此，若把本文写成“多数可见克隆每几年就发生一次屏障—轨迹—配置轮换”，真实资料不同意。至少在这些中老年参与者、这些已达到检测水平的克隆及这一采样密度下，稳定增长是主图景。
这一反面结果具有理论含义。它排除把所有微小增长率抖动解释成轮，也提醒“动态”不等于“频繁变点”。首动位可能长期由X保留；B或A的变化可能低于检测限；真正的角色交接也可能发生在入组前数十年。无论哪种解释，都不能把未观察到说成观察到了。本文的短期普遍版本在此失败。
对作者公开渲染分析页中首个汇总表进行机器解析，并严格沿用其饱和分类，Fabre系统发育资料有6/11条、Mitchell系统发育资料有17/29条、Fabre纵向外推资料有343/633条达到判据。三个真实数据来源合计366/673，即54.4%，Wilson 95%区间50.6%—58.1%。模拟资料107/177不纳入真实数据合计。
表 4 克隆性造血公开资料的规则锁定算术结果
| 资料来源 | 达到强减速／饱和判据 | 分母 | 比例 | 本文可作的最强解释 |
|---|---|---|---|---|
| Fabre系统发育重建 | 6 | 11 | 54.5% | 部分全生命轨迹与恒定增长优势不相容 |
| Mitchell系统发育重建 | 17 | 29 | 58.6% | 年龄阶段可伴随克隆贡献结构变化 |
| Fabre纵向轨迹历史可行性检验 | 343 | 633 | 54.2% | 晚年稳定速率反推全生命史时常不合理 |
| 三组真实资料合计 | 366 | 673 | 54.4%（95%区间50.6%—58.1%） | 超过10%反证线，否定严格终身固定增长史 |
| 同期可见稳定指数增长 | 644 | 697 | 92.4%（95%区间90.2%—94.1%） | 超过80%反证线，否定多数克隆短期频繁换挡 |
两个比例并不矛盾。它们使用不同问题、分母和时间尺度：一项问中老年可见区间能否用稳定指数描述，另一项问把晚期速率外推到全生命是否可行。最稳妥结论是：短窗内的轨迹稳定与长程中的动力改变可以同时成立。这为“固定因果角色不能自动跨尺度”提供动机，却仍没有证明结局改写轮。
计数敏感性分析进一步问：需要多少条分类被反转，预设判决才会跨线？在697个克隆中，当前644个被报告为稳定；至少须把其中87个改判为不稳定，比例才会从92.4%降到80%以下。历史轨迹中当前366/673达到强减速／饱和判据；至少须把其中299个改判为未达到，比例才会降到10%或以下。前者相当于反转当前稳定分类的13.5%，后者相当于反转当前饱和分类的81.7%。两项Wilson区间下限也分别高于各自阈值。这个结果只说明汇总计数对少量随机错分不敏感；它不能抵抗共同方向的系统误分类、0.44阈值本身不合理、模型错设、检测限或样本选择。把计数稳健性写成机制稳健性，同样属于证据越级。
复算有明确限制。当前审计只解析作者公开渲染页的汇总计数；由于未能在当前环境中取得Figshare压缩包，没有重做个体级拟合、克隆筛选或不确定性传播。因此它是表级算术复核，不是原始资料独立复现。0.44分类对模型结构、逆向外推、起始年龄约束和检测限敏感；系统发育分母也较小。任何超出“固定全生命增长受到挑战”的解释都不被允许。
公开资料清楚记录了X层：变异等位基因频率、克隆大小、增长率、系统发育与变点信息。它没有把某项保护功能在标准危险需求下的完整性作为独立B流连续测量，也没有把有限资源在维护及替代用途之间的配置作为独立A流测量；更没有记录末端变化怎样改写首动层下一轮阈值。按硬门槛：
表 5 公开资料对结局改写轮必需字段的记录审计
| 必需字段 | 公开资料是否存在 | 审计判决 |
|---|---|---|
| 独立B流：具体保护功能及其需求下完整性 | 否 | 不能确认屏障首动或跟随 |
| 独立X流：克隆／状态轨迹 | 是 | 可描述增长与时间尺度差异 |
| 独立A流：维护配置、替代用途与储备 | 否 | 不能确认配置首动或跟随 |
| 末端改写下一轮门槛／敏感性 | 否 | 不能从候选链升级为改写轮 |
| 观察候选轮数 | — | 0 |
| 因果确认轮数 | — | 0 |
这个零不是“没有发生”，而是“资料不能确认”。但它也绝非支持：一个需要三流资料的理论，面对单流资料只能停在门外。现有公开数据对本文提供两项时间尺度约束和一项记录性失败；它没有提供机制验证。若论文把366/673说成“证实首动位轮换”，就是证据越级。
为避免“因为主资料缺字段，所以到处都能想象机制”的退路，还须让独立研究逐段审讯箭头。在Tet2缺失小鼠中，Meisel等发现肠屏障功能障碍、细菌移位与IL-6信号参与前白血病性髓系增殖；无菌条件或抗菌处理削弱相关表型[55]。这为特定遗传背景下“屏障／微生物信号→克隆表型”提供了干预性材料，却没有独立A流，也没有测量克隆结果是否反写下一轮肠屏障阈值，故最多逼近ψ的一个实例。
Cai等显示，炎症应激可扩大Tet2突变前白血病细胞的竞争优势，抑制相关炎症信号可缓解异常与克隆性造血[56]；Hormaechea-Agulla等又证明，慢性感染可经IFNγ信号选择性推动Dnmt3a功能缺失型克隆性造血[57]。两项工作把“炎症只是伴随标志”推进为有条件的选择机制，也说明同一外部过程对不同驱动背景未必等效。然而，它们主要识别“环境压力→克隆适合度”的箭头；没有同时完成后随层回写原层阈值及下一轮干预排序改变，不能被本文征用为完整角色交接。
在人类资料中，Prummel等分析84名供者并结合共培养实验，报告克隆性造血与骨髓增生异常不同阶段存在炎症性基质细胞和T细胞参与的骨髓生态位重塑[58]。这使“克隆状态↔生态位”成为很强的两层近邻，但横断面阶段比较无法独立判定谁先动，也不能重建同一人的下一轮门槛。更重要的反例来自Walkowiak等对约38万名UK Biobank参与者的分析：热点突变肽的主要组织相容性复合体结合能力与克隆性造血患病率或克隆大小未见预期关联[59]。因此，不能把任何泛称“免疫识别”指标自动指定为B流，更不能把阴性免疫监视结果从分母中删除。
这些研究共同强化了部分箭头，也共同收窄了本文。微生物—炎症、感染—IFNγ、突变克隆—骨髓生态位都可能形成可干预反馈；但反馈存在不等于三层齐备，更不等于因果杠杆已经交接。按双重干预判据，现有文献仍没有一项同时提供独立B、X、A流、两段因果对比与跨轮干预排序。因此，本节的外部机制审计增加的是边界知识，而不是把因果确认轮数从零改成一。
正常组织并不等于无突变。正常人眼睑皮肤中可见大量受到正选择的体细胞克隆[35]；正常食管上皮随年龄出现驱动变异克隆扩张[36]；正常结直肠隐窝也可通过系统发育重建长期体细胞演化[37]。这些发现推翻“驱动突变一出现，癌症结局就已被决定”的直线叙事，却不说明突变无关。驱动可以改变克隆适合度，组织屏障、竞争、时间和后续事件则影响它是否取得临床意义。
克隆性造血同样位于这一证据阶梯。Jaiswal等和Genovese等在大规模测序中发现，年龄相关克隆性造血同后续血液肿瘤及其他不良结局风险相关[38-39]；Steensma等据此界定“意义未明的克隆性造血”概念并强调，它不是血液恶性肿瘤本身[40]。癌症治疗还可选择既存TP53、PPM1D等克隆，显示外部处置会改变克隆景观[41]。这些证据支持突变、选择环境和时间相互作用，但每一步都需要独立验证。
因此，本文把“相同突变为什么不同结局”拆成至少四个层次：
变异层： 是否存在同一基因、同一位点或相近功能效应；
克隆层： 变异是否带来可测扩张、竞争或空间占据；
组织层： 扩张是否改变具体屏障、微环境与维持配置；
临床层： 是否形成符合诊断标准的恶性肿瘤、进展或相关结局。
层与层之间不能用一个概率直接焊死。相同位点可有不同克隆速度，相同克隆速度可有不同组织后果，相同组织异常也可因检测、治疗、竞争与死亡风险产生不同临床路径。结局改写轮若有价值，恰在于把层间角色交接变成待测事件，而不是再造一条“从基因到命运”的宿命链。
这也重置了关于“坏运气”的争论。干细胞分裂次数同癌种风险的相关曾被解释为复制相关随机突变的重要性[13]，随后研究强调外部因素在多种癌症中具有重大贡献[14]。二者讨论人群层来源构成，不能直接回答某个携带者为什么此时进展。随机突变可以是X层材料，吸烟、感染或职业暴露可以改变危险需求，胚系变异可改变基线屏障；它们都不因本文对象而消失。本文只拒绝把“随机”写成不变骰子，也拒绝把“可预防”倒写为患者本可凭意志避免。
首个验证研究应选择一个具有明确前驱状态、可重复取样且时间尺度可承受的窄领域，而不是把乳腺癌、肺癌、白血病和结直肠癌混在一起。可行候选包括高风险克隆性造血、炎症性肠病相关结直肠癌前过程、宫颈高危型人乳头瘤病毒持续感染或口腔场癌化。选择标准不是病例最多，而是三层可被独立记录、伦理上允许重复采样、且已有强竞争模型。
以高风险克隆性造血为例，X流可由高深度序列、克隆增长和系统发育测量；B流必须另选与造血危险需求相关的功能测定，例如标准化损伤挑战下的DNA损伤应答、免疫清除或骨髓生态约束指标；A流则须记录维护投入、储备和替代用途，不能只把全血计数或年龄改名为配置。若A无法可靠操作化，应承认该领域暂不能检验完整命题，转向可测的实验系统，而不是用多组学数量掩盖定义缺失。
表 6 B、X、A三流及反馈字段的最低测量规格
| 数据流 | 最低测量要求 | 可接受例子 | 不可接受替代 |
|---|---|---|---|
| B 屏障功能 | 预先指定危险需求、功能输出、可靠变化界限、重复测量 | 标准化损伤后的检查点／修复动力，特定抗原条件下清除功能，组织结构完整性量化 | “免疫力低”“修复差”或由最终癌症倒推 |
| X 轨迹状态 | 连续时间或足够高频的状态、增长、变点及误差模型 | 克隆VAF与增长率，单细胞状态占有，空间扩张与转移概率 | 只有基线突变有无或最终诊断 |
| A 维持配置 | 同时测投入、储备与至少一项替代用途，说明预算边界 | 维护通路通量、能量／底物分配、功能储备与竞争需求的联合测量 | 年龄、BMI、疲劳或一个炎症标志单独代理 |
| 反馈字段 | 下游层对下一轮首动层门槛、敏感性或余量的影响 | 重复功能挑战、自然实验或干预后阈值变化 | 同期相关、机制想象或事后路径图 |
采样计划必须依据最快有意义过程，而非门诊方便。若B按小时变化、X按月、A按周，统一每年一次会把顺序折叠成同测；反之，高频采样也会增加假变点。可采用嵌套频率：日／周级功能子队列、月／季度级状态追踪、年度临床结局，并通过连续时间模型显式处理不规则采样与区间删失。
阈值应在训练队列确定后冻结，并在验证队列原样使用。个体内阈值可减少稳定个体差异，却会受回归到均值影响；外部阈值便于比较，却可能忽略基线。最稳健方案同时报告技术可靠变化界限、个体内变化与临床相关界限，并预先规定不一致时如何判决。任何“最合适阈值”若由结局最大化选择，都须在独立样本验证。
至少比较三组模型。M0是固定驱动／潜在脆弱性模型，包括胚系风险、年龄、驱动基因、位点、基线克隆大小、暴露与个体随机效应；M1是成熟的多变量联合纵向—结局模型，允许B、X、A的当前值、斜率和随机效应动态更新风险[33-34]；M2在M1基础上加入首动层、反馈符号和首动位去向。比较不能只看训练集似然，而应在外部队列进行时间依赖校准、区分度、Brier评分、预序贯预测以及临床净获益。
M2的成功标准比“预测略好”更高。它须同时满足：
首动序列的加入带来预先规定的、外部可复现的增量；
同一风险水平下，序列能够区分针对B、X或A的干预响应；
反馈符号预测下一轮阈值变化，而不是只重述本轮结局；
去掉反馈字段后表现明显下降，说明“改写”而非复杂度本身贡献信息；
在不同合理采样频率和阈值下，主要序列判决保持稳定。
ψ与φ两段因果对比均跨过预定实质界限，并使标准化干预排序按预测改变。
若M1给出相同风险和相同干预排序，M2应被删除。理论不应因多了可解释标签就获得优先权。
治疗、感染、炎症与医疗监测都可能既受先前状态影响，又影响后续B、X、A；简单回归调整可能阻断真实中介或引入偏倚。研究应事先绘制时间展开的因果图，区分共同原因、中介、汇合变量和测量过程，并在适当问题上采用边际结构模型、g公式或结构嵌套模型[44]。首动判决可借鉴滞后预测与时间序列因果发现，但Granger式“过去改善预测”不自动等于生物因果[42-43]。
时间变化中介分析能够在明确假设下拆分纵向直接与间接效应，有向循环纵向图能够表达反馈结构[51-52]；二者解决的是“怎样表示与估计”，不会自动解决“干预是否可定义”或“未测共同原因是否存在”。因此，分析方案必须把ψₘ→ⱼ与φⱼ→ₘ分成两个目标估量：先检验首动干预是否改变后随层，再在新的风险集中检验后随干预是否改变原层下一轮阈值。用同一个复合生物标志同时定义干预、介质与阈值，会让两段效应按定义成立，必须禁止。
最有辨识力的设计是安全可行前提下的序贯随机扰动：第一阶段在模型系统中随机操作候选首动层，第二阶段只在已出现预定后随反应的单位中随机操作后随层，并盲态判断下一轮阈值及π是否改变。若随机化不可行，可使用治疗政策改变、供给中断或遗传工具等自然实验，但须逐项论证排除限制、排除通道与正值性；“自然发生”不等于自然实验。人体研究只能利用具有独立治疗理由的操作，不得为制造因果对比而暴露参与者于已知危险。
至少设置四类负对照。测量负对照检验更高采样频率是否自动获得首动位；时间负对照把跟随窗置于首动之前，若仍有同样关联则提示逆向因果；结局负对照选择不应由该机制影响的指标；暴露负对照选择共享测量流程却缺乏机制联系的变量。还应模拟不同检测限、掉访、死亡竞争风险和治疗启动规则，观察首动序列是否被数据生成过程制造。
在可干预系统中，随机化不应只问“干预是否降低终点风险”，还应问“干预是否按首动序列改变下一轮”。例如，若B被判为候选首动层，靶向B的操作应先改变预定X或A；随后对该后随层的独立操作还须改变B的下一轮门槛，并按方案改变π。若只改变同期标志、只有一段效应或序列不变，则机制不符。人体试验必须以已有安全性与临床合理性为前提，绝不能为了验证理论而延迟标准治疗。
第一级是可控模型系统。类器官、动物或细胞群可高频测量三层并施加顺序干预，用于证明反馈改写在生物上可能发生。它能验证局部机制，不能证明人类发病比例。
第二级是人类纵向观察。高风险队列、剩余样本和数字病理可检验三层是否可记录、序列是否稳定、是否超越强竞争模型。它能支持时序与预测，不能完全排除未测混杂。
第三级是自然实验或伦理可行的随机干预。其任务是验证按首动层排序是否产生不同后续门槛和结局。只有三级证据方向一致，才可把“结局改写轮”从研究对象推进为干预分层候选。跨层证据若不一致，应降低结论，而不是让模型实验替人类结果投票。
多基因风险评分聚合许多常见变异的统计效应，可在特定人群和癌种中改进分层。它主要属于基线条件；评分随生殖细胞序列通常不变，却可同年龄、暴露和筛查共同影响绝对风险。本文不把PRS改写为B，也不声称首动序列取代遗传咨询。只有在相同PRS层内，序列对动态结局或干预选择有额外信息时，两者才互补[4]。
Hanahan更新的癌症标志框架总结维持增殖、逃避免疫、基因组不稳定、表型可塑性等能力与促成特征[7]。它回答恶性系统具有什么能力，不必承诺每个肿瘤以同一顺序获得。本文可以把某项标志操作化为B、X或A的一部分，却不能把整个标志框架装入三格。若首动序列只把标志排列一次，没有下一轮回写，它没有增加机制。
更新后的衰老标志包含基因组不稳定、端粒损耗、表观遗传改变、蛋白稳态丧失、失调营养感知、线粒体功能障碍、细胞衰老、干细胞耗竭和慢性炎症等[31]；癌症与衰老的元标志工作进一步讨论二者的共同与相反机制[32]。这些框架表明年龄并非单变量。本文不能把所有衰老标志都塞入A层，更不能说“老了所以少维修”。每个指标须按本研究中的功能角色和时间顺序归类。
场癌化说明广阔上皮可共享损伤史并产生多灶病变[8]；组织组织场理论强调组织相互作用与形态发生场，不接受癌症只由单细胞突变起始[30]。本文从这些理论学到分析单位可以是组织而非个人或单细胞，但不预设B总由组织先动。只有比较同一场内局部单位的不同序列，才能说明首动交接是否提供增量。
大型长寿动物细胞更多、复制机会更多，却未按简单乘法表现极高癌症率；跨物种突变率与大象抗癌机制为演化解决方案提供材料[28-29]。这说明风险不是“细胞数×突变概率”的裸乘积，也提示屏障架构可随演化史变化。但物种比较不能解释某位患者为何患癌，更不能暗示人的身体“设计失败”。本文只把它当作B与A可被长期共同塑造的证据。
Nowell的克隆演化仍是理解肿瘤内选择的基础[11]，正常组织和克隆性造血研究又显示选择早于临床恶性[5-6,35-41]。随机突变提供变异，选择改变频率，漂变和生态竞争塑造路径。本文不否认这些过程；它提出一个风险更高的反命题：在某些轮次，保护功能或维持配置的变化应当先于可测克隆轨迹并改变其下一轮环境。若纵向资料始终显示X层先动且吸收全部信息，本文在该领域失败。
“思想癌症”可以指观念自我复制、排斥纠错或侵蚀共同生活，“心理癌症”可以作为文学性表达描述痛苦的缠绕；这些比喻的对象、证据和干预均不同于恶性肿瘤。社会条件可以真实改变吸烟、感染、职业暴露、营养、医疗可及性和治疗连续性，心理状态也可以影响生活质量与照护行为；这些路径应逐段实证。它们不能因都具有“反馈”“扩散”或“失控”就共享一套病理机制。本文的B、X、A不用于把错误观念或情绪编码为致癌层。
如果结局改写轮得到未来验证，它对预防与治疗的第一项启示不是新增一个风险分数，而是干预时机可能取决于当前因果角色。一个变量在首动层时可能是改变下一轮的杠杆，在跟随层时却只是损伤记录；同一靶点在修复接力和推进接力中的意义也可能相反。这为解释同类干预反应异质性提供可检验方向。
但概念不得直接生成“B型、X型、A型患者”。首动位是某一轮的关系属性，会随时间和测量改变；把它固化为人格或体质标签，正好背叛本文反对固定因果角色的出发点。临床报告若未来使用，也只能写“在某观察窗、某指标和某模型下，某层先越过阈值”，同时报告不可判定概率、竞争解释和数据缺失。
对预防而言，结果分岔提示不能只在基线公布一个终身风险。高风险者需要符合指南的监测与干预，低风险者也不应把风险理解为零；动态变化可触发复评，但任何复评频率都须由临床证据、伤害—获益与资源公平决定。对治疗而言，既有标准治疗不能因为新理论而被延迟；理论只能在受控研究中检验是否改善时序、组合或适应性方案。
对病因沟通而言，“随机”不意味着毫无意义，“可预防”不意味着患者有罪，“遗传”不意味着必然，“演化”也不意味着合理或不可改变。概率语言应包含分母、时间窗和不确定性；机制语言应标明证据层；个体语言应避免把群体关联转换为人格审判。相同风险不同结局最应唤起的是认识谦逊，而不是寻找谁应受责备。
本文提出的是一张带删除日期的研究票据，而不是永久概念。到2034年12月31日，如果至少两个独立研究领域已经获得足够密度的B、X、A纵向资料，却仍没有一项在外部验证中同时满足“可排序首动—有序跟随—反馈改写—ψ与φ均跨越实质界限—干预排序按预测改变”，则应停止使用“结局改写轮”作为独立理论对象，改称成熟的动态联合模型、克隆演化、场理论或生命史权衡。
即使某一领域得到验证，也不得跨癌种普遍化。血液中的克隆可重复采样，实体组织具有空间结构；病毒持续感染具有明确外源过程，遗传综合征具有强基线风险。每个领域都要重新定义B、X、A、阈值与轮窗。理论的单位是经验证的序列，不是一个可到处粘贴的三角图。
还应公开阴性结果。没有首动、只有并列、反馈为零、M2不优于M1、干预排序失败，都是对理论边界有信息的结果。只发表漂亮的推进接力会制造选择性叙事，使概念看似无处不在。研究注册应包含失败编码与代码版本，资料共享须遵守隐私、同意和潜在遗传歧视防护。
最后，理论不得以技术乐观主义要求无穷监测。高频多组学可能带来偶然发现、焦虑、过度诊断、保险或就业风险与资源不平等。证明一条动态可测，不等于证明值得测；只有当序列信息改变可行行动，净获益超过伤害，并能公平获得时，才有临床转化理由。
相同风险之所以走向不同身体结局，不能由一句“每个人都不同”回答。那句话正确，却没有预测；也不能由“运气”“基因”“环境”或“免疫力”任何一个总词包办。本文把问题压缩成一条可失败的判断：在部分癌发生前过程里，屏障完整性、随机轨迹状态与维持配置不是固定的原因、扰动和背景；一轮事件的末端会改变下一轮谁能先越界，因果角色因此可能保留、转交、锁进或修复接力。
功能安全工程贡献了规范纪律：危险出现不等于保护已经失效，必须说明何种功能在何种需求下应当可靠。随机动力系统贡献了过程纪律：概率不是固定骰子，路径改变下一次转移条件。生命史生态学贡献了主体纪律：生命体有有限预算和替代用途，维护结果会改写未来环境。三门学科谁也不能单独推出“结局改写轮”；正是它们相互否决，并各自从内部推翻固定因果角色，才逼出这一共同结论。
公开克隆性造血资料没有为新概念提供胜利叙事。92.4%的短期稳定反证了多数克隆频繁换挡；54.4%的强历史减速／饱和分类反对严格终身固定；87与299条分类反转的计数敏感性说明两项阈值判决不由少量随机错分推动，却不能排除系统性模型错误。三流与反馈字段缺失使观察候选轮和因果确认轮都为零；微生物—炎症、感染—IFNγ和骨髓生态位研究只补上部分箭头，免疫监视阴性资料又禁止把泛化的MHC指标冒充屏障。最诚实的判决是：时间尺度改变动力图景已有证据，部分反馈有机制材料，因果角色交接尚待专门资料验证。
因此，本文的最终答案不是“癌症为何发生”的又一条万能原因，而是一项研究责任：不要只问某人拥有多少风险，还要在可重复测量中问，哪一层先越界、谁随后改变、末端是否重写下一轮门槛；更要分别检验首动干预能否改变后随层、后随干预能否改变原层下一门槛，以及干预排序是否真的转交。前一组问题只产生观察候选，后一组才允许因果确认。若成熟模型给出同一预测与同一排序，或答案长期为否，“结局改写轮”就应被删除。一个理论能够说明自己何时不成立，才配进入关于癌症的严肃解释。
| 审计对象 | 允许肯定判断的最小证据 | 明确记零／否定 | 暂不判定 | 可推翻原判断的材料 |
|---|---|---|---|---|
| B 屏障损失 | 具体保护功能、危险需求、输出和可靠变化界限均预先定义，独立重复测量 | 只有危险存在或“免疫力”泛词，无功能失效证据 | 功能指标存在但需求条件或误差不清 | 标准化挑战、功能实验、盲态复测与共同原因分析 |
| X 轨迹压力 | 状态、增长、变点或首达概率有时间戳和误差模型，不由终点倒推 | 只有基线突变有无或最终诊断 | 采样稀疏到无法区分渐变与变点 | 高频序列、空间／单细胞数据与系统发育重建 |
| A 配置缺口 | 同时记录维护投入、储备和至少一种替代用途，预算边界明确 | 仅以年龄、BMI、疲劳或炎症单指标代理 | 投入可测但替代用途或预算不明 | 通量、功能储备、竞争需求及干预后资源重配 |
| 阈值与轮窗 | 训练资料或技术界限事先冻结，观察窗、滞后和结束条件明示 | 看完结局后移动阈值或切轮 | 多个合理窗口给出不同判决 | 外部阈值验证、区间删失及敏感性分析 |
| 候选首动 | 唯一或可排序越界，校正测量频率后仍先发生 | 同层并列、首动发生在跟随之后或只有同测 | 越界区间重叠且无法加密测量 | 共同时间网格、连续时间模型和降频复算 |
| 首动位 | 候选首动对随后层有超越基线、共同原因和先前轮的增量预测 | 增量为零或由高频采样自动取得 | 竞争解释数据缺失 | 外样本预测、负对照、自然实验或顺序干预 |
| 有序跟随 | 至少另一层在预定[δ1,δ2]内方向明确改变 | 无跟随或只在任意滞后中显著 | 区间删失覆盖整个滞后窗 | 加密时间戳、预序贯预测与多重检验校正 |
| 反馈改写 | 跟随层改变首动层下一轮阈值、敏感性或余量，达到最小实质差异 | 只有同期相关或本轮中介，下一轮字段不变 | 下一轮未测或干预同时作用多层 | 重复功能挑战、机制干预及时间依赖因果模型 |
| 反馈符号 | 修复／放大方向在方案中定义，并以不确定区间判决 | 方向与定义相反或效应低于界限 | 短期与长期符号冲突 | 多时间尺度报告和效应持续性检验 |
| 首动位去向 | 下一轮同一规则下可判保留、转交或并列 | 下一轮不存在且理论声称序列 | 下一轮随访缺失 | 延长随访、死亡／失访竞争风险分析 |
| 观察候选轮 | 可排序首动、有序跟随和下一轮阈值变化三项同时成立 | 任一项明确不成立；不得由其他高值补偿 | 任一记录字段不可识别 | 三流独立纵向资料、共同时间网格及盲态事件裁定 |
| 因果确认轮 | 观察候选成立，且ψ、φ均跨越预定实质界限，π按预测改变 | 任一因果对比为零、方向不稳或干预排序不变 | 干预不可定义、未测混杂或正值性无法评估 | 序贯随机扰动、可信自然实验、有效工具变量或机制不变性复制 |
| 强竞争者 | 预先指定固定驱动、frailty、基线状态或共同原因中的最强者并正面对比 | 只同弱基线模型比较 | 最强者关键数据缺失 | M0/M1/M2外部模型竞赛和校准比较 |
| 增量价值 | 比成熟动态模型多预测下一轮门槛及干预排序，外部复现 | 预测和干预排序相同或更差 | 只有内部拟合改善 | 外部预序贯验证、消融和决策曲线 |
| 证据层边界 | 模型、动物、人类观察和干预证据分别表述 | 由数学可行、跨物种相关或克隆轨迹直接宣称个体癌症原因 | 转化层尚未完成 | 分级复制与预注册的人类研究 |
| 概念保留 | 至少一个领域通过双重因果链且未被强近邻吸收 | 2034年判决线到期仍无完整外部验证 | 只有观察候选轮或记录性失败 | 两个独立领域的三流队列、双重因果对比与干预排序预测 |
最小审计纪律
每轮先注册个体、组织、危险需求、B/X/A指标、阈值、时间窗、滞后和结束条件；不得从癌症终点反切轮次。
三层必须定义独立；同一个克隆增长指标不得同时充当B、X和A。
“先测到”不等于首动；不同采样频率须经共同网格、连续时间模型或降频复算。
时间先于只构成必要条件；共同原因、逆向因果、治疗启动、检测限与选择进入必须进入主分析。
只有首动和跟随、没有下一轮回写时，观察候选轮记零；有观察候选而无ψ、φ及π证据时，因果确认轮记零。
修复／放大与保留／转交分开编码；轮换不天然危险，固定也不天然稳定。
并列、零轮、无法判断和反馈为零均为有效结果，必须进入分母并公开。
基线frailty、驱动基因、成熟联合模型为优先竞争者；不得只与静态均值模型比较。
内部拟合、模型可解释性或新名称无同名命中均不构成原创机制证据。
模型系统证明可能，人类观察支持时序，干预支持因果；三层证据不得互相越级。
克隆性造血、驱动突变、场癌化和衰老标志不等于恶性肿瘤诊断。
BRCA、Lynch综合征、PRS或家族风险仍依专业遗传咨询和指南解释，不由首动序列替代。
人格、创伤、压力、情绪、思想、意志与道德品质不得被写成躯体癌症的直接原因。
不把首动位固化为患者类型，不以序列结果决定保险、就业、法律能力或临床资源资格。
若新对象不能改善外部预测和干预排序，或2034年到期仍无完整验证，即删除并恢复既有术语。
任何个体轨迹只可获得事件编码；因果确认发生在预先指定的实验系统或风险组，不得把群体反事实效果冒充患者个人的已证事实。
数据、伦理与人工智能协作声明
本文的克隆性造血复算使用已发表结果、作者公开渲染分析页及汇总计数，不含可识别个人信息。92.4%的短期稳定线、80%的过强版本反证线、0.44历史减速／饱和判据、10%的终身固定反证线以及三流记录硬门槛均在正式正文成稿前写入内部工作文件。由于主要论文与公开页面在规则冻结前已经可见，本文不声称第三方正式预注册或盲态分析。当前环境未取得Figshare原始压缩包，366/673的结果仅为公开渲染表级复算，不是个体级独立复现；87与299条反转是汇总计数敏感性，不覆盖模型错设。该资料的观察候选轮和因果确认轮均为零。
“结局改写轮”“首动位”和“首动序列”均为未经临床验证的研究概念，不用于诊断、筛查、治疗、遗传咨询、保险授权、人员录用或患者责任判断。动物、模型、跨物种、克隆轨迹、人类观察和干预证据按层级分别陈述。任何正式研究须取得相应伦理审查、知情同意，保护基因隐私并管理偶然发现与过度诊断风险。
作者陈晓艳提出专著题目、三学科约束、核心研究方向并承担最终学术责任。人工智能系统在作者指令下协助强近邻检索、公开资料算术核对、反例检查、文字起草与Word排版。作者对概念命名、论证取舍、引用与定稿具有最终决定权；人工智能不列为作者。若本文用于正式出版或投稿，作者应再次人工核对全部原始文献、代码版本、数据端点、伦理表述与目标出版机构规范。
Functional Safety Engineering, Stochastic Dynamical Systems, and Life-History Ecology on Outcome-Rewriting Rounds and First-Mover Sequences
Abstract
The question “Why did cancer occur in this person, tissue, and moment?” is often reduced to “Which risk factor is still missing?” That reduction mistakes population probabilities for individual destinies and assumes that causes, conditions, and outcomes retain fixed roles throughout observation. This article stages a strict conflict among three non-nested disciplines. Functional safety engineering asks which protective function must remain dependable when a hazardous demand occurs, but it cannot treat an evolved organism as a machine delivered to a design specification. Stochastic dynamical systems explain how comparable conditions can follow different paths and cross different basin boundaries, but mathematical possibility is not clinical evidence. Life-history ecology explains allocation among growth, reproduction, maintenance, repair, and reserve under finite resources, but population-level trade-offs cannot be rewritten as choices made by a patient. Their conflict reveals a shared premise: barriers, fluctuations, and allocation are assigned stable causal roles, while the outcome of one episode is not allowed to change which layer can become causal in the next. The article proposes an outcome-rewriting round. Within a prespecified window, one of three independently measured layers—barrier integrity, stochastic trajectory state, or maintenance allocation—first crosses a within-person threshold; at least one other layer subsequently changes in a directionally specified lag window; and that downstream change rewrites the initiating layer’s threshold, sensitivity, or available margin in the next round. Temporal order alone yields only a candidate round. Confirmation additionally requires intervention, natural-experiment, or cross-environment invariance evidence for both the initiating-layer effect on a follower and the follower’s effect on the initiating layer’s next-round threshold. A round is encoded as the first-moving layer, feedback sign, and whether the first-moving position is retained. The claim rejects three insufficient explanations: an undiscovered fixed frailty, repeated draws from an unchanging probability, and a once-for-all allocation to somatic maintenance. The proposal is tested against seventeen strong neighbouring theories—including reciprocal causation, niche construction, self-exciting processes, regime switching, dynamic safety models, and nonstationary causal graphs—and then confronted with a rule-locked audit of public clonal-haematopoiesis results. Approximately 92.4% of 697 clones showed stable exponential growth over an observed interval of roughly thirteen years, rejecting the overstrong claim that most visible clones frequently switch dynamics over short intervals. Yet 366 of 673 real-data trajectories in the authors’ rendered historical-growth analysis met a stringent deceleration or saturation criterion, indicating that short-window stability need not imply lifelong constancy. Count-level sensitivity checks show that the two decisions would require at least 87 and 299 published classifications, respectively, to be reversed before crossing the prespecified thresholds; this does not protect against systematic model misspecification. The main dataset does not jointly measure all three layers or next-round feedback, while external animal and human mechanism studies support only partial arrows. Both the observed-candidate and causally confirmed round counts are therefore zero. The article concludes with three identification propositions, a three-stream longitudinal design, deletion criteria, and clinical-ethical safeguards. The framework is a research proposition, not a tool for individual diagnosis or treatment, and it does not treat personality, emotion, trauma, thought, or moral character as direct causes of bodily cancer.
Keywords: cancer causation; functional safety; stochastic dynamics; life-history ecology; outcome-rewriting round; first-moving position; causal role succession
Mucci LA, Hjelmborg JB, Harris JR, et al. Familial risk and heritability of cancer among twins in Nordic countries. JAMA. 2016;315(1):68-76. doi:10.1001/jama.2015.17703.
Kuchenbaecker KB, Hopper JL, Barnes DR, et al. Risks of breast, ovarian, and contralateral breast cancer for BRCA1 and BRCA2 mutation carriers. JAMA. 2017;317(23):2402-2416. doi:10.1001/jama.2017.7112.
Dominguez-Valentin M, Sampson JR, Seppälä TT, et al. Cancer risks by gene, age, and gender in 6350 carriers of pathogenic mismatch repair variants: findings from the Prospective Lynch Syndrome Database. Genetics in Medicine. 2020;22(1):15-25. doi:10.1038/s41436-019-0596-9.
Zhang P, Chen PL, Li ZH, et al. Association of smoking and polygenic risk with the incidence of lung cancer: a prospective cohort study. British Journal of Cancer. 2022;126(11):1637-1646. doi:10.1038/s41416-022-01736-3.
Fabre MA, de Almeida JG, Fiorillo E, et al. The longitudinal dynamics and natural history of clonal haematopoiesis. Nature. 2022;606:335-342. doi:10.1038/s41586-022-04785-z.
Mitchell E, Spencer Chapman M, Williams N, et al. Clonal dynamics of haematopoiesis across the human lifespan. Nature. 2022;606:343-350. doi:10.1038/s41586-022-04786-y.
Hanahan D. Hallmarks of cancer: new dimensions. Cancer Discovery. 2022;12(1):31-46. doi:10.1158/2159-8290.CD-21-1059.
Slaughter DP, Southwick HW, Smejkal W. Field cancerization in oral stratified squamous epithelium: clinical implications of multicentric origin. Cancer. 1953;6(5):963-968. doi:10.1002/1097-0142(195309)6:5<963::AID-CNCR2820060515>3.0.CO;2-Q.
Armitage P, Doll R. The age distribution of cancer and a multi-stage theory of carcinogenesis. British Journal of Cancer. 1954;8(1):1-12. doi:10.1038/bjc.1954.1.
Knudson AG Jr. Mutation and cancer: statistical study of retinoblastoma. Proceedings of the National Academy of Sciences USA. 1971;68(4):820-823. doi:10.1073/pnas.68.4.820.
Nowell PC. The clonal evolution of tumor cell populations. Science. 1976;194(4260):23-28. doi:10.1126/science.959840.
Vaupel JW, Manton KG, Stallard E. The impact of heterogeneity in individual frailty on the dynamics of mortality. Demography. 1979;16(3):439-454. doi:10.2307/2061224.
Tomasetti C, Vogelstein B. Variation in cancer risk among tissues can be explained by the number of stem cell divisions. Science. 2015;347(6217):78-81. doi:10.1126/science.1260825.
Wu S, Powers S, Zhu W, Hannun YA. Substantial contribution of extrinsic risk factors to cancer development. Nature. 2016;529:43-47. doi:10.1038/nature16166.
International Electrotechnical Commission. IEC 61508-1:2010. Functional Safety of Electrical/Electronic/Programmable Electronic Safety-Related Systems—Part 1: General Requirements. Geneva: IEC; 2010.
International Electrotechnical Commission. IEC 61508-5:2010. Functional Safety of Electrical/Electronic/Programmable Electronic Safety-Related Systems—Part 5: Examples of Methods for the Determination of Safety Integrity Levels. Geneva: IEC; 2010.
Leveson NG. Engineering a Safer World: Systems Thinking Applied to Safety. Cambridge, MA: MIT Press; 2012.
Freidlin MI, Wentzell AD. Random Perturbations of Dynamical Systems. 3rd ed. Berlin: Springer; 2012. doi:10.1007/978-3-642-25847-3.
Kramers HA. Brownian motion in a field of force and the diffusion model of chemical reactions. Physica. 1940;7(4):284-304. doi:10.1016/S0031-8914(40)90098-2.
Jaruszewicz J, Zuk PJ, Lipniacki T. Type of noise defines global attractors in bistable molecular regulatory systems. Journal of Theoretical Biology. 2013;317:140-151. doi:10.1016/j.jtbi.2012.10.004.
Forgoston E, Moore RO. A primer on noise-induced transitions in applied dynamical systems. SIAM Review. 2018;60(4):969-1009. doi:10.1137/17M1142028.
Creaser J, Tsaneva-Atanasova K, Ashwin P. Sequential noise-induced escapes for oscillatory network dynamics. SIAM Journal on Applied Dynamical Systems. 2018;17(1):500-525. doi:10.1137/17M1126412.
Huang S, Ernberg I, Kauffman S. Cancer attractors: a systems view of tumors from a gene network dynamics and developmental perspective. Seminars in Cell & Developmental Biology. 2009;20(7):869-876. doi:10.1016/j.semcdb.2009.07.003.
Kirkwood TBL. Evolution of ageing. Nature. 1977;270:301-304. doi:10.1038/270301a0.
English S, Bonsall MB. Physiological dynamics, reproduction-maintenance allocations, and life history evolution. Ecology and Evolution. 2019;9:9312-9323. doi:10.1002/ece3.5477.
Jacqueline C, Biro PA, Beckmann C, et al. Cancer: a disease at the crossroads of trade-offs. Evolutionary Applications. 2017;10(3):215-225. doi:10.1111/eva.12444.
Dujon AM, Boutry J, Tissot S, et al. Cancer susceptibility as a cost of reproduction and contributor to life history evolution. Frontiers in Ecology and Evolution. 2022;10:861103. doi:10.3389/fevo.2022.861103.
Cagan A, Baez-Ortega A, Brzozowska N, et al. Somatic mutation rates scale with lifespan across mammals. Nature. 2022;604:517-524. doi:10.1038/s41586-022-04618-z.
Abegglen LM, Caulin AF, Chan A, et al. Potential mechanisms for cancer resistance in elephants and comparative cellular response to DNA damage in humans. JAMA. 2015;314(17):1850-1860. doi:10.1001/jama.2015.13134.
Soto AM, Sonnenschein C. The tissue organization field theory of cancer: a testable replacement for the somatic mutation theory. BioEssays. 2011;33(5):332-340. doi:10.1002/bies.201100025.
López-Otín C, Blasco MA, Partridge L, Serrano M, Kroemer G. Hallmarks of aging: an expanding universe. Cell. 2023;186(2):243-278. doi:10.1016/j.cell.2022.11.001.
López-Otín C, Pietrocola F, Roiz-Valle D, Galluzzi L, Kroemer G. Meta-hallmarks of aging and cancer. Cell Metabolism. 2023;35(1):12-35. doi:10.1016/j.cmet.2022.11.001.
Rizopoulos D, Molenberghs G, Lesaffre EMEH. Dynamic predictions with time-dependent covariates in survival analysis using joint modeling and landmarking. Biometrical Journal. 2017;59(6):1261-1276. doi:10.1002/bimj.201600238.
Shen F, Li L. Backward joint model and dynamic prediction of survival with multivariate longitudinal data. Statistics in Medicine. 2021;40(20):4395-4409. doi:10.1002/sim.9037.
Martincorena I, Roshan A, Gerstung M, et al. High burden and pervasive positive selection of somatic mutations in normal human skin. Science. 2015;348(6237):880-886. doi:10.1126/science.aaa6806.
Yokoyama A, Kakiuchi N, Yoshizato T, et al. Age-related remodelling of oesophageal epithelia by mutated cancer drivers. Nature. 2019;565:312-317. doi:10.1038/s41586-018-0811-x.
Lee-Six H, Olafsson S, Ellis P, et al. The landscape of somatic mutation in normal colorectal epithelial cells. Nature. 2019;574:532-537. doi:10.1038/s41586-019-1672-7.
Jaiswal S, Fontanillas P, Flannick J, et al. Age-related clonal hematopoiesis associated with adverse outcomes. New England Journal of Medicine. 2014;371:2488-2498. doi:10.1056/NEJMoa1408617.
Genovese G, Kähler AK, Handsaker RE, et al. Clonal hematopoiesis and blood-cancer risk inferred from blood DNA sequence. New England Journal of Medicine. 2014;371:2477-2487. doi:10.1056/NEJMoa1409405.
Steensma DP, Bejar R, Jaiswal S, et al. Clonal hematopoiesis of indeterminate potential and its distinction from myelodysplastic syndromes. Blood. 2015;126(1):9-16. doi:10.1182/blood-2015-03-631747.
Bolton KL, Ptashkin RN, Gao T, et al. Cancer therapy shapes the fitness landscape of clonal hematopoiesis. Nature Genetics. 2020;52:1219-1226. doi:10.1038/s41588-020-00710-0.
Granger CWJ. Investigating causal relations by econometric models and cross-spectral methods. Econometrica. 1969;37(3):424-438. doi:10.2307/1912791.
Runge J, Nowack P, Kretschmer M, Flaxman S, Sejdinovic D. Detecting and quantifying causal associations in large nonlinear time series datasets. Science Advances. 2019;5(11):eaau4996. doi:10.1126/sciadv.aau4996.
Hernán MA, Robins JM. Causal Inference: What If. Boca Raton, FL: Chapman & Hall/CRC; 2020.
Rasmussen J. Risk management in a dynamic society: a modelling problem. Safety Science. 1997;27(2-3):183-213. doi:10.1016/S0925-7535(97)00052-0.
Leveson NG. A new accident model for engineering safer systems. Safety Science. 2004;42(4):237-270. doi:10.1016/S0925-7535(03)00047-X.
Hawkes AG. Spectra of some self-exciting and mutually exciting point processes. Biometrika. 1971;58(1):83-90. doi:10.1093/biomet/58.1.83.
Hamilton JD. A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica. 1989;57(2):357-384. doi:10.2307/1912559.
Huang B, Zhang K, Zhang J, et al. Causal discovery from heterogeneous/nonstationary data. Journal of Machine Learning Research. 2020;21(89):1-53.
Laland KN, Uller T, Feldman MW, et al. The extended evolutionary synthesis: its structure, assumptions and predictions. Proceedings of the Royal Society B: Biological Sciences. 2015;282(1813):20151019. doi:10.1098/rspb.2015.1019.
VanderWeele TJ, Tchetgen Tchetgen EJ. Mediation analysis with time varying exposures and mediators. Journal of the Royal Statistical Society: Series B (Statistical Methodology). 2017;79(3):917-938. doi:10.1111/rssb.12194.
Jin W, Ni Y, Spence AB, Rubin LH, Xu Y. Directed cyclic graphs for simultaneous discovery of time-lagged and instantaneous causality from longitudinal data using instrumental variables. Journal of Machine Learning Research. 2025;26(22):1-62.
de Almeida JG, Gerstung M, et al. clonal_dynamics: Longitudinal and Phylogenetic Modelling Code. GitHub repository. https://github.com/josegcpa/clonal_dynamics. Accessed 10 August 2026.
Fabre MA, de Almeida JG, et al. Longitudinal dynamics and natural history of clonal haematopoiesis: data collection. Figshare. 2022. doi:10.6084/m9.figshare.15029118.
Meisel M, Hinterleitner R, Pacis A, et al. Microbial signals drive pre-leukaemic myeloproliferation in a Tet2-deficient host. Nature. 2018;557:580-584. doi:10.1038/s41586-018-0125-z.
Cai Z, Kotzin JJ, Ramdas B, et al. Inhibition of inflammatory signaling in Tet2 mutant preleukemic cells mitigates stress-induced abnormalities and clonal hematopoiesis. Cell Stem Cell. 2018;23(6):833-849.e5. doi:10.1016/j.stem.2018.10.013.
Hormaechea-Agulla D, Matatall KA, Le DT, et al. Chronic infection drives Dnmt3a-loss-of-function clonal hematopoiesis via IFNγ signaling. Cell Stem Cell. 2021;28(8):1428-1442.e6. doi:10.1016/j.stem.2021.03.002.
Prummel KD, Woods K, Kholmatov M, et al. Inflammatory stromal and T cells mediate human bone marrow niche remodeling in clonal hematopoiesis and myelodysplasia. Nature Communications. 2025;16:10042. doi:10.1038/s41467-025-65803-y.
Walkowiak B, MacGregor HAJ, Blundell JR. No evidence of immunosurveillance in mutation-hotspot-driven clonal hematopoiesis. Nature Genetics. 2026;58:1643-1650. doi:10.1038/s41588-026-02594-y.
附：结局改写轮与首动序列的最小记录及删除审计表