轉載公眾號 | DataFunSummit

---

分享嘉賓：徐美蘭?浙江數字醫療衛生技術研究院 數字醫學知識中心主任

編輯整理：李杰 京東

出品平臺：DataFunTalk

導讀：數研院這些年在知識圖譜建設上取得了豐碩成果，今天我們將圖譜構建過程中的經驗、心得分享給大家，歡迎大家討論交流。本次分享的題目為：深度應用驅動的醫學知識圖譜構建，主要內容包含4方面：

• 國內外醫學知識圖譜發展情況

• 醫學知識圖譜的領域特征和應用需求

• 數研院醫學知識圖譜構建：模型建立、“七巧板”本體術語集構建、“匯知”圖譜構建

• 醫學知識圖譜應用案例

01

國內外醫學知識圖譜發展情況

1.?知識圖譜概念

知識圖譜廣義概念：作為一種技術體系，指大數據知識工程的一系列代表性技術的總稱。

知識圖譜狹義概念：作為一種知識表示形式，知識圖譜是一種大規模語義網絡，包含實體、概念及其之間的各種語義關系。如下圖中的二甲雙胍知識圖譜片段。

2.?國外醫學知識圖譜

UMLS：由美國國家醫學圖書館自1986年起研究和開發的一體化醫學語言系統，包含超級詞表、語義網絡、專業詞典和詞匯處理工具。其規模：語義網絡包含133種語義類型，54中語義關系。超級敘詞表包含300多萬概念，1300多萬概念名稱。

SNOMED CT：2002年1月，SNOMED首次發布，它由兩大醫學術語SNOMED RT與CTV3合并而來，國際版SNOMED CT在每年的1月和7月更新一次。SNOMED CT核心構建是概念、描述（術語）和關系。其規模：目前包含19種語義類型，50多種語義關系，35萬概念，120萬描述（術語），110萬關系。

3.?國內醫學知識圖譜

CUMLS：由中國醫學科學院醫學信息研究所基于UMLS開發的中文一體化醫學語言系統，包含醫學詞表、語義網、構建工具與平臺。其規模：共收錄醫學主題詞3萬余條、入口詞3萬余條、醫學術語10萬余條、醫學詞匯素材30萬余條。

醫藥衛生知識服務系統：由中國醫學科學院醫學信息研究所承建，通過對資源的深度挖掘和關聯分析，建設了知識圖譜、知識脈絡分析等特色知識服務和應用。其規模：已發布疾病和藥品領域知識圖譜，其中疾病涵蓋心腦血管疾病、呼吸系統疾病、免疫系統疾病、消化系統疾病、腫瘤等。

中醫藥知識圖譜：中國中醫科學院中醫藥信息研究所依托中醫藥學語言系統（TCMLS）構建了中醫藥知識圖譜。其類型包括：基于中醫藥學語言系統的知識圖譜、中醫美容知識圖譜、中醫養生知識圖譜、中國臨床知識圖譜。

OpenKG：由中國中文信息學會倡導的中文領域開放知識圖譜社區項目，主要工作內容包括：OpenKG.CN（開放圖譜資源庫）、cnSchema（中文開放圖譜Schema）和Openbae（開放知識圖譜眾包平臺）。

02

醫學知識圖譜的領域特征和應用需求

1.?醫學知識的特點

醫學術語多樣性：不同知識源對同一個概念采用了不同術語進行表達。比如：糖尿病又可稱為消渴癥、消渴、DM等。

精度要求高：醫學知識專業性強，醫學應用場景容錯率低，因此醫學知識圖譜的精確度要求高。

復雜度高：醫學是經驗總結的科學，醫學概念的內涵往往比較豐富，且有些醫學知識復雜很難用簡單三元組表達。

2.?醫學知識圖譜應用場景

醫學知識圖譜的不同應用場景需求側重點也有所不同，需要最大化的滿足才能提高圖譜的適用性。如下所示：

3.?定制化解決方案

為滿足行業深度應用需求，醫學知識圖譜構建時需引入更多定制化解決方案，如下所示：

03

數研院醫學知識圖譜構建

1.?模型建立

醫學領域的知識圖譜由于其知識專業性強，行業通常采用自上而下的方式，先構建Schema，再抽取知識。

數研院醫學知識圖譜Schema主要參考了UMLS語義網絡、Schema.org、cnSchema等。相關數據涉及四大領域：疾病、藥品、手術操作、檢驗檢查。當然我們在知識圖譜的構建過程中，會根據抽取和應用的實際情況，不斷完善和優化Schema。數研院醫學知識圖譜于2019年8月首次發布Schema，目前包含72種語義類型、493種語義關系。Schema查詢和下載地址為：http://schema.omaha.org.cn/class/Thing#。

Schema分別用于指導“七巧板”醫學本體術語集和“匯知”醫學知識圖譜的構建，完善醫學知識表達的體系。我們之所以在一個模型指導下構建兩個知識庫，是為了解決不同的問題。“七巧板”采用本體解決與邏輯定義（即內涵定義）相關的關系，以及層次關系。“匯知”采用語義網絡解決可能性、經驗性的關系，并且無層次關系。具體請看下圖：

2.?“七巧板”本體術語集構建

本體術語集的構建整體有6個步驟，依次如下所示：

Step1：確定領域范疇。當前我們以滿足臨床診療需求為切入點，開始嘗試構建醫學知識圖譜。主要涉及范圍：疾病、癥狀、體征，手術操作、檢驗檢查，藥品，人體形態結構，基因，醫療器械。

Step2：選取合適的知識源。充分收錄行業現行標準、教科書、指南等權威知識源，并同時補充臨床病歷、互聯網診療中的術語等。

Step3：梳理重要術語。梳理領域中的重要術語，并由領域專家進行語義層面的實體歸一，完成概念化。相關流程如下所示：

Step4：建立關系。“七巧板”醫學本體術語集的核心構建包括：概念、術語、關系及映射。如下圖所示：

充分保留知識源中的已有層級關系，通過機器推理、人工添加的方式進行優化。挖掘知識源中的屬性關系，并通過機器推薦、人工添加進行補充。制定明確的映射規則，采用機器推薦、專家審核的方式建立映射。

Step5：存儲和瀏覽。采用關系型數據庫，分為概念表、術語表、關系表、映射表進行存儲，且保留歷史痕跡。術語瀏覽器實現術語集構建的快速查找，并可按需實現子集定制。如查看關系操作如下所示：

Step6：平臺及工具支撐。自研的知識庫維護平臺（CoWork），內嵌術語集研制規則，支持多人共同協作。CoWork中“七巧板”的功能如下所示：

CoWork中術語集編輯器可實現概念層面的編輯功能需求，并支持多人同時在線協作，協作方式為不創建分支，采用編輯鎖。術語映射工具利用算法推薦，調高映射效率。目前“七巧板”術語集收錄97萬概念、123萬術語和292萬關系，包含疾病、操作、藥品等語義類型。我們在持續進行更新維護，按季度發布，每季度第一個月20號發布新版本。

3.?“匯知”圖譜構建

“匯知”知識圖譜的構建有五個步驟，分別如下：

Step1：選取合適的知識源。選取臨床指南、臨床路徑、醫學書籍文獻等權威知識源，并同時補充醫學百科類知識。簡言之，即非結構化知識源+半結構化知識源+結構化知識源。

Step2：知識抽取。具體內容包括：實體識別和關系抽取。

實體識別通過基于規則的命名實體識別+專家審核提高標注效率，產生的標注數據用于訓練深度學習模型。具體流程如下所示：

關系抽取基于實體識別的結果，專家標注關系，產生的標注數據用于句法規則總結和半監督學習。具體流程如下所示：

Step3：知識融合。最大化地將“匯知”圖譜與“七巧板”術語集融合，可為圖譜的深度應用打下基礎。其過程大致包括實體歸一、實體對齊、關系融合等階段。具體操作如下所示：

Step4：知識存儲和檢索。除傳統的三元組外，加入“屬性組”和“來源”字段，使知識表達更加準確，同時確保知識的可溯源性。保留三元組的來源，滿足三元組在不同場景應用的需求。還可通過可視化搜索，快速直觀地查看圖譜數據，如下圖所示：

Step5：平臺及工具支撐。自研知識庫維護平臺（CoWork）,內嵌知識圖譜集研制規則，支持多人共同協作。CoWork中“匯知”的功能描述如下：

用戶可創建多種自定義標注方案，批量上傳和分配任務，在基于brat的文本標注工具上，各地志愿者可合作共建知識圖譜。“匯知”圖譜目前已發布7個領域，共計約11萬實體，82萬三元組，每個季度第二個月20號發布新版本。前述7個領域如下所示：

最后，數研院發起的知識圖譜協作項目已持續開展5年，已有百名個人志愿者、多家優秀企業參與。貢獻榜如下所示：

04

醫學知識圖譜應用案例

1.?智能預警

知識圖譜作為底層支撐，輔以更多規則，實現更全面的臨床診療推理。如下低鉀案例所示：

此外，還可基于知識圖譜進行推理，實現實驗室危急結果的預警和處方異常預警。如下胸痛案例所示：

2.?指南推薦

基于醫學本體層級關系推理后進行推薦，使推薦結果更豐富。如下科塔爾綜合征案例所示：

另外，還可根據患者信息，推薦相似病歷、臨床路徑、指南等，輔助醫生制定治療計劃、規范治療流程。如下案例所示：

3.?數據直報

將醫學知識圖譜中的部分內容作為信息模型中的值集，實現醫療數據與醫學知識之間的綁定。術語綁定指：將醫學術語集中的概念分配臨床信息模型中的具體數據單元，從而實現醫學術語和臨床信息模型的聯系和賦予某種程度上的語義。讀者可參考下圖理解：

也可在信息系統中提前設定相應規則，基于“法定傳染病”子集，進行傳染病直報判斷與提示。如下圖所示：

除此以外，其他應用還包括：智能編碼、科研分析等。如果讀者感興趣可關注我們的官網動態~

今天的分享就到這里，謝謝大家。

---

分享嘉賓：

---

OpenKG

OpenKG（中文開放知識圖譜）旨在推動以中文為核心的知識圖譜數據的開放、互聯及眾包，并促進知識圖譜算法、工具及平臺的開源開放。

點擊閱讀原文，進入 OpenKG 網站。

總結

以上是生活随笔為你收集整理的图谱实战 | 徐美兰：深度应用驱动的医学知识图谱构建的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。