知识图谱应用---智慧医疗

文章目录

• • 智慧医疗
  • 典型应用

智慧医疗

    智慧医疗是利用先进的物联网与移动通信技术、大数据及人工智能等新一代IT技术，实现医疗信息系统与医疗过程的智能化辅助与自动化处理，实现医疗业务流程的数字化运作，实现患者与医务人员、医疗机构、医疗设备之间的互动。短期来看，在医疗过程辅助、患者服务、医学科研以及临床医学教育等方面，知识驱动的智能化服务，能够辅助医院提供更优质的医疗服务，实现更好的医院管理；辅助患者的整个诊疗与健康管理过程；辅助医生开展知识和数据驱动的前沿医学研究；辅助医学生、低年资医生和基层医生开展临床思维训练与实践演练。知识图谱则是只是驱动的智慧医疗服务与应用的关键基石，如下图所示。

典型应用

    如下图所示，围绕医疗核心知识库，智慧医疗应用包括医疗过程智能辅助、患者智慧服务、医学科研、医学教学。医疗过程智能辅助实现基于医疗知识库的临床决策辅助、合理用药、临床数据洞察和病历质检等；患者智慧服务能够根据患者历史就医及医疗知识，为患者提供健康知识推送、健康评估、智能分诊等智能应用服务；医学科研基于医学基础知识库，辅助医疗科研工作者实现疾病风险预测、药物研发及医学证据挖掘与综合分析；智能医学教学针对医学生、低年资医生存在的经验不足、缺乏实战经验等问题提供虚拟问诊、病案学习、场景化实训等智能服务。

    在医疗的实施过程中，通过智能化信息收集、信息分析以及辅助决策给与医护人员知识推荐、实时提醒与决策参考。早期的医疗过程辅助，更多的是基于知识库的查询和提醒，以及基于规则的判断和决策，基本用于解决临床医生在遇到不熟悉的临床问题时进行知识检索的碎片化场景。“人工智能+辅助诊疗”是指让计算机认知和学习医疗知识，模拟医生的思维和诊断推理，按照规范的管理流程，给出可靠的医疗过程辅助方案。医疗过程辅助是医疗领域智能化最重要的场景，知识图谱支撑的医疗过程智能辅助典型应用有：

    系统化的药学专业知识关系十分复杂，涉及药物与不同年龄人群、不同疾病人群的适应或禁忌关系、药物与不同病因导致的疾病的治疗关系、药物与药物副作用、药物之间的相互作用、注射类药物之间的配伍禁忌等多方面知识。应用知识图谱技术可以针对药事服务场景建立大规模、跨语言、高覆盖、高准确性的药学知识采集系统，完成多元异构结构非结构药学文档数据到统一知识表达，形成药物使用指导手册，辅助医生安全合理用药。

    临床决策支持系统是一个基于人机交互的医疗信息技术应用系统，旨在为医生和其他卫生从业人员提供临床决策支持，通过数据、模型等辅助完成临床决策。基于知识图谱的临床辅助决策，从临床数据、医学文献和医学经验等数据中获取知识、更新知识，支持基于细粒度特征的推理查询，具有推理结果可解释性强，知识体系兼容性好等突出特点。

    国家食药监总局的一项统计数据显示，我国每年大约有250万人因为错服药损害健康，而导致死亡的就有20万，是全国交通事故致死人数的2倍，所以，医院中临床药师的重要性越来越突出。药品知识图谱用节点（药物、疾病、症状等）和关系（禁忌、适用症等）所组成的图谱，可以为真实的医疗场景直观地建模。形成知识图谱的过程本质是建立对医疗领域的认知和理解。传统用药方案推荐是由医生首先开具处方，药师对处方进行审核并开具使用方案及注意事项。而每位药师和医生存在知识广度、深度和知识结构的局限性，无法很好的满足日渐增长的安全用药需求。而由于知识图谱运用了“图”这种基础性、通用性的“语言”，“高保真”地表达安全用药领域中的各种关系，并且非常直观、自然和高效，不需要其他方式所需的中间过程的转换和处理。

    患者对于医疗服务，尤其是医疗知识服务有着非常广泛的需求，美国有超过1.6亿的人在网络上搜索健康信息，而中国每天大概有超过6000万次的医疗相关的信息检索。知识图谱支撑的患者智慧服务典型应用有：提供医疗知识服务的数字助理可以理解患者的查询意图，推理并输出各类医疗知识和信息，辅助患者或医生。应用场景包括：个人问诊、用药咨询、慢病管理等。基于知识图谱的问答方案能够更好的理解语言中的抽象部分，通过智能对话来完成患者病状问询。在推荐上能够锁定较少、较为精确的推荐结果。

    医疗分诊导诊类服务机器人主要是通过患者的输入进行语义分析，然后给出医院的分诊和导诊建议，节约人力，方便患者。依赖知识图谱的推理，还能够达到比普通护士更专业更深入的分诊，并实现基于分诊导诊平台的预问诊，提前收集患者的病史信息，为医生和患者节约时间，并提供更加细致的诊断信息。

    医疗知识图谱可以通过海量的病历、医疗文献、临床手册等文本数据将各种琐碎、零散的医疗信息知识相互连接，以支持综合型知识检索问答、辅助决策和智能医疗诊断。将精准医学知识与大数据相结合，利用庞大的全人类对疾病的理解和医生的经验形成知识库，让医生能够通过智能诊断系统直接根据病人的个体实际情况来对他们进行针对性的诊断和治疗，辅助医生的诊疗过程，使得普通医生也能够像最好的资深医生一样为病人提供高质量的诊疗服务。

    基于知识图谱技术的医学科研，使得科研工作中一些耗时耗力的基础知识工作能够实现自动化，形成智能化的科研辅助应用，基于知识图谱的医学科研典型应用有：医疗文献辅助阅读应用利用人工智能技术从海量医疗文献中针对性抽取有用的信息，结合自动摘要、语义检索、关联分析等技术手段，形成基于医学文献的知识图谱，帮助医生快速阅读和理解医学文献，提高学习效率。并提供精准的检索和推理能力，基于已有文献的知识，为科研选题预测、文献综述分析等提供自动化智能化的辅助。

    传统的医疗搜索引擎需要对浩如烟海的医疗文献等资源进行检索、存储、处理，但难以支持和理解用户的语义搜索。基于医学知识图谱的搜索，提供用户不同类型实体间丰富的语义关系的搜索。知识图谱对于传统医学信息搜索的优化主要体现在查询扩展，即从知识图谱中抽取与查询相关的若干实体及实体关系和属性进行扩展查询，以便能更好地理解用户的查询需求。目前，国外典型的医疗专用搜索引擎有WebMD、OmniMedicalSearch、Healthline等，国内主流医疗搜索引擎有搜狗明医、360良医等。

    深度学习和其它智能算法都有望对药物研发产生重大影响。利用现有数据，构建药物相关的知识图谱表示体系，并基于知识图谱融合多元海量信息，建立智能模型，通过图谱模型推断辅助探索药物研发，降低研发成本，提高研发成功率。