“医学大脑”有了知识库

　　让机器人（AI）会思考，要靠“谱”。

　　这个“谱”被称为知识图谱，是将人类世界中产生的知识，构建在机器世界中，进而形成能够支撑类脑推理的知识库。

　　3月28日，集成了百万医学概念、千万医学关系、千万医学证据的中文医疗知识图谱正式推出，该知识图谱由平安医疗科技和中国医学科学院医学信息所共同构建。

　　“在众多的学科中，医学科学的知识图谱建设相对来说是最困难的。”平安集团首席医疗科学家谢国彤解释，举个简单的例子来说，同样是发烧这个临床表现却能够推断出不同的病症，而在医学界同一个疾病也有可能对应不同的疾病名。

　　此外，医生的诊断习惯不同，也会对相同的疾病给出不同的治疗，却也可能殊途同归。海量的临床案例中存在哪些可以提炼的知识，最终转化为机器所能理解的“思维”，也是构建知识图谱时要考虑的。

　　医学科学是人类最艰深的科学，中文医疗知识图谱的构建将医学转化为机器语言，通过核心医学概念的全面覆盖、医疗生态圈内全方位知识数据的聚合，最终将赋能智慧城市中智慧医疗一体化平台。

　　优势互补 实现辅助决策智能化医疗

　　“医疗知识图谱的构建，首先要将非结构化/半结构化（注：结构化数据为AI可直接利用的数据）的数据表示成知识图谱的形式，其中包括将医学文献知识转变为医疗知识图谱，也包括将海量病例中挖掘的经验知识转变为机器可以理解的表示形式。”谢国彤介绍，平安智慧医疗中文医疗知识图谱包括五大知识库，即药品库、疾病库、处方库、风险因子库和医疗资源库。“我们集纳了海量的知识，并将知识之间建立关联，构建最大的中文医学知识图谱，形成一个完整的知识体系。”

　　医学大脑，要理解并运用知识，光靠海量的集纳还远远不够，还需要为AI大脑输入“逻辑思维”。为此，科研人员以疾病、症状、用药、问诊等节点，建立起精准的关系结构，从而实现智能化的诊疗知识图谱。中国医学科学院医学信息所创新研究中心主任李姣博士介绍，平安在健康医疗领域拥有大量医学信息学技术落地的场景。本次合作充分发挥出了平安在医疗领域丰富的应用场景，以及信息所在医学知识图谱构建领域的技术专长，使得医疗知识图谱在人工智能应用的可解释性、可循证性、资源可信度上有效提升。

　　据介绍，医学信息所一直以来都在做医疗领域的知识积淀，并且对医学领域的理解更深刻，在医疗知识上层表达上更加精深。

　　厚积薄发 AI辅助诊断准确率九成以上

　　图谱数据量大、数据覆盖面广、数据质量高是知识图谱能够走入临床的基础。中文医疗知识图谱目前基于海量就诊数据、几千万的医学文献和权威临床指南来构建。

　　基于中文医疗知识图谱，目前已开发出覆盖几千种疾病辅助诊断模型和辅助治疗模型（其中近百种疾病支持个性化用药方案的推荐）。同时还给出不同角度的辅助诊断，包括基于疾病与症状关系辅助诊断；基于疾病与检查检验关系推荐检查检验；基于疾病与药品关系及药物相互作用推荐用药；基于指南、文献以及相似病例推荐医疗证据。

　　谢国彤介绍，在实践检验中，全科常见疾病的诊断模型准确率达到95%。“平安智慧医疗中文医疗知识图谱已经逐步推开应用，构建针对不同的医疗管理与临床环节，覆盖诊前、诊中、诊后全流程端到端的解决方案。”

　　知识全面丰富、逻辑明确符实，机器才能真正理解并运用，最终做出智能的决策。在中文医疗知识图谱的基础上，平安医疗科技还赋予该医疗图谱深度学习能力，持续积累有效的治疗案例和数据，并智能分析，让AI不断累积经验，持续学习，类似“老医师”式的成长模式。

　　据介绍，目前，基于平安智慧医疗中文医疗知识图谱的人工智能辅助诊疗系统已经在近百家医疗机构落地使用，覆盖了黑龙江、甘肃、湖南、河北等17个省份、60多个城市。双方还将持续升级医疗知识图谱并扩大基于知识图谱的应用，助力智慧医疗服务持续健康发展。

　　落地应用 看眼睛查房颤均能胜任

　　在临床上，为避免用药或治疗不当，医学界很早就希望能够出现医疗决策的支持系统。加州大学旧金山分校医学院院长罗伯特·瓦赫特在《数字医疗》的书中讲述了医疗信息化的发展历程，最开始由于技术所限，缺乏机器的深度学习功能，海量数据采集、处理无法集纳且无法实时更新等问题，AI助力医疗非常困难。