譚玲，鄂海紅，匡澤民，宋美娜，劉毓，陳正宇，謝曉璇，李峻迪，范家偉，王晴川，康霄陽

1. 北京郵電大學(xué)，北京 100876；2. 首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院，北京 100029

1 引言

人工智能的發(fā)展已經(jīng)進(jìn)入快車道，作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，人工智能技術(shù)正在深入各行各業(yè)，悄無聲息地改變著人們?nèi)粘Ｉ畹姆椒矫婷鎇1]。知識(shí)圖譜是由谷歌（Google）公司在2012年提出的一個(gè)概念，本質(zhì)上是語義網(wǎng)的知識(shí)庫。知識(shí)圖譜由節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)表示實(shí)體，邊表示實(shí)體與實(shí)體之間的關(guān)系，這是最直觀、最易于理解的知識(shí)表示和實(shí)現(xiàn)知識(shí)推理的框架，奠定了第三代人工智能研究的基礎(chǔ)[1]。

目前，醫(yī)學(xué)是知識(shí)圖譜應(yīng)用較廣的垂直領(lǐng)域之一，也是目前國(guó)內(nèi)外人工智能領(lǐng)域研究的熱點(diǎn)。醫(yī)學(xué)知識(shí)圖譜在臨床診斷、治療、預(yù)后等方面均可發(fā)揮較大的作用。高效地將知識(shí)圖譜應(yīng)用于醫(yī)學(xué)領(lǐng)域?qū)⒔o人類的醫(yī)療衛(wèi)生帶來革命性的變化[1]。由于醫(yī)學(xué)領(lǐng)域數(shù)據(jù)的特殊性，醫(yī)學(xué)知識(shí)圖譜的構(gòu)建也面臨不少機(jī)遇與挑戰(zhàn)。

本文對(duì)醫(yī)學(xué)知識(shí)圖譜構(gòu)建的關(guān)鍵技術(shù)及應(yīng)用進(jìn)行了全面的梳理，對(duì)各類公共數(shù)據(jù)集、處理醫(yī)學(xué)問題的特異性難點(diǎn)及現(xiàn)有解決辦法進(jìn)行了綜述。通過閱讀本文，可以了解醫(yī)學(xué)知識(shí)圖譜的發(fā)展現(xiàn)狀、未來發(fā)展方向以及面臨的挑戰(zhàn)，便于醫(yī)學(xué)知識(shí)圖譜研究者參照對(duì)比，加快醫(yī)學(xué)知識(shí)圖譜領(lǐng)域的研究及臨床落地應(yīng)用。

本文主要按照醫(yī)學(xué)知識(shí)圖譜構(gòu)建的流程來闡述，主要框架如圖1所示。

圖1 醫(yī)學(xué)知識(shí)圖譜構(gòu)建框架

2 醫(yī)學(xué)本體構(gòu)建

網(wǎng)絡(luò)上文本數(shù)據(jù)的爆炸式增長(zhǎng)，以及對(duì)本體需求的增加，促進(jìn)了語義網(wǎng)絡(luò)的發(fā)展，使得基于文本的本體自動(dòng)構(gòu)建成為一個(gè)非常有前途的研究領(lǐng)域。文本本體學(xué)習(xí)是一種以機(jī)器可讀形式（半）自動(dòng)地從文本中提取和表示知識(shí)的過程。本體被認(rèn)為是在語義網(wǎng)絡(luò)上以更有意義的方式表示知識(shí)的主要基石之一。

2.1 本體構(gòu)建定義及任務(wù)

萬維網(wǎng)聯(lián)盟（World Wide Web Consortium，W3C）將本體論定義為用于描述和表示知識(shí)領(lǐng)域的術(shù)語。本體是一個(gè)數(shù)據(jù)模型，它表示一組概念以及一個(gè)域中這些概念之間的關(guān)系。

本體構(gòu)建可以定義為從頭創(chuàng)建本體或重用現(xiàn)有本體以豐富或填充現(xiàn)有本體的迭代過程。構(gòu)建本體的過程包括以下6個(gè)任務(wù)：

● 指定一個(gè)域以創(chuàng)建定義良好的術(shù)語和概念；

● 識(shí)別域中的關(guān)鍵術(shù)語、概念及其關(guān)系；

● 建立或推斷描述域結(jié)構(gòu)屬性的規(guī)則和公理；

● 使用支持本體的表示語言（如資源描述框架（resource description framework，RDF）、資源描述框架模式（resource description framework schema，RDFS）或網(wǎng)絡(luò)本體語言（Web ontology language，OWL））對(duì)構(gòu)建的本體進(jìn)行編碼（表示）；

● 將構(gòu)建的本體與現(xiàn)有本體結(jié)合（如果現(xiàn)有本體可用）；

● 通過使用通用和特定的評(píng)估度量來評(píng)估構(gòu)建的本體[2]。

2.2 醫(yī)學(xué)本體構(gòu)建難點(diǎn)及現(xiàn)有技術(shù)

隨著對(duì)許多醫(yī)學(xué)本體構(gòu)建研究的深入，目前醫(yī)學(xué)本體庫的構(gòu)建主要存在以下難點(diǎn)。

首先應(yīng)該盡可能減少在本體構(gòu)建過程中的人為干預(yù)。目前實(shí)現(xiàn)本體構(gòu)建過程的完全自動(dòng)化是不現(xiàn)實(shí)的，怎樣減少人為干預(yù)是目前醫(yī)學(xué)本體構(gòu)建的一個(gè)難點(diǎn)和熱點(diǎn)。2018年，Mazen A等人[3]提出了一種新的本體自動(dòng)生成框架，即鏈接開放數(shù)據(jù)項(xiàng)目授權(quán)的生物醫(yī)學(xué)本體自動(dòng)生成（linked open data approach for automatic biomedical ontology generation，LOD-ABOG）方法。與現(xiàn)有框架相比，參考文獻(xiàn)[3]的評(píng)估結(jié)果顯示，大多數(shù)本體生成任務(wù)的結(jié)果有所改善。該參考文獻(xiàn)提出的LOD-ABOG框架表明，現(xiàn)有的LOD源和技術(shù)是一個(gè)很有前途的解決方案，可以在更大程度上實(shí)現(xiàn)生物醫(yī)學(xué)本體生成和關(guān)系提取過程的自動(dòng)化。另外，與現(xiàn)有的框架在本體開發(fā)過程中需要領(lǐng)域?qū)＜业膮⑴c不同，該參考文獻(xiàn)提出的方法只要求領(lǐng)域?qū)＜以诒倔w構(gòu)建周期結(jié)束時(shí)參與到本體的改進(jìn)中。

2019年，Lytvyn V等人[4]提出了從自然文本中提取知識(shí)的方法和算法（包括一個(gè)基于本體引入的概念、關(guān)系、謂詞和規(guī)則的多層次過程），建立了一種基于本體的本體開發(fā)方法，該方法利用現(xiàn)有本體對(duì)文本文檔進(jìn)行分析，構(gòu)建了命名和本體術(shù)語體系。這使得本體開發(fā)過程自動(dòng)化成為可能。

再者，由于醫(yī)學(xué)信息的特殊性，對(duì)醫(yī)學(xué)信息的匿名化處理在本體構(gòu)建過程中也是一個(gè)難點(diǎn)。2017年，Polsley S等人[5]提出一種可識(shí)別被映射到本體論術(shù)語的受保護(hù)健康信息（protected health information，PHI）的方法，臨床專家使用數(shù)百份醫(yī)學(xué)文獻(xiàn)對(duì)該方法進(jìn)行了評(píng)價(jià)，F(xiàn)1分?jǐn)?shù)達(dá)98.8%，在后續(xù)處理中保留語義信息具有一定的前景。但該方法仍有較大的局限性，需要不斷地進(jìn)行優(yōu)化。

2.3 醫(yī)學(xué)本體常用數(shù)據(jù)集

醫(yī)學(xué)本體較常用的數(shù)據(jù)集主要有以下幾種，見表1。

表1 醫(yī)學(xué)本體常用的數(shù)據(jù)集

2.4 挑戰(zhàn)及未來研究方向

首先，由于醫(yī)學(xué)數(shù)據(jù)的多樣性，在設(shè)計(jì)醫(yī)學(xué)本體構(gòu)建系統(tǒng)時(shí)，無論是來自小的靜態(tài)文本集合的數(shù)據(jù)，還是萬維網(wǎng)上的海量異構(gòu)數(shù)據(jù)，都需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換。目前，針對(duì)此問題的文獻(xiàn)較少，有待后續(xù)研究的推進(jìn)。

其次，醫(yī)學(xué)的臨床數(shù)據(jù)會(huì)不斷變化，如何根據(jù)患者的當(dāng)前情況創(chuàng)建動(dòng)態(tài)的最佳保護(hù)服務(wù)，為患者提供個(gè)性化的實(shí)時(shí)醫(yī)療護(hù)理也是醫(yī)學(xué)實(shí)體構(gòu)建過程中的一大問題[6]。

3 醫(yī)學(xué)命名實(shí)體識(shí)別

3.1 命名實(shí)體識(shí)別定義

命名實(shí)體識(shí)別（named entity recognition，NER）又稱專名識(shí)別，指識(shí)別文本中具有特定意義的實(shí)體（主要包括人名、地名、機(jī)構(gòu)名、專有名詞等）。通常包括兩部分：一是識(shí)別實(shí)體邊界；二是確定實(shí)體類別（人名、地名、機(jī)構(gòu)名或其他）。英語中的命名實(shí)體具有比較明顯的形式標(biāo)志（即實(shí)體中的每個(gè)詞的第一個(gè)字母要大寫），因此識(shí)別實(shí)體邊界相對(duì)容易，任務(wù)的重點(diǎn)是確定實(shí)體的類別。和英語相比，漢語命名實(shí)體識(shí)別任務(wù)更加復(fù)雜，實(shí)體邊界的識(shí)別更加困難。

3.2 醫(yī)學(xué)命名實(shí)體識(shí)別難點(diǎn)及現(xiàn)有技術(shù)

與傳統(tǒng)的命名實(shí)體識(shí)別相比，醫(yī)學(xué)名詞實(shí)體一般比較長(zhǎng)，長(zhǎng)實(shí)體名詞常常包含多個(gè)名詞實(shí)體，造成醫(yī)學(xué)實(shí)體邊界識(shí)別的難度較大。此外，醫(yī)學(xué)名詞存在大量的同義詞替換、縮寫以及一詞多義現(xiàn)象，加大了確定實(shí)體類別的難度。

針對(duì)醫(yī)學(xué)實(shí)體中大量同義詞替換以及大量縮寫的問題，2020年Kato T等人[7]提出了一種共享和學(xué)習(xí)標(biāo)簽組件嵌入的方法，通過對(duì)英語和日語細(xì)粒度NER進(jìn)行實(shí)驗(yàn)，證明了該方法比標(biāo)準(zhǔn)序列標(biāo)記模型性能更好，特別是在低頻標(biāo)簽情況下。

為了解決醫(yī)學(xué)名詞實(shí)體較長(zhǎng)、識(shí)別邊界困難的問題，2020年，Tan C Q等人[8]提出了邊界感知的神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)實(shí)體的類別信息。該模型可以先定位出實(shí)體的位置, 然后在對(duì)應(yīng)的位置區(qū)間內(nèi)進(jìn)行實(shí)體類型的預(yù)測(cè)。在公開的嵌套NER數(shù)據(jù)集上，該模型取得了超越以往方法的效果，并在預(yù)測(cè)上取得了更快的速度。

另外，大多數(shù)NER系統(tǒng)只處理平面實(shí)體，忽略了內(nèi)部嵌套實(shí)體，導(dǎo)致無法捕獲底層文本中的細(xì)粒度語義信息。為了解決這個(gè)問題，2018年Ju M Z等人[9]提出了一種新的神經(jīng)模型，通過動(dòng)態(tài)疊加平面NER層來識(shí)別嵌套的實(shí)體。模型將長(zhǎng)短時(shí)記憶（long short term memory，LSTM）層的輸出合并到當(dāng)前的平面NER層中，為檢測(cè)到的實(shí)體構(gòu)建新的表示，并將它們提供給下一個(gè)平面NER層。模型動(dòng)態(tài)地堆加平面NER層，直到?jīng)]有提取任何外部實(shí)體。該模型針對(duì)特定數(shù)據(jù)集（具有多種類別和嵌套的實(shí)體）具有較好的實(shí)驗(yàn)效果。

對(duì)于醫(yī)學(xué)實(shí)體中常見的一詞多義現(xiàn)象，2019年P(guān)ham T H等人[10]在細(xì)粒度NER任務(wù)中進(jìn)行了多任務(wù)學(xué)習(xí)和語境化單詞表征的有效性研究，并研究了多任務(wù)序列標(biāo)記的不同參數(shù)共享方案、神經(jīng)語言模型學(xué)習(xí)和不同單詞表示設(shè)置下的學(xué)習(xí)。最終得到的最佳模型不需要任何額外的人工操作來創(chuàng)建數(shù)據(jù)和設(shè)計(jì)特征，F(xiàn)1分?jǐn)?shù)達(dá)到83.35%。Luo Y等人[11]提出了一個(gè)增加了上下文表示層次的模型：句子級(jí)表示和文檔級(jí)表示。在句子級(jí)，考慮到單個(gè)句子中單詞的不同貢獻(xiàn)，通過標(biāo)簽嵌入注意機(jī)制來增強(qiáng)從獨(dú)立的雙向長(zhǎng)短時(shí)記憶（bidirectional long short term memory，BiLSTM）學(xué)習(xí)到的句子表征。在文檔級(jí)，采用鍵值存儲(chǔ)網(wǎng)絡(luò)記錄對(duì)上下文信息相似度敏感的單個(gè)單詞的文檔感知信息。在基準(zhǔn)測(cè)試的實(shí)驗(yàn)結(jié)果數(shù)據(jù)集（CoNLL-2003和Ontonnotes 5.0英語數(shù)據(jù)集，CoNLL-2002西班牙語數(shù)據(jù)集）上獲得了最先進(jìn)的結(jié)果。

3.3 醫(yī)學(xué)命名實(shí)體識(shí)別常用數(shù)據(jù)集

醫(yī)學(xué)命名實(shí)體識(shí)別較常用的數(shù)據(jù)集主要有以下幾種，見表2。

表2 醫(yī)學(xué)命名實(shí)體識(shí)別常用的數(shù)據(jù)集

3.4 挑戰(zhàn)及未來研究方向

（1）多類別實(shí)體在不同語境、不同詞性、不同類別下的應(yīng)用

語言的博大精深、豐富多彩正是語言的魅力所在，但對(duì)于機(jī)器來說，豐富多彩的語言使語言的使用規(guī)則變得更加復(fù)雜，很難歸納和總結(jié)。將機(jī)器語言變得更加智能，理解多類別的實(shí)體在不同語境、不同詞性及不同類別下的應(yīng)用是一個(gè)重要的研究方向。

（2）嵌套實(shí)體的研究

在醫(yī)學(xué)領(lǐng)域中，實(shí)體嵌套的現(xiàn)象非常常見，絕大部分醫(yī)學(xué)長(zhǎng)實(shí)體中會(huì)存在實(shí)體嵌套，如何更有效地識(shí)別實(shí)體嵌套是醫(yī)學(xué)命名識(shí)別實(shí)體領(lǐng)域必須面對(duì)且具有重要意義的問題。

（3）實(shí)體識(shí)別與實(shí)體關(guān)系抽取的結(jié)合

輸入一個(gè)句子，通過實(shí)體識(shí)別和關(guān)系抽取聯(lián)合模型，直接得到有關(guān)系的實(shí)體三元組。這可以克服實(shí)體識(shí)別模塊的錯(cuò)誤引起的錯(cuò)誤傳播，重視兩個(gè)子任務(wù)之間存在的關(guān)系，使信息抽取任務(wù)完成得更加準(zhǔn)確高效，但同時(shí)也可能會(huì)有更復(fù)雜的結(jié)構(gòu)，因此如何用更簡(jiǎn)單的結(jié)構(gòu)實(shí)現(xiàn)實(shí)體識(shí)別和實(shí)體關(guān)系抽取的結(jié)合將是之后的研究重點(diǎn)。

4 醫(yī)學(xué)實(shí)體關(guān)系抽取

4.1 實(shí)體關(guān)系抽取定義

實(shí)體關(guān)系抽取是指從一個(gè)句子中抽取出關(guān)系三元組，主要目的是從文本中識(shí)別實(shí)體并抽取實(shí)體之間的語義關(guān)系。實(shí)體關(guān)系抽取解決了原始文本中目標(biāo)實(shí)體之間的關(guān)系分類問題，它也是構(gòu)建復(fù)雜知識(shí)庫系統(tǒng)的重要步驟，如文本摘要、自動(dòng)問答、機(jī)器翻譯、搜索引擎、知識(shí)圖譜等。隨著近年來信息抽取的興起，實(shí)體關(guān)系抽取進(jìn)一步得到廣泛的關(guān)注和深入的研究。

4.2 醫(yī)學(xué)實(shí)體關(guān)系抽取難點(diǎn)及現(xiàn)有技術(shù)

與一般的實(shí)體關(guān)系抽取相比，生物醫(yī)學(xué)領(lǐng)域語料庫的建設(shè)很復(fù)雜，且需要大量的人力、物力，對(duì)參與人員的專業(yè)背景要求高，因此使用僅有的醫(yī)學(xué)知識(shí)來自動(dòng)構(gòu)建大規(guī)模的語料庫對(duì)于醫(yī)學(xué)實(shí)體關(guān)系的抽取十分重要。此外，醫(yī)學(xué)實(shí)體之間普遍存在重疊關(guān)系，這給關(guān)系抽取的準(zhǔn)確性帶來較大的干擾?，F(xiàn)有的醫(yī)學(xué)關(guān)系抽取方法大多需要復(fù)雜的特征工程，越來越多的學(xué)者采用深度學(xué)習(xí)方法進(jìn)行關(guān)系的抽取，但大多采用的是流水線的方法，沒有充分利用實(shí)體信息，且容易導(dǎo)致錯(cuò)誤的傳遞。最后，醫(yī)學(xué)關(guān)系的跨度較大，句子級(jí)的抽取不能滿足要求。

為了自動(dòng)構(gòu)建大規(guī)模的語料庫，2019年Li Y等人[12]提出了一種全新的輕量級(jí)神經(jīng)網(wǎng)絡(luò)框架來解決遠(yuǎn)程監(jiān)督關(guān)系抽取問題，以彌補(bǔ)以往選擇的不足，使用《紐約時(shí)報(bào)》（New York Times，NYT）數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，結(jié)果表明該方法在AUC和Top-n精度指標(biāo)方面都達(dá)到了較先進(jìn)的性能。2020年He Z Q等人[13]設(shè)計(jì)了一個(gè)新的狀態(tài)表示形式，它考慮了句子嵌入、關(guān)系嵌入以及所選的正向?qū)嵗那度?，該方法解決了遠(yuǎn)程監(jiān)督方法中的錯(cuò)誤標(biāo)簽問題，同時(shí)提升了詞袋水平的關(guān)系提取效果。Chen D Y等人[14]提出了通過多代理強(qiáng)化學(xué)習(xí)模型來重新標(biāo)記噪聲訓(xùn)練數(shù)據(jù)，并共同提取實(shí)體和關(guān)系的新方法。他們?cè)趦蓚€(gè)真實(shí)的數(shù)據(jù)集上對(duì)該方法進(jìn)行了評(píng)估，結(jié)果證明，該方法可以顯著提高提取器的性能，并實(shí)現(xiàn)有效的學(xué)習(xí)。

針對(duì)醫(yī)學(xué)實(shí)體間普遍存在重疊關(guān)系這一問題，2019年Zeng D J等人[15]重新研究了基于復(fù)制機(jī)制的關(guān)系抽取模型，提出了使用序列到序列（Seq2Seq）方法共同提取實(shí)體和關(guān)系的多任務(wù)學(xué)習(xí)復(fù)制模型（copy mechanism for multi-task learning，CopyMTL）。該模型利用多任務(wù)的學(xué)習(xí)框架來識(shí)別多詞實(shí)體，通過提高實(shí)體識(shí)別精度來提升關(guān)系抽取的效果，從而達(dá)到了較理想的效果。2020年Nayak T等人[16]提出了使用編碼器-解碼器體系結(jié)構(gòu)共同提取實(shí)體和關(guān)系的方法。該方法使用一種用于關(guān)系元組的表示方案，使解碼器能夠像機(jī)器翻譯模型那樣一次生成一個(gè)單詞，并且仍然可以找到句子中存在的所有元組，它們具有不同長(zhǎng)度的完整實(shí)體名稱，并且具有重疊的實(shí)體。對(duì)NYT數(shù)據(jù)集進(jìn)行的實(shí)驗(yàn)表明，該方法明顯優(yōu)于所有以前的模型。

為了減少深度學(xué)習(xí)方法關(guān)系抽取中錯(cuò)誤的傳遞，2019年Eberts M等人[17]提出了一種混合模型，包括基于轉(zhuǎn)換器的編碼層、LSTM實(shí)體檢測(cè)模塊、基于強(qiáng)化學(xué)習(xí)的關(guān)系分類模塊。實(shí)驗(yàn)結(jié)果表明，與基線方法相比，該混合模型在關(guān)系和實(shí)體提取方面表現(xiàn)更好。2019年Bansal T等人[18]提出了一個(gè)新的模型——同時(shí)神經(jīng)實(shí)體-關(guān)系連接器（simultaneous neural entityrelation linker，SNERL）。首先使用自注意力機(jī)制來捕獲文本中每個(gè)實(shí)體提及的上下文表示；然后使用這些上下文表示來預(yù)測(cè)提及水平的實(shí)體分布和提及對(duì)水平的關(guān)系分布；最后針對(duì)每個(gè)提及對(duì)，將這些預(yù)測(cè)概率進(jìn)行組合，并合并到文檔級(jí)別，以獲得預(yù)測(cè)關(guān)系三元組的最終概率。實(shí)驗(yàn)結(jié)果表明，SNERL模型在CDT和CDR這兩個(gè)生物醫(yī)學(xué)數(shù)據(jù)集上的表現(xiàn)達(dá)到了最優(yōu)的效果，并且可以大大改善系統(tǒng)的整體召回率，同時(shí)避免了級(jí)聯(lián)錯(cuò)誤。

針對(duì)醫(yī)學(xué)關(guān)系跨度大的問題，2020年Nan G S等人[19]提出潛在結(jié)構(gòu)優(yōu)化（latent structure refinement，LSR）模型，以端到端的方式構(gòu)造一個(gè)文檔級(jí)圖譜來推理句間關(guān)系，通過迭代優(yōu)化策略，模型能夠動(dòng)態(tài)構(gòu)建潛在結(jié)構(gòu)，以改善整個(gè)文檔中的信息聚合。該模型在生物醫(yī)學(xué)領(lǐng)域的兩個(gè)文檔級(jí)關(guān)系抽取數(shù)據(jù)集上取得了較好的效果。

4.3 醫(yī)學(xué)實(shí)體關(guān)系抽取常用數(shù)據(jù)集

醫(yī)學(xué)實(shí)體關(guān)系抽取較常用的數(shù)據(jù)集主要有以下幾種，見表3。

表3 醫(yī)學(xué)實(shí)體關(guān)系抽取常用的數(shù)據(jù)集

4.4 挑戰(zhàn)及未來研究方向

（1）加強(qiáng)語料庫建設(shè)

相對(duì)于無監(jiān)督學(xué)習(xí)方法，有監(jiān)督學(xué)習(xí)方法有更好的準(zhǔn)確性和穩(wěn)定性，而構(gòu)建良好的語料庫是有監(jiān)督學(xué)習(xí)方法得以開展的關(guān)鍵前提。

（2）利用聯(lián)合學(xué)習(xí)方法更好地提取文本中的關(guān)系

現(xiàn)有的聯(lián)合學(xué)習(xí)方法大多存在不同的問題，例如不能很好地識(shí)別醫(yī)學(xué)文本中的重疊嵌套關(guān)系，但是聯(lián)合學(xué)習(xí)方法可以充分利用實(shí)體與關(guān)系之間的交互信息，且普遍證明比流水線方法更有效，因此應(yīng)該著力提升聯(lián)合學(xué)習(xí)方法中識(shí)別重疊嵌套關(guān)系的能力，使聯(lián)合學(xué)習(xí)方法更有效。

（3）實(shí)現(xiàn)跨句子或文檔級(jí)關(guān)系抽取

醫(yī)學(xué)文本中的關(guān)系往往不在一個(gè)句子中，而是跨句子的，因此關(guān)系抽取模型不應(yīng)該僅僅滿足于句子級(jí)的抽取，應(yīng)該進(jìn)行更廣范圍的關(guān)系抽取。

（4）解決遠(yuǎn)程監(jiān)督學(xué)習(xí)的問題，提升遠(yuǎn)程監(jiān)督的效果

醫(yī)學(xué)領(lǐng)域語料庫較小，遠(yuǎn)程監(jiān)督方可以有效地解決這個(gè)問題，但是遠(yuǎn)程監(jiān)督方法中存在錯(cuò)誤標(biāo)簽等問題，會(huì)影響模型效果。未來可以著重解決遠(yuǎn)程監(jiān)督中的錯(cuò)誤標(biāo)簽問題，使用遠(yuǎn)程監(jiān)督方法可以省去人工標(biāo)注數(shù)據(jù)的工作。

5 實(shí)體對(duì)齊

5.1 實(shí)體對(duì)齊定義

實(shí)體對(duì)齊是判斷多源異構(gòu)數(shù)據(jù)中的實(shí)體是否指向真實(shí)世界同一對(duì)象的過程。如果多個(gè)實(shí)體表征同一個(gè)對(duì)象，則在這些實(shí)體之間構(gòu)建對(duì)齊關(guān)系，同時(shí)對(duì)實(shí)體包含的信息進(jìn)行融合和聚集。由于目前將實(shí)體對(duì)齊應(yīng)用于醫(yī)學(xué)領(lǐng)域的研究文章較少，因此本節(jié)主要介紹實(shí)體對(duì)齊，而不是醫(yī)學(xué)實(shí)體對(duì)齊。

5.2 實(shí)體對(duì)齊難點(diǎn)及現(xiàn)有技術(shù)

（1）綜合利用知識(shí)圖譜的多種信息，如關(guān)系三元組、屬性三元組、摘要等

傳統(tǒng)的實(shí)體對(duì)齊任務(wù)直接將實(shí)體進(jìn)行對(duì)齊，由于沒有考慮到與實(shí)體相關(guān)的背景信息（如關(guān)系三元組、屬性三元組、摘要等），實(shí)體對(duì)齊任務(wù)準(zhǔn)確率不高，容易出現(xiàn)較多的噪聲和錯(cuò)誤數(shù)據(jù)，利用背景信息進(jìn)行實(shí)體對(duì)齊是目前研究的一個(gè)難點(diǎn)。

2020年，E H H等人[20]嘗試將關(guān)系和屬性三元組結(jié)合起來進(jìn)行實(shí)體對(duì)齊。采用參數(shù)共享聯(lián)合方法和基于翻譯的知識(shí)嵌入方法將它們聯(lián)合嵌入。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)實(shí)體對(duì)齊任務(wù)有明顯的改進(jìn)。Munne R F等人[21]提出了一種基于嵌入的實(shí)體對(duì)齊方法。針對(duì)實(shí)體對(duì)齊任務(wù)，提出了一種匯總與屬性嵌入的聯(lián)合方法。當(dāng)實(shí)體具有較少的屬性或關(guān)系結(jié)構(gòu)，無法捕獲實(shí)體的有意義的表示時(shí)，實(shí)體摘要嵌入會(huì)很有用。他們?cè)谡鎸?shí)世界的數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，結(jié)果表明，所提方法顯著優(yōu)于當(dāng)時(shí)最先進(jìn)的實(shí)體對(duì)齊模型。

（2）多語言知識(shí)圖譜的實(shí)體對(duì)齊

隨著信息全球化的進(jìn)一步發(fā)展，一種語言的知識(shí)圖譜已經(jīng)不能滿足信息的溝通與交流，因此多語言知識(shí)圖譜間的實(shí)體對(duì)齊方法是計(jì)算機(jī)研究的必然趨勢(shì)。

2020年，Chen M H等人[22]提出了一種新的模型JEANS，在一個(gè)共享的嵌入方案中聯(lián)合表示多語種的知識(shí)圖譜和文本語料庫，并試圖通過文本附帶的監(jiān)督信號(hào)來改善實(shí)體對(duì)齊效果。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，JEANS在伴隨監(jiān)督的實(shí)體對(duì)齊方面有很好的改善，并且顯著地優(yōu)于只提供知識(shí)圖譜內(nèi)部信息的最新方法。KANG S Z等人[23]利用本體提出了一種基于TransC的嵌入模型。該模型首先采用TransC和參數(shù)共享模型，將知識(shí)圖譜中的所有實(shí)體和關(guān)系映射到一個(gè)基于對(duì)齊實(shí)體集的共享低維語義空間，然后迭代地使用重新初始化和軟對(duì)齊策略來執(zhí)行實(shí)體對(duì)齊。實(shí)驗(yàn)結(jié)果表明，與基準(zhǔn)算法相比，該模型能有效地融合本體信息，取得了較好的效果。

（3）數(shù)據(jù)異構(gòu)實(shí)體對(duì)齊

醫(yī)學(xué)知識(shí)的表現(xiàn)方式復(fù)雜多樣，在數(shù)據(jù)異構(gòu)的知識(shí)圖譜之間進(jìn)行實(shí)體對(duì)齊也是當(dāng)前研究的一個(gè)難點(diǎn)。

針對(duì)不同類型實(shí)體的對(duì)齊，2020年，Zhu Q等人[24]提出了一個(gè)集合圖譜網(wǎng)絡(luò)——多類型實(shí)體對(duì)齊的集合圖神經(jīng)網(wǎng)絡(luò)（collective graph neural network for multitype entity alignment，CG Mualign）。與以前的工作不同，CG Mualign聯(lián)合對(duì)齊不同類型的實(shí)體，集中利用鄰域信息并概括未標(biāo)記的實(shí)體類型。在真實(shí)世界知識(shí)圖譜百萬計(jì)的實(shí)體實(shí)驗(yàn)中，該方法的實(shí)體對(duì)齊效果超過了現(xiàn)有的方法。但是，該方法的運(yùn)行效率沒有超過當(dāng)前最先進(jìn)的深度學(xué)習(xí)方法。

針對(duì)鄰域結(jié)構(gòu)的非同構(gòu)性，Sun Z Q等人[25]提出了一種新的知識(shí)圖譜對(duì)齊網(wǎng)絡(luò)AliNet，旨在以端到端的方式減輕鄰域結(jié)構(gòu)的非同構(gòu)性。該方法采用一種注意機(jī)制來突出有用的遠(yuǎn)距離鄰居，并減少噪聲，然后使用門控機(jī)制控制直接鄰域信息和遠(yuǎn)程鄰域信息的聚合。他們進(jìn)一步建議使用關(guān)系損失來重新定義實(shí)體表示，并對(duì)5個(gè)實(shí)體對(duì)準(zhǔn)數(shù)據(jù)集進(jìn)行了詳細(xì)的研究和分析，證明了AliNet的有效性。

針對(duì)知識(shí)圖譜之間的結(jié)構(gòu)異構(gòu)性，Wu Y T等人[26]采用一種新的圖譜采樣策略來識(shí)別面向?qū)嶓w對(duì)齊的信息最豐富的鄰居，利用基于交叉圖譜注意力的匹配機(jī)制，聯(lián)合比較兩個(gè)實(shí)體的區(qū)分子圖，以實(shí)現(xiàn)穩(wěn)健的實(shí)體對(duì)齊。在3個(gè)實(shí)體比對(duì)數(shù)據(jù)集上進(jìn)行的大量實(shí)驗(yàn)表明，該方法可以在更困難的情況下很好地估計(jì)鄰域相似度，顯著優(yōu)于12種現(xiàn)有方法。

（4）大規(guī)模知識(shí)圖譜間的實(shí)體對(duì)齊

在信息化高速發(fā)展的今天，數(shù)據(jù)達(dá)到了空前規(guī)模，這對(duì)技術(shù)提出了更多的挑戰(zhàn)，大規(guī)模知識(shí)圖譜間的實(shí)體對(duì)齊也成為研究難點(diǎn)和重點(diǎn)。

2019年，Zhang F J等人[27]將兩個(gè)有上億級(jí)別節(jié)點(diǎn)的網(wǎng)絡(luò)——AMiner和微軟學(xué)術(shù)進(jìn)行了對(duì)齊，這項(xiàng)研究綜合利用了LSTM、灰色神經(jīng)網(wǎng)絡(luò)（gray neural network，GNN）、哈希等技術(shù)，能夠高效處理多種類型的節(jié)點(diǎn)以及不同類型的信息，并且使對(duì)齊效果達(dá)到了可以應(yīng)用的級(jí)別（總體F1分?jǐn)?shù)為96.81%）。

2020年，F(xiàn)lamino J等人[28]提出了一個(gè)可解決大規(guī)模對(duì)齊問題的多步驟通道。在這個(gè)通道中，引入了具有魯棒時(shí)間屬性的可伸縮特征提取，并使用了聚類算法，以便在圖上找到相似節(jié)點(diǎn)的分組。這些特征和它們的集群被輸入一個(gè)通用的對(duì)齊階段，在數(shù)百萬個(gè)可能的匹配中準(zhǔn)確地識(shí)別伙伴節(jié)點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該管道可以處理大數(shù)據(jù)集，在內(nèi)存限制下實(shí)現(xiàn)高效的運(yùn)行。

5.3 實(shí)體對(duì)齊常用數(shù)據(jù)集

實(shí)體對(duì)齊較常用的數(shù)據(jù)集主要有以下幾種，見表4。

表4 實(shí)體對(duì)齊常用的數(shù)據(jù)集

5.4 醫(yī)學(xué)實(shí)體對(duì)齊挑戰(zhàn)及未來研究方向

目前醫(yī)學(xué)實(shí)體對(duì)齊研究尚處于起步階段，根據(jù)醫(yī)學(xué)數(shù)據(jù)的特點(diǎn)，醫(yī)學(xué)實(shí)體對(duì)齊未來的研究方向主要包括以下方面。

● 醫(yī)學(xué)實(shí)體存在較多同義詞、縮略詞，導(dǎo)致實(shí)體對(duì)齊的精確性受到影響，但是醫(yī)療領(lǐng)域要求的精度非常高，使得在醫(yī)療領(lǐng)域?qū)崿F(xiàn)實(shí)體對(duì)齊這項(xiàng)工作的開展和進(jìn)行非常艱難，這將是之后醫(yī)療領(lǐng)域需要重點(diǎn)解決的問題。

● 數(shù)據(jù)質(zhì)量良莠不齊，存在數(shù)據(jù)壁壘。由于不同醫(yī)療知識(shí)庫的構(gòu)建目的和方式不同，數(shù)據(jù)質(zhì)量不一，并且不同醫(yī)療機(jī)構(gòu)的數(shù)據(jù)一般不能互相開放，如何打破數(shù)據(jù)壁壘，解決可能存在的相似重復(fù)數(shù)據(jù)、孤立數(shù)據(jù)、數(shù)據(jù)時(shí)間力度不一致等問題，是未來的一個(gè)重點(diǎn)研究方向。

● 醫(yī)療數(shù)據(jù)龐大復(fù)雜，標(biāo)簽數(shù)據(jù)有限，且醫(yī)學(xué)數(shù)據(jù)精度要求高，需要領(lǐng)域?qū)＜沂止?duì)數(shù)據(jù)進(jìn)行操作，這是一個(gè)耗費(fèi)極大的工程。如何在較少的標(biāo)簽數(shù)據(jù)中進(jìn)行訓(xùn)練，實(shí)現(xiàn)高效的實(shí)體對(duì)齊，也是后續(xù)研究要關(guān)注的問題。

6 醫(yī)學(xué)實(shí)體鏈接

6.1 實(shí)體鏈接定義

由于語言表達(dá)的多樣性、歧義性以及上下文關(guān)聯(lián)，語言理解面臨巨大的挑戰(zhàn)。語言理解主要包括語法解析、語義解析和特定的知識(shí)表示或其中的某個(gè)片段。而在知識(shí)圖譜中主要涉及的技術(shù)即實(shí)體理解或?qū)嶓w鏈接技術(shù)，將現(xiàn)實(shí)世界中的知識(shí)映射到現(xiàn)有知識(shí)圖譜中的實(shí)體，進(jìn)而用現(xiàn)有知識(shí)圖譜進(jìn)行表示，達(dá)到理解的目的。在實(shí)體鏈接任務(wù)中輸入的是實(shí)體的指代和上下文以及待鏈接的知識(shí)庫，輸出的是指代所對(duì)應(yīng)的知識(shí)庫中的實(shí)體。

實(shí)體鏈接（或?qū)嶓w規(guī)范化、實(shí)體消歧）指將文本中的短語（提及范圍）映射到結(jié)構(gòu)化源（如知識(shí)庫）中的概念。提及范圍通常是一個(gè)詞或短語，描述一個(gè)單一的、連貫的概念。

6.2 醫(yī)學(xué)實(shí)體鏈接的難點(diǎn)及現(xiàn)有技術(shù)

（1）聯(lián)合在命名實(shí)體識(shí)別和實(shí)體鏈接中建模

在知識(shí)庫構(gòu)建中，實(shí)體識(shí)別是實(shí)體鏈接的前提，實(shí)體識(shí)別可為實(shí)體鏈接提供更多有效的信息。實(shí)體鏈接與實(shí)體識(shí)別聯(lián)合學(xué)習(xí)可減少工作量。實(shí)體識(shí)別與實(shí)體鏈接任務(wù)聯(lián)合解決既能提高命名實(shí)體識(shí)別的性能，也能提高實(shí)體鏈接的性能，是當(dāng)前研究的重點(diǎn)和難點(diǎn)。

2017年，Lou Y X等人[29]提出了一種基于轉(zhuǎn)換的聯(lián)合疾病實(shí)體識(shí)別與規(guī)范化模型，將輸出構(gòu)造過程轉(zhuǎn)化為一個(gè)漸進(jìn)的狀態(tài)轉(zhuǎn)換過程，允許使用非局部特征。實(shí)驗(yàn)表明，與其他方法分開執(zhí)行任務(wù)相比，聯(lián)合框架實(shí)現(xiàn)了更高的性能。與其他先進(jìn)的方法相比，該方法更具優(yōu)勢(shì)。

2019年，Zhao S D等人[30]提出了一個(gè)新的具有顯式反饋策略的深層神經(jīng)多任務(wù)學(xué)習(xí)框架，用于聯(lián)合實(shí)體識(shí)別和實(shí)體規(guī)范化建模。該方法利用多任務(wù)學(xué)習(xí)對(duì)兩個(gè)任務(wù)進(jìn)行一般表示，在保持任務(wù)之間相互支持的同時(shí)，成功地將跨體系結(jié)構(gòu)的任務(wù)轉(zhuǎn)換為并行的多任務(wù)設(shè)置。實(shí)驗(yàn)結(jié)果表明，在兩個(gè)公開的醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)集上，該方法比當(dāng)時(shí)最先進(jìn)的方法表現(xiàn)得更好。

2020年，Luo Z H等人[31]開發(fā)了pyMeSHSim軟件包，這是一個(gè)用于生物醫(yī)學(xué)文本挖掘的集成、輕量級(jí)和數(shù)據(jù)豐富的Python包。作為第一個(gè)一站式醫(yī)學(xué)主題詞（medical subject heading，MeSH）工具包，它集成了生物NER、規(guī)范化和比較功能。pyMeSHSim嵌入了一個(gè)自制的數(shù)據(jù)集，其中包含主標(biāo)題（main heading，MH）、補(bǔ)充概念記錄（supplementary concept record，SCR）及其在MeSH中的關(guān)系?；谠摂?shù)據(jù)集，pyMeSHSim實(shí)現(xiàn)了4種基于信息內(nèi)容的算法和一種基于圖譜的算法，可用于度量?jī)蓚€(gè)網(wǎng)格術(shù)語之間的語義相似度。結(jié)果表明，使用pyMeSHSim識(shí)別的網(wǎng)絡(luò)術(shù)語和以前手工識(shí)別的網(wǎng)絡(luò)術(shù)語的語義相似度高達(dá)0.89～0.99。PyMeSHSim有望在生物信息學(xué)、計(jì)算生物學(xué)和生物醫(yī)學(xué)研究中作為一種強(qiáng)大的工具得到廣泛的應(yīng)用。

（2）醫(yī)學(xué)實(shí)體語義模糊

基于研究和醫(yī)學(xué)文獻(xiàn)分析發(fā)現(xiàn)，相同疾病名可能以多種不同的形式出現(xiàn)，比如同義詞替換（如“腦中風(fēng)”“腦卒中”）、疾病名稱前的簡(jiǎn)短描述修飾語（如“大面積心臟病發(fā)作”），這些均會(huì)造成醫(yī)學(xué)實(shí)體語義的復(fù)雜多變。近年來針對(duì)這個(gè)問題的實(shí)體鏈接研究較多。

2017年，Cho H等人[32]聯(lián)合解析同義詞和縮寫詞的領(lǐng)域特定詞典及基于神經(jīng)網(wǎng)絡(luò)算法組合的大量未標(biāo)注數(shù)據(jù)，該聯(lián)合方法的精確度顯著提高。

2018年，Gorrell G等人[33]提出了一個(gè)新的系統(tǒng)Bio-YODIE。Bio-YODIE有兩個(gè)主要的組成部分，首先，資源準(zhǔn)備步驟將運(yùn)行時(shí)所需的UMLS和其他信息資源處理為高效的形式，盡可能多地提前完成工作，以盡量減少運(yùn)行時(shí)的處理；其次，流程本身對(duì)文檔進(jìn)行了注釋，這些文檔包括UMLS概念唯一標(biāo)識(shí)符以及來自UMLS的其他相關(guān)信息。基于文本工程的通用結(jié)構(gòu)（general architecture for text engineering，GATE），YODIE最初是一個(gè)通用的域系統(tǒng)，引用了DBpedia。Bio-YODIE是該系統(tǒng)的生物醫(yī)學(xué)版本，它繼承了一般領(lǐng)域的研究歷史。與MetaMapLite的不同之處在于， 消除歧義是Bio-YODIE中的優(yōu)先事項(xiàng)。Bio-YODIE已被集成到CogStack中，并在大規(guī)模臨床應(yīng)用中得到廣泛應(yīng)用。

2019年，Wright D[34]提出了一個(gè)深度連貫?zāi)Ｐ蚇ormCo，它考慮了實(shí)體提及的語義，以及單個(gè)文檔中提及的主題連貫性。NormCo在兩個(gè)疾病標(biāo)準(zhǔn)化語料庫上的預(yù)測(cè)質(zhì)量和效率方面優(yōu)于當(dāng)時(shí)最先進(jìn)的基線方法，并且至少在準(zhǔn)確性和標(biāo)記文檔的F1分?jǐn)?shù)方面表現(xiàn)同樣出色。

2019年，Mondal I等人[35]提出了一種基于候選知識(shí)庫條目與疾病描述相似度的排序方法，探討了域內(nèi)子詞級(jí)信息處理疾病規(guī)范化任務(wù)的能力。該方法利用由疾病描述m、陽性候選qp、陰性候選qni組成的三元組(qp,m,qni)進(jìn)行候選排序，引入了一個(gè)穩(wěn)健的、可移植的候選生成方案，該方案不使用手工編制的規(guī)則。在標(biāo)準(zhǔn)基準(zhǔn)NCBI疾病數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在很大程度上優(yōu)于先前的方法。

2020年，Zhu M等人[36]提出了一種潛在類型實(shí)體鏈接模型LATTE，該模型通過對(duì)實(shí)體提及和實(shí)體的潛在細(xì)粒度類型信息進(jìn)行建模來改進(jìn)實(shí)體鏈接。與以前直接在實(shí)體提及和實(shí)體之間執(zhí)行實(shí)體鏈接的方法不同，LATTE在沒有直接監(jiān)督的情況下聯(lián)合執(zhí)行實(shí)體對(duì)齊和潛在的細(xì)粒度類型學(xué)習(xí)。大量的實(shí)驗(yàn)結(jié)果表明，該模型比幾種先進(jìn)的技術(shù)具有顯著的性能改進(jìn)。

（3）公開醫(yī)學(xué)數(shù)據(jù)集較小

在醫(yī)學(xué)領(lǐng)域，對(duì)數(shù)據(jù)進(jìn)行標(biāo)簽標(biāo)注是一項(xiàng)費(fèi)時(shí)費(fèi)力的大工程。因此目前所有的實(shí)體鏈接公開數(shù)據(jù)集都是小規(guī)模的，如何在小規(guī)模數(shù)據(jù)集上進(jìn)行高質(zhì)量的實(shí)體鏈接是目前研究的一個(gè)難點(diǎn)。

2017年，Rajani N F等人[37]提出使用精確聚焦的輔助特征來克服醫(yī)學(xué)領(lǐng)域的這些挑戰(zhàn)，這些輔助特征可以從少量數(shù)據(jù)中形成分類邊界。該模型優(yōu)于多個(gè)基線水平，并在多個(gè)醫(yī)學(xué)數(shù)據(jù)集上更新了最優(yōu)結(jié)果。

6.3 醫(yī)學(xué)實(shí)體鏈接常用數(shù)據(jù)集

醫(yī)學(xué)實(shí)體鏈接較常用的數(shù)據(jù)集主要有以下幾種，見表5。

表5 醫(yī)學(xué)實(shí)體鏈接常用的數(shù)據(jù)集

6.4 未來展望

（1）別名實(shí)體候選生成問題

在醫(yī)學(xué)領(lǐng)域中相同的語義往往可以有多種不同的叫法，醫(yī)學(xué)實(shí)體的多詞同義現(xiàn)象十分普遍，在判斷別名實(shí)體時(shí)很難將所有對(duì)應(yīng)實(shí)體的候選實(shí)體全部找出，導(dǎo)致實(shí)體鏈接的準(zhǔn)確率下降，因此解決別名實(shí)體候選生成是未來的研究重點(diǎn)。

（2）不完整數(shù)據(jù)集的實(shí)體鏈接

在實(shí)體鏈接中，實(shí)體、實(shí)體的類別信息、關(guān)系信息以及上下文信息對(duì)實(shí)體對(duì)齊非常重要，醫(yī)學(xué)數(shù)據(jù)經(jīng)常存在數(shù)據(jù)不完整的情況，使得實(shí)體鏈接效果不是很好，通過僅有的實(shí)體相關(guān)信息進(jìn)行鏈接是醫(yī)學(xué)領(lǐng)域?qū)嶓w對(duì)齊面臨的又一大挑戰(zhàn)。

（3）基于多種語言的實(shí)體對(duì)齊

目前實(shí)體鏈接系統(tǒng)主要針對(duì)的是英文語料，中文或者其他語言的鏈接系統(tǒng)非常缺乏。中文以及其他語言與類似英語的語言不同，使得實(shí)體鏈接難度增加。對(duì)于中文和其他語言的實(shí)體鏈接系統(tǒng)，也需要重點(diǎn)研究。

7 醫(yī)學(xué)知識(shí)圖譜存儲(chǔ)

7.1 知識(shí)圖譜存儲(chǔ)方式

現(xiàn)有知識(shí)圖譜數(shù)據(jù)的存儲(chǔ)方式主要分為兩種：基于關(guān)系模型的存儲(chǔ)方式和基于圖模型的存儲(chǔ)方式。

基于關(guān)系模型的知識(shí)圖譜存儲(chǔ)方式包括三元組表、水平表、屬性表、垂直劃分、六重索引和DB2RDF。

目前，基于圖數(shù)據(jù)庫的知識(shí)圖譜存儲(chǔ)方法是學(xué)術(shù)界研究的主流。圖數(shù)據(jù)庫的優(yōu)點(diǎn)在于其天然能表示知識(shí)圖譜結(jié)構(gòu)，圖中的節(jié)點(diǎn)表示知識(shí)圖譜的對(duì)象，圖中的邊表示知識(shí)圖譜的對(duì)象關(guān)系。其最大的優(yōu)點(diǎn)是可以用來處理復(fù)雜的關(guān)系問題，提供完善的圖查詢語言，支持各種圖挖掘算法。采用圖數(shù)據(jù)庫存儲(chǔ)知識(shí)圖譜，能有效利用圖數(shù)據(jù)庫中以關(guān)聯(lián)數(shù)據(jù)為中心的數(shù)據(jù)表達(dá)、存儲(chǔ)和查詢?；趫D模型的存儲(chǔ)方式見表6。

表6 基于圖模型的存儲(chǔ)方式

知識(shí)圖譜的存儲(chǔ)方式應(yīng)考慮其后續(xù)的使用效率，應(yīng)根據(jù)自己的應(yīng)用場(chǎng)景、數(shù)據(jù)情況來具體設(shè)計(jì)?？蓞⒖急?選擇最適用的存儲(chǔ)方式。

表7 知識(shí)圖譜存儲(chǔ)方式比較

基于醫(yī)學(xué)知識(shí)圖譜更側(cè)重于實(shí)體之間的關(guān)系（例如藥物-疾病、疾病-表征、藥物-藥物及藥物-表征）的特點(diǎn)，醫(yī)學(xué)知識(shí)圖譜的存儲(chǔ)基本采用圖數(shù)據(jù)庫，其中應(yīng)用最廣泛的為Neo4j系統(tǒng)。曹明宇等人[38]開發(fā)的基于知識(shí)圖譜的原發(fā)性肝癌知識(shí)問答系統(tǒng)、吳嘉敏[39]構(gòu)建的肺癌知識(shí)圖譜都將Neo4j作為知識(shí)圖譜的存儲(chǔ)系統(tǒng)。Deng W等人[40]利用Neo4j圖形數(shù)據(jù)庫構(gòu)建醫(yī)學(xué)圖譜，包含醫(yī)院科室、疾病和癥狀之間的關(guān)系，并基于圖譜提供醫(yī)學(xué)指導(dǎo)。

張崇宇[41]提出了基于知識(shí)圖譜的醫(yī)療自動(dòng)問答系統(tǒng)，考慮到知識(shí)庫問答應(yīng)用中知識(shí)存儲(chǔ)與檢索的效率問題，采用三元組表示與圖數(shù)據(jù)庫存儲(chǔ)（Neo4j）以及JSON表示與鍵值對(duì)文檔型數(shù)據(jù)庫存儲(chǔ)（MongoDB）兩種形式的混合數(shù)據(jù)庫存儲(chǔ)的方式對(duì)構(gòu)建的臨床醫(yī)療知識(shí)圖譜進(jìn)行表示和存儲(chǔ)。同時(shí)，通過對(duì)醫(yī)療實(shí)體進(jìn)行歸一化處理，將標(biāo)準(zhǔn)化后的實(shí)體作為節(jié)點(diǎn)存儲(chǔ)到知識(shí)圖譜中。

7.2 醫(yī)學(xué)知識(shí)圖譜存儲(chǔ)的難點(diǎn)及現(xiàn)有技術(shù)（以圖數(shù)據(jù)庫為例）

（1）復(fù)雜關(guān)系的可視化

在醫(yī)學(xué)知識(shí)中，實(shí)體之間的關(guān)系經(jīng)常是錯(cuò)綜復(fù)雜的，這使得將復(fù)雜關(guān)系能夠更好地可視化成為研究的一個(gè)難點(diǎn)。

當(dāng)前，新的蛋白質(zhì)和基因序列的數(shù)量呈爆炸式增長(zhǎng)，這使得對(duì)其生物學(xué)特性的有效表征和分析變得越來越復(fù)雜。2019年，Hu G M等人[42]提出了一個(gè)基于網(wǎng)絡(luò)的圖數(shù)據(jù)庫工具SeQuery，通過整合序列結(jié)構(gòu)和功能信息，直觀地可視化蛋白質(zhì)組/基因組網(wǎng)絡(luò)。用GPCR2841數(shù)據(jù)集進(jìn)行的序列測(cè)試表明，SeQuery能正確識(shí)別查詢到的100個(gè)蛋白質(zhì)序列中的99個(gè)。SeQuery非常適用于其他生物網(wǎng)絡(luò)，可以通過添加更多的生物數(shù)據(jù)庫來擴(kuò)展SeQuery。

（2）用戶友好的查詢方式

知識(shí)圖譜的存儲(chǔ)是為了讓用戶更好地使用和查詢知識(shí)，讓用戶的查詢更簡(jiǎn)單便捷一直是知識(shí)圖譜存儲(chǔ)的關(guān)鍵和難點(diǎn)。

結(jié)直腸癌（colorectal cancer，CRC）是常見的癌癥類型之一，它的發(fā)生與基因和細(xì)胞表觀遺傳機(jī)制的放松有關(guān)。2017年，Balaur I等人[43]提出了圖數(shù)據(jù)庫EpiGeNet，用于存儲(chǔ)和查詢?cè)诮Y(jié)直腸癌發(fā)生的不同階段觀察到的分子事件（遺傳和表觀遺傳）之間的條件關(guān)系。EpiGeNet增強(qiáng)了探索與結(jié)直腸癌進(jìn)展相關(guān)的研究方面的查詢能力，EpiGeNet框架提供了更好的管理和可視化數(shù)據(jù)的能力，特別是針對(duì)結(jié)直腸癌的發(fā)生和發(fā)展的分子事件。

基因組技術(shù)的最新進(jìn)展使得從結(jié)核分枝桿菌分離物中產(chǎn)生大量成本效益高的“組學(xué)”數(shù)據(jù)成為可能，然后可以通過許多異構(gòu)的公開可用的生物數(shù)據(jù)庫共享這些數(shù)據(jù)。盡管碎片化管理很有用，但它對(duì)研究人員聯(lián)合查詢利用數(shù)據(jù)的能力產(chǎn)生了負(fù)面影響。2020年，Lose T等人[44]提出了抗結(jié)核病NeoDB（一個(gè)整合的結(jié)核分枝桿菌經(jīng)濟(jì)學(xué)知識(shí)庫）。基于Neo4j，將標(biāo)簽屬性圖模型綁定到合適的本體，從而創(chuàng)建抗結(jié)核病NeoDB?？菇Y(jié)核病NeoDB使研究人員能夠通過鏈接著名的生物數(shù)據(jù)庫和發(fā)表文獻(xiàn)中的結(jié)核分枝桿菌變體數(shù)據(jù)來執(zhí)行復(fù)雜的聯(lián)合查詢。

（3）認(rèn)證和加密形式的安全保障

隱私是醫(yī)院在發(fā)布涉及個(gè)人敏感信息的數(shù)據(jù)時(shí)應(yīng)保留的一個(gè)重要因素。研究尋求在不侵犯?jìng)€(gè)人信息保密性的情況下向公眾發(fā)布數(shù)據(jù)的解決方案。對(duì)數(shù)據(jù)進(jìn)行處理，可以在維護(hù)基本信息的同時(shí)安全地發(fā)布數(shù)據(jù)。2020年，Saranya K等人[45]提出了一種基于事務(wù)圖的自適應(yīng)概率安全處理方法，用于醫(yī)療環(huán)境中的安全處理。該方法首先為每個(gè)用戶交互生成交互圖，并在此基礎(chǔ)上估計(jì)每個(gè)交互項(xiàng)的收斂性和偏差測(cè)度?；谶@些值，該方法計(jì)算了一個(gè)概率矩陣，并在這個(gè)矩陣的基礎(chǔ)上生成本體。實(shí)驗(yàn)結(jié)果表明，所提方法可以產(chǎn)生有效的安全處理和數(shù)據(jù)發(fā)布結(jié)果。

7.3 挑戰(zhàn)及未來研究方向

● 醫(yī)療數(shù)據(jù)類型種類繁多，現(xiàn)有圖數(shù)據(jù)庫系統(tǒng)支持過多數(shù)據(jù)組織的形式，但不清楚在一些情景中哪個(gè)是最好的。如何根據(jù)數(shù)據(jù)的不同選擇合適的系統(tǒng)和圖模型是未來一個(gè)很重要的問題。

● 醫(yī)療數(shù)據(jù)大多獨(dú)立分布在不同的醫(yī)療機(jī)構(gòu)，數(shù)據(jù)的分布式存儲(chǔ)對(duì)醫(yī)療數(shù)據(jù)的存儲(chǔ)與分析至關(guān)重要。目前還沒有為圖數(shù)據(jù)庫開發(fā)拓?fù)涓兄蚵窂礁兄臄?shù)據(jù)分布方案，特別是在最近提出的數(shù)據(jù)中心、高性能計(jì)算網(wǎng)絡(luò)拓?fù)浜吐窂襟w系結(jié)構(gòu)的背景下。因此，未來數(shù)據(jù)的分布式處理將是一個(gè)亟待解決的問題。

● 很少有研究使用不同類型的硬件結(jié)構(gòu)、加速器和硬件相關(guān)設(shè)計(jì)（如FPGA、與網(wǎng)絡(luò)接口卡相關(guān)的設(shè)計(jì)、硬件交互等），但這對(duì)于大規(guī)模醫(yī)療數(shù)據(jù)的存儲(chǔ)也是不可缺少的重要一環(huán)。

8 醫(yī)學(xué)知識(shí)圖譜應(yīng)用

8.1 基于醫(yī)學(xué)知識(shí)圖譜的問答

醫(yī)學(xué)知識(shí)圖譜與問答系統(tǒng)的融合是目前極具挑戰(zhàn)性的研究方向，同時(shí)也是典型的應(yīng)用場(chǎng)景。基于知識(shí)圖譜的醫(yī)療問答系統(tǒng)可以快速響應(yīng)醫(yī)患用戶提出的問題，并給出準(zhǔn)確、有效的解答。下面將從問答系統(tǒng)的實(shí)現(xiàn)方法、實(shí)際應(yīng)用、關(guān)鍵挑戰(zhàn)3個(gè)方面進(jìn)行闡述分析。

（1）實(shí)現(xiàn)方法

本文參考了近3年的研究進(jìn)展，總結(jié)出醫(yī)療領(lǐng)域基于知識(shí)圖譜的問答系統(tǒng)主要有兩種實(shí)現(xiàn)方法：檢索式和生成式。其中，檢索式主要面向系統(tǒng)構(gòu)建的知識(shí)圖譜，生成式主要面向系統(tǒng)收集的問答庫數(shù)據(jù)，表8列出了可用于構(gòu)建基于知識(shí)圖譜的醫(yī)療問答系統(tǒng)的數(shù)據(jù)來源。

表8 基于知識(shí)圖譜的醫(yī)療問答系統(tǒng)使用的數(shù)據(jù)來源

檢索式方法就是將用戶的問句轉(zhuǎn)化為知識(shí)庫的查詢語句，再將查詢的結(jié)果轉(zhuǎn)化成自然語言返回給用戶，其一般流程由語義提取、問題匹配以及答案查詢3個(gè)部分組成，如圖2所示。

圖2 檢索式方法的一般流程

語義提取指從用戶提出的問句中提取出涉及的醫(yī)學(xué)實(shí)體、關(guān)系等語義信息，主要包括實(shí)體識(shí)別和關(guān)系抽取兩部分，可以采用詞典匹配、傳統(tǒng)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)甚至平臺(tái)工具（如哈爾濱工業(yè)大學(xué)語言云平臺(tái)）等方法。參考文獻(xiàn)[46]基于自定義詞典的Jieba分詞匹配獲得問句中的實(shí)體。

參考文獻(xiàn)[47]中的DIK-QA系統(tǒng)使用BiLSTM-CRF神經(jīng)網(wǎng)絡(luò)模型抽取問句中的醫(yī)療實(shí)體，并在該模型中引入注意力機(jī)制，以提高實(shí)體識(shí)別的準(zhǔn)確度。參考文獻(xiàn)[48]借助哈爾濱工業(yè)大學(xué)語言云平臺(tái)的LTPParser接口進(jìn)行句法分析，將結(jié)果與詞庫內(nèi)的實(shí)體進(jìn)行比對(duì)，從而獲取比對(duì)成功的實(shí)體和關(guān)系。

問題匹配旨在識(shí)別問句的意圖，將問題進(jìn)行分類，匹配預(yù)先制定的問題模板，一般采用匹配算法、TextCNN分類算法、SVM分類器等方法。Huang M X等人[47]采用AC多模式匹配算法將問句匹配到不同的問題類型上。

參考文獻(xiàn)[38]結(jié)合術(shù)語頻率-逆文檔頻率（term frequency–inverse document frequency，TFIDF）算法和word2vec詞向量生成句子向量，匹配最相似的問題模板，根據(jù)模板的語義及問題中的實(shí)體到知識(shí)圖譜中檢索答案。參考文獻(xiàn)[49-50]均采用TextCNN分類算法實(shí)現(xiàn)問句類型的分類。謝剛等人[51]利用支持向量機(jī)模型對(duì)問題進(jìn)行主題分類和意圖識(shí)別。

答案查詢即根據(jù)問題模板將問題轉(zhuǎn)化成查詢語句，然后在知識(shí)圖譜中查詢問題的答案，主要通過查詢語句直接檢索答案或者通過推理規(guī)則得出答案。曹明宇等人[38]使用Cypher語言在Neo4j圖形數(shù)據(jù)庫中查詢答案。參考文獻(xiàn)[48]根據(jù)問題模板生成完整的SPARQL語言，并在甲狀腺知識(shí)圖譜內(nèi)進(jìn)行查詢。Bo L等人[52]使用Elasticsearch查詢語言，配合簡(jiǎn)單的輔助推理算法，給用戶匹配相關(guān)癥狀，搜索可能的疾病，并推薦適當(dāng)?shù)脑\斷方法。

而生成式方法則利用相關(guān)模型，根據(jù)輸入的問題生成答案或者直接檢索問答庫，其既需要醫(yī)療領(lǐng)域問答對(duì)語料數(shù)據(jù)，也需要知識(shí)圖譜的實(shí)體及關(guān)系數(shù)據(jù)，主要采用神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練。參考文獻(xiàn)[53]使用基于LSTM的Seq2Seq模型構(gòu)建答案生成模型。參考文獻(xiàn)[54]將記憶神經(jīng)網(wǎng)絡(luò)作為智能問答的算法模型，將知識(shí)庫的知識(shí)存儲(chǔ)在模型中，可在網(wǎng)絡(luò)中直接調(diào)用。

（2）實(shí)際應(yīng)用

雖然我國(guó)醫(yī)療問答系統(tǒng)起步較晚，但國(guó)內(nèi)已有不少科技公司在市面上推出自主研發(fā)的醫(yī)療問答系統(tǒng)。如諾華制藥攜手騰訊合作推出的“護(hù)心小愛（AI）”，該平臺(tái)以微信小程序?yàn)檩d體，通過對(duì)話機(jī)器人為心衰患者提供針對(duì)常規(guī)醫(yī)療問題及日常生活問題的答疑解惑，以及科學(xué)的健康資訊。再如北京慧醫(yī)明智科技有限公司旗下的“慧醫(yī)大白”，其使用知識(shí)圖譜、語義理解和對(duì)話管理等技術(shù)手段，通過與用戶進(jìn)行多輪問答，了解用戶的具體病癥，最終提供健康評(píng)估和健康行為建議。

而在問答系統(tǒng)起步較早的國(guó)外市場(chǎng)，最出名的面向醫(yī)學(xué)領(lǐng)域的智能問答系統(tǒng)是IBM的“沃森醫(yī)生（Dr. Watson）”，其學(xué)習(xí)了海量的醫(yī)療數(shù)據(jù)，包括領(lǐng)域內(nèi)的頂尖文獻(xiàn)、診斷報(bào)告、電子病歷甚至醫(yī)學(xué)影像等醫(yī)療信息，利用自身龐大的知識(shí)庫為患者提出的醫(yī)學(xué)問題提供最佳的答案。

（3）關(guān)鍵挑戰(zhàn)

目前，國(guó)內(nèi)醫(yī)療問答系統(tǒng)的研究發(fā)展仍然存在許多的挑戰(zhàn)，下面列舉了3個(gè)主要的關(guān)鍵挑戰(zhàn)。

一是針對(duì)非醫(yī)學(xué)專業(yè)人員的信息需求問題，由于他們的醫(yī)學(xué)專業(yè)知識(shí)不強(qiáng)，無法準(zhǔn)確描述具體問題，在獲取答案時(shí)會(huì)存在一定程度的困難。

二是中文領(lǐng)域問答系統(tǒng)研究不足，主要體現(xiàn)在3個(gè)方面：①缺乏高質(zhì)量醫(yī)學(xué)領(lǐng)域的語料資源；②國(guó)內(nèi)醫(yī)學(xué)名詞術(shù)語標(biāo)準(zhǔn)化還存在整體規(guī)劃缺乏、權(quán)威術(shù)語標(biāo)準(zhǔn)數(shù)量不足以及更新不及時(shí)等問題；③構(gòu)建中文領(lǐng)域的醫(yī)學(xué)智能問答系統(tǒng)的工具和方法不成熟。

三是醫(yī)療問答準(zhǔn)確性問題，提高問答系統(tǒng)的準(zhǔn)確性仍然是研究的熱門方向。

8.2 醫(yī)療用藥推薦系統(tǒng)

（1）簡(jiǎn)介

醫(yī)學(xué)上的用藥推薦與一般的推薦算法不同，一般的推薦算法是根據(jù)用戶的歷史記錄，利用數(shù)學(xué)算法推測(cè)出用戶可能的需求，已被廣泛應(yīng)用于電商等互聯(lián)網(wǎng)場(chǎng)景。而用藥推薦則是基于循證醫(yī)學(xué)的原則，結(jié)合患者的具體患病情況以及醫(yī)學(xué)專業(yè)知識(shí)，推薦適合的用藥方案。一般的推薦算法的推薦結(jié)果對(duì)準(zhǔn)確率的容忍度較高，即使部分推薦結(jié)果與用戶需求不符，也能夠接受。但用藥推薦在實(shí)際應(yīng)用中要求達(dá)到百分之百的準(zhǔn)確率，即藥品一定能夠起到作用，且不能產(chǎn)生不良反應(yīng)或藥品間的相互作用。

知識(shí)圖譜能夠更加清晰準(zhǔn)確地表達(dá)疾病與藥品之間的適應(yīng)關(guān)系以及藥品間的相互作用，基于知識(shí)圖譜的用藥推薦與其他人工智能方法相比，能夠取得更好的效果。目前基于知識(shí)圖譜的用藥推薦研究進(jìn)展與其他基線水平相比有所提升，但還無法達(dá)到實(shí)際應(yīng)用的要求。

（2）方法

目前醫(yī)療用藥推薦系統(tǒng)使用的方法主要有以下兩種。

第一種是圖卷積網(wǎng)絡(luò)的方法，即在圖上使用卷積神經(jīng)網(wǎng)絡(luò)。2018年Shang J Y等人[55]通過一個(gè)存儲(chǔ)模塊將藥物相互作用（drug-drug interaction，DDI）的知識(shí)圖譜集成為一個(gè)圖形卷積網(wǎng)絡(luò)，并將縱向患者向量建模作為查詢，該方法在所有有效性度量方面都優(yōu)于所有基線方法，并且在現(xiàn)有電子健康記錄（electronic health record，EHR）數(shù)據(jù)中實(shí)現(xiàn)了3.60%的DDI率降低（即推薦藥品之間有相互作用的概率降低3.6%）。2019年，Wang S S等人[56]提出了一種針對(duì)藥物組合預(yù)測(cè)（medicine combination prediction，MCP）的圖卷積強(qiáng)化學(xué)習(xí)模型。其將MCP任務(wù)轉(zhuǎn)換為無序馬爾可夫決策過程（Markov decision process，MDP）問題，并設(shè)計(jì)了一個(gè)深度強(qiáng)化學(xué)習(xí)機(jī)制來學(xué)習(xí)藥物之間的相關(guān)性和不良相互作用。相比于GAMENet，CompNet在Jaccard和F1分?jǐn)?shù)標(biāo)準(zhǔn)上分別提高了3.74%、6.64%。2020年，Kwak H等人[57]構(gòu)造了一個(gè)藥物疾病圖譜，使用圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)節(jié)點(diǎn)表示，根據(jù)學(xué)習(xí)到的節(jié)點(diǎn)表示來預(yù)測(cè)藥物節(jié)點(diǎn)和疾病節(jié)點(diǎn)是否具有藥物不良反應(yīng)（adverse drug reaction，ADR）關(guān)系。與其他算法相比，該模型的接受者工作特征曲線下的面積（area under curve of receiver operating characteristic，AUROC）和精度-召回率曲線下的面積（area under curve of precision recall curve，AUPRC）性能分別提高到0.795和0.775。

第二種是知識(shí)圖譜嵌入的方法，包括將實(shí)體和關(guān)系轉(zhuǎn)化為連續(xù)的向量空間，從而簡(jiǎn)化操作，同時(shí)保留知識(shí)圖譜的原有的結(jié)構(gòu)。2017年Wang M等人[58]構(gòu)建了患者-疾病-藥品圖譜，將其嵌入低維空間后，進(jìn)行用藥推薦。首先構(gòu)建疾病和藥品圖譜，通過EHR分別連接疾病和藥品圖譜，形成兩個(gè)二分圖，通過患者數(shù)據(jù)將兩個(gè)二分圖連接起來，并構(gòu)建了一個(gè)高質(zhì)量的異構(gòu)圖，該方法的預(yù)測(cè)準(zhǔn)確度（即Jaccard系數(shù)）、藥物相互作用發(fā)生率、冷啟動(dòng)（即沒有患者數(shù)據(jù)時(shí)的使用）、臨床專家評(píng)分均高于基線水平。2019年Wang X Y等人[59]構(gòu)建了疾病-藥品圖譜，將其嵌入低維空間后，進(jìn)行用藥推薦，并提出一種基于知識(shí)圖譜嵌入增強(qiáng)主題模型（knowledge graph enhanced topic model，KGETM）的中藥推薦模型。在中藥基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該方法優(yōu)于當(dāng)時(shí)最新的方法，中藥知識(shí)圖嵌入在中藥推薦中有很好的應(yīng)用前景。

（3）研究方向

醫(yī)學(xué)知識(shí)圖譜在用藥推薦系統(tǒng)應(yīng)用領(lǐng)域的未來研究方向主要有以下幾方面。

① 構(gòu)建完整的醫(yī)學(xué)知識(shí)圖譜。人類對(duì)疾病與藥品的認(rèn)識(shí)是動(dòng)態(tài)變化的，結(jié)合疾病、癥狀、藥品、藥品間的相互作用及患者的臨床數(shù)據(jù)、患病的時(shí)間序列信息等，構(gòu)建一個(gè)完整的醫(yī)學(xué)動(dòng)態(tài)知識(shí)圖譜，確保知識(shí)的完整性、準(zhǔn)確性和時(shí)效性。

② 知識(shí)圖譜嵌入學(xué)習(xí)是將實(shí)體和關(guān)系映射到低維連續(xù)向量空間的表示方法，在保留知識(shí)圖譜結(jié)構(gòu)信息的同時(shí)，還能夠改善數(shù)據(jù)稀疏問題，提高計(jì)算效率，因此在進(jìn)行后續(xù)用藥推薦任務(wù)之前，先對(duì)知識(shí)圖譜進(jìn)行表示學(xué)習(xí)是很有必要的。

③ 考慮到構(gòu)建動(dòng)態(tài)醫(yī)學(xué)知識(shí)圖譜的必要性，而目前大多數(shù)知識(shí)嵌入表示研究建立在靜態(tài)的知識(shí)圖譜上，如何對(duì)動(dòng)態(tài)知識(shí)圖譜進(jìn)行有效的知識(shí)表示是一個(gè)待解決的問題。將圖時(shí)空網(wǎng)絡(luò)與動(dòng)態(tài)知識(shí)圖譜相結(jié)合的知識(shí)嵌入表示用于用藥推薦是一個(gè)頗具價(jià)值的研究方向。

9 醫(yī)學(xué)知識(shí)圖譜未來展望

構(gòu)建醫(yī)療領(lǐng)域的知識(shí)圖譜，可以從海量數(shù)據(jù)中提煉出醫(yī)療知識(shí)，并合理高效地對(duì)其進(jìn)行管理、共享及應(yīng)用，這對(duì)當(dāng)今的醫(yī)療行業(yè)具有重要意義，也是很多企業(yè)和研究機(jī)構(gòu)的研究熱點(diǎn)。本文對(duì)醫(yī)學(xué)知識(shí)圖譜構(gòu)建過程中的研究熱點(diǎn)、現(xiàn)有技術(shù)、挑戰(zhàn)及未來發(fā)展方向進(jìn)行了綜述，具體見表9。醫(yī)學(xué)知識(shí)圖譜將知識(shí)圖譜與醫(yī)學(xué)知識(shí)結(jié)合，定會(huì)推進(jìn)醫(yī)學(xué)數(shù)據(jù)的自動(dòng)化與智能化處理，為醫(yī)療行業(yè)帶來新的發(fā)展契機(jī)。醫(yī)學(xué)知識(shí)圖譜未來總的發(fā)展方向應(yīng)該體現(xiàn)以下幾個(gè)方面。

表9 醫(yī)學(xué)知識(shí)圖譜構(gòu)建關(guān)鍵技術(shù)及研究進(jìn)展匯總

（1）多語言醫(yī)學(xué)知識(shí)圖譜

國(guó)內(nèi)外醫(yī)學(xué)知識(shí)的相互融合促進(jìn)更有利于醫(yī)學(xué)領(lǐng)域的發(fā)展，而實(shí)現(xiàn)不同國(guó)界醫(yī)學(xué)知識(shí)的相互溝通和交流，多語言醫(yī)學(xué)知識(shí)圖譜技術(shù)是關(guān)鍵，這會(huì)成為未來醫(yī)學(xué)知識(shí)圖譜發(fā)展的一個(gè)重要趨勢(shì)。

（2）大規(guī)模多模態(tài)多源醫(yī)學(xué)知識(shí)庫

受到多方面因素的影響，現(xiàn)有的醫(yī)學(xué)知識(shí)圖譜規(guī)模大多有局限，表現(xiàn)方式也較為單一，大多以文本和圖數(shù)據(jù)的形式呈現(xiàn)，但聲音、影像、圖片等也蘊(yùn)含大量的醫(yī)學(xué)信息，在醫(yī)學(xué)臨床中也存在大量的醫(yī)療影像、X光等多模態(tài)信息，醫(yī)學(xué)知識(shí)的來源也可以來自書本、文獻(xiàn)、網(wǎng)頁、視頻等。因此未來醫(yī)學(xué)知識(shí)圖譜研究的一個(gè)熱點(diǎn)是構(gòu)建大規(guī)模多模態(tài)多源的醫(yī)學(xué)知識(shí)庫[60]。

（3）基于時(shí)空特性的知識(shí)演化和多粒度知識(shí)推理

研究基于深度學(xué)習(xí)與邏輯推理相互約束的大規(guī)模多粒度知識(shí)推理模型與方法，研制基于本體、規(guī)則與深度學(xué)習(xí)相結(jié)合的大規(guī)模知識(shí)推理系統(tǒng)，使其能夠?qū)Π?0億級(jí)RDF三元組的知識(shí)庫和萬級(jí)規(guī)則進(jìn)行推理，平均響應(yīng)時(shí)間在秒級(jí)，并具有良好的可伸縮性。在此基礎(chǔ)上，研究基于時(shí)空特性的知識(shí)演化模型與預(yù)測(cè)方法，研制知識(shí)演化系統(tǒng)，使其能夠?qū)崟r(shí)地對(duì)知識(shí)庫進(jìn)行更新，平均響應(yīng)時(shí)間為秒級(jí)。