售前電話
135-3656-7657
售前電話 : 135-3656-7657
本文將會討論三個部分的內容
1.醫(yī)療知識圖譜和通用知識圖譜的差別
2.醫(yī)療知識圖譜的兩個特征
3.醫(yī)療知識圖譜的幾個具體的應用場景
對知識圖譜的預測
hype cycle 2018預言了知識圖譜的上升。與此同時，許多企業(yè)也開始推出自己的知識圖譜服務。從通用的圖譜到金融領域反欺詐，各類的圖譜如同雨后春筍般地推出。
（2018 關注知識圖譜的上升）
但是，的預測，主要面向的是通用知識圖譜，而并非是某個領域知識圖譜的發(fā)展。尤其并不適用于醫(yī)療領域知識圖譜。
通用知識圖譜 vs醫(yī)療領域知識圖譜
醫(yī)療領域的知識圖譜( Graph, 下稱BMKG)和通用領域知識圖譜（ Graph，GKB）之間的區(qū)別是非常大的。
通用領域知識圖譜的主要任務是發(fā)現大量不同類型的實體和關系，為各類通用服務提供知識的支持。因為可獲取的數據量大，因此各類深度學習方法，可以得以廣泛應用。因此可以認為是一類率先成熟的知識圖譜。
而生物醫(yī)療領域的知識圖譜，則是生命領域中，探索相對有限的類型的實體，及其之間的超級復雜的多樣化關系。BMKG的每個實體和關系，都是由實驗室實驗和臨床試驗的結果中抽取提煉而來。
(基于循證的知識圖譜)
相比起通用知識圖譜，醫(yī)療領域知識圖譜更加關注精確率。而這意味著，很多算法識別出來的實體和關系，離實用還有一定的距離。
舉例來說，和N2C2是醫(yī)療領域兩個著名的NLP競賽，前者側重于生物領域，后者關注臨床領域。從競賽歷史上提交的最佳任務結果來看，基本沒有實體和關系識別的F值達到90%以上的case。但是，在臨床和醫(yī)藥領域，很多時候對精度的要求超過了99%。
在這里，我們得到了醫(yī)療知識圖譜的一個額外特征：以循證為基礎，對精度有要求。
國內外知識圖譜的差異
北大的醫(yī)療知識圖譜，是國內比較早公布出來的知識圖譜。
(:8002)
最近，OMAHA組織出品的HITA中，也包含了一個以“藥物-適應癥”為主的知識圖譜。它對外提供服務，可惜對普通用戶并不免費開放。
（）
其他的醫(yī)療知識圖譜，雖然在網絡上能找到，卻鮮有公布出來可以使用的。
知識圖譜并非是一個全新的概念，從更學術的角度來說，它的本質是 Web/ （語義網絡）。
NCBI（美國國家生物信息中心）是一個為整個生物醫(yī)療領域提供基礎數據的機構。它出品的UMLS、MESH和OBA就是語義網絡產品。比如，UMLS包含了種135種實體，54種關系，是一個不折不扣的醫(yī)療知識圖譜。
在《》中，其中有大量的資源是由NCBI或者其下屬機構提供的。
（UMLS的部分語義網絡關系圖）
