https://www.yiliao.com/index.php?action=history&feed=atom&title=%E5%8C%BB%E5%AD%A6%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1
医学知识图谱 - 版本历史
2026-04-19T17:31:53Z
本wiki的该页面的版本历史
MediaWiki 1.35.1
https://www.yiliao.com/index.php?title=%E5%8C%BB%E5%AD%A6%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1&diff=312608&oldid=prev
77921020：建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面
2026-01-03T23:34:09Z
<p>建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面</p>
<p><b>新页面</b></p><div><div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff; max-width: 1200px; margin: auto;"><br />
<br />
<div style="margin-bottom: 30px; border-bottom: 1.2px solid #e2e8f0; padding-bottom: 25px;"><br />
<p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;"><br />
<strong>Medical Knowledge Graph</strong>（<strong>医学知识图谱</strong>，简称 <strong>MKG</strong>）是一种用图模型（Graph Model）来描述医疗领域概念及其相互关系的语义网络。它将枯燥的医学文本（如教科书、指南、病历）转化为计算机可理解的<strong>“实体-关系-实体”</strong>（Entity-Relation-Entity）三元组结构。在 <strong>[[人工智能医生]]</strong> 的构建中，医学知识图谱扮演着<strong>“大脑”</strong>的角色。与基于统计概率的大语言模型（LLM）不同，知识图谱提供确定的、可追溯的逻辑事实，是实现高精度<strong>[[临床决策支持系统]]</strong>（CDSS）和解决医疗AI<strong>[[幻觉]]</strong>（Hallucination）问题的关键技术基石。<br />
</p><br />
</div><br />
<br />
<div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 320px; margin: 0 auto 35px auto; border: 1.2px solid #bae6fd; border-radius: 12px; background-color: #ffffff; box-shadow: 0 8px 20px rgba(0,0,0,0.05); overflow: hidden;"><br />
<br />
<div style="padding: 15px; color: #1e40af; background: linear-gradient(135deg, #e0f2fe 0%, #bae6fd 100%); text-align: center; cursor: pointer;"><br />
<div style="font-size: 1.2em; font-weight: bold; letter-spacing: 1.2px;">MKG</div><br />
<div style="font-size: 0.7em; opacity: 0.85; margin-top: 4px; white-space: nowrap;">Medical Knowledge Graph (点击展开)</div><br />
</div><br />
<br />
<div class="mw-collapsible-content"><br />
<div style="padding: 25px; text-align: center; background-color: #f8fafc;"><br />
<div style="display: inline-block; background: #ffffff; border: 1px solid #e2e8f0; border-radius: 12px; padding: 20px; box-shadow: 0 4px 10px rgba(0,0,0,0.04);"><br />
[[Image:Knowledge_Graph_Structure.png|100px|节点与连边]]<br />
</div><br />
<div style="font-size: 0.8em; color: #64748b; margin-top: 12px; font-weight: 600;">医疗AI的可解释逻辑底座</div><br />
</div><br />
<br />
<table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.85em;"><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0; width: 40%;">核心单元</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">三元组 (头实体-关系-尾实体)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">存储技术</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">[[图数据库]] (如 Neo4j, NebulaGraph)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">标准词表</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">[[SNOMED CT]], [[UMLS]], [[ICD-10]]</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">构建技术</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">NER (命名实体识别), RE (关系抽取)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569; border-bottom: 1px solid #e2e8f0;">应用场景</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">智能问诊, 药物研发, 医保控费</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f1f5f9; color: #475569;">核心标签</th><br />
<td style="padding: 6px 12px; color: #1e40af;">[[CDSS]], [[GraphRAG]]</td><br />
</tr><br />
</table><br />
</div><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">核心架构：从 Schema 到 数据</h2><br />
<br />
<p style="margin: 15px 0; text-align: justify;"><br />
构建一个医学知识图谱通常包含两个层面：<br />
<br><strong>1. 模式层 (Schema Layer)：</strong> 相当于图谱的“骨架”或“本体”（Ontology）。定义了数据规则，例如：“疾病”可以“有症状”，“药物”可以“治疗疾病”。<br />
<br><strong>2. 数据层 (Data Layer)：</strong> 填充具体的医学事实。例如：(肺癌) --[有症状]--> (咯血)；(奥希替尼) --[治疗]--> (EGFR突变非小细胞肺癌)。<br />
</p><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">横向测评：通用 vs 专用知识库</h2><br />
<br />
<p style="margin: 15px 0; text-align: justify;"><br />
在医学领域，通用的知识图谱往往无法满足临床精度要求，因此产生了专业的医学本体和图谱。<br />
</p><br />
<br />
<div style="overflow-x: auto; margin: 30px auto; max-width: 100%;"><br />
<table style="width: 100%; border-collapse: collapse; border: 1.2px solid #cbd5e1; font-size: 0.9em; text-align: left;"><br />
<tr style="background-color: #f1f5f9; border-bottom: 2px solid #0f172a;"><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a; width: 25%;">知识库</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #475569;">维护者</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #1e40af;">特点</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a;">在AI中的作用</th><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #ffffff;">[[UMLS]]</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">NLM (美国国立医学图书馆)</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1; color: #b91c1c; font-weight:bold;">“超级字典”。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">整合了 SNOMED, ICD, MeSH 等数百万个概念。是构建图谱时<strong>[[实体对齐]]</strong>的金标准。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #f8fafc;">[[SNOMED CT]]</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">SNOMED International</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;"><strong>“临床术语”。</strong> 逻辑性最强，支持推理。例如它定义了“病毒性肺炎”必须由“病毒”引起且发生在“肺部”。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">电子病历（EMR）的底层编码，支持精准的临床信息检索。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #ffffff;">[[CMeKG]]</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">国内学术界/产业界</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;"><strong>“中文图谱”。</strong> 针对中文医学语境构建，整合了中文药品说明书、指南和百科数据。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">国内智慧医疗系统的核心。解决了中文医学术语歧义的问题。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600; background-color: #f8fafc;">[[PharmGKB]]</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">NIH</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;"><strong>“药物基因组”。</strong> 专注于基因-药物相互作用。</td><br />
<td style="padding: 8px; border: 1px solid #cbd5e1;">精准医疗 CDSS 的核心，用于提示药物不良反应风险。</td><br />
</tr><br />
</table><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">前沿技术：GraphRAG (图谱增强检索)</h2><br />
<br />
<div style="margin-bottom: 25px; border: 1px solid #e2e8f0; border-radius: 8px; padding: 20px; background-color: #ffffff;"><br />
<h3 style="margin-top: 0; color: #1e40af; font-size: 1.1em; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">Solving the Hallucination Problem (解决幻觉)</h3><br />
<p style="text-align: justify; color: #334155;"><br />
大语言模型（LLM）擅长“说话”，但容易“胡说”。<strong>[[GraphRAG]]</strong> 技术通过将 LLM 与知识图谱结合：<br />
<br>1. <strong>检索：</strong> 当用户提问时，先在知识图谱中检索相关的精准事实（子图）。<br />
<br>2. <strong>增强：</strong> 将这些事实作为“提示词”喂给 LLM。<br />
<br>3. <strong>生成：</strong> LLM 基于事实生成回答。<br />
<br>这使得“智慧医生”既能像人一样流畅对话，又能像教科书一样准确无误。<br />
</p><br />
</div><br />
<br />
<div style="margin-bottom: 25px; border: 1px solid #e2e8f0; border-radius: 8px; padding: 20px; background-color: #f8fafc;"><br />
<h3 style="margin-top: 0; color: #b91c1c; font-size: 1.1em; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">Knowledge Fusion (知识融合)</h3><br />
<p style="text-align: justify; color: #334155;"><br />
构建过程中最大的挑战是多源异构数据的融合。例如，指南里叫“非小细胞肺癌”，病历里写“NSCLC”，百科里写“肺鳞癌”。图谱通过<strong>[[实体对齐]]</strong>（Entity Alignment）技术，将这些不同的表述映射到同一个节点 ID 上，确保 AI 理解它们是同一回事。<br />
</p><br />
</div><br />
<br />
<div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 50px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #f8fafc; border-radius: 0 0 10px 10px;"><br />
<span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">关键参考文献</span><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
[1] <strong>Rotmensch M, et al. (2017).</strong> <em>Learning a health knowledge graph from electronic medical records.</em> <strong>[[Scientific Reports]]</strong>.<br><br />
<span style="color: #475569;">[构建方法]：展示了如何利用统计方法从海量电子病历中自动构建“疾病-症状”概率图谱，被视为 Google Health KG 的雏形之一。</span><br />
</p><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
[2] <strong>Zhang Y, et al. (2020).</strong> <em>CMeKG: A Chinese Medical Knowledge Graph.</em> <strong>[[ACL]]</strong>.<br><br />
<span style="color: #475569;">[中文资源]：介绍了 CMeKG 的构建过程，是目前中文医疗 AI 领域引用率极高的基准数据集。</span><br />
</p><br />
</div><br />
<br />
<div style="margin: 40px 0; border: 1px solid #e2e8f0; border-radius: 8px; overflow: hidden; font-family: 'Helvetica Neue', Arial, sans-serif; font-size: 0.9em;"><br />
<div style="background-color: #eff6ff; color: #1e40af; padding: 8px 15px; font-weight: bold; text-align: center; border-bottom: 1px solid #dbeafe;"><br />
Medical KG · 知识图谱<br />
</div><br />
<table style="width: 100%; border-collapse: collapse; background-color: #ffffff;"><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">上级技术</td><br />
<td style="padding: 10px 15px; color: #334155;">[[人工智能]] • [[知识工程]] • [[自然语言处理]] (NLP)</td><br />
</tr><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">关键技术</td><br />
<td style="padding: 10px 15px; color: #334155;">[[命名实体识别]] (NER) • [[关系抽取]] • [[图神经网络]] (GNN)</td><br />
</tr><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">下游应用</td><br />
<td style="padding: 10px 15px; color: #334155;">[[智能问答]] (KBQA) • [[辅助诊断]] • [[药物重定位]]</td><br />
</tr><br />
<tr><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle; white-space: nowrap;">数据源</td><br />
<td style="padding: 10px 15px; color: #334155;">[[医学百科]] (如yixue.com) • [[临床指南]] • [[PubMed]]</td><br />
</tr><br />
</table><br />
</div><br />
<br />
</div></div>
77921020