CCKS2021——知识图谱赋能工业落地场景实例

CCKS2021——知识图谱赋能工业落地场景实例

CCKS2021——知识图谱赋能工业落地场景实例

• 一、蕴含实体的中文医疗对话生成——肠胃科问答助手
• 二、基于特征进化选择的社区养老智能随访、慢病早筛和服务推荐系统
• 三、腾讯医疗知识图谱的实践
• 四、病历的辅助书写
• 五、知识图谱的认知中台和任务驱动的分析决策引擎
• 六、当区块链遇上知识图谱
• 七、知识工程体系——知识图谱构建的数据来源

一、蕴含实体的中文医疗对话生成——肠胃科问答助手

产品功能： 肠胃科问答助手可通过与患者自然对话交互的方式，进行肠胃科疾病的诊断及建议。

团队简介：

产品简介：

在该作品中，我们构建了一个医学对话生成框架，采用具有很强的灵活性的流水线系统，以获得高质量的回复；同时，我们开发了一种编码融合模块，充分利用对话历史的实体编码信息与预测编码信息；最后，通过检索排序方法，提升了最终回复的长度和质量。

产品相关市场调研：

产品落地情况：

该系统已在湘雅医院相关科室进行了初步的实地演示验证，实证试验正在持续推进中，我们团队展望未来，致力于推动我国智慧医疗领域技术的发展，助力“健康中国2030”。同时，灵境团队也在积极广泛寻求合作，未来也将一直在自然语言处理领域潜心耕耘，持续输出基于人工智能的技术的优秀作品，不忘初心，回馈社会。

二、基于特征进化选择的社区养老智能随访、慢病早筛和服务推荐系统

产品功能： 老年认知数据录入模块、慢病药物知识查询模块、慢病知识问答模块、老年人看护监测模块、养老服务模块。

团队简介： 武汉科技大学

产品简介：

医养平台以老年人健康档案、院内医疗基础为依托，健康大数据模型及物联网为核心技术，社区服务为措施，整合院内院外现有资源，结合大数据引擎核心技术，为老年患者提供更为丰富和全面的服务。

产品落地情况：

三、腾讯医疗知识图谱的实践

四、病历的辅助书写

五、知识图谱的认知中台和任务驱动的分析决策引擎

六、当区块链遇上知识图谱

七、知识工程体系——知识图谱构建的数据来源

1. 电子病历模板；
2. 护理病历模板；
3. 公开医疗知识图谱（openKG、CMeKG）
4. 教科书、临床指南、医学论文；
   
   互联网诊疗一般流程包括：（1）导诊及分诊（2）接诊（3）开具处方（4）诊后管理。

（一）导诊与分诊

患者进入到互联网医院界面后，如有诊疗服务需求，需要先通过一个导诊环节。互联网医院会先行收集患者病情信息，包括病情症状、患者信息、病历资料等。在收集上述信息后，再根据收集的信息提供科室类别建议，患者可确认是否进入所建议科室进行问诊。

（二）接诊

导诊、分诊到具体科室、具体医生后，便正式开始线上问诊环节。现行规定对互联网诊疗的主要要求包括：

（四）诊后管理

线上诊疗结束并不意味着医疗服务的结束，诊疗、用药后的患者身体症状变化、治疗效果等都需要持续关注，特别是对于慢性病管理、老年人诊疗，更需要长期随访、提供诊后医疗服务。互联网诊后管理的内容主要包括诊后随访、慢病管理等。
张超坦言，“机器人医生不是为了取代医生，它的任务是与医生协同服务患者。

”左手医生起步先从预问诊、导诊、自诊、问答等产品切入诊前医疗环节，慢慢扩展到诊中、诊后，深度渗透到诊疗核心环节。

左手医生目前主要产品包括提供覆盖诊疗全流程的智慧医院整体解决方案、人工智能互联网医院解决方案、智能在线问诊解决方案、零售药店智慧服务解决方案等，目前已经覆盖医院35个科室中的6000多种常见病。

诊室听译机器人和智能在线问诊是左手医生在2020年推出的两款重磅产品，代表了人人工智能医疗应用的行业新高度。诊室听译机器人是一款放置于医院诊室问诊桌上的智能设备，它在理解医患沟通内容后，无需医生二次口述，即可自动生成结构化电子病历，能极大提高门诊医生的电子病历书写效率。智能在线问诊系统则能够实现高度拟人化地模拟真实医生的问诊逻辑与患者进行交互问诊、信息采集等。

机器人医生学习方式得到突破之后，这给左手医生带来的另一个突破是商业变现。在互联网医疗领域，做的好、增长快的公司，都与卖药有扯不清的关系。“对我们来讲，未来肯定不是走卖药的路。我们要走的路是复制优质医疗资源，对外提供高效的效率工具，给企业和患者提供质优价廉的医疗健康服务。”张超对于左手医生的商业模式有着清晰路径。

人工智能在互联网诊疗领域应用的合规风险分析

基于上文介绍的应用场景，人工智能在互联网诊疗领域的应用可以归纳为两个分支：（1）诊疗流程管理：智能分诊导诊，诊后智能随访；和（2）诊疗行为干预：智能问诊、智能审方。在诊疗流程管理层面，人工智能技术的接入优势十分明显，大大提高了诊疗效率，但在诊疗行为干预层面，人工智能技术的接入是否能够保障诊疗安全和诊疗质量则具有较高的不确定性，也正因为如此，在诊疗行为干预层面的人工智能技术应用，可能会面临较多的合规风险。
基于近万本医学电子书籍、近40家三甲医院累计的千万人次脱敏数据、千万篇医学问答数据及医学科普文章、每天数十万人次产品使用的反馈数据等，张超及其团队开发了具备“知识图谱+推理逻辑”能力的“左手医生”。

关于左手医生系统的技术原理，张超表示主要分为三部分：

首先搭建最底层的知识体系，知识图谱。计算机在阅读海量文本后，自动给出描述某种知识的书写规律，并进行大规模的知识自动抽取。

第二部分是辅助决策能力。这一阶段最重要的是让计算机具备逻辑思考、推理能力，一是判断多种症状综合下和疾病之间的权重，配合诊断模型，提升诊断的命中率，二是要将患者描述的通俗语句转换成专业术语。

最后是系统前端对话交互能力，计算机通过不断学习，最终达到可以像真人专家问诊的效果。

其中，张超认为知识图谱的搭建相对比较容易，而系统的逻辑推理、语义对话理解和交互部分则比较困难。

“知识图谱是一个封闭的问题，只要把知识体系框架搭好了，数据填充越多效果就越好。但对话逻辑、语义理解是件难事。患者对于一个问题有上百种表述方法，要机器听懂人话，本质来讲，是一件非常难的事情。”张超说。

智能导诊主要应用于三种场景：第一，针对“知症不知病”，例如“孩子腋下有硬包是什么病，该挂哪科”；第二，针对“知病不知科”，例如“宝宝甲沟炎该挂哪科”；第三，针对“直接找医生”，输入医生姓名即可直达该医生挂号，帮助有需求的患者快速找到医生，同时腾讯睿知还能识别初诊和复诊患者，为复诊患者推荐同一医生，提高就医效率和体验。

从导诊到辅助诊断，AI投身临床诊疗全流程