圖譜技術(shù)是什么

大家好！今天讓小編來大家介紹下關(guān)于圖譜技術(shù)是什么的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，相關(guān)業(yè)務(wù)請撥打電話：175-8598-2043，或添加微信：1454722008

文章目錄列表:

• 1、構(gòu)建腫瘤知識圖譜體系，CSCO AI要突破腫瘤的全治療周期

• 2、知識圖譜屬于機(jī)器看世界的技術(shù)嗎

• 3、知識圖譜技術(shù)能對企業(yè)或科研院所能起到什么作用

• 4、基礎(chǔ)知識-知識圖譜

一、構(gòu)建腫瘤知識圖譜體系，CSCO AI要突破腫瘤的全治療周期

我國高質(zhì)量醫(yī)療資源缺乏且分布不均。這對于每年400多萬新增的腫瘤患者而言，意味著大量的患者很難獲得適合他們的醫(yī)療服務(wù)。醫(yī)療資源分布不均，即使在一線城市也要面臨醫(yī)療機(jī)構(gòu)難以提供持續(xù)性的、高標(biāo)準(zhǔn)醫(yī)療服務(wù)的問題——如何解決診療資源的緊缺，以及如何實現(xiàn)全國范圍內(nèi)盡可能多的診療規(guī)范化的擴(kuò)展覆蓋？這些都是在診療領(lǐng)域亟待解決的問題。

技術(shù)的發(fā)展為我們提供了解決這一痛點的契機(jī)。隨著人工智能的不斷成熟，行業(yè)正 探索 通過人工智能技術(shù)讓機(jī)器實現(xiàn)可復(fù)制化的服務(wù)，讓機(jī)器實現(xiàn)對每一個患者服務(wù)的標(biāo)準(zhǔn)化，且將服務(wù)成本降到足夠低的規(guī)?；姆?wù)能力。這個共性問題正在逐漸得到解決。

CSCO AI就是這樣一個解決方案。它是由中國臨床腫瘤學(xué)會（CSCO）攜手國家高新技術(shù)企業(yè)浙江海心智惠 科技 有限公司（以下簡稱“海心智惠”）聯(lián)合開發(fā)，結(jié)合CSCO臨床診療指南、專家臨床實踐經(jīng)驗、腫瘤知識圖譜、高等級臨床證據(jù)、不良反應(yīng)管理體系等多維度專業(yè)領(lǐng)域知識，協(xié)助臨床醫(yī)生制定更規(guī)范、更精準(zhǔn)的治療方案。目前，海心智惠已成功建成國內(nèi)領(lǐng)先的腫瘤智能服務(wù)新平臺，為患者提供包含診療、康復(fù)的全病程一站式管理服務(wù)。這其中，海心智惠構(gòu)建出的領(lǐng)先行業(yè)的知識圖譜能力是一切的基石所在。

知識圖譜是Google在2012年提出來的一個知識網(wǎng)絡(luò)體系概念，簡單地說就是將散落的信息通過語義關(guān)系連接起來，轉(zhuǎn)化成可視化的知識網(wǎng)絡(luò)。知識圖譜技術(shù)可以對醫(yī)療數(shù)據(jù)進(jìn)行統(tǒng)一建模、組織和管理，不僅能夠有效地描述、挖掘醫(yī)療知識間的關(guān)系，而且也為更高層次的醫(yī)學(xué)應(yīng)用比如輔助臨床診療決策、醫(yī)療問答等提供了強有力支撐。

有了知識圖譜這樣一種知識表現(xiàn)方式，該如何去利用它，就成了擺在海心智惠面前的一道選擇題。即便是聚焦到醫(yī)學(xué)領(lǐng)域，去建一個通用醫(yī)學(xué)知識圖譜，也只能是把一些疾病的知識、定義梳理整合?！巴ㄓ冕t(yī)學(xué)知識圖譜在臨床應(yīng)會有很大的局限性，它只適合去做一些簡單的科普、導(dǎo)診以及初步判斷，如果要深入到疾病和臨床診斷過程，甚至整個疾病的管理、跟蹤、隨訪的細(xì)節(jié)里面去，便會遇到各種各樣的問題：每種疾病自身的差異和整個臨床治療相關(guān)的知識體系延展開來，相互關(guān)聯(lián)又相互影響，使得通用型知識圖譜體系在藥物選擇、后期康復(fù)等方面都會遇到困難”，海心智惠創(chuàng)始人李穎赟這樣說道。

因此，海心智惠選擇用“做深做細(xì)”的方式結(jié)合人工智能去構(gòu)建一個腫瘤治療全病程服務(wù)體系的知識圖譜，它要將所有和腫瘤相關(guān)的知識清晰定義出來，這無疑是知識圖譜最完美的應(yīng)用方向。

“我們在前期花了幾年時間把腫瘤從確診開始到腫瘤進(jìn)入治療，再到病人全程管理的知識定義出來，這才把一個比較全面的腫瘤知識圖譜建立起來。之所以選擇腫瘤這個領(lǐng)域，在于這個疾病的特征是其整個診療體系相對其他疾病來講更加復(fù)雜，持續(xù)治療過程時間跨度更長，知識圖譜在腫瘤治療領(lǐng)域能最大程度發(fā)揮其作用”，對于為什么選擇將知識圖譜應(yīng)用于腫瘤賽道，李穎赟這樣解釋。

第二個原因則是腫瘤的診斷和治療的知識每年都在不斷更新。隨著 科技 的發(fā)展，某些疾病已經(jīng)被完全研究透徹，十年前跟十年后的治療策略并沒有本質(zhì)差異。相比之下，人類仍然未能完全了解腫瘤的發(fā)病原理和機(jī)制，其治療是一個日新月異的發(fā)展過程。放眼全球來看，醫(yī)療機(jī)構(gòu)對于腫瘤治療的規(guī)范性程度并不算高。醫(yī)務(wù)人員面臨非常大的挑戰(zhàn)——如何能緊跟國內(nèi)外的學(xué)術(shù)前沿發(fā)展，并能精準(zhǔn)的掌握最新的臨床研究進(jìn)展和治療方式的擴(kuò)展，準(zhǔn)確地掌握最新的藥物和治療方式，并且運用在最適合的患者身上？“如果一個城市30年都沒有修過新路，那么在這個城市中生活的人其實是不需要地圖和導(dǎo)航的——因為什么都沒有變。但是，如果這個城市飛速發(fā)展，‘三年小變樣，五年大變樣’，那即便是從小就在這個城市中生活的人在出行時或許也需要導(dǎo)航來指引”，李穎赟用一個簡單的例子來說明腫瘤治療的日新月異。

抗腫瘤全身治療手段在近十年來已經(jīng)發(fā)生了翻天覆地的變化。十年前可能會以化療為主，但今天，臨床已經(jīng)有了更多的選擇：靶向藥治療、免疫治療、再到最新的CAR-T細(xì)胞治療等，不勝枚舉。這也說明了國內(nèi)一直在努力嘗試建立起更加現(xiàn)代化、規(guī)范化的診療服務(wù)體系，能夠讓腫瘤患者得到最恰當(dāng)、最規(guī)范、最標(biāo)準(zhǔn)和最合適的治療。

輔助決策系統(tǒng)就是幫助醫(yī)生實規(guī)范化治療的最佳工具。CSCO AI的智能輔助決策系統(tǒng)在患者通過APP上傳各類醫(yī)療診斷資料后，AI自動生成診療建議報告并提交至高級別專家審核反饋，AI模型又能根據(jù)專家審核結(jié)果持續(xù)得到閉環(huán)訓(xùn)練。在這一套運作系統(tǒng)的背后是海心智惠凝聚專家實力打造的腫瘤領(lǐng)域知識圖譜與神經(jīng)支持決策算法的結(jié)合。

透過知識圖譜全面的知識體系，海心智惠通過CSCO AI除了在智能輔助診療方面實現(xiàn)治療規(guī)范化和均質(zhì)化外，還實現(xiàn)了院外患者全程管理，從而多方共贏——醫(yī)院提高治療總生存率，患者提高生存時間、生存質(zhì)量和治療依從性，制藥企業(yè)也通過數(shù)據(jù)賦能和數(shù)字化平臺結(jié)合，提高了對患者的支持能力，實現(xiàn)精準(zhǔn)診療，精準(zhǔn)康復(fù)支持。同時，基于全病程管理的臨床新藥服務(wù)體系為患者精準(zhǔn)匹配臨床研究，提供給患者一個更多的選擇可能性。

以精準(zhǔn)病情為依托，建立面向患者全治療周期的內(nèi)容服務(wù)能力，從用藥心智建立、正向經(jīng)驗激勵、關(guān)鍵節(jié)點的強效服務(wù)等多維度手段實現(xiàn)高價值的社群平臺。這些都是海心智惠服務(wù)的特色。

知識圖譜是輔助診療決策的基礎(chǔ)，高質(zhì)量的數(shù)據(jù)和專業(yè)的知識體系又是知識圖譜的基石，因此如何搭建數(shù)據(jù)層和知識體系，就成了知識圖譜質(zhì)量高低的關(guān)鍵。

CSCO AI的知識圖譜并不是憑空創(chuàng)造的，而是把目前臨床專家們正在運用的知識進(jìn)行有效的計算機(jī)結(jié)構(gòu)化沉淀以便于再次運用。這個過程中最重要的就是辨別什么是影響臨床決策的知識依據(jù)。只有先把這個知識定義清楚之后，才能針對這些知識設(shè)計對應(yīng)的模型。

腫瘤治療是一種循證醫(yī)學(xué)，必須有充足的證據(jù)支撐才能夠影響臨床決策行為。然而，腫瘤種類繁多且特異性強——每種腫瘤至少具有3000個臨床治療決策的高等級臨床證據(jù)。將這些證據(jù)結(jié)合，才能基本將腫瘤相關(guān)的診療體系和知識體系構(gòu)建起來?！笆裁礃拥娜巳骸⑻卣?、分子分型、基因位點、在什么情況下接受什么樣治療，能夠獲得更好的療效，這是第一層面基礎(chǔ)”，李穎赟說道。

在建立第一層面基礎(chǔ)后，接下來就需要考慮臨床治療方案與患者體質(zhì)的契合度，比如，患者身體是否能夠承受，其基礎(chǔ)疾病和既有并發(fā)癥是否會對治療選擇產(chǎn)生影響。這是第二層面表現(xiàn)，即臨床運用中擴(kuò)大的知識體系。

在這個過程中，海心智惠CSCO AI是以病情的整個治療知識為核心構(gòu)建單個腫瘤最底層的核心知識體系，然后在臨床應(yīng)用中進(jìn)一步擴(kuò)展知識體系的建設(shè)。這樣既能保證有核心證據(jù)的專業(yè)度，又能顯現(xiàn)臨床運用過程中醫(yī)療的專業(yè)度。

鮮為人知的是，“溝通”是知識圖譜搭建過程中的最大難點。知識圖譜想要從大數(shù)據(jù)里邊提煉知識和關(guān)系，需要有不同專業(yè)的人員協(xié)調(diào)配合。因此，將知識圖譜技術(shù)運用在特定的業(yè)務(wù)領(lǐng)域里其實就是一種跨界行為。其難點在于到底由誰來把跨界的知識融合在一起，這是第一個難點。這意味著，腫瘤知識圖譜的構(gòu)建者需要掌握工程算法并了解腫瘤的所有術(shù)語定義及基礎(chǔ)醫(yī)學(xué)知識。“如何把知識圖譜這項技術(shù)運用到一個新的業(yè)務(wù)領(lǐng)域里去，會有一個天然的障礙，叫知識壁壘。掌握知識圖譜技術(shù)的人是理工科系的，掌握醫(yī)學(xué)知識的則是醫(yī)學(xué)系的，兩者都有各自的思維定式，很難進(jìn)行專業(yè)的學(xué)科對話”李穎赟對此表示。

第二道壁壘則是對于專業(yè)知識的理解和梳理。李穎赟認(rèn)為，只有對知識進(jìn)行體系化的梳理后才能進(jìn)行知識圖譜的初步搭建。之后，在這個圖譜之上進(jìn)行業(yè)務(wù)建模；在業(yè)務(wù)應(yīng)用時又有新的專業(yè)的臨床知識輸入。計算機(jī)如何去運用這些新知識，如何將新知識放在一個具體的患者案例身上進(jìn)行有效地推理和決策則是第三道壁壘。

因此，醫(yī)療知識圖譜的搭建最大的難點在于跨學(xué)科融合，融合的難點則在于整個過程對兩個學(xué)科的要求都比較高。這也正是海心智惠的優(yōu)勢所在——其為中國臨床腫瘤學(xué)會CSCO的人工智能戰(zhàn)略合作伙伴。在學(xué)會的推動和幫助下，國內(nèi)的頭部腫瘤專家們基于對于 社會 責(zé)任的高度認(rèn)知，花了大量時間和精力幫助海心智惠的技術(shù)人員理解臨床路徑并厘清體系脈絡(luò)。CSCO AI是第一個基于中國的診療指南和診療實踐開發(fā)出的智能輔助決策產(chǎn)品，是從中國的國情出發(fā)的具有中國特色基礎(chǔ)的，也因此更契合中國的診療應(yīng)用場景。CSCO AI才能在全國數(shù)十個省份數(shù)百家醫(yī)院落地，數(shù)萬名患者因此獲益。

不僅如此，CSCO AI在多場景的應(yīng)用也能實現(xiàn)其更高的臨床價值。比如上下級醫(yī)院的互聯(lián)互通——患者通過APP線上咨詢，醫(yī)生通過使用CSCO AI作為上下級醫(yī)院的聯(lián)動的工具，帶動不同層級醫(yī)院的規(guī)范化診療。

CSCO AI也可以是科研工具，通過真實病例開展臨床研究，從多個角度 探索 智能決策系統(tǒng)對患者治療和臨床應(yīng)用的幫助。此外，CSCO AI提供的治療方案建議遵循循證醫(yī)學(xué)，可以作為科室、醫(yī)院、醫(yī)聯(lián)體、政府等規(guī)范化治療的質(zhì)量控制工具，提高區(qū)域規(guī)范化治療的綜合水平。教學(xué)醫(yī)院還可以將CSCO AI作為住院醫(yī)生的病例分析學(xué)習(xí)和考核工具。作為腫瘤患者的治療決策參考及管理工具，CSCO AI也可以同時在MDT討論、醫(yī)生學(xué)習(xí)、查房、病例討論等多場景結(jié)合應(yīng)用，從而提升整體臨床效果。

海心智惠的腫瘤知識圖譜的底層雖然很復(fù)雜，但在易用性上卻有很好的表現(xiàn)。對于患者來說，只需要按照平臺給予的提示步驟進(jìn)行操作即可，完全沒有上手難度。對于醫(yī)生來說，海心智惠這套人工智能驅(qū)動的全病程管理系統(tǒng)在患者長期治療管理過程中，實現(xiàn)了系統(tǒng)跟蹤能力、監(jiān)測能力、隨訪能力和數(shù)據(jù)管理能力，最終達(dá)到在醫(yī)生、護(hù)士和患者之間的效率平衡。

這套依托于知識圖譜的個案管理服務(wù)的另一亮點在于引入個案管理師角色，在醫(yī)生和患者之間搭起溝通橋梁。個案管理師既能協(xié)助科室完成日常患者管理工作，又能跟蹤督促患者完成治療及康復(fù)等相關(guān)事項，還能監(jiān)測并協(xié)助醫(yī)生介入院外不良事件的處理。有了個案管理師的跟進(jìn)，對患者的診療管理也從院內(nèi)延伸到了院外，將診療行為連續(xù)化。

對此李穎赟認(rèn)為：“腫瘤診療這個領(lǐng)域未來一定會進(jìn)入到一個以患者服務(wù)為中心的時代。通過人工智能的幫助，多方角色高效率協(xié)同幫助患者完成整個治療管理服務(wù)。當(dāng)然，這個體系目前沒辦法一蹴而就，還需要在實際使用中不斷進(jìn)化。”

雖然構(gòu)建了底層如此復(fù)雜的知識圖譜，但對于知識圖譜以及輔助診療系統(tǒng)的能力邊界，海心智惠是有清醒認(rèn)知的。目前，無論是在病理、醫(yī)學(xué)影像、診療等領(lǐng)域基于AI技術(shù)進(jìn)行的模型構(gòu)建、定量分析、特征關(guān)聯(lián)、決策建議、療效預(yù)測等方面的嘗試，都只是幫助醫(yī)生提高診療效率、準(zhǔn)確率以及預(yù)測療效的能力，賦能醫(yī)療行為，并不會干涉到醫(yī)生的判斷決策權(quán)。

技術(shù)之于醫(yī)療，需要常懷敬畏之心。

二、知識圖譜屬于機(jī)器看世界的技術(shù)嗎

根據(jù)相關(guān)信息了解得知，知識圖譜屬于機(jī)器看世界的技術(shù)。

三、知識圖譜技術(shù)能對企業(yè)或科研院所能起到什么作用

僅供參考 知識圖種知識（既包括顯性、編碼知識包括隱性知識）導(dǎo)航系統(tǒng)并顯示同知識存儲間重要態(tài)聯(lián)系知識管理系統(tǒng)輸模塊輸內(nèi)容包括知識源整合知識內(nèi)容知識流知識匯聚作用協(xié)助組織機(jī)構(gòu)發(fā)掘其智力資產(chǎn)價值所權(quán)位置使用；使組織機(jī)構(gòu)內(nèi)各種專家技能轉(zhuǎn)化顯性知識并進(jìn)內(nèi)化組織知識資源；鑒定并排除知識流限制素；發(fā)揮機(jī)構(gòu)現(xiàn)知識資產(chǎn)杠桿作用 知識圖譜稱科知識圖譜通應(yīng)用數(shù)、圖形、信息視化技術(shù)、信息科等科理論與與計量引文析、共現(xiàn)析等結(jié)合并利用視化圖譜形象展示科核結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域及整體知識架構(gòu)達(dá)科融合目現(xiàn)中國論科研究提供切實、價值參考 知識圖譜(Mapping Knowledge Domain）稱科知識圖譜圖書情報界稱知識域視化或知識領(lǐng)域映射圖顯示知識發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系系列各種同圖形用視化技術(shù)描述知識資源及其載體挖掘、析、構(gòu)建、繪制顯示知識及間相互聯(lián)系 具體說知識圖譜通應(yīng)用數(shù)、圖形、信息視化技術(shù)、信息科等科理論與與計量引文析、共現(xiàn)析等結(jié)合并利用視化圖譜形象展示科核結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域及整體知識架構(gòu)達(dá)科融合目現(xiàn)中國論復(fù)雜知識領(lǐng)域通數(shù)據(jù)挖掘、信息處理、知識計量圖形繪制顯示揭示知識領(lǐng)域態(tài)發(fā)展規(guī)律科研究提供切實、價值參考迄今止其實際應(yīng)用發(fā)達(dá)家已經(jīng)逐步拓展并取較效我仍屬研究起步階段

四、基礎(chǔ)知識-知識圖譜

知識圖譜的構(gòu)建形式：

自頂向下：先為知識圖譜定義好本體與數(shù)據(jù)模式，再將實體加入到知識庫。

自底向上（常用） ：從一些開放鏈接數(shù)據(jù)中提取出實體，選擇其中置信度較高的加入到知識庫，再構(gòu)建頂層的本體模式。

（1）語義信息抽??； （2）多元數(shù)據(jù)集成與驗證（知識融合）； （3）知識圖譜補全

知識庫分類：

開放鏈接知識庫：Freebase、Wikidata、DBpedia、YAGO。包含大量半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。

垂直行業(yè)知識庫（特定領(lǐng)域）：IMDB（影視）、MusicBrainz（音樂）、ConceptNet（概念）等。

基于規(guī)則與詞典的方法（為目標(biāo)實體編寫模板，然后進(jìn)行匹配）：編寫大量規(guī)則或模板，覆蓋領(lǐng)域有限，難以適應(yīng)新需求

基于統(tǒng)計機(jī)器學(xué)習(xí)的方法（機(jī)器學(xué)習(xí)，訓(xùn)練模型，識別實體）：監(jiān)督學(xué)習(xí)算法受訓(xùn)練集限制，準(zhǔn)確率和召回率不夠理想

（ 召回率：真陽性 / 真陽性 + 假陽性；準(zhǔn)確率：真陽性 + 真陰性 / 真陽性 + 假陽性 + 真陰性 + 假陰性 ）

面向開放域的抽取方法（面向海量的Web語料）：通過少量實體實例建立特征模型，再通過它應(yīng)用于新的數(shù)據(jù)集，給新實體做分類與聚類。（迭代擴(kuò)展）

早期：人工構(gòu)造語義規(guī)則以及模板的方式；

實體間的關(guān)系模型代替了早期的人工構(gòu)造；

面向開放域的信息抽取框架（OIE）：對隱含關(guān)系抽取性能低下。

（ 隱含關(guān)系抽取：基于馬爾科夫邏輯網(wǎng)、基于本體推理的深層隱含關(guān)系抽取方法 ）

可以將實體屬性的抽取問題轉(zhuǎn)換為關(guān)系抽取問題

分布式表示 目的在于用 一個綜合的向量來表示實體對象的語義信息 ，這種形式在知識圖譜的計算、 補全 、推理等方面起到重要的作用：

1、語義相似度計算：實體間的語義關(guān)聯(lián)程度，為自然語言處理（NLP）等提供了極大的便利

2、

消除異構(gòu)數(shù)據(jù)中實體沖突、指向不明等不一致性問題。

（1）待對齊數(shù)據(jù)分區(qū)索引；

（2）利用相似度函數(shù)或相似性算法查找匹配實例；

（3）對齊算法（成對實體對齊、全局（局部）集合實體對齊）進(jìn)行實例融合。

經(jīng)過實體對齊后得到一系列的基本事實表達(dá)，然后事實并不等于知識，它只是知識的基本單位。

本體相當(dāng)于知識庫的模具，使其具有較強的層次結(jié)構(gòu)和較小的冗余程度。

可分為人工構(gòu)建和數(shù)據(jù)驅(qū)動自動構(gòu)建。

數(shù)據(jù)驅(qū)動的本體自動構(gòu)建：

①縱向概念間的并列關(guān)系計算：計算兩個實體間并列關(guān)系的相似度，辨析他們在語義層面是否屬于同一個概念。

②實體上下位關(guān)系抽取。

③本體生成：對各層次得到的概念進(jìn)行聚類，并為每一類的實體指定1個或多個公共上位詞。

通常是與實體對齊任務(wù)一起進(jìn)行：對知識可信度進(jìn)行量化，保留置信度較高的，舍棄置信度較低的。

主要包括模式層的更新與數(shù)據(jù)層的更新。

一階謂詞邏輯、描述邏輯以及規(guī)則等

（1）一階謂詞邏輯：以命題為基本，命題包含個體（實體）和謂詞（屬性或關(guān)系）。

（2）基于描述邏輯的規(guī)則推理：在（1）的基礎(chǔ)上發(fā)展而來，目的是在知識表示能力與推理復(fù)雜度之間追求一種平衡。

（3）通過本體的概念層次推理。

一些算法主要是 利用了關(guān)系路徑 中的蘊涵信息：

通過圖中兩個實體間的多步路徑來預(yù)測它們之間的語義關(guān)系，即從源節(jié)點開始，在圖上根據(jù)路徑建模算法進(jìn)行游走，如果能夠到達(dá)目標(biāo)節(jié)點，則推測源節(jié)點和目標(biāo)節(jié)點間存在聯(lián)系。

（ 關(guān)系路徑的建模研究仍處于初期階段，需要進(jìn)一步探索完成 ）

參考文獻(xiàn)：

[1]徐增林,盛泳潘,賀麗榮,王雅芳.知識圖譜技術(shù)綜述[J].電子科技大學(xué)學(xué)報,2016,45(04):589-606.

以上就是小編對于圖譜技術(shù)是什么問題和相關(guān)問題的解答了，如有疑問，可撥打網(wǎng)站上的電話，或添加微信。

推薦閱讀：

元素分析圖譜

x射線衍射圖譜衍射峰的含義（x射線衍射圖中衍射峰位）

關(guān)鍵詞圖譜怎么做（關(guān)鍵詞圖譜怎么做出來的）

汽車元素logo（汽車元素logo圖標(biāo)大全）

如何打造團(tuán)隊文化關(guān)鍵詞（打造團(tuán)隊文化的最好方式）