知识图谱驱动医疗知识管理数字化创新，智能处理搜索共享和沉淀 医疗体系领域下的数字化创新主要分为两大关键阶段，第一阶段是产业数字化，即全面建成支撑整个医疗体系运作的信息化基础设施和信... 

传统信息化系统对缺乏对企业内外部海量数据的处理能力，包括对各类图档的解析抽取能力，也缺乏对知识的提炼和分类能力，有价值数据没有得到充分利用。

02//  知识搜索定位问题

传统从业人员的知识掌握程度受制于知识面和知识储备的影响，会造成知识使用高度依赖于专家经验，另一方面，传统企业搜索引擎无法有效提炼和归纳有价值信息，导致员工无法精确查询和获取所需的知识，搜不准、搜不到、搜不全时有发生，检索知识的效率和准确性很低。

03//  知识共享使用问题

传统医疗从业机构除了必要的知识资产管理外，也需要进行企业知识的传播、共享和传承，而在实际场景中，传统企业各个业务系统相对独立，跨部门和系统之间的知识资源和数据无法得到及时的共享和复用，这也势必导致很多相通领域的关键性技术和知识无法在企业内部得到充分的共享，在一定程度上减缓了医疗机构产品和服务创新和快速发展的进程。

04//  知识沉淀积累问题

达观医疗领域图谱主要应用场景和能力

01//  知识图谱全域结构化构建

医疗机构是知识密集型组织，职业化程度高，医疗工作的复杂性程度高，专业性强，其中的数据资源是医疗从业人员在提供医疗服务和产品创新协作过程中长期积累的成果,而企业内部沉淀的知识总量的完整度和全面性也会决定医疗机构的市场地位和价值排序,因此，充分做好的知识采集和结构化处理工作，才能帮助医疗从业机构更好的达成知识管理预期的目的。

图示例：图谱模式Schema设计

达观知识图谱平台提供了一系列可视化工具来帮助业务专家和图谱专家一起来梳理和设计图谱模式，当图谱模式设计完成后，即可以使用映射式构建工具把结构化数据构建成图谱，使用抽取式构建工具将非结构化数据构建成图谱。

通常看，医疗领域数据涉及三大数据集，这三大数据集构成了医疗数据的主体：一是医疗体系运作过程中产生的管理和运营类数据，例如医疗服务和医疗器械领域专家积累和沉淀下来的知识成果；二是医疗设备数字化以后，患者诊疗过程中产生的诊疗类数据，这些数据记录了临床诊疗的重要信息；三是居民健康行为与健康管理数据，如居民医疗保险商业保险信息和通信运营商数据等。

在图谱构建前首先会对医疗数据源文档进行结构化处理，整个数据处理过程包括了如何从医疗知识管理库中获取有价值数据，然后对文档数据进行解析和标注，再通过技术手段进行文本抽取和结构化数据处理的过程和方法。

02//  知识智能问答和溯源

图示例：医疗领域智能知识问答

03//  知识可视化推广推荐

知识推广的主要目的，就是利用图谱把企业内部各维度的知识抽取并关联起来，当发现有新的知识点更新出来后，平台会根据不同条线人员的分工和习惯偏好，主动推送与他有关联的信息，让接收人及时知道企业内部有哪些新的知识点可以参考、或者在其他哪些医疗服务环节发现过什么问题，然后通过什么方法及时做了处理等等，所以，知识推广推荐的核心价值，就是为了充分盘活医疗体系内知识和经验，使其可以不受跨部门和跨系统的影响而得到充分的共享和利用。

04//  知识更新和管理

基于已经搭建的知识管理图谱平台,平台提供了一套可视化的图谱运维工具来辅助医企能够通过简单快捷的方式完成图谱的日常维护和数据更新工作，一方面持续增强企业员工对现有知识的共享,通过优化组合和新知识的创新,以达到图谱知识点的完善和更替，使医疗机构的知识管理工作逐步形成一种良好的螺旋式循环，持续性促进医疗领域产品质量和诊疗水平的稳步提升。