8月发布知识图谱“汇知”医学知识图谱助力医疗大模型的研制疾病药品

例如,中国电子技术标准化研究院近期发布的《知识图谱与大模型融合实践研究报告》中就指出知识图谱与大模型在技术特性层面各有优势和不足,二者分别拥有相对擅长的应用场景,难以简单的替代。

图1知识图谱与大模型技术特性层面的对比

知识图谱在可解释性、可信性、可溯源性等方面相较于大模型具有天然的优势,因此,可以将知识图谱应用到大模型预训练到应用的全生命周期各环节,提升大模型的训练效果和推理结果的可用性。

图2知识图谱赋能大模型的技术路径

◆◆◆

“汇知”医学知识图谱

“汇知”医学知识图谱(简称“汇知”图谱)以满足用户多样化临床应用需求为切入点,现已开展疾病、药品、检验检查、手术操作四大领域知识图谱构建,于每季度第二个月20号定期发布最新成果,共计已发布17万实体,119万三元组。

手术操作知识图谱(首次发布)

2023年8月20日,手术操作知识图谱首次发布!至此,OMAHA已发布疾病知识图谱、药品知识图谱、检验检查知识图谱、手术操作知识图谱,“汇知”图谱知识结构已完全搭建。

手术操作知识图谱以手术操作为中心,构建手术操作与疾病、药品、检验检查之间的关系。该知识图谱主要基于人民卫生出版社《实用外科手术学(第2版)》、手术行业资源等知识源,构建了使用的器械、麻醉方式、入路、体位、适应证、并发症等关系类型。本期发布共计1.0万实体,4.4万三元组,约0.8万实体与“七巧板”术语集建立映射。

疾病知识图谱(更新发布)

疾病知识图谱以疾病为中心,将国家卫生健康委发布的1000多篇临床路径、临床指南、人民卫生出版社《内科学(第9版)》《外科学(第9版)》等医学教科书作为知识源,构建了疾病与检验检查、手术操作和药品之间的关系。目前疾病知识图谱已涵盖多个医学领域,包含传染性疾病、心血管系统疾病、肌肉骨骼系统疾病、神经系统疾病、消化系统疾病、肿瘤、呼吸系统疾病、泌尿生殖系统疾病、内分泌和代谢性疾病等领域。本期新增发布“精神性疾病”领域知识图谱,新增0.4万实体,0.9万三元组,同时维护并新增“疾病治疗方式”领域三元组。截至8月20日,疾病知识图谱共计发布11.2万实体,52.2万三元组,约4.8万实体与“七巧板”术语集建立映射。

表1疾病知识图谱各细分领域量级统计

药品知识图谱(更新发布)

药品知识图谱以药品为中心,基于药品说明书、中国药典、药理学等知识源,构建药品与疾病、检验检查、手术操作之间的关系。目前药品知识图谱主要包含适应证、禁忌证、医保支付类别、药品剂型关系类型,其中药品实体已覆盖《国家基本药物目录(2018年版)》中的所有药品实体。本期维护并新增了“药品剂型”、“医保支付类别”三元组,截至8月20日,共计发布5.0万实体,63.8万三元组,约3.0万实体与“七巧板”术语集建立映射。

检验检查知识图谱

检验检查知识图谱以检验检查为中心,基于《诊断学(第9版)》和行业资源,构建了检验检查与疾病、药品、手术操作之间的关系,目前已发布适应证、临床意义、检查结果、使用技术、受检标本等关系类型,共计0.5万实体,2.1万三元组,约0.3万实体与“七巧板”术语集建立映射。

OMAHA知识库

OMAHA知识库由“七巧板”医学术语集和“汇知”医学知识图谱两部分组成。将两者结合使用,才能发挥最大价值:“七巧板”术语集清晰地定义医学概念,“汇知”图谱在此基础上将医学概念、实体间的关系进行丰富和完善。最新版OMAHA知识库包含最新版“汇知”医学知识图谱及“七巧板”医学术语集数据,方便用户能够更便携地合并使用两大知识资源。

本期讲座预告

资源获取

注:OMAHA会员服务不同服务版本获得的HiTA知识图谱服务不同,具体详见OMAHA官网服务体系介绍。

如果您还不是OMAHA会员服务机构用户,可以申请HiTA知识服务试用体验(点击文末“阅读原文”)。

【联系我们】

【延伸阅读】

【5月发布-知识图谱】重磅!首次发布检验检查知识图谱

【7月发布-术语集】首次发布推理关系扩展集;首次发布“七巧板”术语集和医保医用耗材分类与代码的映射

THE END
1.AI大模型知识图谱嵌入在医疗领域的应用医疗知识图谱都哪些实体因此,如何有效地挖掘这些数据并进行推理是医学领域的一个重要研究方向。知识图谱作为一种能展示实体及其间关系的结构化图模型,在医疗领域的应用逐渐成为趋势。知识图谱嵌入技术(Knowledge Graph Embeddings,KGE)旨在将图中实体和关系编码为低维向量,允许我们使用向量空间中的计算来推断出实体之间的隐藏关系。https://blog.csdn.net/Wufjsjjx/article/details/142742278
2.知识图谱在医学领域的应用:从诊断到治疗51CTO博客随着人工智能技术的不断发展,知识图谱(Knowledge Graph, KG)在各个领域的应用也逐渐成为主流。医学领域也不例外。知识图谱是一种以实体(Entity)和关系(Relation)为核心的数据结构,它能够表示实际世界中的复杂关系,为人工智能提供了一种高效的表示和推理方式。在医学领域,知识图谱可以用于诊断、治疗、药物研发等方面。本https://blog.51cto.com/universsky/9143718
3.中文医学知识图谱模型中文医学术语知识图谱 知识图谱本质上是一种大规模的语义网络,富含实体及其之间各种语义关系。作为一种语义网络,知识图谱是大数据时代知识表示的重要方式之一,同时作为一种技术体系,知识图谱也是大数据时代知识https://www.hustimi.com.cn/?page_id=95
4.医学知识图谱医学知识图谱 知识图谱是医生专业化知识和思维模式的组合,它包含了知识内容、知识量以及知识之间的专业逻辑关联。对这些知识的逻辑化应用可以解读、判断病情信息以做出正确的判断和决定。因此,对医疗知识图谱而言,需要的不是单纯的表象联系的罗列,需要的是结构化的医学知识点(信息、数据)及其之间符合医学知识内在逻辑机制https://zhuanlan.zhihu.com/p/526258456
5.基于医学领域的知识图谱通过对医学领域的知识进行抽象和结构化,知识图谱可以帮助医疗从业者更好地理解医学知识之间的关联和内在规律,提高医学研究和临床实践的效率和精准度。本文将介绍基于医学领域的知识图谱的概念、特点和应用,并探讨知识图谱在医学研究和临床实践中的潜在作用。 一、医学领域的知识图谱概述 知识图谱是一种将实体、关系和属性https://wenku.baidu.com/view/156e2db8ba0d6c85ec3a87c24028915f814d8458.html
6.知识图谱汇总专业词典和词汇处理工具(SPECIALIST Lexicon and Lexical Tools)——为词汇库提供构建和维护,包含约 45万条生物医学和常用英语词汇条目以及 80余万条词汇变化形式——类似外部标准知识库,用于本体的实体对齐和消歧 国内: 研究所: 1. 中文医学知识图谱CMeKG2.0版: https://www.jianshu.com/p/140a9127acdb
7.医学知识图谱构建与应用.pptx医学知识图谱构建方法医学本体构建方法1.基于逻辑学理论的医学本体构建方法:包括基于描述逻辑(DescriptionLogic,DL)的本体构建方法、基于本体推理的本体构建方法等;2.基于统计学理论的医学本体构建方法:包括基于潜在语义分析(LatentSemanticAnalysis,LSA)的本体构建方法、基于贝叶斯网络(BayesianNetwork,BN)的本体构建方法等;3https://max.book118.com/html/2024/0727/5204000334011301.shtm
8.医学知识图谱是什么星环科技为您提供医学知识图谱是什么相关内容,帮助您快速了解医学知识图谱是什么。如果想了解更多医学知识图谱是什么资讯,请访问星环科技官网(www.transwarp.cn)查看更多丰富医学知识图谱是什么内容。https://www.transwarp.cn/keyword-detail/61423-1
9.谈谈构建医疗知识图谱的三个阶段腾讯云开发者社区随着人工智能技术的迅猛发展,构建医疗知识图谱成为了现代医学领域的重要任务之一。医疗知识图谱是一个结构化的知识存储和表示框架,在医学研究和临床实践中扮演着重要的角色。构建医疗知识图谱可以帮助医生更好地理解和应用医学知识,提高疾病的诊断和治疗效果。本文将介绍构建医疗知识图谱的三个阶段,包括机器自动抽取医学知识https://cloud.tencent.com/developer/news/1190557
10.医学知识图谱是医疗AI的核心根据上述分析可知,医学知识图谱是临床思维的基础,是医疗活动的核心,是医疗AI的主战场,是打开医疗AI市场的主钥匙。其具体落实的表现形式是临床专科疾病的知识图谱,如心血管病知识图谱、肺病知识图谱、危重症知识图谱等等,开发专病知识图谱即掌握了医疗AI产业的主钥匙,在此基础上才能进一步开发其智能化应用。 https://mp.ofweek.com/medical/a645693824966
11.医学院首门《康复评定学》知识图谱课程上线智慧树平台公开运行随着信息技术的发展,数字化教育已成为现代教育的必然趋势。近日,由医学院卫哲教授负责的教学团队与智慧树团队合作,完成的基于知识图谱的《康复评定学》新形态课程内容体系建设上线。该课程将人工智能技术与医学教学深度融合,助力医学教学转型。 为了使课程内容更加系统、高效,课程团队从整体角度审视课程内容,将知识点及资源https://www.lsu.edu.cn/2024/0408/c2480a340495/page.htm