知识图谱通过以结构化而非纯文本的方式描述事物的属性以及事物之间的关联，由节点和边组成，节点表示实体、概念或属性值，任何物体、地点或人都可以是一个节点；边表示实体的属性或实体间的关系。举个例子来说，一个节点可以是一个组织机构，比如心内科，也可以是一个疾病，比如高血压；边则描述了高血压和心内科之间的“疾病-科室”关系。
知识图谱示例
“汇知”医学知识图谱概述
OMAHA以满足行业内对数字化医学知识的底层共性需求为切入点，自主构建中文医学知识图谱——“汇知”医学知识图谱（简称“汇知”图谱）。围绕疾病、药品、检验检查、手术操作四大领域，选取临床指南、临床路径、医学教材、药品说明书和中国药典等作为知识源，采用机器+人工方式抽取基础医学知识形成知识图谱。
目前，汇知”图谱已发布疾病知识图谱和药品知识图谱，共计约12万实体，96万三元组。
“汇知”图谱示例
本文将结合实际需求及应用，介绍如何借助于“汇知”图谱在健康问答、合理用药等场景中助力实现智能化。
场景一：智能导诊
医学知识具有较高的复杂性，导致很多患者无法便捷地准确地获取就诊信息。在此背景下，AI智能导诊应运而生。使用智能导诊产品时，患者输入自己的年龄、性别、疾病症状后，AI引擎会理解患者病情并对应的就诊科室。基于“汇知”图谱进行科室推荐可有效提升准确率和可解释性:
下图为基于“汇知”图谱的智能导诊示例：
场景二：合理用药
下图为基于“汇知”图谱的合理用药示例：
场景三：辅助诊断
基于人工智能的辅助诊断技术在多个领域显现出明显的应用价值。医学知识图谱可作为辅助诊断知识库中的重要组成部分，为诊断的推荐结果提供可解释的依据。
“汇知”图谱疾病知识图谱共建立心血管系统疾病、神经系统疾病、消化系统疾病等17个疾病细分领域知识图谱，可在不同诊断流程中帮助实现辅助诊断：
2）在医生下诊断后，在看诊流程中主动预警，医生所在诊断如出现误诊、漏诊、依据不足时给出风险提醒，同时给出修正意见。
场景四：文献推荐
医学文献数量庞大，如何快速、准确获取指南信息，建立文献之间的联系是知识留给我们的课题。将“汇知”图谱应用于文献推荐中，可根据检索关键词、文献关键词从知识图谱中寻找相应关系，建立文献之间的关联关系，准确推荐相应的文献内容。
在实践中，OMAHA以“汇知”图谱和“七巧板”医学术语集为基础搭建指南推荐产品，以关键词为桥梁，建立指南之间的关联关系，在临床指南搜索和查阅等应用场景下，保障智能化推荐的高效性，提升应用的广度与价值。
医疗知识的复杂性超乎想象，未来，OMAHA将继续探索，掀开医学知识的新篇章。
了解更多：
了解最新资源：HiTA知识服务平台hita.omaha.org.cn
延伸阅读：
【8月发布-知识图谱】首次发布内分泌及代谢性疾病、肌肉骨骼系统疾病领域知识图谱