知识图谱在健康医疗大数据融合中的应用

"CNCC2019-张勇-基于知识图谱的健康医疗大数据融合技术及应用.pdf" 本文由剑桥大学博士后张勇在2019年CNCC大会上的演讲整理而成，主要探讨了如何利用知识图谱进行健康医疗大数据的融合，以优化医疗业务和辅助决策。健康医疗大数据来源于各种不同的系统，由于标准不一、数据质量问题，数据融合成为一大挑战。知识图谱作为一种有效的数据模型，能够通过图形方式整合多源数据，并解决数据不一致和质量问题。 首先，演讲提到健康医疗知识图谱分为概念图谱和实例图谱，两者分别对应抽象的医学概念和具体的病例实例。概念图谱定义了医学概念及其关系，实例图谱则包含了患者的具体信息。建立这两类图谱的过程涉及到数据的收集、清洗、对齐和标准化。同时，提出了"医在回路"的概念，强调医生在构建健康领域知识图谱中的关键作用，他们负责提供专业知识并参与数据的验证和修正。 为了支持知识图谱的构建，张勇团队开发了HKGB工具，这是一个可扩展、跨语言且智能化的平台，旨在简化知识图谱的构建流程。通过这个工具，他们构建了针对心血管疾病的知识图谱，展示了知识图谱在实际医疗场景中的应用潜力。 此外，演讲还提到了国家层面的战略，如《新一代人工智能发展规划》和《健康中国2030规划纲要》，强调了大数据在医疗领域的应用，特别是通过大数据融合提升临床决策支持系统的效能。国家自然科学基金重点项目也对此进行了资助，推动大数据融合方法的研究。 演讲内容还涉及了计算机辅助医疗智能模型的构建，包括疾病诊断、药物筛选、手术模拟等多个方面，这些模型依赖于快速的数据抽取、稳定的机器学习和推理引擎。知识图谱可以将医学对象（如疾病、药物、器械）与数据（如电子病历、医学影像）有效链接，从而支持更精准的医疗服务。 最后，张勇指出现有医疗数据存在的问题，如联系隐藏、数据结构不一致、标准不统一和数据质量问题，这些都是知识图谱在健康医疗大数据融合中需要解决的关键问题。通过业务数据的面向应用拆分和重组，知识图谱有助于创建一个更加符合实际需求的数据模型，从而提升医疗服务质量。 总结来说，这篇报告详尽地阐述了知识图谱在健康医疗大数据融合中的应用，包括其数据模型、融合过程、工具研发以及具体应用案例，为健康医疗信息化提供了新的视角和方法。