最近,我发现了一个 neo4j-runway 项目。Neo4j Runway 是一个 Python 库,简化了将关系数据迁移到图数据库的过程。
它提供了与 OpenAI 交互的工具,用于数据发现和生成数据模型,还提供了生成代码和将数据加载到 Neo4j 实例中的工具。
换句话说,通过上传 CSV 文件,大模型将识别节点之间关系,并自动生成知识图谱。
在健康医疗领域,知识图谱是一种强大的工具,用于组织和分析复杂的医疗数据。
这些图谱以一种更易于理解的方式结构化信息,使得不同实体之间的关系更加清晰,例如疾病、治疗、患者和医疗提供者。
知识图谱在健康医疗行业有以下一些有用的应用:
整合多样化的数据源。知识图谱可以整合来自各种来源的数据,如电子健康记录(EHRs)、医学研究论文、临床试验结果、基因组数据和患者历史记录。
改进临床决策。通过链接症状、诊断、治疗和结果,知识图谱可以增强临床决策支持系统(CDSS),因为它们考虑了大量相互关联的医学知识,可能提高诊断准确性和治疗效果。在本文中,我将探讨这一主题。
个性化医疗。通过将患者特定数据与更广泛的医学知识相关联,促进制定个性化治疗计划。这包括理解基因信息、疾病机制和治疗反应之间的关系,从而提供更量身定制的医疗。
加速新药研发。在制药研究中,知识图谱可以通过识别潜在药物靶点和理解疾病涉及的生物路径,加速新药研发。
公共卫生与流行病学。有助于追踪疾病爆发、理解流行病学趋势和规划干预措施。因为它们可以整合来自各种公共卫生数据库、社交媒体和其他来源的数据,提供关于公共卫生威胁的实时洞察。
1
Neo4j Runway 是由 Alex Gilmore 创建的开源库。你可以在这里找到代码库。
代码库:https://github.com/a-s-g93/neo4j-runway
目前,该库仅支持使用 OpenAI 的大模型解析 CSV,并提供以下功能:
- • 提取数据:利用大模型从数据中提取有意义的见解。
- • 图数据建模:使用 OpenAI 和 Instructor Python 库开发准确的图数据模型。
- • 数据摄取:利用 Runway 内置的 PyIngest ,将数据加载到 Neo4j 中。
- • 无需编写 Cypher 语句, 因为大模型会完成所有工作。
本文除了演示用大模型把CSV文件转为知识图谱外。我还使用了 Langchain 的 GraphCypherQAChain,用提示词生成 Cypher,无需编写一行 Cypher(用于查询 Neo4j 图数据库的 SQL 类语言)即可查询图谱。
该库给了一个金融行业的示例,本文我将测试在健康医疗场景中的效果。
从 Kaggle 上一个非常简单的数据集开始(疾病症状和患者档案数据集)。
该数据集只有 10 列(疾病、发烧、咳嗽、疲劳、呼吸困难、年龄、性别、血压、胆固醇水平和结果变量),我希望能够向大模型提供医疗报告,以获得诊断假设。
数据集:https://www.kaggle.com/datasets/uom190346a/disease-symptoms-and-patient-profile-dataset
2
让我们直接进入代码部分。
加载所需的库和环境变量
首先,加载所需的库:
sudo apt install python3-pydot graphviz
pip install neo4j-runway
import numpy as np
import pandas as pd
from neo4j_runway import Discovery, GraphDataModeler, IngestionGenerator, LLM, PyIngest
from IPython.display import display, Markdown, Image
加载环境变量:在 Neo4j Aura 中创建实例并进行身份验证。
加载医疗数据并整理格式
从 Kaggle 网站下载 CSV 文件,并将其加载到 Jupyter notebook 中。这个数据集非常简单,但对于测试概念非常有用。
例如,我们可以创建一个列表,列出所有导致呼吸困难的疾病,这不仅对选择图中的节点很有趣,也有助于开发诊断假设:
disease_df[disease_df['Difficulty Breathing']=='Yes']
所有变量必须是字符串(库是这样设计的),即使是整数。
然后,我们保存 CSV 文件:
现在,我们将为大模型描述数据,包括每个字段的可能值:
DATA_DESCRIPTION = {
'Disease': 'The name of the disease or medical condition.',
'Fever': 'Indicates whether the patient has a fever (Yes/No).',
'Cough': 'Indicates whether the patient has a cough (Yes/No).',
'Fatigue': 'Indicates whether the patient experiences fatigue (Yes/No).',
'Difficulty Breathing': 'Indicates whether the patient has difficulty breathing (Yes/No).',
'Age': 'The age of the patient in years.',
'Gender': 'The gender of the patient (Male/Female).',
'Blood Pressure': 'The blood pressure level of the patient (Normal/High).',
'Cholesterol Level': 'The cholesterol level of the patient (Normal/High).',
'Outcome Variable': 'The outcome variable indicating the result of the diagnosis or assessment for the specific disease (Positive/Negative).'
}
用大模型识别重要数据元素
下一步是让大模型分析表格数据,识别对生成图数据模型重要的数据元素。
这将生成数据分析的 Markdown 输出:
创建初始模型
现在,让我们创建初始模型:
这里,我的重点是疾病,所以我们将重新排列一些关系。
gdm.iterate_model(user_corrections=‘’’
Let’s think step by step. Please make the following updates to the data model:
\1. Remove the relationships between Patient and Disease, between Patient and Symptom and between Patient and Outcome.
\2. Change the Patient node into Demographics.
\3. Create a relationship HAS_DEMOGRAPHICS from Disease to Demographics.
\4. Create a relationship HAS_SYMPTOM from Disease to Symptom. If the Symptom value is No, remove this relationship.
\5. Create a relationship HAS_LAB from Disease to HealthIndicator.
\6. Create a relationship HAS_OUTCOME from Disease to Outcome.
‘’')
from IPython.display import Image, display
gdm.current_model.visualize().render(‘output’, format=‘png’)
# Load and display the image with a specific width
img = Image(‘output.png’, width=1200) # Adjust the width as needed
display(img
用Neo4j生成图谱
现在我们可以生成 Cypher 代码和 YAML 文件,将数据加载到 Neo4j 中。
如果你只是测试或第二次执行此操作,可能需要将实例重置为空白状态(清除所有内容)。
一切准备就绪。让我们将数据加载到实例中:
PyIngest(yaml_string=pyingest_yaml, dataframe=disease_df)
进入 Neo4j Aura 实例,打开,输入你的密码,并通过 Cypher 运行此查询:
MATCH (n)
WHERE n:Demographics OR n:Disease OR n:Symptom OR n:Outcome OR n:HealthIndicator
OPTIONAL MATCH (n)-[r]->(m)
RETURN n, r, m
按下 CTRL + ENTER,你将看到以下结果:
检查节点和关系后,我们发现症状、健康指标和人口统计数据之间有大量的相互连接:
让我们看看糖尿病。由于没有应用过滤器,男性和女性都会出现,以及所有的实验室、人口统计和结果的可能性。
MATCH (n:Disease {name: 'Diabetes'})
WHERE n:Demographics OR n:Disease OR n:Symptom OR n:Outcome OR n:HealthIndicator
OPTIONAL MATCH (n)-[r]->(m)
RETURN n, r, m
或者查看所有在临床检查中表现出高血压的疾病:
// Match the Disease nodes
MATCH (d:Disease)
// Match HAS_LAB relationships from Disease nodes to Lab nodes
MATCH (d)-[r:HAS_LAB]->(l)
MATCH (d)-[r2:HAS_OUTCOME]->(o)
// Ensure the Lab nodes have the bloodPressure property set to 'High'
WHERE l.bloodPressure = 'High' AND o.result='Positive'
RETURN d, properties(d) AS disease_properties, r, properties(r) AS relationship_properties, l, properties(l) AS lab_properties
3
接下来我们向大模型(在本例中是 Google 的 Gemini-1.5-Flash)提交一份医疗报告,让它通过 Langchain(GraphCypherQAChain)自动生成 Cypher 查询,基于症状、健康指标等,返回患者可能患有的疾病。
让我们开始吧:
从实例中获取知识图谱和模式:这里有节点属性和关系属性。
kg = Neo4jGraph(
url=NEO4J_URI, username=NEO4J_USERNAME, password=NEO4J_PASSWORD, database=NEO4J_DATABASE
)
kg.refresh_schema()
print(textwrap.fill(kg.schema, 60))
schema=kg.schema
初始化 Vertex AI Gemini-1.5-Flash:
现在是最难的部分。为 Gemini-1.5-Flash 创建详细的指令,让它自动生成 Cypher 查询图数据库并获取我们需要的结果。
我们需要一个主提示词!一步步思考+少样本提示。
编者注:上面的提示词中文版如下:
我们设置 GraphCypherQAChain
并提交医疗报告:
输出结果:这里 Gemini-1.5-Flash 生成 Cypher 查询图数据库,通过 JSON 返回结果给 LLM,LLM 解释并返回可读的响应:
这个结果不考虑 Gemini-1.5-Flash 的知识库,只考虑它查询的知识图谱。想象一下,如果我们有一个包含 300 个特征的漂亮数据集!
注意,我们可以在 GraphCypherQAChain 中将 top\k 设置为 1 或其他值:
如果我们运行最后一个查询,我们将得到包含这些症状的 77 种疾病列表,但 top\k 设置为 1:
需要注意的是,当前 neo4j-runway 项目还不成熟,具有以下限制:
- • 仅支持单个 CSV 输入用于数据模型生成
- • 节点只能有一个标签
- • 仅支持唯一性和节点/关系键约束
- • 关系不能有唯一性约束
- • CSV 列引用相同节点属性在模型生成中不受支持
- • 目前仅支持 OpenAI 模型
- • Runway 包含的修改版 PyIngest 函数仅支持加载本地 Pandas DataFrame 或 CSV。
如何学习AI大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。