医学知识图谱构建关键技术及研究进展

最新推荐文章于 2024-08-01 16:11:59 发布

唐名威

最新推荐文章于 2024-08-01 16:11:59 发布

阅读量2.4k

点赞数 3

文章标签：大数据编程语言机器学习人工智能知识图谱

本文链接：https://blog.csdn.net/weixin_45585364/article/details/120008746

版权

点击上方蓝字关注我们

医学知识图谱构建关键技术及研究进展

谭玲¹, 鄂海红¹, 匡泽民², 宋美娜¹, 刘毓¹, 陈正宇¹, 谢晓璇¹, 李峻迪¹, 范家伟¹, 王晴川¹, 康霄阳¹

1 北京邮电大学，北京 100876

2 首都医科大学附属北京安贞医院，北京 100029

摘要：随着互联网技术的不断迭代更新，对海量数据的语义理解变得越来越重要。知识图谱是一种揭示实体之间关系的语义网络，医学是知识图谱应用较广的垂直领域之一，医学知识图谱的构建也是目前国内外人工智能领域研究的热点。从医学知识图谱本体构建出发，依次对命名实体识别、实体关系抽取、实体对齐、实体链接、知识图谱存储、知识图谱应用进行综述，详细介绍了近年来医学知识图谱构建过程中涉及的难点、现有技术、挑战及未来研究方向，并介绍了医学知识图谱应用，最后对未来发展方向进行了展望。

关键词：医学知识图谱 ; 构建 ; 关键技术 ; 研究进展

金属质感分割线

论文引用格式：

谭玲, 鄂海红, 匡泽民, 等. 医学知识图谱构建关键技术及研究进展[J]. 大数据, 2021, 7(4): 80-104.

TAN L,E H H, KUANG Z M, et al . Key technologies and research progress of medical knowledge graph construction[J]. Big Data Research, 2021, 7(4): 80-104.

金属质感分割线

1 引言

人工智能的发展已经进入快车道，作为新一轮科技革命和产业变革的重要驱动力量，人工智能技术正在深入各行各业，悄无声息地改变着人们日常生活的方方面面。知识图谱是由谷歌（Google）公司在2012年提出的一个概念，本质上是语义网的知识库。知识图谱由节点和边组成，节点表示实体，边表示实体与实体之间的关系，这是最直观、最易于理解的知识表示和实现知识推理的框架，奠定了第三代人工智能研究的基础。

目前，医学是知识图谱应用较广的垂直领域之一，也是目前国内外人工智能领域研究的热点。医学知识图谱在临床诊断、治疗、预后等方面均可发挥较大的作用。高效地将知识图谱应用于医学领域将给人类的医疗卫生带来革命性的变化。由于医学领域数据的特殊性，医学知识图谱的构建也面临不少机遇与挑战。

本文对医学知识图谱构建的关键技术及应用进行了全面的梳理，对各类公共数据集、处理医学问题的特异性难点及现有解决办法进行了综述。通过阅读本文，可以了解医学知识图谱的发展现状、未来发展方向以及面临的挑战，便于医学知识图谱研究者参照对比，加快医学知识图谱领域的研究及临床落地应用。

本文主要按照医学知识图谱构建的流程来阐述，主要框架如图1所示。

图1 医学知识图谱构建框架

2 医学本体构建

网络上文本数据的爆炸式增长，以及对本体需求的增加，促进了语义网络的发展，使得基于文本的本体自动构建成为一个非常有前途的研究领域。文本本体学习是一种以机器可读形式（半）自动地从文本中提取和表示知识的过程。本体被认为是在语义网络上以更有意义的方式表示知识的主要基石之一。

2.1 本体构建定义及任务

万维网联盟（World Wide Web Consortium，W3C）将本体论定义为用于描述和表示知识领域的术语。本体是一个数据模型，它表示一组概念以及一个域中这些概念之间的关系。

本体构建可以定义为从头创建本体或重用现有本体以丰富或填充现有本体的迭代过程。构建本体的过程包括以下6个任务：

● 指定一个域以创建定义良好的术语和概念；

● 识别域中的关键术语、概念及其关系；

● 建立或推断描述域结构属性的规则和公理；

● 使用支持本体的表示语言（如资源描述框架（resource description framework，RDF）、资源描述框架模式（resource description framework schema，RDFS）或网络本体语言（Web ontology language，OWL））对构建的本体进行编码（表示）；

● 将构建的本体与现有本体结合（如果现有本体可用）；

● 通过使用通用和特定的评估度量来评估构建的本体。

2.2 医学本体构建难点及现有技术

随着对许多医学本体构建研究的深入，目前医学本体库的构建主要存在以下难点。

首先应该尽可能减少在本体构建过程中的人为干预。目前实现本体构建过程的完全自动化是不现实的，怎样减少人为干预是目前医学本体构建的一个难点和热点。2018年，Mazen A等人提出了一种新的本体自动生成框架，即链接开放数据项目授权的生物医学本体自动生成（linked open data approach for automatic biomedical ontology generation，LOD-ABOG）方法。与现有框架相比，参考文献[3]的评估结果显示，大多数本体生成任务的结果有所改善。该参考文献提出的LOD-ABOG框架表明，现有的LOD源和技术是一个很有前途的解决方案，可以在更大程度上实现生物医学本体生成和关系提取过程的自动化。另外，与现有的框架在本体开发过程中需要领域专家的参与不同，该参考文献提出的方法只要求领域专家在本体构建周期结束时参与到本体的改进中。

2019年，Lytvyn V等人提出了从自然文本中提取知识的方法和算法（包括一个基于本体引入的概念、关系、谓词和规则的多层次过程），建立了一种基于本体的本体开发方法，该方法利用现有本体对文本文档进行分析，构建了命名和本体术语体系。这使得本体开发过程自动化成为可能。

再者，由于医学信息的特殊性，对医学信息的匿名化处理在本体构建过程中也是一个难点。2017年，Polsley S等人提出一种可识别被映射到本体论术语的受保护健康信息（protected health information， PHI）的方法，临床专家使用数百份医学文献对该方法进行了评价，F₁分数达98.8%，在后续处理中保留语义信息具有一定的前景。但该方法仍有较大的局限性，需要不断地进行优化。

2.3 医学本体常用数据集

医学本体较常用的数据集主要有以下几种，见表1。

2.4 挑战及未来研究方向

首先，由于医学数据的多样性，在设计医学本体构建系统时，无论是来自小的静态文本集合的数据，还是万维网上的海量异构数据，都需要进行数据转换。目前，针对此问题的文献较少，有待后续研究的推进。

其次，医学的临床数据会不断变化，如何根据患者的当前情况创建动态的最佳保护服务，为患者提供个性化的实时医疗护理也是医学实体构建过程中的一大问题。

3 医学命名实体识别

3.1 命名实体识别定义

命名实体识别（named entity recognition，NER）又称专名识别，指识别文本中具有特定意义的实体（主要包括人名、地名、机构名、专有名词等）。通常包括两部分：一是识别实体边界；二是确定实体类别（人名、地名、机构名或其他）。英语中的命名实体具有比较明显的形式标志（即实体中的每个词的第一个字母要大写），因此识别实体边界相对容易，任务的重点是确定实体的类别。和英语相比，汉语命名实体识别任务更加复杂，实体边界的识别更加困难。