，，，，

随着我国医疗信息化的发展，医学科学文献、网络文档、电子病历等非结构化数据正以指数级的速度增长，其中包含海量未被挖掘的医学知识。借助人工智能技术，在充分吸收专家经验基础上，构建医学知识图谱，分析、挖掘医学实体之间的潜在关联，加强数据反哺机制，对发展循证医学、支持临床决策、提高医护人员的工作效率和患者的就诊体验有着重要意义。

知识图谱(Knowledge Graph)自2012年被提出以来发展迅速，得到了来自学术界和工业界的广泛关注，医学领域是知识图谱应用最广的垂直领域之一。知识图谱是由节点(实体)和标注的边(实体间的关系)组成的一种基于图数据结构的新知识表示方式，旨在描述真实世界中存在的各种实体或概念，及其之间的关系或关联[1]。从技术角度来看，知识图谱是一套工程技术，包括知识抽取、知识表示、知识存储、知识推理等一系列技术。随着知识建模、动态本体、自然语言处理、深度学习、图数据库、知识推理等技术的发展，医学知识图谱的构建渐趋成熟。然而，由于医学数据专业性强、结构复杂等特点，现有医学知识图谱构建存在数据和知识源稀缺、效率低、拓展性差等问题。

本文解析了医学知识图谱构建的关键技术，介绍了利用机器学习和深度学习的方法识别医学命名实体和抽取实体链接和语义关系，以及医学知识图谱在当今医疗服务中的应用，总结了中文医学知识图谱构建所面临的问题和挑战，提出了相应的对策和建议。……