文/任在方

随着AI技术和医学本身的快速进步，临床对知识库的需求已不仅仅局限于查询和检索文献资料了。

从海量数据中“发现”有价值的信息，是知识库区别于一般数据库（DB）最突出的特征。在人工智能(AI)技术飞速发展的今天，如何利用AI等技术手段盘活临床大数据，让数据真正形成“取之于临床而又服务于临床”的良性循环？将AI与数据库有机结合的知识库的应用与未来，被行业赋予了更多的期待。

当前，以电子病历为核心的医院信息化建设不断升级发展，数据采集和集成技术日益成熟，在此背景下，利用AI技术手段对数据进行知识化表示，构建具有自我学习能力的“活”的知识图谱，让知识库能够真正服务于临床实践，乃至指导临床实践，是医学知识库构建和应用的重点发展方向。

临床需求不断催化知识库的服务能力

医学知识库是从书籍教材、指南文献、医学科研等渠道中抽取科学知识，同时对医生的临床经验进行归纳总结，编码成计算机可以利用的形式，执行辅助诊断、决策支持和临床管理等功能。

传统的医学知识库多为文献知识库，充当“电子词典”或“电子文献库”的功能，供临床医务人员检索，服务于临床诊疗和研究。但这类文献知识库较少有自主的深度学习和知识更新能力，其知识重用的效率和共享程度不高，不能为临床医生和科研人员提供长期、动态、全面的知识源，更难以适应复杂临床问题的处理，不能对临床的真实数据提供实时联机决策支持。这就导致了传统医学知识库的服务能力，与临床业务和医疗管理的需求之间存在着巨大的差距。

随着AI技术和医学本身的快速进步，临床对知识库的需求已不仅仅局限于查询和检索文献资料，对具备知识推理和知识发现的专科专病知识库需求日益增多。知识库的开发，也从初级的集成检索，逐步向智能知识发现的高级阶段过渡。因此，提高知识库的标准程度与量级，是未来医学知识库建设的重要前提和方向。

电子病历系统的普及拓宽了知识元素的获取

官方数据显示，我国已有近90%的二级及以上公立医院建立了规范化的电子病历，医疗数据量正在以TB、PB、EB为单位快速增长，政府及相关部门亦希望通过挖掘数据红利，提升医疗服务的效率、质量与可及性。

电子病历系统应用水平分级评价办法中，知识库体系建设和临床决策支持水平成为重要指标。利用人工智能技术、大数据分析将固化的经验知识转化为可执行的诊疗路径，成为创新医疗服务模型和支持临床质量持续改进的重要方式。

“技术善”+“医学专”，协同共建专科知识库

尽管行业已经认识到AI技术在分析大型数据集、规范诊疗行为、管控临床质量等方面具有先发优势，但实际上，包括医疗AI企业和技术研发机构在内，能够采用AI技术真正获取专家知识的能力仍显不足，知识库的专业性、完整性等方面仍面临较大挑战。

要解决这个问题，核心在于知识库的建设是否可以将数据挖掘技术与支持循证医学进行深度融合。

中日医院在信息化建设过程中，一方面以患者为核心，进行流程改造和优化，改善患者就医体验，同时，以提高临床规范化管理水平、持续改善医疗过程质量、切实保障患者安全为目的，借助医疗AI企业的算法等技术优势，深度挖掘中日医院各个学科的知识积淀和专家丰富的临床经验，共同建设基于循证的、完全满足临床需求的大型专科知识库。

专科知识库的构建也并非从零开始，医疗AI企业的原始数据库经过多年积累，通过自然语言处理、机器学习等人工智能技术抽取国内外公开发表的论文、指南及专家共识、医学教材等知识资源中包含的医学逻辑，已经形成了庞大的的疾病知识库。在此基础上，医院运营与信息中心联合科室临床专家一起，拆解最新的专科诊疗指南，采用聚类、分类方法，将融入专家诊疗经验的真实病历数据进行临床特征抽取，构建体征库、诊断库、治疗库等，并结合人工标注和机器学习建模，应用决策树方法建立知识表示，自动映射国际通用术语标准。这种有监督的深度学习方法形成了一种良性循环，提高了知识模型的准确度、完全性。

结合了人工智能和医疗大数据的专科知识库，具有自我学习的能力，以知识库应用为核心的临床路径应用不再是“静态”的“死”路径，而是能够动态自适应、能根据病人个性化特征实时调整的最优“活”路径。医院运营与信息中心希望能够将知识库与电子病历融合，为医务人员提供医疗活动的过程控制、决策支持。也希望吸纳了优势学科精华的知识库在医联体中得到推广应用，实现优质医疗资源的有效、高效下沉，推进医联体的内涵建设，促进医疗服务质量的整体改进。