覃德清，郝宏恕

（清华大学 清华大学医院管理研究院，广东 深圳）

0 引言

《“健康中国2030”规划纲要》提出要以预防为主，针对生活行为方式、医疗卫生服务等健康影响因素，落实预防为主，推行健康生活方式，减少疾病发生，做到早诊断、早治疗、早康复，从而实现全面健康。《中国老年化与健康国家评估报告》提到“我国疾病负担逐渐从妇幼卫生问题和传染性疾病转向慢性非传染性疾病，到2030 年，慢性非传染性疾病的患病率将至少增加40%，大约80% 的60 岁及以上老年人将死于慢性非传染性疾病。”中国60岁以上老年人高血压、糖尿病、心血管、关节炎、慢性阻塞性肺炎的患病率分别为66.9%、19.6%、13%、25%、15.5%。这些疾病大部分没有得到很好的控制，管理效果不佳。

人们对医疗的需求越来越大，我国拥有的医护人员不足、医疗资源城乡差异和东西部差异的现状进一步加剧了看病难的问题。

表1 2015 年OECD 部分国家每千人口拥有医护人员数

知识图谱是近些年来兴起的，综合信息科学、机器学习、科学计量学、应用数学等多学科的研究方法[1]，它利用引文和信息可视化分析来描述知识之间的关系[2]，属于科学可视化的范畴[3]。利用知识图谱管理现有的大量医学数据并把实现共享、应用，推进医学信息化、智能化的发展，从而可以更好地为居民健康服务，一定程度上解决或缓解医护人员不足、医疗资源分布不均等的问题。

1 医学知识图谱的国内外应用现状

医学知识图谱在医疗搜索引擎方面发展较快，在自动问答系统、临床决策辅助系统、疾病预测、药物不良反应预测尚处于分散研究阶段，未能实现真正的临床应用。

1.1 医学知识图谱与查询拓展

国外常用的搜索网站有WebMD、Healthline、HealthFinder.gov 等，国内的是百度医疗大脑、搜狗明医、360 良医等。WebMD汇集全美医生的临床报告和各种医疗资料，网站内容包括生活健康、疾病介绍、医生咨询和热点相关新闻等。生活健康部分包括健身与指南、饮食和体重管理、减肥与肥胖相关知识等。网站还提供基本健康相关知识的查询和计算，如BMI、健身卡路里、排卵计算器等热门工具。国内的医疗搜索引擎起步较晚，聚合的知识较少，功能也比较局限，如百度医疗大脑目前只能在其APP 使用，数据库只有少数科别的比较完善。现有的医疗扩展查询质量低下，有误导群众的可能性。

1.2 医学知识图谱与自动问答系统

利用医学知识图谱设计自动问答系统供医生、患者、医院三方使用，使其能够迅速获取所需信息[4]。Ben Abacha 等人通过提取医疗实体、语义关系和患者信息等进行文本和问题分析，建立了更为松弛的医疗自动问答查询系统[5]。Chi 等人通过整合知识，利用web 本体语言（OWL）和语义规则（SWRL）构建了慢性肾病膳食咨询系统，实验证明基于OWL 和KBS（基于知识的系统）可以在保持知识共享性和可扩展性的同时，实现精确问题的求解推理[6]。阮彤等人通过使用半自动化构建中医药知识图谱并实现中医药知识图谱的问答[7]。马晨浩基于知识图谱设计并实现了面向甲状腺诊疗的自动问答系统，可以有效回答患者用药及检查相关的问题[8]。

1.3 医学知识图谱与临床辅助决策系统

医学知识图谱可以把松散联系的同种疾病的相关知识与数据资源进行有机整合，为医生的临床决策提供结构化的数据基础[9]。García-Crespo 等人利用逻辑推理和概率统计优化设计了一个本体驱动的鉴别诊断系统[10]。Martínez-Romero 等人基于本体系统设计了用于重症心脏病患者的临床辅助决策系统，可以帮助分析病人病情并提供建议[11]。聂莉莉等人利用“症状-症候-特征”3层结构模型构建医学诊断知识图谱，并将其运用到临床决策支持系统中检测临床疗效，结果表明其正确率可达98%，系统通过内部推理机制可以给医生提供诊断建议和意见[12]。实验证明利用知识图谱技术可以通过对患者的症状、检查等信息自动生成诊断、治疗方案帮助医生辅助决策，有效较少医疗失误[13]。

1.4 医学知识图谱与疾病预测

疾病的发生与发展是有规律可循的，通过知识图谱可以很好地了解和掌握这些规律，可以对疾病起到一级预防作用。Esteban等人通过运用电子病历数据对肾移植病人在移植后6 个月和12个月可能出现的反应进行预测以辅助医生做出治疗方案[14]。Patil等人利用实验数据对患者可能罹患疾病的风险进行预测[15]。中国科学院计算机研究所开发了用于儿科疾病预测的混合知识图谱。

1.5 医学知识图谱与药物不良反应

近几年，学者们开始利用知识图谱技术对电子病历数据进行挖掘，预测药物不良反应和建立药物不良反应查询系统，取得了初步成效。Srinivasan 等人[16]和Daniel 等人[17]均通过挖掘电子病历相关信息实现对药物不良反应的预测。杨洁等人建立了抗抑郁药不良反应知识的查询系统，患者可以查询抗抑郁药对应不良反应的症状及其发生频率、对身体如体重、睡眠等的影响[18]。邵云婷等人利用大量的处方用药数据，通过知识图谱建模对药品联用风险进行评估达到为临床药事管理提供决策依据和提高联合用药的安全性的目的[13]。

2 医学知识图谱与健康中国应用探讨

2.1 医学知识图谱与慢病管理

针对我国目前慢性病的严峻性及就医的困难，医学知识图谱在查询扩展这一块应该关注国民健康的现状及需要，真正为居民健康服务。我国现有的医疗搜索引擎应加入生活健康知识普及和疾病、用药科普且保证质量，满足居民健康自我管理的需要。大医院医生因业务繁忙难以实现在线问诊一对一为病人服务，自动问答系统可以帮助病人在就医前对自己的病症有所了解，也可以解决病人在治疗、康复期间遇到的问题。高质量的搜索引擎和自动问答系统一定程度上也可以弥补医疗资源缺乏、医疗资源分布不均衡的不足。

2.2 医学知识图谱与临床应用

在患者就诊前可以通过自动问答系统收集患者的基本信息和患者想咨询的问题，系统将信息推给相应的医生，帮助医生更全面了解患者，节省就诊过程简单问题的询问时间，减轻医生工作负担，将节约出来的时间给更多的病人，缓解就医难的困境。知识库的建模的和拥有足够的模型的能力决定了系统的准确性[19]，因此在今后的临床辅助决策系统中可以引入多层诊断的概念，帮助医生进行诊断，在节省医生看诊时间的同时有效提高诊断准确率，减少医患纠纷的发生。

2.3 医学知识图谱与疾病预测

我国现阶段的疾病谱与改革开放前相比有了较大变化。实现健康中国最重要的一步是对疾病进行预防，目前我国在这块发展缓慢，医院很少提供疾病预测相关服务。我们应该利用现有的数据和国际上开发的数据库，利用知识图谱技术对各种疾病的发生、发展进行预测，在疾病发生之前进行治疗，提高生命质量。

2.4 医学知识图谱实现支持与挑战

2.4.1 医学知识图谱与国家政策

根据《“健康中国2030”规划纲要》和《国务院关于积极推进“互联网+”行动的指导意见》，国务院办公厅在2018 年颁布了《促进“互联网+医疗健康”发展的意见》要求各地区、相关部门要协调推进互联互通的全民健康信息平台建设，逐渐实现全民健康信息共享。医院要提升信息化水平，三级医院在2020 年前实现院内医疗信息共享。倡导研发临床诊疗决策支持系统，利用人工智能技术对个人健康进行监测与评估、疾病预警、慢病筛查、主动干预。家庭医生签约制度能够为居民建立个人健康档案，目前的医疗信息可以在医联体中实现共享。

2.4.2 数据支持

我国目前电子病历数据仍不能实现共享和技术水平有限，是实现高质量医学知识图谱的瓶颈。国家应该加快全国医院医疗信息化水平建设，尽快实现全国电子病历联网、医疗信息共享；重视医疗信息技术的发展，加大在这方面的资金与人才投入。同时我们也可以把国外现有的开发数据纳入医学知识图谱的研究。

3 小结

国家近几年不断推出“健康+互联网”的相关政策，要求医疗信息化、医疗信息互联互通与共享，给构建医疗知识图谱的奠定电子数据基础。目前国内外的医学知识图谱在临床辅助决策系统中的使用仅是针对某一疾病类型，无法广泛应用，且尚未确切描述针对兼具并发症时该如何处理。现有研究成果局限于特定数据集、算法准确率低且限制条件多，扩张性差[11]。我国医学知识图谱的数量和质量制约着医疗查询与扩展的发展，为使现有的医疗数据更好地为居民健康服务，有必要对医学知识图谱的进行深入研究和完善并实现临床应用。

表2 构建医学知识图谱可利用的数据库