尹梓名 杜方芮 赵紫彤

摘  要： 随着人工智能的迅猛发展以及智慧医疗的提出，具备高关联性，高结构化的医学知识图谱成为智慧医疗的研究热点。然而基于互联网大数据构建的知识图谱，其知识质量难以保证，难以适用于具有高专业、高要求、高准确度的临床辅助诊疗场景。本文提出一种基于临床指南的知识图谱构建方法，着重在知识源头进行优化，主要对其中包含的陈述性知识和流程性知识进行建模。最后以非小细胞肺癌与冠心病两类疾病为例，分别构建了疾病知识图谱，验证了该方法的可用性。

关键词： 知识图谱;临床指南;本体;Neo4j

中图分类号： TP391.5    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2020.09.047

【Abstract】： With the rapid development of artificial intelligence and the proposal of intelligent medicine， medical knowledge graph with high relevance and high structure has become the research hotspot. However， the knowledge graph based on Internet big data is difficult to ensure the quality of knowledge， and it is difficult to apply to the clinical auxiliary diagnosis and treatment scene with high professional， high requirements and high accuracy. This paper proposes a construction method of knowledge graph based on clinical guidelines， focusing on knowledge optimization at the source of knowledge， mainly modeling the declarative knowledge and process knowledge. Finally， the knowledge graph of non-small cell lung cancer and coronary heart disease was constructed to verify the availability of this method.

【Key words】： Knowledge graph; Clinical guidelines; Ontology; Neo4j

0  引言

随着人工智能的迅速发展以及智慧医疗的提出，涉及到知识抽取、表示、融合、推理、问答等内容的知识图谱成为知识服务领域的一个研究热点。作为目前人工智能领域最前沿且最重要的一种知识表示形式，知识图谱基于语义网络，提供从“关系”的角度去分析问题的能力，从而构建高关联性，高结构化的知识模型。目前，现有的面向互联网应用场景的通用知识图谱构建技术[1-5]，虽然能够快速、大量地建立知识图谱，但是基于网络数据建立的知识图谱，其准确性和可靠性存疑，知识质量难以保证，形成的知识图谱未必完全正确，难以适用于具有高准确度的临床辅助诊疗场景，且这种方法生成的知识图谱冗余度较大[6-7]。所以如何从各种专业的医学资料中构建知识图谱是医学知识圖谱研究的重点内容。临床指南（Clinical Guidelines）是基于循证医学的观点系统开发的多组临床指导意见，用于帮助医生和病人针对特定的临床问题做出恰当的处理，减少医疗差错，避免资源浪费[8]。

因此，基于临床指南构建用于辅助临床决策的医学知识图谱是一种值得研究的方法。本论文提出一种基于临床指南构建知识图谱技术，围绕流程性知识与陈述性知识两种临床指南知识表达方式，建立结构化本体库和知识图谱模型。该方法着重在知识源头对知识进行优化，设计并调整概念间的关系结构，对实例与实例间的联系进行细化完善，保证数据的可用性与可靠性。依据此方法，本文以美国NCCN公布的非小细胞肺癌临床诊疗指南和中华医学会公布的冠心病诊疗指南为例，构建了这两种疾病的知识图谱，并验证了其可行性，为医疗智能辅助决策提供了一种高质量构建知识图谱的方法。

1  基于临床指南的知识图谱构建

1.1  概念层（本体层）

临床指南由大量临床概念、术语及逻辑关系组成。构建基于临床指南的知识图谱，首先应从指南中抽象出其概念层次，将指南结构化。本体设计是知识表达的一种方式，相当于知识图谱的结构层次构建，突出

强调概念及概念间的关系，通过本体形成的知识库不仅层次结构较强，而且冗余度较小，是知识图谱概念层构建必不可少的环节。因此，可通过对指南进行  知识抽取，提取指南的概念层内容，进而进行本体设计。

1.1.1  概念结构表设计

文本指南中的知识主要由陈述性知识和流程性知识两大类构成[9]。流程性知识关注的是陈述性知识的推理过程及推理结果。如何从不同格式的知识中提取概念层次内容，是概念层设计的核心部分。从临床指南的角度来看，我们关注概念模型的三个内容：概念内容，概念实例，以及概念间的逻辑关系。

（1）概念内容：概念内容是对指南中属于同一类医学知识的归一化过程。

（2）概念实例：是概念内容的子集，需要通过命名实体识别技术来完成。应注意，概念实例的提取可与数据层的实体抽取同步进行。

（3）概念间的逻辑关系：描绘两个概念内容的关系，在流程性知识中通常以有向图的指向关系来表示，在陈述性知识中需要通过语句语义来确认概念间的逻辑关系。

概念层设计相当于知识图谱的架构设计，是知识图谱结构化，规范化的根基。因此，将概念内容按上下位关系，整理成疾病概念结构表，便于知识图谱构建的理解与运用，如表1所示。

1.1.2  概念关系表设计

要实现指南结构化的概念整合，更重要的一步是使这些概念层在语义上形成关联，以构成一个完整的指南结构体。确定概念层之间的关系主要通过两种手段来实现：确定同类型医学概念关系，确定不同类型医学概念关系。同类型医学概念关系的确定主要体现在实体的上下位关系。概念结构表确定了概念层的上下位关系后，这一步主要关心不同类型医学概念关系。

不同类型医学概念关系的确定以类与类之间的映射关系为核心，是对概念间逻辑关系的归纳。由于疾病的治疗普遍包含检查、评估、治疗、用药、监测等步骤，我们设计了一张以疾病知识图谱为使用对象的通用概念关系表，不同疾病知识图谱的概念关系可在此表的基础上进行设计使用，也可对特定关系进行增补。

1.2  数据层（实体和关系）

构建指南数据层的目的是从不同格式的临床指南中提取医学知识，并将医学知识转换成可被计算机处理的数据格式。知识图谱数据应用的前提是，这些数据具有规范化的数据模型和物理模型。数据模型是对数据的有效表示，是从人的角度对知识图谱的数据进行描述，包含三元组模型和图模型两种模型。物理层面的存储是从计算机的角度对数据进行存储[10]，包含关系表存储和图存储两者存储方式。数据模型和物理模型的合理化構建关系到知识图谱的有效性利用。对于数据层的构建，我们利用三元组数据模型来描述指南知识，通过知识抽取，知识存储两个内容，将指南知识有效地存储在图数据库管理系统Neo4j中。

1.2.1  知识抽取

医学临床指南中含有大量医学临床术语及指南流程，临床指南的知识抽取就是从临床指南中抽取与概念层设计相匹配的实体和关系，并将其整理成实体库和三元组关系库。知识抽取主要包括两方面内容：

（1）医学实体抽取：从指南中识别命名实体，并将其分类到定义的类别。

（2）医学关系抽取：从指南中识别并抽取实体和实体之间的关系。关系必须是三元组形式，即实体-关系-实体。整理出的多元关系如图所示。

在实体抽取和关系抽取时，亦可针对不同实体类设定相关属性。例如药品类别含有药品名称，药品英文名称，药品类别等属性。

1.2.2  知识存储

明确了所有实体以及实体的关系后，需要设计数据的物理模型，对知识进行存储，形成知识图谱。选择存储体系时需考虑知识可靠、可融合、可应用等问题。为表示多样化，复杂化的医学实体关系，我们选用基于Neo4j图数据库作为存储体系。Neo4j是基于Java开发的开源原生数据库，是一个兼备高性能、嵌入式、轻量级等优势的NoSQL图像数据库。基于抽取的三元组数据模型，设计导入的医学节点和关系节点，考虑到疾病临床指南所整理的数据为中等规模以及数据可实时插入的效果，采用导入Csv文件为主的方式，对数据进行存储。

2  知识图谱的应用案例

为验证上述方法的可行性，本文以非小细胞肺癌和冠心病的临床指南为例，依照本文所述方法分别建立两种疾病的知识图谱。

2.1  案例一：非小细胞肺癌知识图谱构建

近10多年来，恶性肿瘤发病人数成增长趋势。美国癌症协会（ACS）在《2020年癌症统计》上预估了2020年美国新发癌症病例数和死亡人数，统计显示，在所有癌症死亡中四分之一是由于肺癌所致，高于乳腺癌、前列腺癌和结直肠癌三者病例。基于上述知识图谱构建方法，我们构建了非小细胞肺癌临床本体以及可推理的知识图谱，从而实现非小细胞肺癌的临床辅助决策。

在当今中国的肿瘤防治领域，为实现肿瘤治疗的规范化、科学化，普遍倡导以美国国家综合癌症网络（NCCN）发布的临床实践指南为首选的循证学依据[11]。该指南以有向流程图的形式，描述了非小细胞肺癌的临床诊治过程，例如根据各个疾病分期或临床表现给出对应的评估，治疗流程，如图1所示。

2.1.1  概念层设计

首先，对图1所示的部分临床指南进行概念层提取。第一步，提取概念内容，分别为“临床表现”，“初始治疗”，“辅助治疗”和“治疗方法”四个内容。“治疗方法”在有向图中并未提示，但通过归纳可知，“手术”，“化疗”，“术前同步放化疗”均为一种“治疗方法”。第二步，提取概念实例，分别为“肺上沟瘤（T3侵犯，N0-1）”，“术前同步放化疗”，“手术”，“化疗”四个实例，此步骤要尽可能多的挖掘出临床指南中高质量的医学词汇。第三步，提取概念间的逻辑关系，分别为“临床表现的初始治疗是（某一治疗方法）”，“临床表现的辅助治疗是（某一治疗方法）”。通过对临床指南内容的整理归纳（例如由“初始治疗”，“辅助治疗”，“后续治疗”挖掘出上级概念层“治疗时期”），整理出非小细胞肺癌本体的三级概念结构，如表4所示。

其次，进行概念关系层设计，基于提取的概念间的逻辑关系，可将语义关系表设计如下表5所示。

2.1.2  数据层设计

数据层设计主要是从临床指南中挖掘出具有高质量的医学实体（概念实例）和关系，并将其整理成三元组的格式，存储在Neo4j数据库中。实体关系必须以概念层设计的关系表为框架，实现实体与实体之间的关系连接。

如图2所示，该部分指南表示的意思为“临床评估为IA期（周围型 T1abc，N0）分期的病人，需先进行治疗前评估，评估方法有肺功能检查，支气管镜，纵隔淋巴结病理学评估，FDG PET/CT扫描”，故提取实体“IA期（周围型T1abc，N0）”为临床分期，“肺功能检查”，“支气管镜”，“纵隔淋巴结病理学评估”和“FDG PET/CT扫描”为评估方法，概念内容“临床分期”与“评估方法”的关系为“has_assessment”（有…评估方法），生成表6所示的三元组关系表。

2.1.3  临床实例验证

非小细胞肺癌知识图谱可应用于临床辅助决策，实现搜索与推荐功能。随着图数据规模的日益增大，大图上的子图搜索问题变得极为重要[12]。我们可以通过不同的方法来实现搜索功能，例如基于规则的子图匹配，基于节点与结构相似度的子图匹配等[13]。本文通过规则匹配的方法，实现了非小细胞肺癌系统的后台操作代码。

效果如下：当用户点击“II期（T2b，N0）”临床分期和搜索条件“治疗方法”时，系统会根据非小细胞肺癌知识图谱接收搜索条件内容，通过规则匹配，最后将其转换为Cypher语句以在Neo4j中查询答案。结果如图5所示。

非小细胞肺癌知识图谱的应用也可体现在病人的诊中和诊后的环节，为医生提供诊断辅助决策。例如，基于病人主诉，医生评估病人的疾病分期为“A期（周围型T1abc，N0）”，临床决策支持系统可查询知识图谱，知识图谱会针对该疾病分期给出不同的评估方法，治疗方法与监测方法，如图6所示。

2.2  案例二：冠心病知识图谱构建

冠状动脉粥样硬化性心脏病是冠状动脉血管发生动脉粥样硬化病变而引起血管腔狭窄或阻塞，造成心肌缺血、缺氧或坏死而导致的心脏病，常常被称为“冠心病”。冠心病在美国和许多发达国家排在死亡原因的第一位。参照本文对流程性知识的构建方法，以《临床诊疗指南·心血管分册（2017年修订版）》冠心病临床指南[14]为基础，对临床指南陈述性知识进行分析，

2.2.1  概念层设计

医学知识关系错综复杂并且医学知识抽取的精确度要求高，为保证本体构建的正确性，参考医学主题词表（MeSH），对冠心病领域内的基本概念和概念之间的相互关系进行分析，通过这些关系和概念完成本体的构建。在理解MeSH词表和临床诊疗指南的基础上，将冠心病知识本体分为患者病历、疾病类型、检测方法、检测结果、治疗方法、危险因素6大类，知识层级结构如图7所示。

在《临床诊疗指南·心血管分册（2017年修订）》的基础上，结合MeSH主题词表，对构建冠心病临床指南中概念与概念之间的关系进行详细的分析，整理出冠心病本体三级概念结构。具体概念结构如下表7所示。

参考非小细胞肺癌关系层设计方法，对相似的部分进行整合和复用，保证两类疾病构建知识图谱结构上的统一性。确定冠心病同类型医学概念实体的上下位关系，并根据指南内容，以类与类之间的映射关系为核心提取不同类型的医学概念关系，以此整理出8种冠心病临床指南实体与实体之间的关系，分别为has_class_of、has_treatment、has_assessment、has_detection、assess_result、belong_to、refer_to。冠心病临床指南的概念关系图下表8所示。

2.2.2  数据层构建

通过知识抽取，对冠心病概念层和关系层进行详细设计，构建冠心病本体，明确了实体及实体关系后，将关系数据和实体数据以三元组的形式导入到Neo4j图形数据库中，具体知识存储方法参考非小细胞肺癌的知识图谱构建知识存储部分的详细说明，冠心病知识图谱共包含133个医学实体，137条实体间关系，可为冠心病临床医学决策提供参考。图8为冠心病临床指南知识图谱可视化展示。

2.2.3  临床应用实例

冠心病知识图谱的构建为冠心病临床决策提供了便捷的查询方式。例如，医学中药品种类繁多，难以准确记忆，在脱离临床指南的情况下，如何在临床上帮助医生了解稳定型心绞痛患者进行药物治疗时应当使用何種药物。我们借助Cypher语言在冠心病知识图谱中查询这一信息，输入查询语句“match data=（na：疾病类型{name：'稳定型心绞痛'}）-[r1]->（nb：相关信息）-[r2]->（nc：治疗方法）-[r3]->（nd：药物治疗） return data”对药品信息进行查询，查询结果如图9所示。从查询结果可看出对稳定型心绞痛患者进行药物治疗时，通常可采用硝酸酯类药物、抗凝药物等。药品信息通过冠心病知识图谱被及时获取，减轻了医生记忆海量医学知识和错综复杂医学关系的难度，在临床医学决策上起到至关重要的作用。

3  讨论

基于临床指南的知识图谱构建方法是一种专注单一疾病，追求高质量医学知识表达的图谱构建方法，可以根据患者症状以及指标数据，为专业领域的医生提供诊前、诊中、诊后的辅助性临床决策方案。但此种方法仍有不足之处，首先，此种方法虽然可以保证录入知识图谱的数据质量，但是需要由知识工程师和临床医生共同对临床指南进行整理与归纳，需要消耗一定的人力和时间。其次，文本指南中存在确定性知识和不确定性知识两种类型，对不确定知识的取舍与分割亦是该方法的难点之一，较好的办法是引入多种知识表达方式，增强知识图谱的语义表达能力。综上，本文所提出的方法只适用于专业领域的医学知识图谱构建，对于通用医学知识图谱的构建还需要依靠大数据技术来获取实体，或是由多个专业领域图谱融合来完成。

4  总结

本文提出了一种基于临床指南的知识图谱搭建方法，并针对陈述性知识和流程性知识两种文本指南进行知识图谱搭建，实现了非小细胞肺癌和冠心病两种疾病的知识图谱。疾病知识图谱的构建为医学临床决策中查找和整合医学知识，进而进行临床辅助决策奠定了基础。下一步工作将基于知识图谱开发智能临床辅助决策系统，实现知识图谱的语义搜索与智能问答，帮助临床医生提高临床决策的效率和质量。

参考文献

[1]杨美洁， 熊相超. 基于爬虫技术和电子病历的糖尿病知识图谱的构建[J]. 中国数字医学， 2020， 2（2）： 6-8.

[2]廖浚斌， 周欣， 何小海， 等. 面向涉恐领域的知识图谱构建方法[J]. 信息技术与网络安全， 2019， 38（9）： 34-38.

[3]康准， 王德军. 基于知识图谱的生物学科知识问答系统[J]. 软件， 2018， 39（2）： 07-11.

[4]王宁. 基于Web的领域知识图谱构建平台的研究与实现[D]. 北京市： 北京邮电大学， 2019.

[5]Xin-Hong Jia， Wen-Ai song， Wei-Yan li， etc. Semi-automatic Construction Method Of Chronic Obstructive Pulmonary Disease Knowledge Graph[R]. Wisconsin， United States： IEEE 43rd Annual Computer Software and Applications Conference， 2019.

[6]崔洁， 陈德华， 乐嘉锦. 基于EMR的乳腺肿瘤知识图谱构建研究[J]. 计算机应用与软件， 2017， 34（12）： 122-126.

[7]孙郑煜， 鄂海红， 宋美娜， 等. 基于大数据技术的医学知识图谱构建方法[J]. 软件， 2020， 41（1）： 13-17.

[8]曹红霞， 梁万年. 循证临床指南的开发程序[J]. 中国全科医学， 2003， 6（4）： 342-344.

[9]吴彬飞. 临床指南知识表达与应用方法研究[D]. 浙江大学. 2010.

[10]肖仰化等. 知识图谱： 概念与技术[M]. 北京： 电子工业出版社， 2020. 1： [286].

[11]王书航， 王洁. 2018年V3版NCCN非小细胞肺癌指南更新要点解读[J]. 华西医学， 2018， 33（4）： 388-392.

[12]胡一然， 宋中山， 孙翀， 等. NVSA： 一种具有可变节点值的查询图搜索算法[J]. 软件， 2018， 39（3）： 16-21.

[13]张玲玉， 尹鸿峰. 基于OAN的知识图谱查询研究[J]. 软件， 2018， 39（1）： 54-59.

[14]中华医学会. 临床诊疗指南. 心血管分册[M]. 人民卫生出版社， 2017.