-
讓品牌有溫度、有情感
專注品牌策劃15年
-
當前位置：首頁 > 創(chuàng)意學院 > 景觀設計 > 專題列表 > 正文
圖譜技術是什么
發(fā)布時間：2023-04-13 10:50:09
稿源：
創(chuàng)意嶺 閱讀：
97
大家好！今天讓小編來大家介紹下關于圖譜技術是什么的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。
創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè)，服務客戶遍布全球各地，相關業(yè)務請撥打電話：175-8598-2043，或添加微信：1454722008
文章目錄列表:
一、構建腫瘤知識圖譜體系，CSCO AI要突破腫瘤的全治療周期
我國高質量醫(yī)療資源缺乏且分布不均。這對于每年400多萬新增的腫瘤患者而言，意味著大量的患者很難獲得適合他們的醫(yī)療服務。醫(yī)療資源分布不均，即使在一線城市也要面臨醫(yī)療機構難以提供持續(xù)性的、高標準醫(yī)療服務的問題——如何解決診療資源的緊缺，以及如何實現全國范圍內盡可能多的診療規(guī)范化的擴展覆蓋？這些都是在診療領域亟待解決的問題。
技術的發(fā)展為我們提供了解決這一痛點的契機。隨著人工智能的不斷成熟，行業(yè)正 探索 通過人工智能技術讓機器實現可復制化的服務，讓機器實現對每一個患者服務的標準化，且將服務成本降到足夠低的規(guī)模化的服務能力。這個共性問題正在逐漸得到解決。
CSCO AI就是這樣一個解決方案。它是由中國臨床腫瘤學會（CSCO）攜手國家高新技術企業(yè)浙江海心智惠 科技 有限公司（以下簡稱“海心智惠”）聯合開發(fā)，結合CSCO臨床診療指南、專家臨床實踐經驗、腫瘤知識圖譜、高等級臨床證據、不良反應管理體系等多維度專業(yè)領域知識，協助臨床醫(yī)生制定更規(guī)范、更精準的治療方案。目前，海心智惠已成功建成國內領先的腫瘤智能服務新平臺，為患者提供包含診療、康復的全病程一站式管理服務。這其中，海心智惠構建出的領先行業(yè)的知識圖譜能力是一切的基石所在。
知識圖譜是Google在2012年提出來的一個知識網絡體系概念，簡單地說就是將散落的信息通過語義關系連接起來，轉化成可視化的知識網絡。知識圖譜技術可以對醫(yī)療數據進行統一建模、組織和管理，不僅能夠有效地描述、挖掘醫(yī)療知識間的關系，而且也為更高層次的醫(yī)學應用比如輔助臨床診療決策、醫(yī)療問答等提供了強有力支撐。
有了知識圖譜這樣一種知識表現方式，該如何去利用它，就成了擺在海心智惠面前的一道選擇題。即便是聚焦到醫(yī)學領域，去建一個通用醫(yī)學知識圖譜，也只能是把一些疾病的知識、定義梳理整合。“通用醫(yī)學知識圖譜在臨床應會有很大的局限性，它只適合去做一些簡單的科普、導診以及初步判斷，如果要深入到疾病和臨床診斷過程，甚至整個疾病的管理、跟蹤、隨訪的細節(jié)里面去，便會遇到各種各樣的問題：每種疾病自身的差異和整個臨床治療相關的知識體系延展開來，相互關聯又相互影響，使得通用型知識圖譜體系在藥物選擇、后期康復等方面都會遇到困難”，海心智惠創(chuàng)始人李穎赟這樣說道。
因此，海心智惠選擇用“做深做細”的方式結合人工智能去構建一個腫瘤治療全病程服務體系的知識圖譜，它要將所有和腫瘤相關的知識清晰定義出來，這無疑是知識圖譜最完美的應用方向。
“我們在前期花了幾年時間把腫瘤從確診開始到腫瘤進入治療，再到病人全程管理的知識定義出來，這才把一個比較全面的腫瘤知識圖譜建立起來。之所以選擇腫瘤這個領域，在于這個疾病的特征是其整個診療體系相對其他疾病來講更加復雜，持續(xù)治療過程時間跨度更長，知識圖譜在腫瘤治療領域能最大程度發(fā)揮其作用”，對于為什么選擇將知識圖譜應用于腫瘤賽道，李穎赟這樣解釋。
第二個原因則是腫瘤的診斷和治療的知識每年都在不斷更新。隨著 科技 的發(fā)展，某些疾病已經被完全研究透徹，十年前跟十年后的治療策略并沒有本質差異。相比之下，人類仍然未能完全了解腫瘤的發(fā)病原理和機制，其治療是一個日新月異的發(fā)展過程。放眼全球來看，醫(yī)療機構對于腫瘤治療的規(guī)范性程度并不算高。醫(yī)務人員面臨非常大的挑戰(zhàn)——如何能緊跟國內外的學術前沿發(fā)展，并能精準的掌握最新的臨床研究進展和治療方式的擴展，準確地掌握最新的藥物和治療方式，并且運用在最適合的患者身上？“如果一個城市30年都沒有修過新路，那么在這個城市中生活的人其實是不需要地圖和導航的——因為什么都沒有變。但是，如果這個城市飛速發(fā)展，‘三年小變樣，五年大變樣’，那即便是從小就在這個城市中生活的人在出行時或許也需要導航來指引”，李穎赟用一個簡單的例子來說明腫瘤治療的日新月異。
抗腫瘤全身治療手段在近十年來已經發(fā)生了翻天覆地的變化。十年前可能會以化療為主，但今天，臨床已經有了更多的選擇：靶向藥治療、免疫治療、再到最新的CAR-T細胞治療等，不勝枚舉。這也說明了國內一直在努力嘗試建立起更加現代化、規(guī)范化的診療服務體系，能夠讓腫瘤患者得到最恰當、最規(guī)范、最標準和最合適的治療。
輔助決策系統就是幫助醫(yī)生實規(guī)范化治療的最佳工具。CSCO AI的智能輔助決策系統在患者通過APP上傳各類醫(yī)療診斷資料后，AI自動生成診療建議報告并提交至高級別專家審核反饋，AI模型又能根據專家審核結果持續(xù)得到閉環(huán)訓練。在這一套運作系統的背后是海心智惠凝聚專家實力打造的腫瘤領域知識圖譜與神經支持決策算法的結合。
透過知識圖譜全面的知識體系，海心智惠通過CSCO AI除了在智能輔助診療方面實現治療規(guī)范化和均質化外，還實現了院外患者全程管理，從而多方共贏——醫(yī)院提高治療總生存率，患者提高生存時間、生存質量和治療依從性，制藥企業(yè)也通過數據賦能和數字化平臺結合，提高了對患者的支持能力，實現精準診療，精準康復支持。同時，基于全病程管理的臨床新藥服務體系為患者精準匹配臨床研究，提供給患者一個更多的選擇可能性。
以精準病情為依托，建立面向患者全治療周期的內容服務能力，從用藥心智建立、正向經驗激勵、關鍵節(jié)點的強效服務等多維度手段實現高價值的社群平臺。這些都是海心智惠服務的特色。
知識圖譜是輔助診療決策的基礎，高質量的數據和專業(yè)的知識體系又是知識圖譜的基石，因此如何搭建數據層和知識體系，就成了知識圖譜質量高低的關鍵。
CSCO AI的知識圖譜并不是憑空創(chuàng)造的，而是把目前臨床專家們正在運用的知識進行有效的計算機結構化沉淀以便于再次運用。這個過程中最重要的就是辨別什么是影響臨床決策的知識依據。只有先把這個知識定義清楚之后，才能針對這些知識設計對應的模型。
腫瘤治療是一種循證醫(yī)學，必須有充足的證據支撐才能夠影響臨床決策行為。然而，腫瘤種類繁多且特異性強——每種腫瘤至少具有3000個臨床治療決策的高等級臨床證據。將這些證據結合，才能基本將腫瘤相關的診療體系和知識體系構建起來?！笆裁礃拥娜巳?、特征、分子分型、基因位點、在什么情況下接受什么樣治療，能夠獲得更好的療效，這是第一層面基礎”，李穎赟說道。
在建立第一層面基礎后，接下來就需要考慮臨床治療方案與患者體質的契合度，比如，患者身體是否能夠承受，其基礎疾病和既有并發(fā)癥是否會對治療選擇產生影響。這是第二層面表現，即臨床運用中擴大的知識體系。
在這個過程中，海心智惠CSCO AI是以病情的整個治療知識為核心構建單個腫瘤最底層的核心知識體系，然后在臨床應用中進一步擴展知識體系的建設。這樣既能保證有核心證據的專業(yè)度，又能顯現臨床運用過程中醫(yī)療的專業(yè)度。
鮮為人知的是，“溝通”是知識圖譜搭建過程中的最大難點。知識圖譜想要從大數據里邊提煉知識和關系，需要有不同專業(yè)的人員協調配合。因此，將知識圖譜技術運用在特定的業(yè)務領域里其實就是一種跨界行為。其難點在于到底由誰來把跨界的知識融合在一起，這是第一個難點。這意味著，腫瘤知識圖譜的構建者需要掌握工程算法并了解腫瘤的所有術語定義及基礎醫(yī)學知識。“如何把知識圖譜這項技術運用到一個新的業(yè)務領域里去，會有一個天然的障礙，叫知識壁壘。掌握知識圖譜技術的人是理工科系的，掌握醫(yī)學知識的則是醫(yī)學系的，兩者都有各自的思維定式，很難進行專業(yè)的學科對話”李穎赟對此表示。
第二道壁壘則是對于專業(yè)知識的理解和梳理。李穎赟認為，只有對知識進行體系化的梳理后才能進行知識圖譜的初步搭建。之后，在這個圖譜之上進行業(yè)務建模；在業(yè)務應用時又有新的專業(yè)的臨床知識輸入。計算機如何去運用這些新知識，如何將新知識放在一個具體的患者案例身上進行有效地推理和決策則是第三道壁壘。
因此，醫(yī)療知識圖譜的搭建最大的難點在于跨學科融合，融合的難點則在于整個過程對兩個學科的要求都比較高。這也正是海心智惠的優(yōu)勢所在——其為中國臨床腫瘤學會CSCO的人工智能戰(zhàn)略合作伙伴。在學會的推動和幫助下，國內的頭部腫瘤專家們基于對于 社會 責任的高度認知，花了大量時間和精力幫助海心智惠的技術人員理解臨床路徑并厘清體系脈絡。CSCO AI是第一個基于中國的診療指南和診療實踐開發(fā)出的智能輔助決策產品，是從中國的國情出發(fā)的具有中國特色基礎的，也因此更契合中國的診療應用場景。CSCO AI才能在全國數十個省份數百家醫(yī)院落地，數萬名患者因此獲益。
不僅如此，CSCO AI在多場景的應用也能實現其更高的臨床價值。比如上下級醫(yī)院的互聯互通——患者通過APP線上咨詢，醫(yī)生通過使用CSCO AI作為上下級醫(yī)院的聯動的工具，帶動不同層級醫(yī)院的規(guī)范化診療。
CSCO AI也可以是科研工具，通過真實病例開展臨床研究，從多個角度 探索 智能決策系統對患者治療和臨床應用的幫助。此外，CSCO AI提供的治療方案建議遵循循證醫(yī)學，可以作為科室、醫(yī)院、醫(yī)聯體、政府等規(guī)范化治療的質量控制工具，提高區(qū)域規(guī)范化治療的綜合水平。教學醫(yī)院還可以將CSCO AI作為住院醫(yī)生的病例分析學習和考核工具。作為腫瘤患者的治療決策參考及管理工具，CSCO AI也可以同時在MDT討論、醫(yī)生學習、查房、病例討論等多場景結合應用，從而提升整體臨床效果。
海心智惠的腫瘤知識圖譜的底層雖然很復雜，但在易用性上卻有很好的表現。對于患者來說，只需要按照平臺給予的提示步驟進行操作即可，完全沒有上手難度。對于醫(yī)生來說，海心智惠這套人工智能驅動的全病程管理系統在患者長期治療管理過程中，實現了系統跟蹤能力、監(jiān)測能力、隨訪能力和數據管理能力，最終達到在醫(yī)生、護士和患者之間的效率平衡。
這套依托于知識圖譜的個案管理服務的另一亮點在于引入個案管理師角色，在醫(yī)生和患者之間搭起溝通橋梁。個案管理師既能協助科室完成日常患者管理工作，又能跟蹤督促患者完成治療及康復等相關事項，還能監(jiān)測并協助醫(yī)生介入院外不良事件的處理。有了個案管理師的跟進，對患者的診療管理也從院內延伸到了院外，將診療行為連續(xù)化。
對此李穎赟認為：“腫瘤診療這個領域未來一定會進入到一個以患者服務為中心的時代。通過人工智能的幫助，多方角色高效率協同幫助患者完成整個治療管理服務。當然，這個體系目前沒辦法一蹴而就，還需要在實際使用中不斷進化?！?/p>
雖然構建了底層如此復雜的知識圖譜，但對于知識圖譜以及輔助診療系統的能力邊界，海心智惠是有清醒認知的。目前，無論是在病理、醫(yī)學影像、診療等領域基于AI技術進行的模型構建、定量分析、特征關聯、決策建議、療效預測等方面的嘗試，都只是幫助醫(yī)生提高診療效率、準確率以及預測療效的能力，賦能醫(yī)療行為，并不會干涉到醫(yī)生的判斷決策權。
技術之于醫(yī)療，需要常懷敬畏之心。
二、知識圖譜屬于機器看世界的技術嗎
根據相關信息了解得知，知識圖譜屬于機器看世界的技術。
三、知識圖譜技術能對企業(yè)或科研院所能起到什么作用
僅供參考 知識圖種知識（既包括顯性、編碼知識包括隱性知識）導航系統并顯示同知識存儲間重要態(tài)聯系知識管理系統輸模塊輸內容包括知識源整合知識內容知識流知識匯聚作用協助組織機構發(fā)掘其智力資產價值所權位置使用；使組織機構內各種專家技能轉化顯性知識并進內化組織知識資源；鑒定并排除知識流限制素；發(fā)揮機構現知識資產杠桿作用 知識圖譜稱科知識圖譜通應用數、圖形、信息視化技術、信息科等科理論與與計量引文析、共現析等結合并利用視化圖譜形象展示科核結構、發(fā)展歷史、前沿領域及整體知識架構達科融合目現中國論科研究提供切實、價值參考 知識圖譜(Mapping Knowledge Domain）稱科知識圖譜圖書情報界稱知識域視化或知識領域映射圖顯示知識發(fā)展進程與結構關系系列各種同圖形用視化技術描述知識資源及其載體挖掘、析、構建、繪制顯示知識及間相互聯系 具體說知識圖譜通應用數、圖形、信息視化技術、信息科等科理論與與計量引文析、共現析等結合并利用視化圖譜形象展示科核結構、發(fā)展歷史、前沿領域及整體知識架構達科融合目現中國論復雜知識領域通數據挖掘、信息處理、知識計量圖形繪制顯示揭示知識領域態(tài)發(fā)展規(guī)律科研究提供切實、價值參考迄今止其實際應用發(fā)達家已經逐步拓展并取較效我仍屬研究起步階段
四、基礎知識-知識圖譜
知識圖譜的構建形式：
自頂向下：先為知識圖譜定義好本體與數據模式，再將實體加入到知識庫。
自底向上（常用） ：從一些開放鏈接數據中提取出實體，選擇其中置信度較高的加入到知識庫，再構建頂層的本體模式。
（1）語義信息抽?。? （2）多元數據集成與驗證（知識融合）； （3）知識圖譜補全
知識庫分類：
開放鏈接知識庫：Freebase、Wikidata、DBpedia、YAGO。包含大量半結構化、非結構化數據。
垂直行業(yè)知識庫（特定領域）：IMDB（影視）、MusicBrainz（音樂）、ConceptNet（概念）等。
基于規(guī)則與詞典的方法（為目標實體編寫模板，然后進行匹配）：編寫大量規(guī)則或模板，覆蓋領域有限，難以適應新需求
基于統計機器學習的方法（機器學習，訓練模型，識別實體）：監(jiān)督學習算法受訓練集限制，準確率和召回率不夠理想
（ 召回率：真陽性 / 真陽性 + 假陽性；準確率：真陽性 + 真陰性 / 真陽性 + 假陽性 + 真陰性 + 假陰性 ）
面向開放域的抽取方法（面向海量的Web語料）：通過少量實體實例建立特征模型，再通過它應用于新的數據集，給新實體做分類與聚類。（迭代擴展）
早期：人工構造語義規(guī)則以及模板的方式；
實體間的關系模型代替了早期的人工構造；
面向開放域的信息抽取框架（OIE）：對隱含關系抽取性能低下。
（ 隱含關系抽取：基于馬爾科夫邏輯網、基于本體推理的深層隱含關系抽取方法 ）
可以將實體屬性的抽取問題轉換為關系抽取問題
分布式表示 目的在于用 一個綜合的向量來表示實體對象的語義信息 ，這種形式在知識圖譜的計算、 補全 、推理等方面起到重要的作用：
1、語義相似度計算：實體間的語義關聯程度，為自然語言處理（NLP）等提供了極大的便利
2、
消除異構數據中實體沖突、指向不明等不一致性問題。
（1）待對齊數據分區(qū)索引；
（2）利用相似度函數或相似性算法查找匹配實例；
（3）對齊算法（成對實體對齊、全局（局部）集合實體對齊）進行實例融合。
經過實體對齊后得到一系列的基本事實表達，然后事實并不等于知識，它只是知識的基本單位。
本體相當于知識庫的模具，使其具有較強的層次結構和較小的冗余程度。
可分為人工構建和數據驅動自動構建。
數據驅動的本體自動構建：
①縱向概念間的并列關系計算：計算兩個實體間并列關系的相似度，辨析他們在語義層面是否屬于同一個概念。
②實體上下位關系抽取。
③本體生成：對各層次得到的概念進行聚類，并為每一類的實體指定1個或多個公共上位詞。
通常是與實體對齊任務一起進行：對知識可信度進行量化，保留置信度較高的，舍棄置信度較低的。
主要包括模式層的更新與數據層的更新。
一階謂詞邏輯、描述邏輯以及規(guī)則等
（1）一階謂詞邏輯：以命題為基本，命題包含個體（實體）和謂詞（屬性或關系）。
（2）基于描述邏輯的規(guī)則推理：在（1）的基礎上發(fā)展而來，目的是在知識表示能力與推理復雜度之間追求一種平衡。
（3）通過本體的概念層次推理。
一些算法主要是 利用了關系路徑 中的蘊涵信息：
通過圖中兩個實體間的多步路徑來預測它們之間的語義關系，即從源節(jié)點開始，在圖上根據路徑建模算法進行游走，如果能夠到達目標節(jié)點，則推測源節(jié)點和目標節(jié)點間存在聯系。
（ 關系路徑的建模研究仍處于初期階段，需要進一步探索完成 ）
參考文獻：
[1]徐增林,盛泳潘,賀麗榮,王雅芳.知識圖譜技術綜述[J].電子科技大學學報,2016,45(04):589-606.
以上就是小編對于圖譜技術是什么問題和相關問題的解答了，如有疑問，可撥打網站上的電話，或添加微信。
推薦閱讀：
贛公網安備 50019002502384號
