2020年10月31日，健康醫療大數據與人工智能前沿論壇在廣州遠洋賓館召開。會議邀請了國內、外的健康醫療信息頂尖專家學者、優秀同行、業內同仁們前來參會，現場高朋滿座，干貨滿滿。

       針對會議主題，我司區域醫療技術總監胡耀國在會上分享了基于知識圖譜的廣東省基層醫療常見病和地方病的輔助診療及應用方案。

我司胡耀國總監作精彩演講

       錯過了現場演講的小伙伴別急，現在來回顧一下今天的精彩內容。

項目背景

當今大多數醫療還是高度依賴于醫、護人員的道德依從、技能和經驗；

偏遠地區社區衛生工作者對有效地理解和掌握先進的醫療知識依然存在難度，因而當地的患者較難獲得準確的診斷和治療以及及時正確的轉診指示；

基層醫生專業知識的薄弱、理解更新知識能力的欠缺，醫療質量無法保障。

項目目標

面向基層衛生機構的基于知識圖譜的常見病智能輔助診療平臺

建設目標

■往醫學領域中，注入更多的嚴格基于數據驅動的方法和技術，建立多源醫學知識圖譜自動構建平臺和運用基于大數據醫學知識圖譜的推理或決策支持工具，開發面向基層衛生機構的基于知識圖譜的常見病智能輔助診療平臺應用。

■為衛生行政部門構建分級診療制度，理順雙向轉診流程，調配醫療資源提供數據支撐。

■利用大數據信息技術和知識圖譜的技術為基層衛生機構的醫療質量控制、規范診療行為、評估合理用藥等問題提供技術支撐。

項目內容

難點問題

?地方病知識庫； 

?語料稀疏醫學數據實體抽取與關系抽取困難；

?大規模圖譜推理的“維數災難”問題； 

?如何挖掘并利用圖譜的潛藏信息?

關鍵技術

?基于對抗網絡的數據填補； 

?詞典與數據雙驅動的醫療實體抽取與鏈接方法； 

?基于統計機器學習的關系抽取與知識圖譜構建；

?高效挖掘知識圖譜中的隱含和深層信息； 

?基于計算智能的圖聚類方法；

?知識圖譜的補全與歧義消除；

創新點

?利用對抗網絡填補稀疏的地方病知識庫； 

?采用數據驅動與機器學習的方法，構建知識圖譜；

?利用圖聚類對知識圖譜推理過程進行有效降維； 

?采用計算智能方法挖掘潛藏信息，以優化知識圖譜。