众巢医学上线“AI疾病知识图谱”对知识图谱的发展有何意义？

　　2012年，谷歌首次提出了“知识图谱”概念，具体指支持从语义角度组织网络数据，从而提供智能搜素服务的知识库，能够进一步查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。经过多年发展，“知识图谱”的作用已不仅限于综合搜索，而是在AI、机械、教育、医疗等多个细分领域中被深入应用。

　　据2017年搜狗公司相关人员透露，搜索引擎上每天有1亿次医疗搜索请求，虽然网上搜所获取医学知识更加方便高效，但存在网络医疗大数据信息混杂且难辨真假；海量信息中优质的医学科普知识容易被分散，搜索引擎难以检索到有效的、全面的信息；医学专业术语大多未经过特殊语言处理；智能检索匹配不精准等问题存在。

　　事实上，仅在搜索技术层面构建成熟的知识图谱工具已有相当难度，早期“知识图谱”的设计初衷是为了优化搜索引擎的反馈结果，增强用户搜索质量与体验，其功能核心是语义分析，例如我们查询“秋裤大厦”，搜索反馈结果显示的是“东方之门”的相关信息，而非仅仅以“秋裤”或“大厦”为关键词查找搜索结果。对此，早在2006年已有相关文献提出语义网（Semantic Network）的概念，呼吁推广、完善使用本体模型来形式化表达数据中的隐含语义。当知识图谱与医学结合，在疾病领域中应用时，其开发难度进一步提升，由于国内医护工作者、医学生等在学习过程中启用的医学教材版本不一，相关文献类型庞杂，导致医生在使用知识图谱时缺乏语义规范，同一诊断与治疗方案，不同医生的录入存在较大差异，同时搜索结果的数据呈现也需要大量结构化和规范化工作，结果匹配需要系统进行大量学习、迭代和调试工作。

　　近期，众巢医学旗下的互联网医学教育平台“医学慕课（MDMOOC）”上线“AI疾病知识图谱”，官方将其定位为“一个关于疾病的科学家，一个智能问题解答系统”，具体作用是“利用科学的逻辑和可视化的形式，为用户提供“全景式”的答案”。从实测结果来看，医学慕课上线的”AI疾病知识图谱”作为1.0版本产物已具备一定的语义分析、内容支持能力和搜索准确度，并支持语音交互和场景互动，通过笔者间隔约一周时间的测试，前期”AI疾病知识图谱”的更新较为频繁，搜索结果展现变化较大，AI在自我迭代中对于疾病领域中的关联知识点，交叉学科信息匹配的精准度方面有明显提高。在信息来源上，“AI疾病知识图谱”内容多数来自医学领域权威发布的指南、说明书、临床研究、参考文献书籍、机构数据记忆医学领域中的专家言论和共识等，能够基本满足医生查找疾病或诊疗信息，以及帮助其进行患者教育的需求。另一方面，医学慕课提供的”AI疾病知识图谱”内容丰富度有待提升，依托于小程序的展现和UI设计也略显粗糙，在用户追问和深入互动上仍需大量开发建设工作。

　　目前，在互联网医疗领域中，自主研发或联合推出“疾病知识图谱”类产品的企业多为搜狗，平安好医生等龙头企业，其各自特点和产品优势也不尽相同，如搜狗推出的疾病知识图谱侧重于线上问诊、疾病判断和为患者推荐提供医疗建议；平安好医生推出的疾病知识图谱则侧重于服务医生，帮助医生提高问诊效率，降低误诊、漏诊的概率，改善患者远程就医的体验。无论是龙头还是其他新锐企业，目前业内对于“疾病知识图谱”的开发多停留在概念或早期版本上，从多数企业角度而言“疾病知识图谱”并不是主推的功能产品，开发优先级靠后，如需精细打磨需要专业的医学内容及教育团队进行配合开发。而医学慕课自身作为运营多年的互联网医学教育平台，在医学内容方面有天然优势，据医学慕课相关负责人介绍，疾病知识图谱涵盖广泛疾病种类超过10000万个字段，2000个知识点，100余个医学逻辑关系，未来还将持续进行知识维护、更新和扩充。同时，随着近年来公司与其他合作伙伴在互联网，AI等方面的技术合作越发深入，积累了较为丰富技术经验，在推理、数据挖掘、用户画像分析、智能感知和认知技术层面有所突破，“AI疾病知识图谱”产品的打造也是对公司技术能力的一个整合与检验。

　　众巢医学开发的“AI疾病知识图谱”在医学领域能够为医生群体能够提供丰富的医学信息，权威报告资料及学术文献进行参考，同时作为一项整合了各类前沿互联网及AI技术的之智能产品，它的诞生也为互联网医疗企业们带来了启示，即企业应当如何挖掘需求，整合技术资源进行造物的思考。