“知识图谱” (Knowledge Graph)是谷歌在2012年提出的一个技术概念，它是语义搜索的一个应用，能够将搜索结果进行知识系统化，任何一个的输入都能导出完整的知识体系。除了能为用户进行搜索、推荐等具服务外，知识图谱在垂直领域的应用也在不断延生和拓展。

病历结构化

其中，来自北京的创业团队康夫子正通过构建医疗知识图谱，打造精准的人机对话模型，并推出

借助AI打造机器人医生，增加医疗资源供给

“主要是让计算机在阅读海量的医疗文献和电子病历数据后，自动学习诊断逻辑，并进行推理计算”，康夫子创始人&CEO张超告诉猎云网(微信：ilieyun)，自然语言理解是知识图谱依托的重要技术之一，此外，知识图谱的构建还离不开庞大的数据支撑，而医学作为一门知识驱动类的学科，“如果能多维度收集足够丰富、可靠的数据，就能在辅助决策层面发挥应用的价值”。

病历结构化方面，由于不同医院的数据编码各异、写法也千差万别，因此，康夫子需要利用NLP技术，深度挖掘和分析医疗文本的信息，将非结构化文本形式的病历数据变成可用于统计、查询和分析的结构化数据，以便机器可以准确完整地“读懂”病历。

当前，其病历结构化模块已经在国内20多家大三甲医院中全院级别使用。

临床决策支持系统(Clinical Decision Sopport System,简称 CDSS)这部分，主要是实现智能辅助临床决策，能够缓解基层医生资源不足的问题。临床对辅助诊断的要求相对比较高，因此对于结论的可推测性要求非常严格。康夫子这套基于机器学习、人工智能和NLP的系统，通过对海量病历进行深度挖掘和学习，将经验丰富的专家经验提炼成AI模型算法。

在线体验智能诊断功能(附部分导诊步骤)

例如，当医生填写完病历分析患者的病情后，系统会弹出提醒，给出推荐的治疗方案和建议，以降低医疗风险，避免基层全科医生由于经验缺乏而可能造成的误诊、漏诊的情况。

全科机器人医生则主要承担分诊导诊服务。患者在医院大厅挂号时，只需在系统中填入姓名、年龄等信息，并输入相应症状，“医生”就能通过模拟医生询问患者病情，获取患者病情信息，并基于医疗知识图谱，给出疑似疾病、推荐就诊科室。

“我们希望能够为患者提供比较精准的回复和决策，比如咳嗽三天和咳嗽三个月，患者没有办法去判断具体病情的差异”，张超表示，“全科机器人医生不仅能解决患者不知道挂哪个科室、盲目就医的问题，减轻导诊台人工服务的压力，提高服务效率，还有效地利用了‘候诊’的时间，节省医生写病历的时间，提高诊疗效率”。

文章投诉热线:156 0057 2229 投诉邮箱:29132 36@qq.com