[发明专利]一种临床诊断辅助决策系统和医学知识图谱积累方式

说明书

本发明公开了一种临床诊断辅助决策系统和医学知识图谱积累方式，包括第一知识提取和第二知识提取、数据标准化和第一标准词库、逻辑命题公式转换、逻辑推理及验证、关键字或问题转换、第三标准词库，本发明涉及一种临床诊断辅助决策系统和医学知识图谱积累方式，本发明所采用的临床医学知识图谱是从一个非常可靠的初始小知识数据集，在临床问诊和辅诊的过程中以离线和在线方式逐步增长积累起来的，其每一个新知识数据的追加都是在机器逻辑推理证明或人类专家认可的基础上进行的，以此，来解决可靠数据的来源问题和增长积累问题，这个可靠的核心知识数据库是整个系统的根本，以此来辅助知识数据的互通一致性。

技术领域

本发明属于临床诊断和医学知识图谱积技术领域，具体为一种临床诊断辅助决策系统和医学知识图谱积累方式。

背景技术

在临床医学诊断辅助系统的历史中，前期大多以专家系统的方式实现，当代的主要实现方式是以机器学习和数据挖掘技术处理大量病历的方式实现和以医学知识图谱推理为基础的实现，这些方法的缺点如下：

1、专家系统的建立是依靠一组总结的规则，一个专家系统强于另一个的主要因素，就是这些规则的完备性、正确性、和表达能力，尽管规则可以被机器校验，但规则的扩充往往无法机器完成，在实践中，专家系统的弱点表现为规则不足、规则涵盖的范围不够、规则扩充困难、和外部知识源交互困难等，虽然专家系统可以进行逻辑推理，但经常表现为答非所问。

2、当代机器学习和数据挖掘技术利用大数据可以很好地从数据中提取规律，在很多场合达到超越人类的表现，然而，在医学临床应用中，数据存在不可靠性和不完整性，因此导致统计学中的辛普森悖论现象，和机器学习与数据挖掘中常出现的不平衡数据现象，例如，很多辅助诊断系统依靠电子病历数据，从病历数据中寻找症状和疾病之间的关系，然而，门诊中或者治好的病例往往在病历记录中没有体现，或者病人转科室转院造成病历记录不完善，或者并发症造成病历记录混杂，等等，这些实际医疗服务中的问题造成实际有效病历的数量及其稀少，尽管病历总数貌似庞大，而且，电子病历在历史上就是非结构化的，单纯依靠自然语言处理技术处理很难达到完全的准确，即使今年结构化电子病历成为主流，但因为医学诊断的复杂性，其结构化往往不彻底，因此，数据依赖是该方向的无法提供可靠辅助诊断的根源。

依靠专业医学知识图谱进行推理可以给出一些专业性高的结果，但由于现存医学知识图谱的不完善性，其结果往往和专家系统的结果类似，并且，当代知识图谱推理采用的经常是机器学习技术，在一定范围内保证某个比例的准确，但无法保证诊断的可靠性。

通过以上方法和技术手段建立的智能问诊系统在问诊的效率和结论准确度上难以平衡，为保证准确性，不得不问诊很多问题，但后台的数据未必能支持大量有效问题；如果收敛问诊过程，准确性会显著降低，况且，上述方法由于数据的限制，所能支撑的准确性上限本身就不高。

总结以上存在方法，数据的不完善、不正确，知识图谱的不完善，规则的扩展性限制导致可靠的高效的临床医学辅助诊断系统不能快速、准确、可解释地提供智能诊断服务。

发明内容：

本发明的目的就在于为了解决上述问题而提供一种临床诊断辅助决策系统和医学知识图谱积累方式，解决了现有的临床诊断辅助决策系统和医学知识图谱积累方式存在方法，数据的不完善、不正确，知识图谱的不完善的问题。

为了解决上述问题，本发明提供了一种技术方案：

一种临床诊断辅助决策系统，包括知识提取、核心知识库、关键字或问题转换、逻辑推理器、逻辑表达式转换器、数据标准化及同义词库生成和标准词库。

作为优选，所述知识提取包括第一知识提取、第二知识提取和第三知识提取，所述第一知识提取与第二知识提取和第三知识提取的知识提取目的不同，所述第一知识提取的目的是从第一核心知识库中提取和任何从初始主述以及启发式问诊输入关键字相关的数据及其关系，所述第一知识提取是简单地仅提取相关知识，而所述第二知识提取和第三知识提取的目的是遍历所有核心知识库中的知识。