[发明专利]一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统

说明书

本发明公开了一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统，本发明设计和构建了非结构化数据提取、映射和校准工具，从电子病历、医学文献、临床指南等多源异构医学知识源中提取与疾病诊疗相关的因果性知识，构建包含病史、症状、体征、实验室检查结果、用药、人口统计学信息等关键诊断信息的含因果性医学知识图谱，并在构建过程中设计相应的知识提取规则，减少含因果性医学知识图谱的噪声，提高疾病鉴别诊断模型的准确度和运行效率。本发明基于含因果性医学知识图谱，提取患者所有的个性化诊断数据，并充分利用患者数据中的阴性检查结果和阴性症状等阴性数据，利用疾病鉴别诊断模型开展显式推理，给出具有明确诊断依据的推理结果。

技术领域

本发明属于医疗健康信息技术领域，尤其涉及一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统。

背景技术

疾病鉴别诊断是疾病诊疗过程中的重要一环，临床医生通过问诊，基于现有的医学知识和诊疗经验，根据患者当前的病史、实验室检查、体征等信息综合分析推理，给出患者疑似疾病的列表。但由于患者疾病情况复杂，变化多端，许多患者身患多种疾病，且部分疾病发病率低，医生缺乏相应的诊疗经验，在现实高强度工作条件下，容易发生漏诊和误诊的现象。以慢性肾病为例，据统计慢性肾病在实际患病人群中的知晓率仅为12.5%。

当前减少医生诊疗错误发生的常用方法是引入决策支持系统。基于决策支持系统强大的知识库和推理算法，可以帮助医生减少知识盲区，提醒医生患者患某些罕见疾病的可能性。常见的技术方案包括获取和推理两个模块，获取模块主要获取患者诊断所需的症状、实验室检查结果等特征，推理模块则是根据获取的特征信息，基于知识库中症状与疾病的关系等内容，基于规则推理、机器学习等算法得出患者疑似疾病列表。

现有技术方案存在如下缺陷：

1.基于电子病历构建的知识图谱大多只利用了EHR数据和简单的关系，没有构建疾病更深层次的关系，例如疾病与诊疗手段、疾病与药物、疾病与生活习惯等关系，同时EHR数据噪声非常大，建立起来的知识图谱质量不佳；

2.大多数疾病鉴别诊断的模型都是基于预先挑选的变量进行预测，没有充分利用患者所有的个性化数据；

3.大多数疾病鉴别诊断的算法研究只利用了阳性检查结果和阳性症状，而忽略了阴性检查结果和阴性症状的价值；

4.单纯基于图嵌入方式的知识图谱推理算法缺乏可解释性，而可解释性强的规则推理算法则过于简单，需要人为制定和更新规则，难以应对复杂多变的临床环境。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统。

本发明的目的是通过以下技术方案实现的：一种基于含因果性医学知识图谱的疾病辅助鉴别诊断系统，该系统包括：

(1)知识源模块：管理知识图谱构建所需的医学知识源，获取疾病诊断相关知识；

(2)知识提取模块：针对结构化知识，确定表征因果关系的谓语集，查询和提取疾病诊断相关的因果性三元组；针对非结构化知识，确定包含因果关系描述的文本，对所述文本进行分词后提取因果性三元组；

(3)知识映射与校准模块：基于预设的映射规则，将不同医学知识源提取的三元组进行规范编码，并对概念的一词多名称问题进行概念校准，删除重复的三元组，形成三元组集；

(4)知识图谱构建模块：基于知识映射与校准模块输出的三元组集，采用自上而下的模式依次构建含因果性医学知识图谱的顶层类、实例、属性、以及实例间的关系；

(5)疾病鉴别诊断模块，包括：数据获取单元、数据预处理单元、个性化医学知识图谱生成单元和推理单元；

所述数据获取单元：获取患者数据并进行结构化处理，提取阳性数据和阴性数据，并分别映射为含因果性医学知识图谱对应的阳性概念集和阴性概念集；