近日，CCF YOCSEF深圳在深圳市哈爾濱工業(yè)大學(xué)（深圳）信息樓（L棟）舉辦了為期一天的深度技術(shù)論壇，主題為“醫(yī)療知識圖譜的未來發(fā)展方向”。知識圖譜領(lǐng)域經(jīng)過十幾年的發(fā)展，雖然有不錯的成果和應(yīng)用，但具體到醫(yī)藥領(lǐng)域，應(yīng)用落地過程中實(shí)際問題直接解決率不高，可替代人工場景有限，那么未來醫(yī)療知識圖譜這條路到底應(yīng)該怎么走？需要重點(diǎn)關(guān)注和擴(kuò)展哪些能力？近年來，各種大規(guī)模預(yù)訓(xùn)練語言模型不斷推出，例如去年11月份ChatGPT的驚艷亮相，再到今年3月份GPT4.0和文心一言的相繼問世，在醫(yī)療領(lǐng)域未有報道有大規(guī)模知識圖譜支撐的情況下，它們表現(xiàn)出了“強(qiáng)大”的能力和“尚未見頂”的潛力，那么醫(yī)療知識圖譜是否還有存在的必要？如果仍必不可少，醫(yī)療知識圖譜又怎么和這些大規(guī)模預(yù)訓(xùn)練模型進(jìn)行有機(jī)結(jié)合，以取得突破？這些問題都值得我們深入思考和討論。

本次論壇邀請了武漢科技大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院顧進(jìn)廣教授、武漢大學(xué)第二臨床醫(yī)院靳英輝副教授、華東師范大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院王曉玲教授、平安科技倪淵副總工程師、哈爾濱工業(yè)大學(xué)（深圳）陳清才教授、重慶醫(yī)科大學(xué)附屬兒童醫(yī)院趙耀研究員、訊飛醫(yī)療科技股份有限公司高級產(chǎn)品經(jīng)理程美、浙江大學(xué)黃正行教授、西南交通大學(xué)騰飛副教授、百度高級研發(fā)工程師王春宇、百度大健康事業(yè)群組產(chǎn)品經(jīng)理章超奇、重慶大學(xué)王洪星副教授、重慶中科云叢科技有限公司高級算法工程師吳天舒、鵬城實(shí)驗(yàn)室人工智能中心相洋助理研究員、中山大學(xué)附屬第八醫(yī)院病案管理科楊芬主任、騰訊天衍實(shí)驗(yàn)室張子恒高級研究員、重慶醫(yī)科大學(xué)趙耀研究員、復(fù)旦大學(xué)鐘凡副研究員、南京柯基數(shù)據(jù)CEO吳剛、深圳市眼科醫(yī)院信息科張榮奎主任、湯臣倍健AI營養(yǎng)研究中心產(chǎn)品經(jīng)理龐偉航、深圳市眼科醫(yī)院應(yīng)急辦主任質(zhì)控科曾超高副科長、鵬城實(shí)驗(yàn)室李睿副研究員、浙江數(shù)字醫(yī)療衛(wèi)生技術(shù)研究院數(shù)字醫(yī)學(xué)知識中心知識圖譜負(fù)責(zé)人胡冉、南方醫(yī)科大學(xué)衛(wèi)生管理學(xué)院毛燕娜助理研究員等20余位國內(nèi)知名學(xué)者參與深度思辨討論，YOCSEF深圳的張偉鵬、劉洋、漆舒漢等參加了論壇，CCF YOCSEF深圳現(xiàn)任主席、哈爾濱工業(yè)大學(xué)（深圳）湯步洲特聘研究員/副教授和CCF YOCSEF深圳副主席、鵬城實(shí)驗(yàn)室張彤助理研究員擔(dān)任本次論壇執(zhí)行主席。論壇采用“總-分-總”模式，進(jìn)行為期一天的閉門深度研討。

論壇伊始，執(zhí)行主席湯步洲介紹了論壇的舉辦背景及嘉賓信息，并對來自全國各地嘉賓的到來表示感謝和歡迎。湯步洲首先回顧了從上世紀(jì)70年代的專家系統(tǒng)出現(xiàn)知識庫概念開始到2012年谷歌正式提出知識圖譜概念之間知識圖譜的發(fā)展歷程，比較了不同行業(yè)領(lǐng)域知識圖譜的使用情況。發(fā)現(xiàn)了一個特別的現(xiàn)象，在知識密集程度非常高的醫(yī)療領(lǐng)域，知識圖譜利用率卻很低，啟發(fā)大家思考為什么會出現(xiàn)這樣的情況？隨后介紹了ChatGPT的三個核心步驟：（1）在大規(guī)模預(yù)訓(xùn)練語言模型上的有監(jiān)督微調(diào)；（2）訓(xùn)練獎勵模型；（3）近端策略優(yōu)化。在這一背景下，他提出一系列問題引起大家思考：醫(yī)療知識圖譜這條路到底應(yīng)該怎么走？我們是不是不需要做醫(yī)療知識圖譜這個研究了？或者說，如果我們要做，要往哪邊做？如果要做的話，醫(yī)療知識圖譜怎樣和類ChatGPT類模型進(jìn)行結(jié)合，如何能更好地去結(jié)合在一起？尤其是現(xiàn)有醫(yī)療知識圖譜和將來的醫(yī)療知識圖譜如何融入到三個核心步驟中？背景介紹完畢后，向與會嘉賓發(fā)放了關(guān)于醫(yī)療知識圖譜未來發(fā)展方向的問卷調(diào)查，從目前醫(yī)療知識圖譜在哪些落地場景比較好還是不理想？ChatGPT在醫(yī)療領(lǐng)域基礎(chǔ)任務(wù)上效果是好還是壞？ChatGPT在醫(yī)療領(lǐng)域落地不理想的場景是因?yàn)槟男┗A(chǔ)任務(wù)上表現(xiàn)不理想導(dǎo)致的？這幾個方面開展，問卷結(jié)果作為本次論壇思辨的初始參考資料。

本次深度閉門技術(shù)論壇分為三個階段。第一階段：3月26日上午9:20-10:20，在主會場進(jìn)行引導(dǎo)發(fā)言和破冰環(huán)節(jié)；第二階段：3月26日上午10:30-12:30，下午14:00-17:30，所有嘉賓分為2個小組由執(zhí)行主席湯步洲和張彤分別在兩個分會場主持分組思辨討論；第三階段：3月26日下午17:30-18:30，在主會場進(jìn)行匯報總結(jié)、全體思辨討論以及論壇總結(jié)。

湯步洲主持論壇

張彤主持論壇

第一階段，引導(dǎo)發(fā)言和預(yù)熱環(huán)節(jié)

本次論壇邀請了4位引導(dǎo)發(fā)言嘉賓，分別為武漢科技大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院顧進(jìn)廣教授、武漢大學(xué)第二臨床醫(yī)院靳英輝副教授、華東師范大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院王曉玲教授、平安科技倪淵副總工程師。

首先，顧進(jìn)廣教授以“大規(guī)模醫(yī)療知識圖譜構(gòu)建面臨的挑戰(zhàn)”為題，從可循證的知識圖譜構(gòu)建、醫(yī)療多模態(tài)知識圖譜的構(gòu)建、構(gòu)建大規(guī)模知識圖譜所需的協(xié)作制度和對醫(yī)療知識圖譜的質(zhì)量評估四個方面展開介紹了構(gòu)建大規(guī)模醫(yī)療知識圖譜可能面臨的挑戰(zhàn)。具體描述如下：

1. 所謂可循證的知識圖譜就是要對描述診療過程的知識能給出可溯源的循證證據(jù)和等級，為知識圖譜的利用提供循證解釋，這就需要構(gòu)建循證知識表達(dá)體系；
2. 醫(yī)療天然就是多模態(tài)場景，多模態(tài)數(shù)據(jù)的對齊問題、背景信號和噪聲問題都給多模態(tài)知識圖譜構(gòu)建帶來諸多挑戰(zhàn)；
3. 大規(guī)模知識圖譜構(gòu)建未來可能會依賴“眾包“的方式，復(fù)雜多樣性環(huán)境下的自動化眾包模板構(gòu)建流程設(shè)計，眾包任務(wù)的發(fā)布形式和潛在承包人的能力評估，醫(yī)療數(shù)據(jù)共享的安全性保障，便捷、交互友好的標(biāo)注系統(tǒng)UI設(shè)計都是需要重點(diǎn)考慮的問題；
4. 醫(yī)療知識圖譜質(zhì)量評估體系的建設(shè)是保證醫(yī)療知識圖譜構(gòu)建過程良性增長的法寶，需要專門設(shè)計多樣化評估維度對醫(yī)療知識圖譜創(chuàng)建、使用和維護(hù)三個階段分別進(jìn)行針對性評估。創(chuàng)建階段可能需要重點(diǎn)關(guān)注知識表示描述能力、知識可信度、冗余性等；使用階段則可能需要重點(diǎn)關(guān)注知識的準(zhǔn)確性、可訪問性和易用性等；維護(hù)階段則可能需要重點(diǎn)關(guān)注資源和知識的動態(tài)更新能力。

顧進(jìn)廣教授做引導(dǎo)發(fā)言

其次，靳英輝副教授以“醫(yī)療知識圖譜使用過程中遇到的問題與困境”為題，介紹了其團(tuán)隊(duì)在醫(yī)學(xué)知識圖譜構(gòu)建方面的相關(guān)研究及取得的標(biāo)志性成果，以及醫(yī)學(xué)知識圖譜構(gòu)建在宏觀方面和實(shí)踐操作方面存在的問題與困境。靳英輝從醫(yī)學(xué)知識圖譜構(gòu)建宏觀和實(shí)踐操作兩方面對知識圖譜在使用過程中遇到的問題與困境做了詳細(xì)闡述。

1. 從宏觀上看，當(dāng)前醫(yī)學(xué)知識圖譜構(gòu)建存在數(shù)據(jù)來源廣泛、缺乏統(tǒng)一標(biāo)準(zhǔn)和整合方法、數(shù)據(jù)質(zhì)量和可信度參差不齊、數(shù)據(jù)隱私和安全保障不明確等方面的問題，給醫(yī)療知識圖譜構(gòu)建帶來了很大的阻礙，也直接影響知識圖譜的落地應(yīng)用；
2. 從實(shí)踐操作看，醫(yī)療知識圖譜構(gòu)建需要結(jié)合自然語言處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、知識庫和數(shù)據(jù)庫等技術(shù)，對于醫(yī)學(xué)專業(yè)的人員難度較大；醫(yī)療知識圖譜使用是與臨床決策支持系統(tǒng)是否能深度融合是決定醫(yī)學(xué)知識圖譜是否有用和好用的金標(biāo)準(zhǔn)之一；此外，僅構(gòu)建大規(guī)模的指南知識圖譜，就需要大量的醫(yī)學(xué)專業(yè)人員進(jìn)行標(biāo)注，非常耗時耗力。

靳英輝副教授做引導(dǎo)發(fā)言

隨后，王曉玲教授以“臨床醫(yī)療決策樹—標(biāo)注和自動抽取”為題，闡述了診療決策樹（Medical Decision Tree, MDT）抽取面臨的技術(shù)挑戰(zhàn)，并介紹了其團(tuán)隊(duì)所構(gòu)建的TextMDT數(shù)據(jù)集，以及基于此數(shù)據(jù)集開發(fā)的面向癲癇診療的輔助系統(tǒng)。王曉玲認(rèn)為，結(jié)構(gòu)化醫(yī)療知識可分為醫(yī)學(xué)知識圖譜（即三元組）和診療決策規(guī)則，可用MDT來描述。以往的MDT構(gòu)建依賴于專家手工標(biāo)注，嚴(yán)重阻礙了大型CDSS的構(gòu)建、維護(hù)和發(fā)展。能否利用信息抽取技術(shù)實(shí)現(xiàn)診療決策規(guī)則的自動抽??？她介紹到，MDT抽取面臨著以下挑戰(zhàn)：

1. MDT在應(yīng)用場景、節(jié)點(diǎn)信息粒度、樹形結(jié)構(gòu)語義上與目前的樹狀結(jié)構(gòu)（數(shù)學(xué)表達(dá)式、依存句法樹）有較大差異；
2. 缺乏面向醫(yī)療文本的決策規(guī)則抽取的基準(zhǔn)和技術(shù)，傳統(tǒng)的醫(yī)療信息抽取無法滿足決策規(guī)則抽取，如無法表示關(guān)系和實(shí)體之間的邏輯關(guān)系。

基于以上考慮，王曉玲團(tuán)隊(duì)面向臨床指南，對MDT定義、構(gòu)建過程、統(tǒng)計結(jié)果、質(zhì)量評估和評估方法進(jìn)行了探索，構(gòu)建了TextMDT數(shù)據(jù)集，基于該數(shù)據(jù)集，在中國健康信息處理大會CHIP 2022上組織了關(guān)于MDT自動抽取的公開評測，吸引了衛(wèi)寧健康、科大訊飛、北京醫(yī)鳴等業(yè)界/學(xué)術(shù)界隊(duì)伍的參與。目前，該數(shù)據(jù)集被納入天池CBLUE基準(zhǔn)數(shù)據(jù)集中。利用自然語言處理技術(shù)（Natural Language Processing）技術(shù)自動抽取MDT，并將MDT應(yīng)用到面向癲癇診療的輔助系統(tǒng)中，驗(yàn)證了MDT的有效性和MDT自動抽取的可行性。

王曉玲教授做引導(dǎo)發(fā)言

最后，倪淵博士以“ChatGPT在醫(yī)療領(lǐng)域的若干能力測試”為題，介紹了哈爾濱工業(yè)大學(xué)（深圳）聯(lián)合、平安醫(yī)療科技、百度、騰訊、科大訊飛和南京柯基數(shù)據(jù)對ChatGPT在醫(yī)療領(lǐng)域的若干能力進(jìn)行測試的結(jié)果。從病歷解讀、健康咨詢、分診導(dǎo)診、醫(yī)學(xué)診斷、治療方案推薦、醫(yī)生助手（考試、科研、文獻(xiàn)摘要等）、醫(yī)療信息抽取等方面進(jìn)行了若干示例測試。這些結(jié)果里面可以看出，ChatGPT在大部分測試任務(wù)上表現(xiàn)出較好的性能，交互方式擬人化程度高，但是結(jié)果并不穩(wěn)定，另外在邏輯推理方面還是存在不少問題。在對醫(yī)療知識要求精度高的場景需要謹(jǐn)慎直接使用。

倪淵博士做引導(dǎo)發(fā)言

引導(dǎo)嘉賓發(fā)言結(jié)束后，進(jìn)入了破冰環(huán)節(jié)，所有與會專家依次發(fā)言，發(fā)言前做簡要自我介紹。從之前下發(fā)的問卷結(jié)果看，大家對“醫(yī)療知識圖譜在哪些落地場景比較好還是不理想？ChatGPT在醫(yī)療領(lǐng)域基礎(chǔ)任務(wù)上效果是好還是壞？ChatGPT在醫(yī)療領(lǐng)域落地不理想的場景是因?yàn)槟男┗A(chǔ)任務(wù)上表現(xiàn)不理想導(dǎo)致的？”等問題的答案存在較大分歧，從側(cè)面反映出領(lǐng)域?qū)＜覀儗︶t(yī)療知識圖譜的認(rèn)知和期望明顯不一致。根據(jù)問卷的結(jié)果，與會嘉賓重點(diǎn)圍繞“目前醫(yī)療知識圖譜落地比較好的場景有哪些？落地不太理想的場景有哪些？ChatGPT在醫(yī)療領(lǐng)域效果不好的部分主要原因是什么？知識圖譜是否可以補(bǔ)位？”等話題，嘉賓們從各個不同的方面展開了深入探討，現(xiàn)場討論十分激烈。

第二階段，分組思辨討論

破冰環(huán)節(jié)結(jié)束后，執(zhí)行主席介紹本次論壇的議題以及分組情況。本次論壇擬定的議題包括“醫(yī)療知識圖譜急需擴(kuò)展哪些能力？”、“醫(yī)療知識圖譜與類ChatGPT模型如何有機(jī)結(jié)合？”等。隨后，兩位組長帶領(lǐng)本組嘉賓、本地AC委員以及博士生志愿者進(jìn)入各自分會場，開展全方位、多角度的深度思辨和討論，會場氣氛熱烈，情緒高漲，各組嘉賓積極表達(dá)各自觀點(diǎn)，碰撞思維，取得了一些頗具創(chuàng)新的思路和技術(shù)方案。

分組討論結(jié)束之后，所有嘉賓回到主會場。按照分組順序，由各組組長針對下午的小組思辨成果進(jìn)行10分鐘的匯報與展示，然后全體嘉賓一起針對下午的議題進(jìn)行全體思辨和討論，整個過程會場氣氛熱烈。

第三階段，分組報告 & 全體思辨

論壇最后，執(zhí)行主席湯步洲和張彤對本次論壇進(jìn)行總結(jié)，首先對與會嘉賓的到來和支持再一次表示感謝，也對為期一天的思辨的成果給予肯定。本次論壇首先從多個維度剖析了醫(yī)療知識圖譜的發(fā)展現(xiàn)狀和面臨的挑戰(zhàn)，并分析了ChatGPT等大規(guī)模預(yù)訓(xùn)練模型在不同醫(yī)療場景下的應(yīng)用表現(xiàn)；基于此，論壇深入探討了醫(yī)療知識圖譜在能力上還需要擴(kuò)展的能力，以及如何與類ChatGPT模型的有機(jī)結(jié)合；最后，論壇進(jìn)一步研討了醫(yī)療知識圖譜的未來發(fā)展方向。

經(jīng)分組報告和全體思辨，對本次深度技術(shù)論壇的兩個關(guān)鍵思辨問題“醫(yī)療知識圖譜急需擴(kuò)展哪些能力？”和“醫(yī)療知識圖譜與類ChatGPT模型如何有機(jī)結(jié)合？”進(jìn)行了總結(jié)凝練，初步達(dá)成了以下共識：

(1).醫(yī)療知識圖譜急需擴(kuò)展哪些能力？

以三元組為核心的知識圖譜在推理能力方面嚴(yán)重不足，大大影響了知識圖譜在醫(yī)療領(lǐng)域的落地，目前僅在查詢、問答、基層電子病歷質(zhì)控等簡單場景應(yīng)用較好，在與臨床決策相關(guān)的應(yīng)用方面表現(xiàn)不佳。需要引起關(guān)注的方面包括以下幾點(diǎn)：

a.不同部門（衛(wèi)健委、醫(yī)保局等）發(fā)布的臨床診斷名稱和疾病分類等標(biāo)準(zhǔn)存在很大差別，急需建立這些標(biāo)準(zhǔn)之間的權(quán)威和被普遍采用的映射關(guān)系；

b.在三元組的基礎(chǔ)上加入包含MDT，需要高效的決策樹抽取方法，尤其是面向單病種的可靠臨床實(shí)踐指南的決策樹自動抽取方法；

c.包含MDT的輔助決策系統(tǒng)在一些場景下能體現(xiàn)出很好的效果，需要大規(guī)模推廣和持續(xù)驗(yàn)證；

d.利用高質(zhì)量真實(shí)世界數(shù)據(jù)和醫(yī)學(xué)文獻(xiàn)分析為單病種臨床實(shí)踐指南指定提供不同等級的循證證據(jù)，反饋到醫(yī)療知識圖譜；

e.根據(jù)高質(zhì)量真實(shí)世界數(shù)據(jù)提供的證據(jù)推進(jìn)復(fù)雜場景下的醫(yī)療知識圖譜的融合，如多個單病種知識圖譜融合成共病知識圖譜等；

f.在包含決策樹的醫(yī)療知識圖譜做臨床輔助決策時，需要考慮真實(shí)場景下的臨床診療路徑與多個單病種知識圖譜的對齊；

g.醫(yī)療多模態(tài)知識圖譜首先需要將不同模態(tài)之間的數(shù)據(jù)與文本對應(yīng)的圖譜建立聯(lián)系，如醫(yī)學(xué)影像可以定義影像相關(guān)的臨床發(fā)現(xiàn)，通過臨床發(fā)現(xiàn)之間的三元組關(guān)系和決策樹實(shí)現(xiàn)臨床輔助決策；

h.為增加醫(yī)學(xué)知識圖譜的使用范圍，需要考慮醫(yī)院管理等相關(guān)場景。

(2).醫(yī)療知識圖譜與類ChatGPT模型如何有機(jī)結(jié)合？

a.在醫(yī)療領(lǐng)域，ChatGPT能力的評估是比較主觀片面的，急需組織對類ChatGPT模型能力的系統(tǒng)定量評估；

b.知識圖譜對ChatGPT的基座大模型和三個步驟均能產(chǎn)生有益補(bǔ)充；

c.知識圖譜與大規(guī)模預(yù)訓(xùn)練語言模型已經(jīng)有了較好的結(jié)合方式，如鵬城-百度文心等；

d.有監(jiān)督微調(diào)存在遺忘和沖突問題，如何定位和解決是需要重點(diǎn)關(guān)注的方向；

e.直觀上看，決策樹能很好用于COT。一種可能的方式是：直接將決策樹轉(zhuǎn)化成COT，利用對比學(xué)習(xí)訓(xùn)練獎勵模型；另一種方式可能的方式是：COT背后有一個對應(yīng)的決策樹作為隱式支撐，也可以用決策樹來衡量COT獲得的獎勵；

f.COT到一定規(guī)模后，是否能達(dá)到一個能力瓶頸有待考證，也是需要重點(diǎn)關(guān)注的。

討論環(huán)節(jié)

本次論壇將作為一個起點(diǎn)，啟發(fā)人工智能、知識圖譜、大規(guī)模預(yù)訓(xùn)練模型、醫(yī)療等領(lǐng)域的相關(guān)學(xué)者對醫(yī)療知識圖譜發(fā)展路徑的深度思考，也期待后續(xù)持續(xù)舉辦醫(yī)療知識圖譜的系列論壇，希望計算機(jī)各領(lǐng)域的專家學(xué)者通過CCF YOCSEF這個平臺發(fā)表真知灼見，共同為我國計算機(jī)領(lǐng)域的發(fā)展貢獻(xiàn)力量。

本次論壇由中國計算機(jī)學(xué)會(CCF)主辦，CCF YOCSEF 深圳承辦，并得到了寶德科技集團(tuán)股份有限公司、北京超級云計算中心、北京天融信網(wǎng)絡(luò)安全技術(shù)有限公司（深圳）、英特爾（中國）有限公司等的大力支持，感謝參與籌備的YOCSEF深圳全體AC委員與候任AC委員。

與會嘉賓現(xiàn)場合影

雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。