基于深度学习的脾胃病关键诊疗要素发现与临床优化决策研究

This research adopts the research method of big data + intelligent technology, based on the existing massive medical records and terminology resources, we adopt natural language processing, ontology, word vector, in-depth learning, knowledge mapping and other technical methods, taking the medical records of spleen and stomach diseases as the object, to studies how to excavate the key elements of diagnosis and treatment of spleen and stomach diseases, and how to improve the thinking level of TCM clinical syndrome differentiation. The knowledge map of spleen and stomach diseases was studied by massive medical records and clinical texts, and the representation model of spleen and stomach diseases was trained and evolved.The method of discovering and utilizing the key elements of TCM syndrome diagnosis and treatment was established by fitting and analyzing the TCM diagnostic criteria, combining with the evaluation of experts in the field and the feedback of clinical verification of difficult cases of spleen and stomach diseases.This study is consistent with the general phenomenon that medical data is soaring and medical knowledge is relatively scarce in the era of big data. Especially in the field of traditional Chinese medicine, the connotation of knowledge is rich and extensive, and the growth of clinicians is slow. Therefore, the problems to be solved in this study are of universal significance for the development of TCM clinical informatization.

本研究拟采用大数据+智能技术研究方法，在已有的海量医案及术语资源基础上，采用自然语言处理、本体、词向量、深度学习、知识图谱等技术方法，以脾胃病医案为对象，研究如何挖掘其蕴含的病证诊疗关键要素以及如何提高中医临证辨治思维水平问题，利用海量医案及临床文本学习脾胃病知识图谱，不断训练演化脾胃病证表征模型（“病-证-症-方-药-效”的空间向量模型），并以中医诊疗规范拟合分析，同时结合领域专家评价、脾胃病疑难病例临证验证反馈，建立中医病证诊疗关键要素的发现与利用方法。本研究切合大数据时代医疗数据猛增而医学知识相对匮乏这一普遍现象，尤其是在中医药领域，知识内涵丰富且外延广泛，临床医生成长缓慢，因此本研究需解决的问题，对于中医临床信息化发展具有普遍性意义。

本项目采用大数据+智能技术研究方法，首先通过人工标注和机器标注相结合的方法，对中医药文本进行概念实体标注、语义关系标注和内容标注，从而生成语料库，并基于语料库进行机器学习算法测试和模型训练，在此基础上自动构成知识图谱。其次，通过数据增强抽取脾胃病知识图谱子图，融合脾胃病文献大数据平台文献中的四诊抽取信息，建立符合中医诊疗特色的病、证、症、方、药、效的脾胃病诊疗图谱，共形成数据链接30余万。再次，在以构建的脾胃病为中心的知识图谱基础上，设计、研发了基于知识图谱路径查询的脾胃病中成药推荐系统，包括自动构建、推荐、问答、语料库等内容。然后，在基于语言模型、概率模型建立的疾病、证候诊疗模型基础上，增加了中医知识图谱图结构信息，建立了语义、概率、知识相融合的图神经网络预测算法，该模型可通过图傅立叶变换，聚合节点语义、结构信息，将诊疗模型建模为链路预测问题，构建脾胃病关键诊疗要素的预测模型。最后，基于贝叶斯概率模型，深度学习诊疗模型，基于概率的用药规则引擎，自然语言处理套件等算法组建，开发了中医科信云门诊系统，为基层中医院、医馆提供基于人工智能的辅助决策服务。本项目切合大数据时代医疗数据猛增而医学知识相对匮乏这一普遍现象，尤其是在中医药领域，知识内涵丰富且外延广泛，临床医生成长缓慢，因此本项目的研究工作和成果，对于中医临床信息化发展、辅助中医临床决策、促进中医临床研究具有普遍性意义。