注意力机制下的名老中医诊疗经验知识发现与问答模型构建方法研究

Inheriting and propagating the academic thinking of the prominent TCM doctors and accelerating the cultivation of celebrated doctors in the present age has become the urgent need for the development of TCM. This study focuses on the externalization of tacit knowledge in prominent TCM doctors, apply attention mechanism and reinforcement learning to research the diagnosis and treatment model of them..This study based on quantitative semantic relationship and accurate knowledge representation, achieving knowledge fusion with the existing Chinese medicine literature, medical case and principle-method-recipe-medicines knowledge base, and then combined with work of the 'Chinese medicine master' studio, where first-hand information of diagnosis and treatment from the prominent TCM doctors are adopted and an interactive question and answer application is proceeding for advance research..Research on key technology of medical intelligent answer service, and put forward: 1,oriented attention mechanism medical diagnosis knowledge discovery model of intelligent question answering service, 2,text similarity calculation model of intelligent question answering service, 3,realize the scene interactive method for solving complex problems of clinical question answering and expert decision fusion and other aspects of innovation. This method includes Chinese medicine language attention model and graph based attention model; problem representation model based on the semantic template and problem target feature, semantic equivalent template Association; matching algorithm based on problem target and equivalent semantic template Association..This research will provide support for the study, comparison of the prominent TCM doctors in the research of modern refractory diseases and promote the transformation and utilization of the prominent TCM doctors' experience.

传承名老中医的学术思想，加速培养当代名医，已经成为中医事业发展的迫切需要。本研究着眼于名老中医的隐性知识显性化，将注意力机制融入到名医诊疗模式探索。研究基于客观量化语义关系和精准知识表示，融合已有中医药古今文献、名医验案、理法方药知识库知识，结合“国医大师”名医工作室为载体的名老中医第一手诊疗信息与知识问答互动应用纵深展开。研究围绕名医智能问答服务关键技术，提出1、面向智能问答服务的名医诊疗知识发现的注意力模型，2、面向智能问答服务的文本相似度计算模型，3、实现智能问答和专家辅助决策融合的情景交互式临床复杂问题求解方法等方面的创新。其中包括：中医药语言注意力模型、图注意力模型；包括基于语义模板和问题目标特征的问题表示模型、语义等价模板关联、基于问题目标特征匹配和等价语义模板关联的相似度计算方法等。研究成果将为围绕难治病开展名医诊疗模式学习、比较、研究及促进名医经验转化和利用提供支撑。

传承创新发展中医药是新时代中国特色社会主义事业的重要内容，是中华民族伟大复兴的大事。本项目围绕名老中医经验总结、传承及创新，与名老中医传承工作室密切合作，开展基于注意力机制的名医诊疗知识发现和问答模型构建研究。在基于客观量化语义关系和精准知识表示的名医诊疗知识发现方面开展：1)名医诊疗多模态数据采集和规范化处理研究，研发中医多源异构数据医学概念实体、数量表达式及事件抽取识别和规范化方法技术，2)中医理法方药知识表示学习研究，研发中医药本体语义框架下的中医药知识图谱表示学习框架，3）名医个体临证经验、中西医结合临床指南规范、古今医学循证知识融合验证研究；在围绕名医智能问答服务关键技术方面开展：1)面向智能问答服务的名医诊疗知识发现的注意力模型，2)面向智能问答服务的文本相似度计算模型，3)智能问答和专家辅助决策融合的情景交互式临床复杂问题求解方法等研究。.本项目提出了基于注意力机制的中医知识图谱表示学习框架，实现医学诊疗数据概念实体抽取和规范化、问答语料库、知识库规范化构建、临床知识图谱构建与表示学习、医学视觉问答等一系列新方法新技术；形成中医药知识图谱的构建、中医药知识图谱的核心症证关系构建方法、核心方的分析发现等中医诊疗知识发现以及结合临床知识图谱与多模态信息融合的中医辅助决策方法及系统；申请发明专利6项，授权4项；发表相关论文17篇，其中SCI 10篇，EI3篇，中文核心4篇。在实践方面，在中医药大数据智能处理与知识服务系统中建设了含200多位全国名老中医近10万份验案知识库，400多万条问答对的医学社区问答库，研发了中医四诊多模态信息问卷采集与辅助决策系统、智能中医知识图谱构建与问答服务系统。系统在近20个包括国医大师、全国名老中医、省名中医的名医工作室传承、学习、研究和推广等方面初步得到应用。本项目将名医诊疗实践个体和群体智慧发掘转化为通过大数据智能处理、个性化知识图谱定性定量分析挖掘、模型验证及增值服务应用的可复现可持续的科学过程，为名医传承创新提供了参考和技术支撑。