中医药传承千年，在保障人民健康方面一直发挥着举足轻重的作用.中医药知识一直以传承和创新并重，有成熟的理论，形成了自己的知识体系.中医药数据类型多样，有文本、数值、图像、音频、影像、脉搏波等.随着现代社会技术发展日新月异，知识流通快、数据不断更新，中医药领域逐步积累了大量的数据，同时中医药数据的异质性、非结构性、多粒度等特点，使其存在于各种不同的信息载体，一定程度上出现了信息资源浪费的现象[1].如何从海量的中医药数据中高效地抽取出有效的、具有价值的实体关系信息值得研究者们思考[2].

知识图谱自2012年开始运用至今，是一种具备自我处理能力的信息系统，经过融合图形绘制、数据采集与信息处理等技术，将知识体系完整构建，最终完成知识的自我研究与揭示[3].知识图谱以实体概念为节点，以关系为边，能够可视化、清晰地呈现知识间各种关系，具有高效的语义处理功能，在管理知识、分析决策上是有力的工具，也成为推动人工智能发展的驱动力[4].可见，获取、分析和管理中医药知识可以利用知识图谱作为高效的知识管理工具，有效地在中医药领域挖掘并描述实体间的关系，实现中医药数据资源的整合、管理与利用[5].近年来知识图谱也在不断的关注和应用过程中得到验证，其在中医药领域存储知识、操作复杂性知识等方面极具优势.

知识图谱作为一个强大的工具，我们可以发现它与曾经的知识库有很大区别，知识库更多是知识的集合，是一种事实、规则等，而知识图谱在存储知识的同时，更侧重于隐性知识的推理和挖掘[6].知识图谱在中医药领域多元场景开展应用，直观、全面地展现中医学思维，支撑中医领域语义搜索、智能问答、决策支持等知识服务，正逐步替代知识库成为中医智能问答、智能诊断等中医智慧医疗服务的最主要知识来源[7,8].本文梳理中医药领域的知识图谱多元应用场景的研究概况，为后续研究提供参考.

1、中医古籍领域的应用

浩如瀚海的中医古籍凝聚了众多医家的证治经验，古籍作为中医药知识的一种载体，具有较高的学术价值，既往的传统方法在处理海量古籍知识时存在一定的效率问题.引入现代信息技术，可以存储并挖掘古籍中的隐性知识，构建中医古籍的知识图谱，有助于古籍的可视化、结构化，高效整合古籍知识，是中医药传承创新发展的有效路径[9,10].

长沙马王堆汉墓出土的《五十二病方》,通过人工标注抽取其中的实体、关系，利用Py2neo包导入Neo4j图形数据库，构建知识图谱进行可视化展示，进一步使用朴素贝叶斯算法实现意图分类，实现了具有逻辑推理功能的智能问答应用，进一步挖掘、分析利用《五十二病方》中的中医思维、用药规律[11].张晓晓[12]以《金匮要略》原著作为研究对象，在逻辑数据集的基础上形成了包含1 283个实体和7 710个三元组的知识图谱；发现《金匮要略》原著重视对各种症状表现的描述，长于药材配伍的应用，辨证论治的方药理论分析详细，原著也注重通过症状和体征来辨病，脉象更多是用来推断病机；在知识图谱的检索应用过程中，分别以病证、症脉、方药为切入点，各生成了相应的辨证论治链条，验证了其可用性.林睿凡等[13]通过自下而上的方法抽取《伤寒论》版本的实体和关系，构建《伤寒论》版本本体；基于版本本体将实体添加于各类概念中，获得三元组，通过Neo4j图形数据库储存本体和知识图谱，完成《伤寒论》版本知识及框架的梳理.此外，王菁薇[14]采用基于规则的方法提取《伤寒论》的信息；运用多项分布朴素贝叶斯模型训练完成问答系统关系模型，分类效果较好，可以快速获取《伤寒论》知识，有助于古籍信息化的发展.李芊芊等基于“病脉证并治”诊疗思维模式设计、构建《伤寒论》知识图谱，梳理古籍文字的逻辑关系并可视化展示，可形成病-证、方-证、方-药等关系网络，实现逻辑推理和智能问答应用[15].

李荣耀等[16]立足于中医经典从“藏”到“用”的转变，以半结构化和非结构化的《本草纲目》为数据源，抽取多模态信息，统一存储，形成多模态《本草纲目》 知识图谱，对其中的中医学、中药学知识重新构建检索思路.邹晓岚[17]借助基于规则和自定义词典的知识抽取与命名实体识别，基于Anaconda3平台，批量导入，建立温病学派古籍知识图谱；再从功能需要、用户需求等入手，使用Echarts进行可视化展示，前后端通过Ajax实现数据交互，数据库方面采用Neo4j+SQLite数据库存储信息，构建温病学派古籍知识问答系统.侯雪雍等[18]整理古籍中大头瘟的方药记载数据构建图形数据库，导入古今医案云平台分析；借助知识图谱得出不同古籍大头瘟治疗思路共识，指导临床治疗以风热毒火上攻头面为核心病机，以头面部红肿热痛，并伴有发热、身痛等全身症状的疾病，如鼠疫、组织细胞坏死性淋巴结炎、流行性腮腺炎、颜面丹毒、睑腺炎等.田赛男[19]运用信息学方法构建《傅青主女科》智能诊疗知识图谱，对《傅青主女科》相关知识进行数据管理和挖掘研究，为传承和发展中医药新理论、新经验提供参考经验，有助于实现名医经典等传承学术经验的客观化、标准化以及理论化.

2、中医诊断领域的应用

望、闻、问、切四诊信息的客观采集和智能辨证的研究是中医药领域的一个研究热点，其发展进步为四诊信息客观化、四诊信息数据处理、临床治疗智能化奠定了基础[20].以症、证、四诊望闻问切、辨证方法等为基础，构建中医诊断领域的知识图谱，进行可视化或者设计中医诊法相关系统、中医健康管理平台、中医智能问答模型等，对辅助诊断、方药推荐等推理过程给出直观解释，便于医生理解，相关的功能也为公众带来了便捷的健康服务[21,22].

谢文利等选取《中医药学名词》作为症状知识来源，构建中医症状知识库，运用描述性统计、关联规则分析等数据挖掘方法，阐述高频证型以及症状信息分布规律、症状以及症状隐性知识之间的关联关系，利用Neo4j构建中医症状知识图谱并分析病证-症状-属性之间的知识关联关系[23].此外，证候作为中医辨证的核心，强调用整体观念看待局部的问题.目前证候生物学基础研究在动物造模、疾病的证候分析等方面取得了一定成果，但受制于证候相关数据特别是证候分子关联数据的缺乏，为此构建证候相关知识图谱并进行分析，以该知识图谱为基础开展证候基因关系预测研究以及证候分子网络机制解析研究[24].

四诊方面，随着深度学习技术、自然语言处理技术、知识图谱技术、对话系统等相关技术的不断发展，钟有东等[25]提出一种基于Rasa框架的中医问答系统设计的、在Ubuntu 16.04的环境下、采用Rasa开源问答系统框架和基于Flask框架的轻量级的Web服务器，通过云端服务器的公网实现任何人都可访问的中医智能化问答系统.近年来线上问诊方式出现，人们在身体不适时可以进行疾病初步自诊，获得医疗建议.然而中医问诊与其他线上问诊不同，中医问诊过程中辩证思维尤为突出.刘茂[26]将病人问诊中获得的四诊症状作为参数，证候作为结论，以中医辩证方法作为证候的推理原则，建立逻辑表达式，设计基于知识图谱的智能问诊系统，为用户提供中医辩证诊疗服务.罗智平将语音识别技术融入知识图谱的构建，设计智能问诊系统，通过中医知识图谱减少传统问诊中医生的主观性，实现中医问诊的客观化和智能化[27].陈细亚等[28]在舌诊的知识图谱构建中，涵盖了舌象实体、属性、关系的结构化知识框架；同时开发的中医舌诊仪可以智能采集、分析和辨证论治，实现了中医舌诊的定量化、标准化和智能化.

中医辨证是中医临床立法、处方、用药的基础和前提.电子病历语料质量不高，模型训练拟合程度不高，中医四诊资料表达形式有一定差异，识别能力受到限制；所以处理过程可以将四诊资料多通道分开，利用人工构建的小规模知识图谱，增强模型训练，提出融合知识图谱的多通道中医辨证模型；结果也验证了模型对中医辨证具有显著效果[29].目前，中医辨证智能化还存在的难点在于，中医临床辨证时存在多证候相兼问题，这使得中医辨证本质上成为多标签学习任务.陈诗琪[30]提出了一种基于改进ML-Relief F和多标签深度森林(Multi-Label Deep Forest, MLDF)的中医辨证分析模型，首次将MLDF算法引入中医辨证分析任务，利用其强大的表征学习能力，在小规模医疗文本数据集的训练下得到证候预测结果；实验结果证明了使用改进ML-Relief F特征选择算法的必要性与所提出模型的可行性，提出了一套基于Neo4j的多源异构中医领域知识图谱构建流程.

3、名老中医诊治经验领域的应用

名老中医的临床经验和学术思想是一笔宝贵的财富，也是中医药传承的重要方面.总结名老中医诊治经验的方法多样，也取得了一定成果，但研究数据部分还存在质量有待提高的需求.如何客观、全面、高效地将经验、思想转化为“知识”,引入知识图谱技术，让名老中医经验可复制、可创新[31].通过整合多种数据源，构建知识图谱，推动数字化传承，使其在现代社会中得到传播和应用，为中医药的发展和传承注入新的活力[32].

王群[33]收集了144位名老中医的643例医案，建立冠心病名老中医医案数据库，在保证语义表达准确、完整的前提下，规范化处理抽取的信息，解决多词一义、错写、简写等问题；利用Python编写规则，运用正则表达式将数据进行抽取，通过函数get-triples()批量抽取三元组，导入Neo4j图形数据库，批量创建节点和关系，实现冠心病现代名老中医临床诊疗经验知识的可视化.邵想想等[34]在肺癌疾病的研究中考虑其记录分散、隐性知识多等问题，使用 RED-GNN 模型，以知识图谱为根据推断现有事实，挖掘图谱中的隐含知识，实现肺癌知识图谱的信息挖掘，达到完善肺癌诊疗知识图谱的目的.高晓苑等[35]设计深度学习和正则表达式相结合的医案文本实体抽取方法，对非结构化医案文本实体自动抽取；定义实体关系，利用HAN方法计算实体之间的相关性，形成“实体-关系-实体”三元组；利用图形数据库Neo4j进行知识存储、Gephi进行可视化展示名老中医诊治肺癌“病-症-机-药”之间的关系.杨晶尧等[36]重点突破了基于UIE模型的知识抽取、基于“证素”的知识表示和本体模型构建、基于Neo4j的知识图谱生成、基于图算法的诊疗规律发现等技术难点，利用知识图谱实现医案所载诊疗知识及其关系的直观展现，实现了对医案中中医诊疗规律的可视化呈现.刘涛等[32]构建名老中医知识图谱，设计和优化机器学习模型，构建一个集智能问诊、辨证、组方和审核功能的名老中医智慧传承工作站，提高诊疗效率，推动名老中医智慧传承.

4、中药领域的应用

在中医理论的指导下，中药在几千年来的医疗过程中，积累了丰富经验的同时也产生了海量的知识文献.随着信息技术的发展与融合，知识图谱通过可视化的图谱阐明中药配伍间的深层联系，为中药现代化研究发展提供了新的研究思路.

中草药是千百年来无数先辈智慧的结晶，整合海量中草药数据，应用知识图谱技术进行网络数据的语义链接，可以整合利用多源异构数据，解决中草药知识碎片化的问题，改变知识展示形式单一的现状.通过建立中草药数据集，构建中草药知识图谱，研发基于中草药知识图谱的智能服务平台，以一种全新的形式推动中草药的发展[37].李城名[38]采用Bi LSTMCRF模型和CNN模型分别完成实体识别和实体关系抽取任务，运用图形数据库Neo4j存储知识图谱三元组数据，构建中草药知识图谱；训练深度学习模型以提高自动问答系统的自然语言理解能力，构建出问答系统，达到普及知识、满足用户需求和辅助中医临床应用的作用.此外刘春柳[39]构建面向中医理论的常用中药材知识图谱，以常用中药材知识图谱为数据基础，设计并完成常用中药材知识图谱问答方法，为用户提供中药材知识问答.党少康[40]采用主流的命名实体识别技术BiLSTM-CRF对《中华人民共和国药典》(2020)进行命名实体识别，相关数据库关联，构建了针对中国药典中每一种药品的知识图谱，实现了药典药品与各生产企业的批准文号、规格、剂型、成分、ATC分类等相关数据的关联，填补了中国药典图谱构建研究领域的空白.刘灿[41]对《中医方剂大辞典》、《中华本草》等书籍通过数据处理手段获取药方、药材、症状等多维数据，构建知识图谱，进而提出了一种新的多任务联合学习模型SM-MKR,有效地利用知识图谱信息来辅助药方推荐任务；设计并实现多功能的药方推荐线上系统，实现具有登录注册、智能开方、数据分析、信息检索等多种功能的智能药方辅助推荐系统.

中成药的使用和生产规模不断增大，产生了越来越多的中成药数据，利用知识图谱搭建中成药智能问答平台；在用户文本提问或语音提问后，平台在海量中成药信息中迅速准确地查询相关信息，并呈现相关中成药的知识图谱辅助用户理解[42].周雪阳等[43]采集中成药开源数据，通过实体抽取、属性抽取、知识融合等技术成功构建了基于Neo4j 图形数据库的中成药知识图谱体系，同时结合 Flask框架与 Echarts 可视化技术搭建了中成药数据可视化平台.李京凯等[44]检索祛瘀剂中成药说明书及相关文献中的数据，进行实体、关系、属性的抽取，完成数据库的建立；从证候、治法、疾病、药物等方面构建祛瘀剂中成药知识图谱，并对知识图谱进行处方点评和中医临床辅助决策检验.

为改善患者的中药服法，更好地发挥中药的临床效果，走好中药治疗“最后一公里”,熊旺平等[45]挖掘中医古籍服药方法并构建中药服药知识图谱，采用RFID系统、物联网技术以及多向传感器开发中药服药杯垫，构建中药智能服药服务系统，形成具有2 000多首方剂的中药服药知识图谱，为患者服用中药提供帮助，推动中药临床应用向智能化方向发展.

5、小结

知识图谱融合数据挖掘、图论、应用数学、统计学等多种方法，研究知识的多维网络关系，探索其演化规律等内容[46].现阶段中医药领域的知识图谱应用还处于起步阶段，在中医古籍、中医诊断、名老中医诊治经验、中药领域等方面开展了大量的工作，有序管理海量数据，实现知识深度关联、沉淀、挖掘和利用，是人工智能大数据时代管理知识的关键技术[47].如何更好地利用知识图谱技术推动中医药领域的发展，还有一些问题需要进一步探索，比如：优化知识发现方法，提高模型效率，增强知识发现结果的准确性和有效性，提升知识发现结果的可解释性，构建有效的结果评估框架，规范化、多领域专家协同的知识发现流程等等，从而提高知识发现研究整体效果[48].下一步，还可以利用知识图谱技术深入开展海量中医药知识智能化处理，在中医药领域实现多元场景应用，支撑、拓展中医药领域多种知识服务，进一步推动中医药智能化的进程.

参考文献:

[1]翟东升,娄莹,阚慧敏,等.基于多源异构数据的中医药知识图谱构建与应用研究[J].数据分析与知识发现,2023,7(9):146-158.

[2]顾泽元,刘星,陈慧琴.基于中医药领域图谱自动构建与可视化研究[J].齐齐哈尔大学学报(自然科学版),2022,38(6):43-54+73.

[3]韩慧.关于知识图谱在大数据中的应用阐述[J].长江信息通信,2022,35(2):121-124.

[4]孙锡波,谢晓尧,郑欣.融合多源数据的学科知识图谱构建与应用[J].福建电脑,2023,39(11):6-13.

[5]牛子儒,张潇然,续文静,等.基于知识图谱的中医知识学习研究与实践[J].电脑编程技巧与维护,2023(2):20-23.

[6]沈蓉蓉,夏帅帅,晏峻峰.命名实体识别在中医药领域研究进展[J].医学信息学杂志,2023,44(1):47-53.

[7]姬鹏超,夏翃.基于知识图谱的医学信息化标准的研究与分析[J].卫生职业教育,2024,42(2):152-156.

[8]董美.面向中医领域知识图谱构建的实体关系抽取方法研究[D].北京:中国科学院大学(中国科学院文献情报中心),2022.

[9]曾子玲.基于古籍的阴虚证知识图谱构建及其关键技术研究[D].北京:中国中医科学院,2023.

[10]刘悦悦,李燕,李春雨,等.基于深度强化学习的中医古籍图谱推理研究[J/OL].中国中医药信息杂志:1-7.

[11]卢彦杰,盛威,刘伟,等.《五十二病方》知识图谱的构建与应用研究[J].中国数字医学,2023,18(10):105-110.

[12]张晓晓.《金匮要略》知识图谱构建及应用研究[D].吉林:吉林大学,2023.

[13]林睿凡,周洪伟,刘亮亮,等.基于本体方法构建《伤寒论》版本知识图谱[J].中国中医基础医学杂志,2023,29(10):1630-1633.

[14]王菁薇.基于知识图谱的《伤寒论》智能问答系统研究[D].长沙:湖南中医药大学,2023.

[15]李芊芊,付兴,杨凤,等.基于“病脉证并治”诊疗思维的《伤寒论》知识图谱构建与应用[J].世界科学技术-中医药现代化,2022,24(9):3613-3621.

[16]李荣耀,徐倩,吴雨璐,等.基于《本草纲目》的多模态知识图谱的构建研究[J].现代计算机,2022,28(13):10-17+24.

[17]邹晓岚.温病学派古籍的知识图谱构建与应用[D].长春:长春中医药大学,2023.

[18]侯雪雍,刘龙坤,陈宣妤,等.大头瘟疫古今病名考及其临床应用价值分析[J].中国中医急症,2023,32(11):1920-1926.

[19]田赛男.《傅青主女科》证治规律及知识图谱构建研究[D].长沙:湖南中医药大学,2023.

[20]张世祺,孙宇衡,咸楠星,等.中医四诊客观化与智能化研究进展[J].中医药导报,2023,29(6):170-174.

[21]周海,彭斐灵,韦昌法.中医诊断学辨证知识图谱构建研究与实践[J].医学信息学杂志,2020,41(12):41-44.

[22]曾子玲,张华敏,于彤,等.知识图谱及其关键技术在中医药领域的研究与应用综述[J].世界科学技术-中医药现代化,2022,24(2):780-788.

[23]谢文利,李君,毛树松,等.中医症状知识库知识关联研究[J].医学信息学杂志,2023,44(2):35-41.

[24]董汉阳.基于知识图谱的证候基因关系预测及分子机制研究[D].北京:北京交通大学,2023.

[25]钟有东,王峰,邱逸铭,等.基于Rasa框架的中医问答系统设计[J].电脑知识与技术,2022,18(11):74-76.

基金资助:国家自然科学基金资助项目(82174277); 安徽省中医药科技攻关专项项目(202303a07020008); 安徽省临床医学研究转化专项项目(202304295107020107); 安徽省重点研究与开发计划项目(2022h11020018);

文章来源:汪莉,姜楠,程斌,等.知识图谱在中医药领域应用的研究概况[J].西安文理学院学报(自然科学版),2024,27(03):70-75.