近日，CCF YOCSEF深圳在深圳市哈爾濱工業大學（深圳）信息樓（L棟）舉辦了為期一天的深度技術論壇，主題為“醫療知識圖譜的未來發展方向”。知識圖譜領域經過十幾年的發展，雖然有不錯的成果和應用，但具體到醫藥領域，應用落地過程中實際問題直接解決率不高，可替代人工場景有限，那么未來醫療知識圖譜這條路到底應該怎么走？需要重點關注和擴展哪些能力？近年來，各種大規模預訓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，在醫療領域未有報道有大規模知識圖譜支撐的情況下，它們表現出了“強大”的能力和“尚未見頂”的潛力，那么醫療知識圖譜是否還有存在的必要？如果仍必不可少，醫療知識圖譜又怎么和這些大規模預訓練模型進行有機結合，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計算機科學與技術學院顧進廣教授、武漢大學第二臨床醫院靳英輝副教授、華東師范大學計算機科學與技術學院王曉玲教授、平安科技倪淵副總工程師、哈爾濱工業大學（深圳）陳清才教授、重慶醫科大學附屬兒童醫院趙耀研究員、訊飛醫療科技股份有限公司高級產品經理程美、浙江大學黃正行教授、西南交通大學騰飛副教授、百度高級研發工程師王春宇、百度大健康事業群組產品經理章超奇、重慶大學王洪星副教授、重慶中科云叢科技有限公司高級算法工程師吳天舒、鵬城實驗室人工智能中心相洋助理研究員、中山大學附屬第八醫院病案管理科楊芬主任、騰訊天衍實驗室張子恒高級研究員、重慶醫科大學趙耀研究員、復旦大學鐘凡副研究員、南京柯基數據CEO吳剛、深圳市眼科醫院信息科張榮奎主任、湯臣倍健AI營養研究中心產品經理龐偉航、深圳市眼科醫院應急辦主任質控科曾超高副科長、鵬城實驗室李睿副研究員、浙江數字醫療衛生技術研究院數字醫學知識中心知識圖譜負責人胡冉、南方醫科大學衛生管理學院毛燕娜助理研究員等20余位國內知名學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深圳現任主席、哈爾濱工業大學（深圳）湯步洲特聘研究員/副教授和CCF YOCSEF深圳副主席、鵬城實驗室張彤助理研究員擔任本次論壇執行主席。論壇采用“總-分-總”模式，進行為期一天的閉門深度研討。
論壇伊始，執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70年代的專家系統出現知識庫概念開始到2012年谷歌正式提出知識圖譜概念之間知識圖譜的發展歷程，比較了不同行業領域知識圖譜的使用情況。發現了一個特別的現象，在知識密集程度非常高的醫療領域，知識圖譜利用率卻很低，啟發大家思考為什么會出現這樣的情況？隨后介紹了ChatGPT的三個核心步驟：（1）在大規模預訓練語言模型上的有監督微調；（2）訓練獎勵模型；（3）近端策略優化。在這一背景下，他提出一系列問題引起大家思考：醫療知識圖譜這條路到底應該怎么走？我們是不是不需要做醫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，醫療知識圖譜怎樣和類ChatGPT類模型進行結合，如何能更好地去結合在一起？尤其是現有醫療知識圖譜和將來的醫療知識圖譜如何融入到三個核心步驟中？背景介紹完畢后，向與會嘉賓發放了關于醫療知識圖譜未來發展方向的問卷調查，從目前醫療知識圖譜在哪些落地場景比較好還是不理想？ChatGPT在醫療領域基礎任務上效果是好還是壞？ChatGPT在醫療領域落地不理想的場景是因為哪些基礎任務上表現不理想導致的？這幾個方面開展，問卷結果作為本次論壇思辨的初始參考資料。本次深度閉門技術論壇分為三個階段。第一階段：3月26日上午9:20-10:20，在主會場進行引導發言和破冰環節；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，在主會場進行匯報總結、全體思辨討論以及論壇總結。
湯步洲主持論壇
本次論壇邀請了4位引導發言嘉賓，分別為武漢科技大學計算機科學與技術學院顧進廣教授、武漢大學第二臨床醫院靳英輝副教授、華東師范大學計算機科學與技術學院王曉玲教授、平安科技倪淵副總工程師。首先，顧進廣教授以“大規模醫療知識圖譜構建面臨的挑戰”為題，從可循證的知識圖譜構建、醫療多模態知識圖譜的構建、構建大規模知識圖譜所需的協作制度和對醫療知識圖譜的質量評估四個方面展開介紹了構建大規模醫療知識圖譜可能面臨的挑戰。具體描述如下：- 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和等級，為知識圖譜的利用提供循證解釋，這就需要構建循證知識表達體系；
- 醫療天然就是多模態場景，多模態數據的對齊問題、背景信號和噪聲問題都給多模態知識圖譜構建帶來諸多挑戰；
- 大規模知識圖譜構建未來可能會依賴“眾包“的方式，復雜多樣性環境下的自動化眾包模板構建流程設計，眾包任務的發布形式和潛在承包人的能力評估，醫療數據共享的安全性保障，便捷、交互友好的標注系統UI設計都是需要重點考慮的問題；
- 醫療知識圖譜質量評估體系的建設是保證醫療知識圖譜構建過程良性增長的法寶，需要專門設計多樣化評估維度對醫療知識圖譜創建、使用和維護三個階段分別進行針對性評估。創建階段可能需要重點關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關注知識的準確性、可訪問性和易用性等；維護階段則可能需要重點關注資源和知識的動態更新能力。
其次，靳英輝副教授以“醫療知識圖譜使用過程中遇到的問題與困境”為題，介紹了其團隊在醫學知識圖譜構建方面的相關研究及取得的標志性成果，以及醫學知識圖譜構建在宏觀方面和實踐操作方面存在的問題與困境。靳英輝從醫學知識圖譜構建宏觀和實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闡述。- 從宏觀上看，當前醫學知識圖譜構建存在數據來源廣泛、缺乏統一標準和整合方法、數據質量和可信度參差不齊、數據隱私和安全保障不明確等方面的問題，給醫療知識圖譜構建帶來了很大的阻礙，也直接影響知識圖譜的落地應用；
- 從實踐操作看，醫療知識圖譜構建需要結合自然語言處理、機器學習、數據挖掘、知識庫和數據庫等技術，對于醫學專業的人員難度較大；醫療知識圖譜使用是與臨床決策支持系統是否能深度融合是決定醫學知識圖譜是否有用和好用的金標準之一；此外，僅構建大規模的指南知識圖譜，就需要大量的醫學專業人員進行標注，非常耗時耗力。
隨后，王曉玲教授以“臨床醫療決策樹—標注和自動抽取”為題，闡述了診療決策樹（Medical Decision Tree, MDT）抽取面臨的技術挑戰，并介紹了其團隊所構建的TextMDT數據集，以及基于此數據集開發的面向癲癇診療的輔助系統。王曉玲認為，結構化醫療知識可分為醫學知識圖譜（即三元組）和診療決策規則，可用MDT來描述。以往的MDT構建依賴于專家手工標注，嚴重阻礙了大型CDSS的構建、維護和發展。能否利用信息抽取技術實現診療決策規則的自動抽取？她介紹到，MDT抽取面臨著以下挑戰：- MDT在應用場景、節點信息粒度、樹形結構語義上與目前的樹狀結構（數學表達式、依存句法樹）有較大差異；
- 缺乏面向醫療文本的決策規則抽取的基準和技術，傳統的醫療信息抽取無法滿足決策規則抽取，如無法表示關系和實體之間的邏輯關系。
基于以上考慮，王曉玲團隊面向臨床指南，對MDT定義、構建過程、統計結果、質量評估和評估方法進行了探索，構建了TextMDT數據集，基于該數據集，在中國健康信息處理大會CHIP 2022上組織了關于MDT自動抽取的公開評測，吸引了衛寧健康、科大訊飛、北京醫鳴等業界/學術界隊伍的參與。目前，該數據集被納入天池CBLUE基準數據集中。利用自然語言處理技術（Natural Language Processing）技術自動抽取MDT，并將MDT應用到面向癲癇診療的輔助系統中，驗證了MDT的有效性和MDT自動抽取的可行性。
最后，倪淵博士以“ChatGPT在醫療領域的若干能力測試”為題，介紹了哈爾濱工業大學（深圳）聯合、平安醫療科技、百度、騰訊、科大訊飛和南京柯基數據對ChatGPT在醫療領域的若干能力進行測試的結果。從病歷解讀、健康咨詢、分診導診、醫學診斷、治療方案推薦、醫生助手（考試、科研、文獻摘要等）、醫療信息抽取等方面進行了若干示例測試。這些結果里面可以看出，ChatGPT在大部分測試任務上表現出較好的性能，交互方式擬人化程度高，但是結果并不穩定，另外在邏輯推理方面還是存在不少問題。在對醫療知識要求精度高的場景需要謹慎直接使用。
引導嘉賓發言結束后，進入了破冰環節，所有與會專家依次發言，發言前做簡要自我介紹。從之前下發的問卷結果看，大家對“醫療知識圖譜在哪些落地場景比較好還是不理想？ChatGPT在醫療領域基礎任務上效果是好還是壞？ChatGPT在醫療領域落地不理想的場景是因為哪些基礎任務上表現不理想導致的？”等問題的答案存在較大分歧，從側面反映出領域專家們對醫療知識圖譜的認知和期望明顯不一致。根據問卷的結果，與會嘉賓重點圍繞“目前醫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在醫療領域效果不好的部分主要原因是什么？知識圖譜是否可以補位？”等話題，嘉賓們從各個不同的方面展開了深入探討，現場討論十分激烈。破冰環節結束后，執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“醫療知識圖譜急需擴展哪些能力？”、“醫療知識圖譜與類ChatGPT模型如何有機結合？”等。隨后，兩位組長帶領本組嘉賓、本地AC委員以及博士生志愿者進入各自分會場，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，各組嘉賓積極表達各自觀點，碰撞思維，取得了一些頗具創新的思路和技術方案。分組討論結束之后，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行全體思辨和討論，整個過程會場氣氛熱烈。論壇最后，執行主席湯步洲和張彤對本次論壇進行總結，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療知識圖譜的發展現狀和面臨的挑戰，并分析了ChatGPT等大規模預訓練模型在不同醫療場景下的應用表現；基于此，論壇深入探討了醫療知識圖譜在能力上還需要擴展的能力，以及如何與類ChatGPT模型的有機結合；最后，論壇進一步研討了醫療知識圖譜的未來發展方向。經分組報告和全體思辨，對本次深度技術論壇的兩個關鍵思辨問題“醫療知識圖譜急需擴展哪些能力？”和“醫療知識圖譜與類ChatGPT模型如何有機結合？”進行了總結凝練，初步達成了以下共識：以三元組為核心的知識圖譜在推理能力方面嚴重不足，大大影響了知識圖譜在醫療領域的落地，目前僅在查詢、問答、基層電子病歷質控等簡單場景應用較好，在與臨床決策相關的應用方面表現不佳。需要引起關注的方面包括以下幾點：a.不同部門（衛健委、醫保局等）發布的臨床診斷名稱和疾病分類等標準存在很大差別，急需建立這些標準之間的權威和被普遍采用的映射關系；b.在三元組的基礎上加入包含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踐指南的決策樹自動抽取方法；c.包含MDT的輔助決策系統在一些場景下能體現出很好的效果，需要大規模推廣和持續驗證；d.利用高質量真實世界數據和醫學文獻分析為單病種臨床實踐指南指定提供不同等級的循證證據，反饋到醫療知識圖譜；e.根據高質量真實世界數據提供的證據推進復雜場景下的醫療知識圖譜的融合，如多個單病種知識圖譜融合成共病知識圖譜等；f.在包含決策樹的醫療知識圖譜做臨床輔助決策時，需要考慮真實場景下的臨床診療路徑與多個單病種知識圖譜的對齊；g.醫療多模態知識圖譜首先需要將不同模態之間的數據與文本對應的圖譜建立聯系，如醫學影像可以定義影像相關的臨床發現，通過臨床發現之間的三元組關系和決策樹實現臨床輔助決策；h.為增加醫學知識圖譜的使用范圍，需要考慮醫院管理等相關場景。(2).醫療知識圖譜與類ChatGPT模型如何有機結合？a.在醫療領域，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生有益補充；c.知識圖譜與大規模預訓練語言模型已經有了較好的結合方式，如鵬城-百度文心等；
d.有監督微調存在遺忘和沖突問題，如何定位和解決是需要重點關注的方向；e.直觀上看，決策樹能很好用于COT。一種可能的方式是：直接將決策樹轉化成COT，利用對比學習訓練獎勵模型；另一種方式可能的方式是：COT背后有一個對應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到一定規模后，是否能達到一個能力瓶頸有待考證，也是需要重點關注的。
本次論壇將作為一個起點，啟發人工智能、知識圖譜、大規模預訓練模型、醫療等領域的相關學者對醫療知識圖譜發展路徑的深度思考，也期待后續持續舉辦醫療知識圖譜的系列論壇，希望計算機各領域的專家學者通過CCF YOCSEF這個平臺發表真知灼見，共同為我國計算機領域的發展貢獻力量。本次論壇由中國計算機學會(CCF)主辦，CCF YOCSEF 深圳承辦，并得到了寶德科技集團股份有限公司、北京超級云計算中心、北京天融信網絡安全技術有限公司（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。
雷峰網(公眾號：雷峰網)
