醫(yī)療知識(shí)圖譜在社區(qū)醫(yī)療的可應(yīng)用研究

李乃權(quán)　宋波

摘要：該文主要從醫(yī)療知識(shí)圖譜的一些實(shí)際應(yīng)用與研究進(jìn)行分析，探究將醫(yī)療知識(shí)圖譜應(yīng)用在社區(qū)醫(yī)療當(dāng)中的重要作用。隨著我國(guó)分級(jí)診療制度建設(shè)的不斷推進(jìn)，“基層首診”對(duì)社區(qū)醫(yī)療的服務(wù)能力提出更高要求。在建設(shè)基層的社區(qū)醫(yī)療過程中還存在著社區(qū)醫(yī)生質(zhì)量參差不齊，全科人才缺乏和對(duì)基層慢性病康復(fù)醫(yī)學(xué)科的建設(shè)需求日益增長(zhǎng)等問題。針對(duì)這些問題本文首先總結(jié)了國(guó)內(nèi)外醫(yī)療知識(shí)圖譜過去幾年中在醫(yī)療領(lǐng)域的發(fā)展現(xiàn)狀，說明了醫(yī)療知識(shí)圖譜在醫(yī)療領(lǐng)域應(yīng)用的一些重要作用，然后通過分析已經(jīng)在醫(yī)療中的成功應(yīng)用或者一些比較深入的醫(yī)療知識(shí)圖譜研究，分析出醫(yī)療知識(shí)圖譜可以為解決目前社區(qū)醫(yī)療中存在的問題提供了不錯(cuò)的解決思路。最后，展望未來醫(yī)療知識(shí)圖譜在社區(qū)醫(yī)療中的應(yīng)用前景。

關(guān)鍵詞：醫(yī)療知識(shí)圖譜;社區(qū)醫(yī)療;應(yīng)用研究

中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）09-0091-03

1 引言

社區(qū)醫(yī)療機(jī)構(gòu)是我國(guó)底層醫(yī)療衛(wèi)生機(jī)構(gòu)，可以為城鄉(xiāng)居民提供最基本醫(yī)療衛(wèi)生服務(wù)。目前我國(guó)大部分的醫(yī)療資源都集中在各級(jí)的大醫(yī)院，但是這種集中的醫(yī)療資源分配卻和我國(guó)的人口分布卻不是十分相合，這種醫(yī)療資源的不平均分配造成了老百姓看病都集中在大醫(yī)院，給大醫(yī)院帶來了很大的就診壓力，也就是人們常說的看病難看病貴的問題。為了解決這個(gè)問題，我國(guó)2015年開始提出并實(shí)行分級(jí)診療制度，建立分級(jí)診療制度不僅可以合理配置醫(yī)療資源，還能改善基本醫(yī)療衛(wèi)生服務(wù)。而建立分級(jí)診療制度首要任務(wù)就是推進(jìn)基層首診，基層首診重點(diǎn)就是引導(dǎo)和鼓勵(lì)常見病或者某些慢性病患者首先到基層醫(yī)療衛(wèi)生機(jī)構(gòu)就診，以此減輕大醫(yī)院就診壓力。因此社區(qū)醫(yī)療機(jī)構(gòu)的建設(shè)和完善顯得更加重要，但是由于目前醫(yī)療資源的分配不均和社區(qū)醫(yī)療機(jī)構(gòu)的信息化水平差異較大的現(xiàn)狀，使得社區(qū)醫(yī)療機(jī)構(gòu)在設(shè)施、診療水平等客觀條件上與大醫(yī)院之間存在較大差距，而且業(yè)務(wù)單一、技術(shù)水平偏低，普遍缺乏全科醫(yī)生和高級(jí)人才。為了更好地健全社區(qū)醫(yī)療衛(wèi)生體系，解決目前存在的問題，可以充分利用醫(yī)療知識(shí)圖譜的獨(dú)特優(yōu)勢(shì)。

醫(yī)療知識(shí)圖譜近些年從最開始的理論研究越來越多地被實(shí)際應(yīng)用到醫(yī)院等醫(yī)療場(chǎng)景當(dāng)中，并且在臨床診斷、治療、預(yù)后等方面均發(fā)揮了較大的作用。但是目前醫(yī)療知識(shí)圖譜大多應(yīng)用在某些大醫(yī)院里邊，在社區(qū)醫(yī)療機(jī)構(gòu)中很少應(yīng)用，本文就醫(yī)療知識(shí)圖譜在目前醫(yī)療領(lǐng)域中的一些成功的研究與應(yīng)用進(jìn)行分析討論，結(jié)合社區(qū)醫(yī)療發(fā)展中存在的現(xiàn)實(shí)問題，分析出醫(yī)療知識(shí)圖譜應(yīng)用在社區(qū)醫(yī)療上可以發(fā)揮重要的作用。

2 醫(yī)療知識(shí)圖譜的發(fā)展

知識(shí)圖譜本質(zhì)上是一種大型的語(yǔ)義網(wǎng)絡(luò)，可以理解為一個(gè)龐大的智能知識(shí)庫(kù)。而醫(yī)學(xué)知識(shí)圖譜則是整合了大量專業(yè)醫(yī)療知識(shí)的專業(yè)知識(shí)圖譜，在醫(yī)療領(lǐng)域中的預(yù)防保健、基本醫(yī)療、健康教育等方面均可發(fā)揮較大的作用。

Google最早于2016年在印度正式上線使用醫(yī)療知識(shí)圖譜，并在醫(yī)療知識(shí)圖譜中包含了上百種疾病相關(guān)信息和健康數(shù)據(jù)指標(biāo)信息，使用戶在家上網(wǎng)就能了解到自己想了解的醫(yī)療信息。如圖1所示，用戶在Google查詢健康醫(yī)療知識(shí)時(shí)，醫(yī)療知識(shí)圖譜能給出信息卡片，上面包含了與查詢相關(guān)的詳細(xì)的醫(yī)療信息，而且可以自行下載保存。

在我國(guó)，2015年國(guó)內(nèi)首個(gè)“護(hù)理知識(shí)圖譜”研究中心在長(zhǎng)沙的格爾智慧公司發(fā)布，護(hù)理知識(shí)圖譜就是面向護(hù)理領(lǐng)域所提供的垂直類型的特定知識(shí)庫(kù)，對(duì)于患者而言，可以通過結(jié)合護(hù)理知識(shí)圖譜的APP或者其他軟件查詢到自己住院看病每天花了哪些錢，用了什么藥，各種指標(biāo)檢測(cè)結(jié)果如何等等;對(duì)于護(hù)士而言，在用到結(jié)合護(hù)理知識(shí)圖譜的系統(tǒng)后，護(hù)士原先繁雜的事情也會(huì)理順很多，可以清楚地通過系統(tǒng)知道什么時(shí)候該給哪位患者打針換藥，還有以往需要占用護(hù)理工作者大量時(shí)間去填寫的護(hù)理記錄，在使用該系統(tǒng)時(shí)，也會(huì)被系統(tǒng)自動(dòng)記錄生成，給護(hù)理工作者節(jié)約了大量時(shí)間。

2019年3月1日，阿里巴巴與瑞金醫(yī)院聯(lián)合發(fā)布全球首個(gè)基于機(jī)器智能的糖尿病知識(shí)圖譜，也是首個(gè)在醫(yī)院正式使用的基于人工智能的糖尿病知識(shí)圖譜，此知識(shí)圖譜和人工智能機(jī)器人結(jié)合后有了更多功能作用，比如智能導(dǎo)診功能，機(jī)器人可以根據(jù)患者提供的癥狀描述自動(dòng)匹配糖尿病知識(shí)圖譜中的相關(guān)知識(shí)并為患者提供合理化的就診流程，當(dāng)然醫(yī)生也可以通過糖尿病知識(shí)圖譜依據(jù)大量的專業(yè)知識(shí)儲(chǔ)備提供的合理化建議做出更科學(xué)的決策，除此之外糖尿病知識(shí)圖譜還能為糖尿病的治療提供更多輔助支持。

綜上所述不難發(fā)現(xiàn)醫(yī)療領(lǐng)域的知識(shí)圖譜應(yīng)用越來越具體，并且通過和新技術(shù)的結(jié)合，開發(fā)的功能也越來越多，應(yīng)用場(chǎng)景越來越貼近基層需求，在這些研究和應(yīng)用都取得了不錯(cuò)的效果的同時(shí)，也為進(jìn)一步的研究奠定好了基礎(chǔ)。

3 醫(yī)療知識(shí)圖譜在醫(yī)療中的應(yīng)用

3.1 醫(yī)療知識(shí)圖譜在醫(yī)療中的應(yīng)用實(shí)例

醫(yī)療知識(shí)圖譜在國(guó)內(nèi)的醫(yī)療領(lǐng)域上有一些比較成功的應(yīng)用研究實(shí)例，比如華東理工大學(xué)阮彤等人和上海曙光醫(yī)院合作構(gòu)建了中醫(yī)藥知識(shí)圖譜[1]，中藥知識(shí)圖譜中有著大量醫(yī)生工作站收集的病人治療數(shù)據(jù)和基礎(chǔ)藥方，經(jīng)過知識(shí)圖譜的推理分析后，可以輔助醫(yī)生進(jìn)行開方拿藥。除此之外中藥知識(shí)圖譜還可以應(yīng)用在中藥知識(shí)問答上，一方面方便病人查詢相關(guān)中藥知識(shí)，另一方面也可以幫助中醫(yī)學(xué)習(xí)培訓(xùn)，如圖2所示。

鄭懿鳴等人設(shè)計(jì)了基于中醫(yī)藥知識(shí)圖譜[2]的智能問答系統(tǒng)和用藥推薦系統(tǒng)，其特點(diǎn)就是將知識(shí)圖譜與知識(shí)卡片相結(jié)合，使患者通過圖片的直觀展示和文字的詳細(xì)描述來對(duì)知識(shí)圖譜中的豐富知識(shí)進(jìn)行更好理解，其應(yīng)用也可以看成一個(gè)智能問答系統(tǒng)，通過可視化展示與知識(shí)圖譜結(jié)合來和用戶更好地交互[3]。

王昊奮等人則運(yùn)用爬蟲等技術(shù)搜集網(wǎng)上的醫(yī)療信息數(shù)據(jù)用于醫(yī)療知識(shí)圖譜的構(gòu)建，并且在構(gòu)建完成后實(shí)際應(yīng)用在上海林康醫(yī)療信息技術(shù)有限公司，其主要應(yīng)用場(chǎng)景是輔助監(jiān)控系統(tǒng)和智能審核系統(tǒng)，用于監(jiān)測(cè)醫(yī)療質(zhì)量，用藥安全，處方審核等方面，對(duì)于藥品的合理使用，處方合理規(guī)范，用藥安全等方面有著重要作用。

翟?shī)檴櫟热藙t將醫(yī)療知識(shí)圖譜和社區(qū)醫(yī)療的在線檢索服務(wù)相結(jié)合，希望通過醫(yī)療知識(shí)圖譜對(duì)醫(yī)療健康知識(shí)的融合處理，再結(jié)合在線檢索功能，幫助用戶更容易查詢到想要了解的專業(yè)可靠的醫(yī)療健康知識(shí)。

3.2 醫(yī)療知識(shí)圖譜在醫(yī)療中的應(yīng)用分析

由前邊的案例可以看出醫(yī)療知識(shí)圖譜的應(yīng)用在輔助開藥，輔助診療，知識(shí)檢索，智能問答，用藥推薦等方面有著很大潛力和重要作用，通過在實(shí)際中的積極嘗試，在一些醫(yī)療領(lǐng)域中的應(yīng)用初見成效。醫(yī)療知識(shí)圖譜還能夠提升醫(yī)生的學(xué)習(xí)和培訓(xùn)效率，也使得基層醫(yī)生在參與慢性病等防治更加得心應(yīng)手，同時(shí)也能幫助基層臨床醫(yī)生做出更加合理科學(xué)的治療方案，規(guī)范并提升醫(yī)生的用藥技能，對(duì)就診效率的提高診療標(biāo)準(zhǔn)的規(guī)范也十分有用。此外醫(yī)學(xué)知識(shí)圖譜的知識(shí)推理特點(diǎn)也能為醫(yī)療科研人員提供很好的數(shù)據(jù)支持并發(fā)現(xiàn)潛在的發(fā)展趨勢(shì)和科研方向。對(duì)于常見病和慢性病患者來說，通過醫(yī)療知識(shí)圖譜可以在社區(qū)醫(yī)療機(jī)構(gòu)中更好地進(jìn)行日常管理和自我治療，更快地得到準(zhǔn)確的病癥信息和治療方法[4]。

4 醫(yī)學(xué)知識(shí)圖譜在社區(qū)醫(yī)療中的可應(yīng)用分析

社區(qū)醫(yī)療主要提供預(yù)防保健、基本醫(yī)療、健康教育、疾病控制等社區(qū)衛(wèi)生服務(wù)，而目前知識(shí)圖譜在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究十分廣泛，在如智能輔助診斷、醫(yī)療知識(shí)智能檢索、醫(yī)療知識(shí)問答等智慧醫(yī)療領(lǐng)域都有著很好的發(fā)展前景[5]，可以對(duì)社區(qū)醫(yī)療服務(wù)提供很好的輔助作用。

4.1醫(yī)療信息檢索

醫(yī)療知識(shí)圖譜融合了大量專業(yè)醫(yī)療知識(shí)，是一個(gè)龐大且全面的醫(yī)療信息知識(shí)庫(kù)。其最基本的應(yīng)用功能就是醫(yī)療信息檢索，醫(yī)療知識(shí)圖譜根據(jù)用戶的檢索關(guān)鍵字在知識(shí)庫(kù)中進(jìn)行匹配相關(guān)實(shí)體或者關(guān)聯(lián)知識(shí)，從而使得醫(yī)療信息的檢索過程更加高效便捷。

翟?shī)檴櫟热藙t將醫(yī)療知識(shí)圖譜和社區(qū)醫(yī)療的在線檢索服務(wù)相結(jié)合，應(yīng)用在醫(yī)療上的話醫(yī)生可以根據(jù)不同病人的疾病、部位、并發(fā)癥等關(guān)鍵信息確定患者病情，并檢索出相關(guān)治療方法以輔助醫(yī)生做出準(zhǔn)確診斷。此外，國(guó)內(nèi)有360良醫(yī)、搜狗明醫(yī)等基于醫(yī)療知識(shí)圖譜的信息檢索網(wǎng)站，這些醫(yī)療知識(shí)圖譜的檢索功能一方面方便普通人查詢了解醫(yī)療信息或者簡(jiǎn)單確定自己的病情嚴(yán)重程度，另一方面也方便醫(yī)生查詢相關(guān)醫(yī)療知識(shí)，便于醫(yī)生學(xué)習(xí)和輔助醫(yī)生決策。

在社區(qū)醫(yī)療中醫(yī)生可以利用此功能進(jìn)行醫(yī)療信息查詢學(xué)習(xí)或者輔助診斷，比如社區(qū)醫(yī)生可以根據(jù)糖尿病患者的病癥表現(xiàn)、生活習(xí)慣等信息作為關(guān)鍵字檢索出符合糖尿病患者的當(dāng)前狀況和治療方法，通過在醫(yī)療知識(shí)圖譜中添加各種慢性病或者其他常見病的相關(guān)數(shù)據(jù)就可以很好地彌補(bǔ)了社區(qū)醫(yī)療機(jī)構(gòu)中全科醫(yī)生不足的缺點(diǎn)。同時(shí)社區(qū)的糖尿病患者也可以借助醫(yī)療知識(shí)圖譜的檢索功能獲取病后自我管控方法等，不會(huì)再因?yàn)樯鐓^(qū)醫(yī)生質(zhì)量的參差不齊獲得不確信息。

4.2智能輔助診斷

在醫(yī)療大數(shù)據(jù)的背景下，醫(yī)療知識(shí)圖譜可以利用各級(jí)醫(yī)療機(jī)構(gòu)產(chǎn)生的大量患者病癥情況、檢驗(yàn)結(jié)果、檢驗(yàn)數(shù)據(jù)和治療方案等，自動(dòng)生成相符的診斷建議和治療手段，給醫(yī)生的診斷決策提供合理化建議，也可以對(duì)醫(yī)生給出的治療方案進(jìn)行監(jiān)督檢測(cè)并進(jìn)行智能分析，這樣就可以以大大減少醫(yī)生的誤診。

阿里巴巴與瑞金醫(yī)院聯(lián)合發(fā)布全球首個(gè)基于機(jī)器智能的糖尿病知識(shí)圖譜整合了大量醫(yī)院大量的糖尿病治療數(shù)據(jù)，醫(yī)生可以利用知識(shí)圖譜智能分析患者的各類疾病數(shù)據(jù)，然后結(jié)合歷史治療數(shù)據(jù)得到合理化治療建議。

在社區(qū)醫(yī)療中各個(gè)社區(qū)醫(yī)療機(jī)構(gòu)治療數(shù)據(jù)不互通，更難以利用治療數(shù)據(jù)進(jìn)行輔助決策，在應(yīng)用醫(yī)療知識(shí)圖譜之后，社區(qū)醫(yī)生則可以利用知識(shí)圖譜自動(dòng)的處理各級(jí)醫(yī)療機(jī)構(gòu)的治療數(shù)據(jù)，并進(jìn)行智能分析，從而達(dá)到智能輔助醫(yī)生診斷的效果。

4.3醫(yī)療知識(shí)智能問答

醫(yī)療知識(shí)智能問答其本質(zhì)就是醫(yī)療信息檢索的一種延伸，其主要形式就是用準(zhǔn)確合適的自然語(yǔ)言為用戶解答問題。在得到用戶的問題之后，醫(yī)療知識(shí)圖譜將問題帶入到知識(shí)庫(kù)進(jìn)行匹配相近內(nèi)容，然后通過知識(shí)圖譜的智能分析和可視化展示來展示給用戶答案。

應(yīng)用此功能可以在社區(qū)醫(yī)療中開辟在線醫(yī)療模式，線上為廣大社區(qū)居民提供醫(yī)療支持，尤其對(duì)于慢性病的康復(fù)階段患者十分有用，比如糖尿病患者在線進(jìn)行自我血糖監(jiān)測(cè)，通過知識(shí)圖譜對(duì)目前血糖指標(biāo)的分析提供合理的治療建議，真正足不出戶就能在家治病。

5 結(jié)束語(yǔ)

本文先概括了醫(yī)療知識(shí)圖譜在國(guó)內(nèi)外發(fā)展的現(xiàn)狀，我們可以看到醫(yī)療知識(shí)圖譜的應(yīng)用場(chǎng)景不斷增多，應(yīng)用價(jià)值不斷提高，在已有的應(yīng)用研究中有著不錯(cuò)的效果。同時(shí)在近幾年快速發(fā)展的社區(qū)醫(yī)療的全科建設(shè)當(dāng)中，醫(yī)療知識(shí)圖譜也很有發(fā)展?jié)摿Α１疚恼f明了醫(yī)療知識(shí)圖譜的重要應(yīng)用價(jià)值，又列舉了一些已經(jīng)實(shí)際研究應(yīng)用的案例，通過這些實(shí)例的成功研究和應(yīng)用可以看出醫(yī)療知識(shí)圖譜的應(yīng)用前景非常光明，如果放到目前政策扶持的社區(qū)醫(yī)療的建設(shè)當(dāng)中更是能發(fā)揮不小的作用。

隨著醫(yī)療信息化建設(shè)的快速發(fā)展，積累了大量的醫(yī)學(xué)數(shù)據(jù)，因此合理運(yùn)用醫(yī)療知識(shí)圖譜從大量的醫(yī)學(xué)數(shù)據(jù)中挖掘出有用的醫(yī)療知識(shí)，并將其積極運(yùn)用在實(shí)際的醫(yī)療工作當(dāng)中，對(duì)當(dāng)今的醫(yī)療行業(yè)也有著重要意義。

參考文獻(xiàn)：

[1] 阮彤，孫程琳，王昊奮，等.中醫(yī)藥知識(shí)圖譜構(gòu)建與應(yīng)用[J].醫(yī)學(xué)信息學(xué)雜志，2016，37（4）：8-13.

[2] 岳曉菲，薛鐳.中醫(yī)醫(yī)學(xué)知識(shí)圖譜在家庭醫(yī)生服務(wù)體系中的應(yīng)用研究[J].醫(yī)學(xué)信息學(xué)雜志，2019，40（12）：54-57.

[3] 鄭懿鳴，翟潔，胡曉龍，等.基于中醫(yī)藥知識(shí)圖譜的智能問答與用藥推薦系統(tǒng)[J].電子技術(shù)與軟件工程，2019（20）：134-135.

[4] 劉春圃.基于疾病知識(shí)圖譜的關(guān)聯(lián)搜索技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2019.

[5] 袁凱琦，鄧揚(yáng)，陳道源，等.醫(yī)學(xué)知識(shí)圖譜構(gòu)建技術(shù)與研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究，2018，35（7）：1929-1936.

【通聯(lián)編輯：聞翔軍】