阻生智齒知識圖譜構建初探＊

鄭宇辰，段旭博，楊 威

(貴州大學醫學院，貴州 貴陽 550025)

0 引言

阻生智齒主要是由于人類的進化，骨量小于牙量，受鄰牙、骨或軟組織的阻礙而只能部分萌出或完全不能萌出的第三磨牙。阻生智齒發病率很高[1]，且其危害很大，一般進行拔除治療。由于阻生智齒位于口腔后部，手術空間窄、視野小，且形態多樣、并發癥多，所以阻生智齒的拔除多數為復雜牙拔除術[2]。

目前，諸多學者對阻生智齒的研究主要針對拔除的臨床效果及術后并發癥的防治和用藥，通過不斷改進手術方案和術后護理方式，減小治療損傷。大多數研究方法為人工總結，通過對一段時間內阻生智齒拔除發生嚴重并發癥的病例進行回顧分析，總結經驗、應用到臨床，缺乏全面性，無法系統性地針對不同病例研究預防及處理的可靠方法[3]。

Google 公司在2012 年提出知識圖譜(Knowledge Graph)[4]這一概念，它已經成為大數據時代最為重要的知識表示形式。典型的通用知識圖譜有DBpedia[5]、YAGO[6]、CN-Probase[7]等，這些大規模知識圖譜廣泛抽取信息，包含上億條實體屬性，涵蓋面巨大，信息資源豐富，但也存在無法全面完整地描述某些復雜領域知識的缺陷，繼而產生領域知識圖譜。醫學領域是知識圖譜應用最廣泛的垂直領域之一，通過對海量、異構的醫學數據進行高效管理，為以知識圖譜為基礎的醫學領域應用打下堅實的基礎。目前知名的醫學知識圖譜有SNOMED-CT[8]、中醫藥知識圖譜[9]、中文醫學知識圖譜CMeKG[10]等，這些醫學知識圖譜的信息涵蓋面廣，但也存在對于某一復雜病種描述不全面的問題。

本文利用自然語言處理技術，基于知識圖譜關系表達能力強、可以進行知識學習等優勢，將知識圖譜技術應用到阻生智齒領域中，構建阻生智齒知識圖譜，涵蓋阻生智齒相關知識及拔除實例，幫助大眾全面了解阻生智齒。系統地總結各類阻生智齒病例，可提供一個阻生智齒數據庫供研究者使用。

1 方法

1.1 構建阻生智齒語料

本文采用多源語料文本信息構建知識圖譜，采用部分標注部分自動提取的方式訓練模型進行實體抽取，為構建阻生智齒知識圖譜做準備。首先準備標注語料，內容如圖1所示。

圖1 阻生智齒知識圖譜的結構

1.1.1 標注格式

本文采用BMES 的標注方式進行實體標注，格式如圖2 所示，“B”為所需標注實體的開頭，“M”為實體的中間部分，“E”表示實體的結尾，“S”表示由單獨一個字表示的實體，其余文本采用“O”來標注。

1.1.2 文本語料

本文所用的語料取自三個部分：其一是《口腔科常見病用藥指南》[11]，其針對各種口腔科常見疾病重點對治療用藥進行了系統、詳細的闡述，其中部分章節介紹了阻生智齒手術所涉及到的藥物。我們從中提取藥物名稱、類型、成分、用途、禁忌、劑量及規格七個實體，標注得到藥物數據集。其二是《下頜阻生智齒(第2 版)》[12]，其對下頜阻生智齒拔除方法及并發癥防治進行了總結與探討。我們從中提取阻生類型、臨床表現及手術方法三種實體，標注得到阻生智齒類型數據集。其三是阻生智齒臨床語料，它是根據貴陽市口腔醫院真實的阻生智齒拔除手術病歷、患者檢查報告單及CBCT 圖像信息，整理出來的臨床病歷語料。根據臨床醫生的經驗與意見，提取出矢狀位阻生類型、水平位阻生類型、癥狀、年齡、既往史、檢查項目、治療方案、藥物、牙根形態及牙根角度十種實體，標注得到阻生智齒臨床數據集。

1.2 實體抽取模型

知識圖譜需要大量的數據信息進行支撐，實現實體的自動抽取是本文構建知識圖譜重要步驟之一。本文基于上述獲得的部分標注語料，選取合適的實體抽取模型，實現自動抽取。由于模型的多樣性，本文首先在語料上應用部分經典模型進行實驗，選取出性能最優的模型。

1.2.1 HMM模型[13]

隱馬爾可夫模型(HMM)是一種用于描述隨機過程統計特性的概率模型，包括隱狀態和顯狀態，利用HMM 模型能夠從可以觀測到的顯狀態序列計算出可能性最大的隱狀態序列。

1.2.2 BERT模型[14]

BERT 模型是一個預訓練的語言表征模型，它經過多個Transformer 結構的堆疊，形成了自己的核心結構，如圖3 所示。利用BERT 預訓練模型，只需要在模型后增加一個輸出層進行微調操作，就可以對接下游各種自然語言處理任務。

圖3 BERT核心結構

1.2.3 BiLSTM模型[15]

LSTM（Long Short-Term Memory）是RNN 的一種改進模型，它可以捕捉到較長距離的依賴關系，記住長期的信息以在NLP 任務中建模上下文信息，結構如圖4 所示。而它存在一個缺陷，即無法編碼從后到前的信息。為了解決這一問題，我們通過將向前的LSTM 和向后的LSTM 結合成Bi-LSTM，可以更好地捕捉到雙向的語義依賴。

圖4 LSTM核心結構

1.2.4 CRF模型[16]

條件隨機場（CRF）是一種序列標注模型，它能夠充分考慮輸出標簽之間的關系，可以有效建模最終預測標簽之間的序列關系，讓預測結果更加準確合理。

1.3 評價指標

采用評測指標F1-Score 對訓練測試的結果進行評價，F1-score 是使用調和平均結合召回率和精度的指標，計算公式為：

其中，P 表示精度(Precision)，描述被分為正例的樣本中實際為正例的比例；R 表示召回率(Recall)，描述有多少個正例被分為正例。

1.4 測試結果

將數據按照6:2:2的比例劃分為訓練集、驗證集和測試集，在訓練參數一致的條件下，分別在三個標注語料上進行模型的訓練與測試，結果如表1所示。

表1 模型在不同語料上的訓練結果F1-score對比

在三個數據集上，HMM 模型的綜合F1-score 分別為0.6308、0.7085 和0.9445；BiLSTM 模型的綜合F1-score 分別為0.7800、0.7950 和0.9566，比HMM 模型分別提高了0.1492、0.0865 和0.0121；BiLSTM-CRF模型的綜合F1-score 分別為0.8036、0.7969 和0.9810，比前者分別提高了0.0236、0.0019 和0.0244；最后在此基礎上增加BERT預訓練中文模型，F1-score又得到了進一步提升，具體值分別為0.9164、0.9797 和0.9829，比前者提高了0.1128、0.1738 和0.0019。由此可以得出，BERT-BiLSTM-CRF 模型在三個不同的數據集上都取得了優異的性能，可以在本次實體抽取任務中取得很好的表現。因此，我們選用BERT-BiLSTM-CRF模型進行本次構建阻生智齒知識圖譜中的實體抽取。

1.5 構建阻生智齒知識圖譜

基于上述構建的三個數據集，由口腔醫學領域有豐富經驗的臨床醫生進行指導，定義實體間的關系，最終得出圖5中所示的實體間關系。

圖5 實體間關系圖

獲得實體集合和關系集合后，進行知識圖譜的構建，得到阻生智齒知識圖譜的三個部分：阻生智齒類型部分，阻生智齒藥物部分，阻生智齒臨床實例部分。最后將三個部分進行整合，形成一個完整的阻生智齒知識圖譜。

2 結果及分析

本文采用Neo4j 圖形數據庫，對知識圖譜進行可視化展示，圖譜展示如圖6所示。

圖6 阻生智齒知識圖譜可視化展示

阻生智齒類型部分數據基于《下頜阻生智齒(第二版)》，具有年代的局限性，對實際臨床操作應用參考性不大，但其內容是作者將國內外常見分類法與實際臨床拔牙方法結合得到的，在當時可供醫生在醫療、教學、科研工作中參考，具有權威性。本文選擇這部分文本加入知識圖譜，旨在幫助非專業醫療人員了解阻生智齒，具有一定的科普作用。在后續完善知識圖譜的工作中，可以納入更多阻生智齒領域的權威性書籍，提高其全面性。阻生智齒手術用藥部分基于《口腔科常見病用藥指南》，是華西口腔醫學院的醫生長期的臨床經驗總結，具有權威性和應用性。對于不斷出現的新型藥物，知識圖譜也能夠及時補充。阻生智齒手術實例部分源于貴陽市口腔醫院采集到的真實病例語料，其中對各實體的分類定義來自臨床醫生的經驗總結，將國際認定的阻生智齒分類標準結合臨床手術應用，提出新的分類標準，同時結合患者的檢查報告及CBCT 圖像，致力于將阻生智齒的手術方案標準化、規范化，提高手術過程的可解釋性。此部分還未進行臨床驗證，處于探索階段，但對于后續阻生智齒的研究具有深遠意義。

在后續工作中，我們將基于構建的知識圖譜實現添加數據的功能，可以滿足全國的專業醫療人員在此平臺上增加阻生智齒手術實例，實時分享各種復雜病例，系統管理數據，為學者研究阻生智齒提高收集數據的效率。

3 總結

本文將知識圖譜相關技術應用到口腔醫學領域，選擇BERT-BiLSTM-CRF模型對文本進行實體抽取，建立阻生智齒知識圖譜，包含分類、癥狀、手術方案、用藥等阻生智齒相關知識，我們首次系統性地整合阻生智齒領域的信息，希望為后續建立阻生智齒研究平臺打下基礎。然而，該知識圖譜的構建還處于起步階段，存儲的信息還不全面，需要繼續深入研究，豐富數據信息，朝著提高阻生智齒知識圖譜權威性、系統性、全面性、高質量性的方向不斷努力。