《醫(yī)療知識(shí)圖譜構(gòu)建技術(shù)要求》

ICS35.080

CCSC07

T/CI

中國國際科技促進(jìn)會(huì)團(tuán)體標(biāo)準(zhǔn)

T/CIXXX—2023

醫(yī)療知識(shí)圖譜構(gòu)建技術(shù)要求

Technicalrequirementsformedicalknowledgegraphconstruction

（征求意見稿）

2023-XX-XX發(fā)布2023-XX-XX實(shí)施

中國國際科技促進(jìn)會(huì)發(fā)布

T/CIXXX—2023

醫(yī)療知識(shí)圖譜構(gòu)建技術(shù)要求

1范圍

本文件規(guī)定了醫(yī)療知識(shí)圖譜構(gòu)建的架構(gòu)要求、構(gòu)建要求、系統(tǒng)要求。

本文件適用于指導(dǎo)科研院所、科技企業(yè)、第三方機(jī)構(gòu)等，對(duì)醫(yī)療知識(shí)圖譜進(jìn)行設(shè)計(jì)、開發(fā)、測(cè)試等。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對(duì)應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

GB/T5271.17—2010信息技術(shù)詞匯第17部分：數(shù)據(jù)庫

GB/T22239信息安全技術(shù)網(wǎng)絡(luò)安全等級(jí)保護(hù)基本要求

GB/T35273信息安全技術(shù)個(gè)人信息安全規(guī)范

3術(shù)語和定義

GB/T5271.17—2010界定的以及下列術(shù)語和定義適用于本文件。

知識(shí)圖譜knowledgegraph

一種以結(jié)構(gòu)化的形式描述客觀世界中概念、實(shí)體及其關(guān)系的方式。它將互聯(lián)網(wǎng)的海量信息表達(dá)成更

接近人類認(rèn)知世界的形式，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)海量信息的能力。

[來源：YD/T4044—2022，3.1]

醫(yī)療知識(shí)圖譜medicalknowledgegraph

在人工構(gòu)建的專業(yè)知識(shí)基礎(chǔ)上，通過算法不斷擴(kuò)充實(shí)體及關(guān)系構(gòu)建的，包括疾病、癥狀、藥品、手

術(shù)等醫(yī)學(xué)概念和多種醫(yī)學(xué)關(guān)系的知識(shí)圖譜。

4縮略語

下列縮略語適用于本文件。

API：應(yīng)用程序編程接口（ApplicationProgrammingInterface）

NLP：自然語言處理（NaturalLanguageProcessing）

5架構(gòu)要求

整體架構(gòu)

醫(yī)療知識(shí)圖譜整體架構(gòu)如圖1所示。

1

T/CIXXX—2023

知識(shí)管理層圖數(shù)據(jù)存儲(chǔ)全文檢索引擎屬性數(shù)據(jù)存儲(chǔ)元數(shù)據(jù)配置管理

知識(shí)抽取與加工層知識(shí)抽取本體設(shè)計(jì)實(shí)例獲取知識(shí)融合任務(wù)調(diào)度

數(shù)據(jù)源層外部數(shù)據(jù)內(nèi)部數(shù)據(jù)

基礎(chǔ)支撐層大數(shù)據(jù)平臺(tái)數(shù)據(jù)倉庫NLP

圖1醫(yī)療知識(shí)圖譜整體架構(gòu)圖

基礎(chǔ)支撐層

基礎(chǔ)支撐層是醫(yī)療知識(shí)圖譜構(gòu)建所需的基礎(chǔ)技術(shù)支撐，主要包括大數(shù)據(jù)平臺(tái)、數(shù)據(jù)倉庫、NLP。

數(shù)據(jù)源層

數(shù)據(jù)源層是醫(yī)療知識(shí)圖譜構(gòu)建所需數(shù)據(jù)的最初來源?？煞譃獒t(yī)療機(jī)構(gòu)內(nèi)部數(shù)據(jù)源與外部數(shù)據(jù)源，其

中的數(shù)據(jù)形態(tài)包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)。

知識(shí)抽取與加工層

知識(shí)抽取與加工層將數(shù)據(jù)源層的各類型數(shù)據(jù)通過知識(shí)抽取、本體設(shè)計(jì)、實(shí)例獲取、知識(shí)融合、任務(wù)

調(diào)度，加工形成滿足要求的數(shù)據(jù)。

知識(shí)管理層

知識(shí)管理層將知識(shí)抽取與加工層形成的數(shù)據(jù)作為輸入，通過圖數(shù)據(jù)存儲(chǔ)、全文檢索引擎、屬性數(shù)據(jù)

存儲(chǔ)和元數(shù)據(jù)配置管理等模塊化處理，實(shí)現(xiàn)知識(shí)圖譜展現(xiàn)結(jié)果的有效管理和高效訪問。

6構(gòu)建要求

構(gòu)建流程

6.1.1構(gòu)建流程如圖2所示。

開始知識(shí)抽取加工知識(shí)評(píng)估知識(shí)存儲(chǔ)結(jié)束

圖2醫(yī)療知識(shí)圖譜構(gòu)建流程圖

6.1.2知識(shí)抽取加工是將數(shù)據(jù)源層結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化形成滿足知識(shí)圖譜存儲(chǔ)要求

的標(biāo)準(zhǔn)形式，主要包括數(shù)據(jù)甄別、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)融合等步驟。

6.1.3知識(shí)評(píng)估用于保障新加入醫(yī)療知識(shí)圖譜的知識(shí)質(zhì)量，主要包括遠(yuǎn)程監(jiān)督學(xué)習(xí)與人工核查兩種方

式。

6.1.4知識(shí)存儲(chǔ)是有效管理知識(shí)圖譜依賴的屬性數(shù)據(jù)、圖數(shù)據(jù)、全文檢索數(shù)據(jù)，高效訪問數(shù)據(jù)動(dòng)態(tài)更

2

T/CIXXX—2023

新后的可視化結(jié)果。

知識(shí)抽取加工

6.2.1知識(shí)抽取

6.2.1.1抽取步驟

6.2.1.1.1宜選擇結(jié)構(gòu)化程度相對(duì)較高、質(zhì)量較優(yōu)的數(shù)據(jù)源，根據(jù)數(shù)據(jù)來源選擇差異化的數(shù)據(jù)抽取及

加工方式。

6.2.1.1.2知識(shí)抽取主要步驟包括數(shù)據(jù)甄別、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)融合4個(gè)步驟：

a)數(shù)據(jù)甄別：應(yīng)明確建立知識(shí)圖譜的數(shù)據(jù)來源。數(shù)據(jù)來源主要為生物銀行數(shù)據(jù)庫、醫(yī)學(xué)指南；

b)數(shù)據(jù)清洗：對(duì)數(shù)據(jù)中的干擾項(xiàng)進(jìn)行清洗，對(duì)表示不規(guī)范的數(shù)據(jù)進(jìn)行統(tǒng)一與規(guī)范；

c)數(shù)據(jù)轉(zhuǎn)換：將不同形式、不同格式的數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的表達(dá)形式；

d)數(shù)據(jù)融合：針對(duì)不同來源的數(shù)據(jù)在字段、元組等層次的融合，不涉及實(shí)體、屬性、關(guān)系的融合。

6.2.1.2標(biāo)準(zhǔn)接口對(duì)接

6.2.1.2.1標(biāo)準(zhǔn)接口主要用于對(duì)接已完成抽取加工的各種數(shù)據(jù)，包括實(shí)體數(shù)據(jù)和關(guān)系數(shù)據(jù)。通過實(shí)體

接口和關(guān)系接口的調(diào)用，將數(shù)據(jù)以實(shí)時(shí)或非實(shí)時(shí)的方式接入對(duì)應(yīng)版本的存儲(chǔ)層。接口形式主要包括數(shù)據(jù)

文件和API。

6.2.1.2.2接口格式主要包括JavaScript對(duì)象簡(jiǎn)譜（JSON）、可擴(kuò)展標(biāo)記語言（XML）、另一種標(biāo)記

語言（YAML）等多種形式。

注1：JSON是一種輕量級(jí)的數(shù)據(jù)交換格式。

注2：XML是一種簡(jiǎn)單的數(shù)據(jù)存儲(chǔ)語言。

注3：YAML是一個(gè)可讀性高，用來表達(dá)數(shù)據(jù)序列化的格式。

6.2.2知識(shí)加工

知識(shí)加工以知識(shí)抽取階段形成的高質(zhì)量基礎(chǔ)數(shù)據(jù)作為輸入，輸出高質(zhì)量的知識(shí)圖譜構(gòu)建所依賴的

實(shí)體、關(guān)系數(shù)據(jù)并形成醫(yī)療知識(shí)庫。主要包括知識(shí)加工的步驟如下：

a)本體設(shè)計(jì)：

1)概念層定義：明確定義醫(yī)療知識(shí)圖譜構(gòu)建需要的實(shí)體類型與關(guān)系類型；

2)屬性定義：明確醫(yī)療知識(shí)圖譜構(gòu)建的各類實(shí)體需要的屬性名稱；

3)約束/規(guī)則定義：明確需要約定的限定條件與規(guī)則；

4)模式精簡(jiǎn)：對(duì)同樣范圍的實(shí)體、關(guān)系，宜選擇精簡(jiǎn)的關(guān)聯(lián)與表達(dá)方式；

b)實(shí)例獲取：

1)實(shí)體識(shí)別：在完成知識(shí)抽取后的數(shù)據(jù)中識(shí)別上述已經(jīng)明確的實(shí)體類型對(duì)應(yīng)數(shù)據(jù)；

2)關(guān)系識(shí)別：在完成知識(shí)抽取后的數(shù)據(jù)中識(shí)別上述已經(jīng)明確的關(guān)系類型對(duì)應(yīng)數(shù)據(jù)；

3)實(shí)體鏈指：將完成文本解析后的事件關(guān)聯(lián)方鏈接至對(duì)應(yīng)實(shí)體；

4)文本解析：利用NLP技術(shù)對(duì)文本進(jìn)行分析，實(shí)現(xiàn)事件關(guān)聯(lián)方的提取、實(shí)體/關(guān)系屬性的槽

填充。

注：槽填充即從大規(guī)模的語料庫中抽取給定實(shí)體的被明確定義的屬性值的技術(shù)。

c)知識(shí)融合：

1)共指消解：將具有相同標(biāo)識(shí)的兩個(gè)實(shí)體合并為同一實(shí)體；

2)屬性融合：將同一標(biāo)識(shí)實(shí)體下，相同名稱的屬性所對(duì)應(yīng)的屬性值進(jìn)行融合；

3)規(guī)范化一：將不同實(shí)體屬性值與不同關(guān)系屬性值的表達(dá)方式進(jìn)行統(tǒng)一；

3

T/CIXXX—2023

4)跨語言實(shí)體對(duì)齊：將不同語言的實(shí)體通過預(yù)訓(xùn)練翻譯模型和字符串相似匹配算法進(jìn)行對(duì)

齊。

知識(shí)評(píng)估

知識(shí)評(píng)估階段首先利用遠(yuǎn)程監(jiān)督學(xué)習(xí)篩選出可信度較低的知識(shí)，再交由人工核查，確認(rèn)無誤后更新

到知識(shí)圖譜中。

知識(shí)存儲(chǔ)

6.4.1屬性知識(shí)存儲(chǔ)

6.4.1.1屬性數(shù)據(jù)存儲(chǔ)內(nèi)容宜包含實(shí)體屬性和關(guān)系屬性。

6.4.1.2屬性數(shù)據(jù)存儲(chǔ)方式宜根據(jù)數(shù)據(jù)規(guī)模決定采用分布式存儲(chǔ)或單機(jī)存儲(chǔ)，主要包括單個(gè)和批量屬

性數(shù)據(jù)的增加、更新、刪除操作。

6.4.1.3屬性數(shù)據(jù)存儲(chǔ)宜主要考慮下列因素：

a)高可用，主要包括：

1)雙機(jī)熱備；

2)雙機(jī)互備；

3)雙機(jī)雙工；

b)高并發(fā)：可提供高并發(fā)的讀寫請(qǐng)求；

c)高性能：數(shù)據(jù)實(shí)時(shí)寫入和實(shí)時(shí)讀取性能高；

d)可擴(kuò)展：可按需增加集群的計(jì)算能力。

6.4.2圖數(shù)據(jù)存儲(chǔ)

6.4.2.1圖數(shù)據(jù)存儲(chǔ)內(nèi)容宜包括實(shí)體數(shù)據(jù)和關(guān)系數(shù)據(jù)，分別以實(shí)體表和關(guān)系表的形式體現(xiàn)。

6.4.2.2圖數(shù)據(jù)存儲(chǔ)方式宜根據(jù)數(shù)據(jù)規(guī)模決定采用分布式存儲(chǔ)或單機(jī)存儲(chǔ)。

6.4.2.3圖數(shù)據(jù)存儲(chǔ)宜考慮的因素主要包括：

a)數(shù)據(jù)庫維度與表維度均采用邏輯劃分和物理存儲(chǔ)隔離；

b)各數(shù)據(jù)分片有多份副本，保證安全、可容災(zāi)、高可用等性能要求；

c)通過提高服務(wù)器硬件配置或服務(wù)器數(shù)量提升集群數(shù)據(jù)處理能力。

6.4.3檢索引擎

6.4.3.1檢索引擎的功能主要應(yīng)包括：

a)實(shí)時(shí)全文檢索；

b)實(shí)時(shí)條件過濾查詢；

c)實(shí)時(shí)復(fù)合條件查詢；

d)實(shí)時(shí)聚合查詢。

6.4.3.2檢索引擎宜根據(jù)數(shù)據(jù)規(guī)模決定采用分布式部署或單機(jī)部署。

6.4.4知識(shí)可視化

知識(shí)可視化提供圖形化的操作界面，主要功能應(yīng)包括：

a)屬性展示：查看實(shí)體和關(guān)系的屬性詳細(xì)信息；

b)實(shí)體及關(guān)系過濾：篩選出關(guān)注的實(shí)體及關(guān)系，隱藏其他實(shí)體和關(guān)系；

c)前端效果配置：可對(duì)實(shí)體和關(guān)系展示的前端效果進(jìn)行配置，主要包括：

1)顏色；

4

T/CIXXX—2023

2)形狀；

3)尺寸；

d)自適用頁面的展示：可支持放大、拖拽、調(diào)整結(jié)構(gòu)等操作；

e)爆炸節(jié)點(diǎn)的聚合：可防止因展示實(shí)體及關(guān)系過多而引起的前端崩潰、卡頓等問題。

6.4.5動(dòng)態(tài)構(gòu)圖

6.4.5.1動(dòng)態(tài)構(gòu)圖功能主要包括：

a)新增實(shí)體或關(guān)系類型；

b)新增實(shí)體或關(guān)系的屬性信息。

6.4.5.2新增實(shí)體或關(guān)系信息宜根據(jù)后續(xù)應(yīng)用的時(shí)效性要求決定采用實(shí)時(shí)或批量方式存儲(chǔ)，實(shí)現(xiàn)圖譜

動(dòng)態(tài)更新。

6.4.6權(quán)限管理

權(quán)限管理功能主要包括：

a)實(shí)現(xiàn)不同應(yīng)用分區(qū)的構(gòu)建，各分區(qū)中實(shí)體、關(guān)系和屬性數(shù)據(jù)獨(dú)立管理；

b)支持多用戶管理，支持實(shí)體、關(guān)系和屬性數(shù)據(jù)增加、刪除、改動(dòng)、查詢的授權(quán)和權(quán)限回收等。

7系統(tǒng)要求

基本功能

7.1.1構(gòu)建的醫(yī)療知識(shí)圖譜系統(tǒng)基本功能要求如下：

a)應(yīng)支持對(duì)知識(shí)的管理功能，包括知識(shí)采集、知識(shí)建模、知識(shí)獲取、知識(shí)融合及知識(shí)評(píng)估等；

b)應(yīng)保證模型可用性，無論輸入什么樣的樣本數(shù)據(jù)，模型都能返回一個(gè)結(jié)果，供系統(tǒng)進(jìn)行決策處

理；

c)應(yīng)支持對(duì)算法的管理，采用多種方式提高算法魯棒性，增強(qiáng)安全性；

注：魯棒性指在異常和危險(xiǎn)情況下系統(tǒng)生存的能力。

d)宜支持機(jī)器學(xué)習(xí)主流算法，包括線性回歸、邏輯回歸、線性判別分析、樸素貝葉斯、最臨近節(jié)

點(diǎn)算法、隨機(jī)森林等；

e)宜支持機(jī)器學(xué)習(xí)模型訓(xùn)練優(yōu)化，包括支持模型組合和調(diào)參，支持加快模型訓(xùn)練和實(shí)驗(yàn)調(diào)優(yōu)；

f)宜支持產(chǎn)品化流程，提升模型訓(xùn)練迭代效率，提高模型性能和泛化能力；

g)宜支持對(duì)機(jī)器學(xué)習(xí)服務(wù)模塊的管理，保證據(jù)傳輸過程安全、開發(fā)框架安全，支持權(quán)限管理和服

務(wù)接口規(guī)范制定等。

7.1.2知識(shí)采集功能要求如下：

a)對(duì)于組織內(nèi)的內(nèi)部數(shù)據(jù)，應(yīng)對(duì)數(shù)據(jù)進(jìn)行脫敏轉(zhuǎn)換后進(jìn)行使用；

b)應(yīng)通過接口采集或數(shù)據(jù)文件傳送采集數(shù)據(jù)；

c)應(yīng)將采集到的數(shù)據(jù)導(dǎo)入到數(shù)據(jù)庫或存儲(chǔ)中，用于后續(xù)分析。

7.1.3知識(shí)建模功能要求如下：

a)應(yīng)支持通過圖譜的模式建模能力將醫(yī)療數(shù)據(jù)抽象成圖譜的源實(shí)體、關(guān)系、目標(biāo)實(shí)體：

b)應(yīng)支持針對(duì)模式的增刪改查等操作；

c)應(yīng)支持自動(dòng)化建模；

d)應(yīng)支持針對(duì)文本、向量、空間等索引查詢召回能力的索引配置能力；

e)宜支持引用其他領(lǐng)域已有的關(guān)系、實(shí)體定義等；

f)宜支持自上而下和自下而上的途徑進(jìn)行知識(shí)構(gòu)建；

5

T/CIXXX—2023

g)宜支持流、批一體的構(gòu)建鏈路，支持醫(yī)療知識(shí)變更后秒級(jí)通過圖譜構(gòu)建鏈路更新到圖譜中；

h)宜支持多人在線協(xié)同編輯，且實(shí)時(shí)更新。

7.1.4知識(shí)獲取功能要求如下：

a)應(yīng)支持通過NLP規(guī)則結(jié)合模型等方式從半結(jié)構(gòu)化、非結(jié)構(gòu)化的文檔、pdf等中獲取結(jié)構(gòu)化實(shí)體，

更新或連接到圖譜中；

b)應(yīng)支持通過圖譜的模式建模能力知識(shí)抽象成圖譜的實(shí)體、關(guān)系、屬性、約束等；

c)應(yīng)支持使用NLP規(guī)則結(jié)合模型，結(jié)合觸發(fā)詞等策略獲取事件分類、事件主體、事件客體等；

d)應(yīng)支持從不同信息源中采集特定實(shí)體的屬性信息；

e)宜支持通過有限配置構(gòu)建事件獲取服務(wù)，并將獲取結(jié)果寫入圖譜。

7.1.5知識(shí)融合功能要求如下：

a)在同構(gòu)環(huán)境下，應(yīng)支持每個(gè)實(shí)體在全局有唯一實(shí)例，如通過實(shí)體相似度等能力實(shí)現(xiàn)開發(fā)少量代

碼即可快速發(fā)現(xiàn)、消除重復(fù)冗余實(shí)體；

b)應(yīng)支持包括異構(gòu)多源實(shí)體、不同圖譜下同質(zhì)異構(gòu)實(shí)體的融合，如通過提供可解釋、可回溯的規(guī)

則管理能力，方便管理融合策略；

c)應(yīng)支持為不同領(lǐng)域同實(shí)體共享、差異化迭代提供的實(shí)體繼承能力，宜支持選擇深度、淺度繼承

公共實(shí)體，新增或覆蓋已有屬性；

d)宜支持多源知識(shí)子圖的融合，如通過提供子圖約簡(jiǎn)、圖嵌入、子圖相似度等能力，實(shí)現(xiàn)高效地

融合知識(shí)圖譜間的結(jié)構(gòu)信息與語義信息；

e)宜支持關(guān)系分層繼承能力，方便概念管理；

f)宜支持多語言的知識(shí)融合；

g)官支持新增知識(shí)的實(shí)時(shí)融合。

7.1.6知識(shí)評(píng)估功能應(yīng)支持智能評(píng)估與人工審核結(jié)合，針對(duì)知識(shí)正確性等進(jìn)行評(píng)估。

7.1.7知識(shí)存儲(chǔ)功能要求如下：

a)應(yīng)滿足基礎(chǔ)的圖數(shù)據(jù)存儲(chǔ)需求，設(shè)計(jì)具備可伸縮性和靈活性的知識(shí)存儲(chǔ)結(jié)構(gòu)，可滿足多種圖數(shù)

據(jù)模型的存儲(chǔ)；在此基礎(chǔ)上，應(yīng)具備可擴(kuò)展性，可實(shí)現(xiàn)基于數(shù)據(jù)增長的彈性擴(kuò)展；

b)應(yīng)具備查詢、讀取、計(jì)算和應(yīng)用需求的支持，可實(shí)現(xiàn)和不同存儲(chǔ)、計(jì)算組件的交互，可滿足上

層應(yīng)用對(duì)于存儲(chǔ)組件進(jìn)行增刪查改的功能和性能需求；

c)應(yīng)具備對(duì)于安全性、可靠性、維護(hù)和管理的支持，可實(shí)現(xiàn)基于角色的訪問控制、加密、多用戶、

高可用性、備份和還原的功能。

可擴(kuò)展性

對(duì)醫(yī)療知識(shí)圖譜系統(tǒng)的可擴(kuò)展性要求如下：

a)應(yīng)具備可擴(kuò)展性，根據(jù)需求隨時(shí)進(jìn)行擴(kuò)展和收縮；

b)宜支持自動(dòng)伸縮機(jī)制的可信通道管理方案，簡(jiǎn)單高效管理可信計(jì)算通道；

c)應(yīng)支持橫向擴(kuò)展，用戶可通過API直接接入。

可靠性

對(duì)醫(yī)療知識(shí)圖譜系統(tǒng)的可靠性要求如下：

a)應(yīng)確保數(shù)據(jù)按約定好的行為進(jìn)行使用，避免數(shù)據(jù)濫用；

b)宜支持通過多機(jī)房主從協(xié)調(diào)機(jī)制，解決可信執(zhí)行環(huán)境集群跨機(jī)房災(zāi)備的問題，提升系統(tǒng)容災(zāi)能

力；

c)應(yīng)具備出現(xiàn)故障后系統(tǒng)進(jìn)行自動(dòng)容災(zāi)恢復(fù)的能力，包括數(shù)據(jù)備份和恢復(fù)等。如服務(wù)器故障、硬

盤故障、網(wǎng)絡(luò)故障、關(guān)機(jī)、重啟等。